XiaoMi-AI文件搜索系统
World File Search System大尺寸的
基于深层关联神经网络的智能分类方法⋆
提出了一种基于深层关联神经网络的鸡蛋状态智能分类的方法。此方法旨在自动孵化过程中鸡蛋产卵的可视化结果的识别和解释。关联自动编码器的模型比传统方法具有多个优点。例如，输入图像是预大尺寸的，并且对“卷积 - 汇总/UPS采样层”的计数实际上是根据图像大小来定义的，这提高了分类的准确性。此外，平面计数被确定为分隔商，将单元在输入层中的细胞计数（两者计数）对加倍对的功率计数计数“卷积 - 汇总/上取样层”，以将整个单元格保留在汇总/UPS采样后的总细胞计数。此过程将层平面的大小宽度和高度减半，使模型层的结构定义自动化。Deep Boltzmann机器模型比传统的Deep Boltzmann机器具有多个优点。这些包括预先调整输入图像，确定有限的Boltzmann机器的数量在经验上以提高分类的准确性，并将神经元设置为隐藏层中的神经元数量，因为两倍的神经元在可见层中的神经元计数，以满足Kolmogorov Theorem在多维连续函数的表现上，具有单位持续函数的持续功能的表现。此模型自动化模型层体系结构的定义。基于深层关联神经网络的鸡蛋发育状态的智能分类方法可以应用于智能系统中，以分类鸡蛋蜡烛可视化在工业家禽生产中的孵化过程中。
敏感的定量体内测定，用于评估生物分子对头发生长和着色的影响，直接微分注射到小鼠晶须卵泡中
摘要：许多人遭受脱发和皮肤色素异常的困扰，突出了对支持药物发现研究的简单测定的需求。当前的测定法具有各种局限性，例如仅体外，不够敏感或无法实现。我们利用了双侧对称性和大尺寸的小鼠晶须卵泡来开发一种称为“ Whisker卵泡微注射测定”的小说在体内测定中。在此测定中，我们使用与晶须大小相似的微针直接拔出小鼠晶须，然后将分子直接注入晶须卵泡的一侧，然后我们在另一侧注入溶剂作为对照。一旦晶须再次长大，我们就定量测量了它们的长度和颜色强度，以评估分子对头发生长和着色的影响。使用几种化学物质和蛋白质测试该测定法。化学物质米诺地尔和鲁ac替尼以及蛋白质RSPO1促进了头发生长。可以以低至0.001％的浓度检测到临床药物米诺地尔的作用。化学脱氧核糖素抑制了黑色素的产生。蛋白质NBL1被鉴定为一种新型的毛发抑制剂。总而言之，我们成功地建立了一种敏感和定量的体内测定法，以评估化学物质和蛋白质对头发生长和着色的影响，并通过使用该测定法确定了一种新型调节剂。在研究蛋白质功能以及开发用于治疗脱发和皮肤异常色素沉着的药物时，这种晶须卵泡显微注射测定将是有用的。
慢病毒基因疗法恢复了伯纳德 - 苏利里综合征C型C
Bernard-Soulier综合征（BSS）是一种罕见的先天性疾病，其特征是巨骨细胞减少症和频繁出血。它是由三个基因（GP1BA，GP1BB或GP9）中的致病变异引起的，该变异编码为GPIB A，GPIB B和GPIB-V-IX复合物的GPIB A，GPIB B和GPIX亚基，这是Von Willebrand因子的主要血小板表面受体，是Von Willbrand因子的主要血小板受体，对于血小板粘附和聚集而言是必不可少的。根据受影响的基因，我们区分BSS型A1（GP1BA），B型（GP1BB）或C型C（GP9）。这些基因中的致病变异会导致缺乏，不完整或功能障碍的GPIB-V-IX受体，从而导致出血表型。使用基因编辑工具，我们生成了敲除（KO）人类细胞模型，这些模型帮助我们更好地理解了GPIB-V-IX复合体组装。此外，我们开发了能够纠正人类GP9 -KO巨型巨细胞细胞系中GPIX表达，定位和功能的新型慢病毒载体。生成的GP9 -KO诱导的多能干细胞产生了血小板，该血小板概括了BSS表型：膜表面和大尺寸的GPIX不存在。重要的是，基因疗法工具恢复了这两个特征。最后，用基因治疗载体转移了来自两个无关BSS患者的造血干细胞，并分化为表达GPIX的巨核细胞和血小板，大小降低。这些结果证明了基于慢性的基因疗法挽救BSS的潜力。
日记预备
