XiaoMi-AI文件搜索系统
World File Search System扫描的
量子态和 SPAM 噪声同时断层扫描的通用框架
洛斯阿拉莫斯国家实验室是一家采取平权行动/提供平等机会的雇主，由 Triad National Security, LLC 为美国能源部国家核安全局运营，合同编号为 89233218CNA000001。通过批准本文，出版商承认美国政府保留非独占的、免版税的许可，可以为了美国政府的目的出版或复制本文的已发表形式，或允许他人这样做。洛斯阿拉莫斯国家实验室要求出版商将本文注明为在美国能源部的支持下完成的工作。洛斯阿拉莫斯国家实验室坚决支持学术自由和研究人员的发表权利；但是，作为一个机构，实验室并不认可出版物的观点，也不保证其技术上的正确性。
量子态和 SPAM 噪声同时断层扫描的通用框架
我们提出了一种通用的去噪算法，用于同时对量子态和测量噪声进行层析成像。该算法使我们能够充分表征任何量子系统中存在的状态准备和测量 (SPAM) 误差。我们的方法基于对由幺正运算引起的线性算子空间的属性的分析。给定任何具有噪声测量设备的量子系统，我们的方法可以输出探测器的量子态和噪声矩阵，最高可达单个规范自由度。我们表明，这种规范自由度在一般情况下是不可避免的，但这种退化通常可以使用关于状态或噪声属性的先验知识来打破，从而为几种类型的状态噪声组合固定规范，而无需对噪声强度进行假设。这样的组合包括具有任意相关误差的纯量子态，以及具有块独立误差的任意状态。该框架可以进一步使用有关设置的可用先验信息来系统地减少状态和噪声检测所需的观察和测量次数。我们的方法有效地推广了现有的解决问题的方法，并且包括了文献中考虑的需要不相关或可逆噪声矩阵或特定探测状态的常见设置作为特殊情况。
计算机断层扫描的自动表面测定方法
汽车和航空航天领域以及最近的增材制造 (AM) 越来越多地使用 X 射线计算机断层扫描 (XCT) 作为一种无损技术 (NDT) 来检查现代部件的内部和外部特征（几何形状、表面形貌和缺陷），在某些情况下，这些特征是无法使用传统测量技术进行评估的 [1-3]。XCT 仪器在多个角度位置捕获物体/部件的一系列射线投影，随后用于重建该物体的三维 (3D) 表示，如图 1-A 所示。与物体相关的 3D 表示由一组体素组成，这些体素的灰度值与对应于背景的体素的强度不同。在图 1-A 所示的示例中，深灰色体素代表背景，浅灰色体素代表物体（或前景）。几何测量值来自物体的表面，而表面必须从物体的 3D 表示中建立。从初始投影到最终的几何评估，影响测量结果的因素有很多，例如仪器对准、焦点稳定性、用户定义的扫描参数、材料、几何形状、光子-材料相互作用、部件方向、重建和表面确定 (SD) 算法 [4,5]。SD 在 XCT 测量模型中起着至关重要的作用，因为它会影响其他因素对几何测量的影响，即它们相关的灵敏度系数 [6]。SD 算法的作用是
硬膜下血肿和计算机断层扫描的帮助
引言下膜血肿（SDHS）也称为创伤性脑损伤（TBI）。SDH可以在任何年龄发生，但最常见于65岁或以上的老年人口（Kwon等，2022）。硬膜下血肿每100,000个人中约21个，并且变得越来越普遍（Kung＆Lin，2020）。计算机断层扫描（CT）是一种成像方式，可使用X射线产生横截面图像。X射线管和检测器围绕感兴趣的区域旋转360度，从而在CT扫描过程中产生横截面图像。这些图像可以在多个平面中重新格式化，甚至可以生成在计算机监视器上查看的三维图像。（Long等，2019）。ct是由于短扫描时间和产生的图像而检测SDHS的首选成像方式。（Kwon等，2022）。
Gazexplain：学习预测视觉扫描的自然语言解释
摘要。在探索视觉场景时，人类的扫描路径是由他们的基本注意力过程驱动的。了解视觉扫描对各种应用至关重要。传统的扫描模型预测目光的何处和何时在不提供解释的情况下变化，在理解固定背后的基本原理方面存在差距。为了弥合这一差距，我们介绍了Gazexplain，这是一项关于视觉扫描预测和解释的新研究。这涉及注释自然语言解释，以介绍跨眼睛追踪数据集的固定，并提出具有关注语言解码器的通用模型，该模型共同预测扫描路径并生成解释。它集成了一种独特的语义对准机制，以增强固定和解释之间的一致性，以及跨数据库共同训练的通用方法。这些新颖性为可解释的人类视觉扫描预测提供了一种全面且适应性的解决方案。对各种眼睛追踪数据集进行的广泛实验证明了GAZ-在扫描Path的预测和解释中解释的有效性，从而为人类的视觉关注和认知过程提供了宝贵的见解。
