XiaoMi-AI文件搜索系统
World File Search System校准
用于自动胎儿脑生物测量的双重对抗校准框架
本文介绍了一种新颖的胎儿脑部自动生物测量方法，该方法旨在满足中低收入国家的需求。具体而言，我们利用高端 (HE) 超声图像为低成本 (LC) 临床超声图像构建生物测量解决方案。我们提出了一种新颖的无监督域自适应方法来训练深度模型，使其对图像类型之间显著的图像分布变化保持不变。我们提出的方法采用双对抗校准 (DAC) 框架，由对抗途径组成，可强制模型对以下方面保持不变：i) 来自 LC 图像的特征空间中的对抗性扰动，以及 ii) 外观域差异。我们的双对抗校准方法估计低成本超声设备图像上的小脑直径和头围，平均绝对误差 (MAE) 为 2.43 毫米和 1.65 毫米，而 SOTA 分别为 7.28 毫米和 5.65 毫米。
Roche Tina量式胱抑素C，校准器和控制集
特征谓词设备：新设备：dakocytomation cystatin c roche tina-Quant-Quantstatin C Immunoparticles（K041627）预期使用/用于体外诊断的使用。用于免疫甲型法仅用于专业使用的指示。胱抑素C定量在体外测定中使用免疫颗粒是针对人血清中胱抑素C的，并且在人血清中的Roche自动化囊肿蛋白C上的血浆定量测定在临床化学分析仪中。通过浊度法和抑制蛋白C测量值进行的肝素化等离子体和EDTA等离子体。胱抑素C作为诊断的帮助，并将测量用作治疗肾脏疾病的帮助。肾脏疾病的诊断和治疗。样品类型的血清，肝素血浆，EDTA血清和锂嗜着嗜性血浆血浆方法颗粒增强相同的免疫尿位尿甲维化测定性透明度 /胱氨酸蛋白酶值分配 /囊蛋白c值分配已有此方法已通过使用螺旋中的纯化型号来进行纯化的纯度构造，以实现标准化的标准化，以实现纯构型的纯化型，以实现纯净的转移功能，以纯化的构造能力进行纯化的转移量，以实现纯净的转移量来进行纯构型，以纯化的构造工具进行纯化的构想，以纯化的螺旋式化的构造量胱抑素C.抑制蛋白C重组囊蛋白C参考浓度，其中通过干质量测定中所述，通过质量测定确定了胱抑素C的制剂。参考。试剂储存2-8 0 C 2-8 0 C校准器Dakocytomation Cystatin C C.F.A.S.囊肿C校准器，校准器，单一水平稀释以形成6点校准，形成了6点曲线校准曲线曲线质量控制Dakocytomation Contertin c Conterstatin c控制Cystatin C Conteratin C控制集，2级套件，2级套件，2级期预期，2级期望个体1-50岁的个人1-50年：相同的0.55-15-1.15-1.15 mg/l Enly 4 0. 30年4月4日。 Hitachi 911, Hitachi 917, Hitachi 917, MODULAR P, and MODULAR P, Cobas Mira Plus and cobas c 501 IMMAGE Measuring -0.4 - 7.5 mg/L 0.4 - 8.0 mg/L Range Method Passing Bablok: y = 1.009x + 0.0 19 comparison c = 0.96 with Dako Linear regression: y = 1.014x + 0.011 predicate r = 0.999 n = 94，x = 0.61-6.05 mg/l
校准对人工智能辅助决策的信任
随着人工智能产品的普及，人类和人工智能越来越多地合作做出决策。为了使这种类型的合作取得成功，人类需要了解人工智能的能力，以便有效地校准他们的信任。在这些合作关系中，以人类可以理解的方式解释决策和预测至关重要，以鼓励信任校准。可解释人工智能领域专注于将可解释性融入人工智能，但旨在使人工智能模型更具可解释性。因此，这项研究通常从以模型为中心的角度而不是以人为中心的角度来处理解释。与此同时，行业研究人员已经制定了指导方针，以帮助界面设计师有效地生成用户友好的解释。然而，这些指导方针通常过于宽泛，无法有效指导行业设计师的日常工作。我们的研究通过两种方法解决了这一差距：一个实证实验，研究人们如何回应解释以及哪些类型的解释对信任校准最有帮助；以及一个教育资源，帮助行业设计师了解用户可能有什么问题，以及使用环境如何影响他们可能使用的解释。我们的实验结果表明，解释并不总是有助于信任校准，实际上可能会损害信任校准，尤其是面对自我能力较低的新手用户时。我们对行业设计师进行的探索性访谈和可用性测试表明，人们渴望一种全面但易于访问的教育资源，以转化我们实验等研究并指导可解释的 AI 产品界面的设计。关键词
用于自然光未校准光度立体成像
自然光未校准光度立体 (NaUPS) 减轻了传统未校准光度立体 (UPS) 方法中严格的环境和光线假设。然而，由于内在的不适定性和高维模糊性，解决 NaUPS 仍然是一个悬而未决的问题。现有工作对环境光和物体材质施加了强有力的假设，限制了更一般场景中的有效性。或者，一些方法利用复杂模型的监督学习，但缺乏可解释性，导致估计有偏差。在这项工作中，我们提出了自旋光未校准光度立体 (Spin-UP)，这是一种无监督方法，用于解决各种环境光和物体中的 NaUPS。所提出的方法使用一种新颖的设置，在可旋转的平台上捕获物体的图像，通过减少未知数来减轻 NaUPS 的不适定性，并提供可靠的先验来缓解 NaUPS 的模糊性。利用神经逆向渲染和所提出的训练策略，Spin-UP 可以以较低的计算成本恢复复杂自然光下的表面法线、环境光和各向同性反射率。实验表明，Spin-UP 优于其他监督/无监督 NaUPS 方法，并在合成和真实世界数据集上实现了最先进的性能。代码和数据可在 https://github.com/LMozart/CVPR2024-SpinUP 获得。
