XiaoMi-AI文件搜索系统
World File Search System未见
6D姿势估计未见物体的工业增强现实
土地利用变化和气候变化被认为是当前生物多样性下降的两个主要驱动力。保护区有助于保护景观免受其他拟人化障碍，并在正确设计后可以帮助物种应对气候变化的影响。当旨在保护区域生物多样性而不是保护焦点物种或景观元素时，受保护区需要覆盖区域生物多样性的代表性，并在功能上连接，从而促进网络中受保护区域中的个体移动，以最大程度地提高其有效性。我们开发了一种方法来定义有效的保护区，以生态代表性和功能连通性作为标准在区域网络中实施。我们在加拿大Que´bec的Gaspe'sie地区说明了这种方法。我们使用基于个体的模型模拟了濒临灭绝的大西洋天际驯鹿人群（rangifer tarandus caribou）的运动，以确定基于这种大型哺乳动物的功能连通性。我们创建了多个保护区网络方案，并评估了其生态反映性和对当前条件的功能连接性。我们选择了最有效的网络方案的子集，并提取了其中包括的保护区域。生态代表性与创建网络的功能连接之间的权衡。在最有效的网络中反复选择了可用的区域。最大化生态代表性和功能连通性的保护区代表了在有效保护区域网络中实施的合适区域。这些领域确保了该区域生物多样性的代表样本被网络涵盖，并最大程度地提高了保护区域之间和内部的随着时间的流动。
一种新型的VAE分子生成模型与变压器结合了未见结构的生成
最近，在药物发现中积极研究了使用深度学习的分子产生。在该领域，变压器和VAE被广泛用作强大的模型，但由于结构和性能不匹配，它们很少被用作组合。本研究提出了一个模型，该模型通过处理多种分子的结构和参数优化结合了这两个模型。所提出的模型显示出与现有模型生成分子相当的性能，并且在具有看不见的结构的产生分子时表现出了较高的性能。该VAE模型的另一个优点是它从潜在的表示中产生分子，因此可以很容易地通过它预测或条件，实际上，我们证明该模型的潜在表示成功地预测了分子特性。消融研究表明，VAE比其他生成模型（如语言模型）在产生新分子方面具有优势。还表明，潜在表示可以缩短为〜32维变量而不会丢失重建，这表明比现有的分子描述符或模型更小。这项研究有望提供一个虚拟化学文库，其中包含多种化合物用于虚拟筛选并实现有效筛选。
通过实例模式编写器实现可泛化的隐式神经表征
尽管隐式神经表征 (INR) 近期取得了进展，但对于基于坐标的 INR 多层感知器 (MLP) 来说，学习跨数据实例的通用表征并将其推广至未见实例仍然具有挑战性。在这项工作中，我们为可推广的 INR 引入了一个简单而有效的框架，该框架使基于坐标的 MLP 能够通过仅调节早期 MLP 层中的一小组权重作为实例模式组合器来表示复杂数据实例；其余 MLP 权重学习跨实例通用表示的模式组合规则。我们的可推广 INR 框架与现有的元学习和超网络完全兼容，可用于学习预测未见实例的调节权重。大量实验表明，我们的方法在音频、图像和 3D 对象等广泛领域都实现了高性能，而消融研究验证了我们的权重调节。
探索基于深度学习的大脑MRI-TO-CT合成中的对比度概括
背景：已提出合成计算机断层扫描（SCT），并越来越多地采用以实现基于磁共振成像（MRI）的放射疗法。深度学习（DL）最近证明了从固定MRI采集中生成准确的SCT的能力。但是，由于模型概括不良，MRI方案可能会随着时间的推移而随着时间的流逝而变化或不同。目的：研究域随机化（DR）以增加脑SCT生成DL模型的概括。方法：收集了95例接受RT患者的CT和相应的T 1加权MRI，带有 /无对比度，T 2加权和FLAIR MRI，考虑到可以研究概括的未见序列的能力。“基线”生成对抗网络进行了 /没有天赋序列的训练，以测试模型在没有DR的情况下的性能。基于SCT的剂量计划的图像相似性和准确性对CT进行了评估，以选择针对基线的表现最佳的DR方法。结果：基线模型在FLAIR上的性能最差，平均绝对误差（MAE）= 106±20.7 HU（平均值±σ）。在MAE = 99.0±14.9 HU的DR模型中，Flair上的性能显着提高，但仍然不如基线 + Flair模型的性能（MAE = 72.6±10.1 HU）。同样，对于DR VS基线，获得了γ速率的提高。结论：DR提高了仅在获得的MRI上训练的未见序列上的图像相似性和剂量准确性。DR使模型更加稳健，从而减少了在未见序列上应用模型时重新训练的需求，并且无法进行重新训练。