单量子比特状态断层扫描的矢量场可视化
摘要 — 随着商用量子计算机种类的不断增加，对能够表征、验证和确认这些计算机的工具的需求也在不断增加。这项工作探索了使用量子态断层扫描来表征单个量子比特的性能，并开发了矢量场可视化来呈现结果。所提出的协议在模拟和 IBM 开发的量子计算硬件上进行了演示。结果确定了此硬件标准模型中未反映的量子比特性能特征，表明有机会提高这些模型的准确性。所提出的量子比特评估协议作为免费开源软件提供，以简化在其他量子计算设备上复制该过程的任务。索引术语 — 量子计算、量子态断层扫描、量子比特基准
检测胸部X射线和CT扫描的深度学习方法
深度学习的快速发展为改善医学图像分析创造了新的机会，尤其是在识别胸部CT和X射线扫描异常时。这项工作调查了旨在提高医疗环境诊断效率和准确性的几种深度学习技术。我们探讨了3D CNN，转移学习和卷积神经网络或CNN的使用，以分析体积CT扫描信息以及2D胸部X射线图片。比较分析表明，各种深度学习架构的益处和缺点，用于识别各种异常，包括肿瘤，肺部，肺炎和其他疾病。我们还介绍了预处理方法的重要性，专门为医学图片分析而设计的评估指标和数据集准备。结果强调了深度学习有可能通过促进对异常的更快，更准确的识别来彻底改变胸部成像诊断的可能性，这将增强患者的结果和医疗保健提供的有效性。在对胸部问题，未来的研究主题和该领域的障碍的深度学习分析中刺激了其他发展。
分析通过计算机断层扫描的聚合物混合物中的混合质量
如今，材料必须满足高机械要求，同时在生产中具有成本效益。在塑料行业中，这是由所谓的聚合物混合物实现的，这是至少两个具有不同特性的聚合物的混合物。结果是低成本，同时为各自的应用量身定制材料。确保良好的机械性能，均匀的熔体，即必须在异质混合物中实现不同组分的均匀分散和分布。因此，塑料处理中的混合过程非常重要。但是，为了评估混合过程，必须以合适的方式进行测量，才能根据材料和过程属性进行透彻了解混合过程。这是设计新的混合元件并确保在处理过程中均匀融化的唯一方法，从而提供具有高机械要求的新材料。一种潜在的工具，不仅在定性上，而且在定量上，计算机断层扫描可能是一项有用的技术。但是，由于化学相似的聚合物结构，由一些光元素（C，H，N，O等组成。），不同塑料化合物的X射线衰减特性几乎相同，这就是为什么通过计算机断层扫描进行分析的原因。在这项工作中，通过使用异源聚丙烯（PP） - 聚苯乙烯（PS）混合来研究两种不同的方法来解决此问题。首先，使用氯仿将PS从PP中溶解，其次，将硫酸盐和硫酸钡颗粒添加到PS中，然后将其与PP混合。以这种方式，可以利用微型层析成像分析两个混合组分的体积分布，并可以量化混合物质量。
1.5 特斯拉安全扫描的起搏器和导线系统随机试验
方法 起搏器系统 在将 Advisa MRI 系统引入人体之前，进行了涉及平台和动物研究以及计算机建模的临床前测试，以了解 MRI 对起搏系统的影响。16 需要对系统设计进行多项修改，以改善这些调查中发现的不良相互作用：(1) 修改导线以减少射频加热，(2) 设计内部电路以降低不适当心脏刺激的可能性，(3) 限制铁磁材料的数量，(4) 实施强大的前端保护网络和混合滤波，以防止内部电源中断并减轻 MRI 能量耦合到遥测线圈的影响，(5) 将簧片开关替换为霍尔传感器（在 MRI SureScan 模式下断开），有助于在 MRI 期间提供可预测的起搏，(6) 实施专用的编程护理路径，以方便执行 MRI 前检查表并在 MRI 期间选择适合患者的定制起搏设置。这些修改结合起来，有效地解决了起搏器患者进行 MRI 扫描的风险。
来自结构各向同性1 mm3 MRI扫描的海马子场体积：注意事项
图1冠状组织学切片（Kluver Barrera染色）和Ex Vivo 0.2×0.2×0.2×0.2 mm 3 MRI在海马头（A，B），身体（C，D）和尾部（E，G）的同一主题中。组织学部分中的黑线划分了子场之间的细胞结构边界，该专家以全0.5×0.5μm2分辨率分析数字组织学部分的专家追踪。绿色箭头指向辐射分子（SRLM）层，在MRI中显得不高。请注意，Cornu氨和下调的宽度取决于SLRM的位置，SLRM的位置是分割子场（黄线）的关键地标。此外，在离体MRI上，可以看到牙槽（外部低位带，红色箭头），这有助于划定海马的外边界，尤其是其数字（白色星号）。ca，Cornu Ammonis，sub，subiculum（包括前和副副总统），DG，Dentate Gyrus