XiaoMi-AI文件搜索系统
World File Search System多光谱
抗抑郁药曲唑酮与双链DNA之间的相互作用：多光谱和计算分析
曲唑酮（TZD）是一种用于治疗主要抑郁症和睡眠障碍的抗抑郁药。升高的曲唑酮与中枢神经系统抑郁症有关，这表现为恶心，嗜睡，混乱，眩晕，疲惫等。要开发具有最小不良影响的临床活性药物化合物，必须全面了解该药物对DNA的作用机制。因此，我们利用各种光谱和计算技术研究了曲唑酮与DNA之间的相互作用方式。使用UV - VIS滴定的研究表明，DNA和曲唑酮具有有效的相互作用。通过稳态荧光研究，Lehrer方程计算得出的船尾伏默常数（K SV）的大小为5.84×10 6 m-1。uv - Vis吸收，DNA熔化，染料位移和圆形二分法研究表明，曲唑酮与小凹槽中的DNA结合。分子对接和分子动力学模拟表明TZD-DNA系统是稳定的，并且结合模式较小。此外，离子强度研究表明，DNA和曲唑酮没有实质性的静电结合相互作用。
从单独和组合机载成像光谱和无人机多光谱数据中进行作物分离
摘要：作物品种分离对于广泛的农业应用至关重要——特别是在需要季节性信息时。通常，遥感可以高精度地提供此类信息，但在小规模结构化的农业区域，需要非常高的空间分辨率数据 (VHR)。我们提出了一项研究，涉及使用无人机 (UAV) 获取的近红外 (NIR) 红绿蓝 (NIR-RGB) 波段数据集以及机载棱镜实验 (APEX) 获取的成像光谱 (IS) 数据集得出的光谱和纹理特征。使用基于随机森林的方法来分析这些数据集的单独使用和组合，以确定作物的可分离性。此外，还分析了基于特征因子加载的不同波段缩减方法。使用 IS 数据集和两个组合数据集获得了最准确的作物分离结果，平均准确度 (AA) >92%。此外，我们得出结论，在 IS 特征数量（即波长）减少的情况下，可以通过使用额外的 NIR-RGB 纹理特征（AA > 90%）来补偿准确度。
确定最适合基于机器学习的多光谱脑 MRI 数据分割的直方图归一化技术
摘要 — 磁共振成像 (MRI) 的主要缺点是缺乏标准强度尺度。所有观察到的数值都是相对的，只能结合其上下文进行解释。在将 MRI 数据体输入监督学习分割程序之前，需要将它们的直方图相互配准，换句话说，它们需要所谓的规范化。用于辅助脑 MRI 分割的最流行的直方图规范化技术是 Ny'ul 等人在 2000 年提出的算法，该算法对齐一批 MRI 体积的直方图，而不注意可能扭曲直方图的局部病变。另外，一些最近的研究应用了基于简单线性变换的直方图规范化，并报告了使用它们实现的略高的准确性。本文提出研究在脑 MRI 图像分割之前分别在没有和存在局部病变的情况下执行直方图规范化的最合适的方法和参数设置。
利用多时相多光谱机载激光扫描、Sentinel-2 和移动激光扫描进行地图更新
摘要。遥感技术的快速发展为进一步发展目前主要基于被动航空图像的全国测绘程序提供了有趣的可能性。特别是，我们假设多时相机载激光扫描 (ALS) 在地形测绘方面具有巨大的未被发现的潜力。在本研究中，首次测试了多时相多光谱 ALS 数据的自动变化检测。结果表明，直接比较不同日期的高度和强度数据可以揭示与郊区发展相关的微小变化。未来工作的主要挑战是将变化与地图制作中感兴趣的对象联系起来。为了在未来的测绘中有效利用多源遥感数据，我们还研究了卫星图像和地面数据补充多光谱 ALS 的潜力。开发并测试了一种从 Sentinel-2 卫星图像时间序列中进行连续变化监测的方法。最后，使用地面移动激光扫描获取高密度点云并自动将其分为四类。将结果与 ALS 数据进行比较，并讨论了不同数据源在未来地图更新过程中可能发挥的作用。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.13.4.044504]
使用UAV多光谱图像的葡萄园冠层检测的不同计算机视觉方法的比较