基于时空脑电图帧的胶囊神经网络实现跨对象情绪识别
头皮脑电图是头皮电位与时间的关系图，因此，由于电极在头皮上的位置，它可以捕获空间信息，以及脑电波变化的时间信息。在本文中，我们提出了一种新方法，通过将信号合并到稀疏的时空框架中来组合表示空间和时间信息，以便计算机视觉领域的深度学习算法可以轻松地对其进行处理。在脑电图情绪识别设置中，还定义了模型对测试数据的熟悉度，并引入了一种数据拆分形式，使得模型必须在熟悉度最低的集合上执行。在 DEAP 数据集上训练 CapsNet 架构以执行跨主题二元分类任务，并分析了使用贝叶斯优化对超参数的调整。该模型报告称，对于 LOO 主题，最佳情况准确率为 0.85396，平均情况准确率为 0.57165，对于未见主题-未见记录分类，最佳情况准确率为 1.0，平均情况准确率为 0.51071，这与其他文献报告的结果相当。
ZSFG 战略规划与部署
协调和协同 ZSFG 园区内的访问和流量 真正的北方支柱：公平、质量 执行发起人：Gillian Otway、Gabe Ortiz 关键绩效指标：ED 转移率、第三次下一个可用预约、较低级别的护理患者天数、未见就诊的离开（2024 年新增）、OR 附加案例完成情况（2024 年新增）
特发性声门下及双侧支气管哮喘一例...
摘要 声门下狭窄很少是特发性的。在本病例报告中，一名 40 岁的女性患者出现病因不明的声门下狭窄，同时伴有双侧支气管狭窄。该患者因哮喘接受治疗已有 13 年，近 4 年来出现声音嘶哑。体格检查发现双侧有干咳。断层扫描分析显示 C6-7 水平 2 cm 段气管狭窄。支气管镜检查显示声门下狭窄。整个气管支气管树中均可见白色斑块；进行了活检并进行了灌洗。样本送去进行病理和微生物学检查。左主支气管入口和右中间支气管水平支气管系统狭窄明显。进行了扩张术。活检病理示慢性活动性炎症及鳞状上皮增生，结核菌及非特异性培养未见生长，胃肠道检查未见反流，血清学及风湿病学检查均正常。特发性声门下狭窄极为罕见，伴有特发性气管狭窄的支气管系统狭窄更为罕见，且治疗困难。
自体乳突切除术后出现脑脓肿
强直阳性，kernig及brudgenzy阴性，双侧肌力功能良好，左耳膜水肿，外耳道轻微分泌物。余系统检查未见急性病变。血液检查白细胞22,000×109/L、中性粒细胞84%、C-RP（C反应蛋白）9.34mg/L。PCR（SARS-CoV-2）检测阴性，胸部CT未见病毒性肺炎。颅内病变初步诊断行头颅CT及核磁共振（MRI）检查。左侧乳突腔内可见，左乳突腔及中耳可见软组织密度影，左颞叶内侧有弥散受限信号改变（急性梗塞？脓肿？）。左颞叶下部可见结节性扩散受限区（图1）。转诊至学院医院，初步诊断为脓肿、脑膜炎、脑炎、肿块。医院检查后得知，患者疑似脑脓肿。住院后由耳鼻喉科和神经外科医师实施手术（图2）。术中报告砧骨和镫骨被破坏，锤骨部分保留。因有化脓性分泌物，未实施鼓室成形术。奇异变形杆菌培养于
通过特征向量联合对齐实现 P300 脑机接口的迁移学习
摘要 — 本文介绍了一种新的迁移学习方法，即群组学习，它可以联合对齐多个域（多对多），以及一种扩展方法，即快速对齐，它可以将任何其他域与先前对齐的域组对齐（多对一）。在脑机接口 (BCI) 数据上评估了所提出的组对齐算法 (GALIA)，并研究了该算法的最佳超参数值以了解分类性能和计算成本。使用了六个公开的 P300 数据库，包含来自 177 个受试者的 333 个会话。与传统的针对特定受试者的训练/测试流程相比，群组学习和快速对齐均显著提高了分类准确率，但临床受试者的数据库除外（平均改进：2.12±1.88%）。GALIA 利用循环近似联合对角化 (AJD) 来找到一组线性变换，每个域一个，联合对齐所有域的特征向量。群组学习实现了多对多迁移学习，同时不会损害非临床 BCI 数据的分类性能。快速对齐进一步扩展了任何未见域的群组学习，从而允许具有相同属性的多对一迁移学习。前一种方法使用来自先前受试者和/或会话的数据创建单个机器学习模型，而后一种方法利用训练后的模型来处理未见域，无需进一步训练分类器。