启用基于MR的治疗计划需要从MRI几何形状中准确的CT样数据生成[7,8]。传统上可以通过基于ATLA的方法[9,10]来实现，该方法最初将MRI体素分割为不同的组织区域，然后将预定义的HU值分配给每个区域[10]。基于地图集的方法[9]涉及将Atlas-MRIS注册到新的MR图像中，并使用位移矢量场（DVF）翘曲Atlas CT，这在很大程度上取决于可变形注册结果的准确性[11]。在人工智能的新时代，深度学习（DL）已成为计算机视觉和模式识别的主要方法[12]。基于深度学习的合成CT生成也已成为一个流行的研究主题[13,14]。通过利用其出色的能力从输入图像中提取信息性特征，深度神经网络在基于MR的CT合成任务中取得了显着的结果[7]。已经提出了各种网络体系结构，以学习从MR强度到CT Hounsfield单位[15-21]的体素映射，并且还探索了合成CT掺入质子治疗[19-25]或碳离子治疗[26]的工作流程中。由于大尺寸的全分辨率CTS，通常将整个3D图像馈入单个神经网络通常是不可行的。因此，已经采用了不同的策略来通过重叠或非重叠的2D贴片，2D切片，2.5D切片或3D贴片[27]进行分配，然后由网络单独转换，然后合并以实现最终估计。
开发细长的椭圆形热源模型，以减少定向能量沉积过程的计算时间
金属零件的定向能量沉积（DED）添加剂制造过程越来越流行，并且由于它们制造大尺寸的一部分的潜力而被广泛接受。由于过程物理学而获得的复杂热循环导致残留应力和失真的积累。但是，为了准确地对大零件的金属沉积传热进行建模，数值模型会导致不切实际的计算时间。在这项工作中，开发了具有安静/主动元件激活的3D瞬时元素模型，用于建模金属沉积传热过程。为了准确地模拟移动热源，戈德克的双椭圆形模型的实现是用足够小的模拟时间增量来实现的，从而使激光在每个增量过程中移动其半径的距离。考虑使用不同工艺参数制造的不锈钢316L的薄壁壁，用COMSOL 5.6多物理软件获得的数值结果通过在制造20层的底物上记录的实验温度数据成功验证。为了减少计算时间，实现了整个路径上的热源的拉长椭圆形热输入模型。已经发现，通过采取如此大的时间增量，数值模型会产生不准确的结果。因此，该轨道分为几个子轨道，每个子轨道都以一个模拟增量应用。另外，引入了校正因子，该校正因子进一步减少了伸长热源的计算误差。在这项工作中，进行了调查，以发现正确的模拟时间增量或子轨道大小，从而导致计算时间减少（5 - 10次），但仍会产生非常准确的结果（低于温度相对误差的10％）。最后，在发现正确的时间增量大小和校正因子值以减少计算时间产生准确结果的情况下，还建立了新的相关性。
光子计数检测器CT用于肝病变检测 - ...
目的：这项研究的目的是评估来自光子计算检测器的最佳能量水平（VMI）的最佳能量水平，用于计算出的探测器（CT），以检测肝脏病变作为幻影大小和辐射剂量的函数。材料和方法：在120 kVp的双源光子计数检测器CT上成像拟人型腹部腹部幻影和病变。使用了五个具有病变到背景的损伤，差异为-30 HU和-45 HU，使用了+30 HU和+90 HU的3个损伤。病变直径为5 - 10毫米。环以模拟中型或大型患者。中等大小的体积CT剂量指数分别为5、2.5和1.25 MGY，大小分别在5和2.5 mgy中成像。每个设置的年龄为10次。对于每个设置，VMI从40到80 KEVAT 5 KEV增量进行重建，并以4（QIR-4）的强度水平的量子迭代重建重建。病变的可检测性作为面积，其高斯通道差异为10个。结果：总体而言，在65和70 keV处发现最高可检测性，用于在介质和大型幻影中的损伤和高肌电损伤，而与辐射剂量无关（AUC范围为0.91 - 1.0，培养基为0.91 - 1.0，分别为0.94 - 0.99，分别为0.94 - 0.99。最低的可检测性在40 keV处发现，而辐射剂量和幻影大小（AUC范围为0.78 - 0.99）。在40 - 50 keV中，可检测性的降低更为明显，而降低辐射剂量时，可检测性的可检测性降低是40 - 50 keV。在相等的辐射剂量下，与中型幻影相比，大尺寸的检测随VMI能量的函数差异更强（12％vs 6％）。结论：VMI能量之间不同幻像大小和辐射剂量的VMI能量之间的低阳离子和超霉菌病变的可检测性不同。