在葡萄栽培中，通过超高的空间分解图像快速而准确地获取了冠层光谱信息以进行决策支持。普遍的做法涉及使用从纯藤冠像素获得的光谱数据创建活力图。基于对象的图像分析（OBIA）在常规方法中表现出由于其特征提取的功能而在树冠分类中表现出合理的效率。近年来，深度学习（DL）技术在果园监测中表现出了巨大的潜力，并利用了它们自动学习图像特征的能力。这项研究评估了不同方法的性能，包括掩盖R-CNN，U-NET，OBIA和无监督方法，以识别纯冠类像素。比较了阴影和背景检测方法的有效性以及错误分类像素对NDVI的影响。将结果与2021年和2022年生长季节进行的农艺调查进行了比较，重点是两个不同的物候阶段（BBCH65-BBCH85）。蒙版R-CNN和U-NET在整体准确性（OA），F1得分和与联合（IOU）相交方面表现出卓越的性能。在OBIA方法中，高斯混合模型（GMM）被证明是冠层分割的最有效的分类器，并且支持向量机（SVM）也表现出合理的稳定性。相反，随机森林（RF）和K-均值的准确性和较高的错误率产生了较低的误差率。由于准确性有限，因此在葡萄园行高的葡萄园排被高估了，而对于高活力的檐篷，NDVI被低估了。可显着提高确定系数，以进行总叶面积（TLA）与源自蒙版R-CNN和U-NET得出的NDVI数据之间的比较。还发现了来自GMM和SVM算法的NDVI数据的正相关性。关于叶叶绿素（CHL）和NDVI相关性，蒙版R-CNN和U-NET方法显示出较高的性能。此外，TLA和投影冠层区域（PCA）之间的关系得到了U-NET和Mask R-CNN的明显代表，而不建议使用PCA来估计叶绿素含量。这项调查确定，改善了葡萄树冠划界的贡献，可改善葡萄园活力监测，为葡萄酒生长提供了更准确，更可靠的农艺信息，以进行管理决策。
低成本遥控飞机系统 (RPAS) 配备多光谱传感器，用于绘制和分类潮间带生物牡蛎礁
用于低空遥感的 RPAS 技术和用于增强成像的微型传感器的蓬勃发展，导致了海洋生态应用的增加。然而，带有可见电磁波谱传感器的 RPAS 的普遍性可能会限制沿温带潮间带岩礁的生物海洋栖息地的精细测绘、监测和识别应用。在这里，我们使用低成本的 RPAS 结合多光谱传感器 (MicaSense® RedEdge™) 和基于对象的图像分析 (OBIA) 工作流程，在新西兰奥克兰怀特玛塔港制作了生物牡蛎礁的超高分辨率地图。结果表明，具有可见电磁波谱以外的光谱带逐渐增强了图像上的特征检测，并增加了在异质海洋生态系统中描绘目标特征的潜力。使用基于规则的分类技术提取目标特征，基于分割后的光谱特征，总体准确率为 83.9%，kappa 系数为 69.8%。使用附加光谱带可提高牡蛎礁栖息地测绘的光谱分辨率。高空间尺度监测和测绘浑浊的潮间带岩石礁带来了独特的挑战，但这些挑战可以通过在理想的气象和海洋条件下使用 RPAS 进行瞄准飞行来缓解。
低成本遥控飞机系统 (RPAS) 配备多光谱传感器，用于绘制和分类潮间带生物牡蛎礁
低空遥感用 RPAS 技术和增强成像用微型传感器的蓬勃发展，推动了海洋生态应用的增加。然而，可见电磁波谱中传感器的 RPAS 的普遍性可能会限制沿温带潮间带岩礁的生物海洋栖息地的精细测绘、监测和识别应用。在这里，我们使用低成本 RPAS 结合多光谱传感器 (MicaSense® RedEdge™) 和基于对象的图像分析 (OBIA) 工作流程，在新西兰奥克兰怀特玛塔港制作生物牡蛎礁的超高分辨率地图。结果表明，可见电磁波谱以外的光谱带逐渐增强了图像上的特征检测，并增加了在异质海洋生态系统中描绘目标特征的潜力。使用基于规则的分类技术提取目标特征，基于分割后的光谱特征，总体准确率为 83.9%，kappa 系数为 69.8%。使用附加光谱带可提高牡蛎礁栖息地测绘的光谱分辨率。高空间尺度监测和测绘浑浊的潮间带岩礁带来了独特的挑战，但这些挑战可以通过在理想的气象和海洋条件下使用 RPAS 进行目标飞行来缓解。