定量DCE-US成像协议的新校准设置：朝标准化
方法：此校准方法已被设计为易于重现和优化，从而减少了所需的时间和成本。它是基于原始设置，其中包括使用浓度分离器来测量从时间强度曲线（AUC）下从面积（AUC）获得的谐波信号强度的变化作为各种对比剂浓度的函数。分离器提供了4种不同的浓度，同时从Sonovue™对比剂的初始浓度的12.5至100％不等（Bracco Imaging S.P.A.，米兰，意大利），在单个注射中测量4个AUC。AUC的图作为四个对比剂浓度的函数表示谐波信号的强度变化：斜率是校准参数。通过这种方法的标准化暗示，两代超声扫描仪都必须具有相同的斜率为校准。此方法已在同一制造商（Aplio500™，Aplioi900™，佳能医疗系统，日本东京）的两个超声扫描仪上进行了测试。APLIO500™使用了最初的多中心DCE-US研究定义的设置。已经调整了Aplioi900™的机械索引（MI）和颜色增益（CG），以匹配Aplio500™的颜色。根据测量可重复性评估了新设置的可靠性，一旦对两个超声扫描仪进行校准，获得的测量值之间的一致性可重复性。
从完整校准到代码调制的视觉诱发电位的零培训 - 脑电脑接口Thielen，J。； Marsman，J.P。； Farquhar，J
抽象目标。通常，由于单个特质和脑电图的非平稳信号属性（EEG），使用用户和会话特异性数据对脑委员会接口（BCI）进行校准。因此，BCIS经历耗时的被动训练阶段是正常的，以防止用户直接操作它们。在这项研究中，我们以逐步的方式系统地减少训练数据集，以最终达到一种无校准的方法，用于代码调制的视觉诱发电位（CVEP）基于BCI，以完全消除繁琐的训练阶段。方法。在广泛的离线分析中，我们将复杂的编码模型与传统的事件相关电位（ERP）技术进行了比较。我们以标准方式校准编码模型，数据仅限于单个类，同时概括所有其他数据，而没有任何数据。此外，我们研究了在线环境中零培训CVEP BCI的可行性。主要结果。通过采用编码模型，可以大大减少培训数据，同时保持分类性能以及ERP方法的解释差异。只有一个类别的数据，甚至根本没有数据，它仍然显示出出色的性能。此外，零训练CVEP BCI在在线拼写任务中达到了高通信率，证明了其可行性用于实际使用。意义。这使我们能够完全跳过训练阶段，并将所有宝贵的时间用于直接操作。迄今为止，这是该场中最快的零训练CVEP BCI，仅使用几个非侵入性水基EEG电极而无需校准而无需校准。这可以最大程度地减少会话时间，并为实用的插件BCI打开了新的令人兴奋的方向。从根本上讲，这些结果验证了所采用的神经编码模型将数据压缩到事件响应中，而没有解释能力的损失与使用完整的ERP作为模板相比。
光标BCIS的长期无监督重新校准
皮质内脑机构界面（IBCIS）需要频繁地重新校准，以维持由于随着时间的推移积累而导致的神经活动变化而保持稳健的性能。补偿这种非机构性将使您无需进行监督的重新校准期，在这种情况下，用户无法自由使用其设备。在这里，我们介绍了一个隐藏的马尔可夫模型（HMM），以推断用户在IBCI使用期间朝着哪些目标转向。然后，我们使用这些推断的靶标对系统进行重新训练，从而使无监督的神经活动适应。我们的方法在两个月内以大规模的闭环模拟和人类IBCI用户的闭环模拟以优于最高的最新技术。利用跨越五年IBCI记录的离线数据集，我们进一步显示了最近提出的重新校准的数据分配匹配方法如何在长时间尺度上失败；只有目标推断方法似乎能够实现长期无监督的重新校准。我们的结果表明，如何使用任务结构将嘈杂的解码器引导成一个高度表现的解码器，从而克服了临床翻译BCI的主要障碍之一。
versailles项目对X射线光电子光谱仪的强度校准的高级材料和标准性研究使用低密度聚乙烯
Benjamen P. Reed* 1 , David J. H. Cant 1 , Steve J. Spencer 1 , Abraham Jorge Carmona-Carmona 2 , Adam Bushell 3 , Alberto Herrera-Gómez 2 , Akira Kurokawa 4 , Andreas Thissen 5 , Andrew G. Thomas 6 , Andrew J. Britton 7 , Andrzej Bernasik 8 , Anne Fuchs 9 , Arthur P. Baddorf 10 , Bernd Bock 11 , Bill Theilacker 12 , Bin Cheng 13 , David G. Castner 14 , David J. Morgan 15 , David Valley 16 , Elizabeth A. Willneff 17 , Emily F. Smith 18 , Emmanuel Nolot 19 , Fangyan Xie 20 , Gilad Zorn 21 , Graham C. Smith 22 , Hideyuki Yasufuku 23 , Jeffery Fenton 24 , Jian Chen 20 , Jonathan D. P. Counsell 25 , Jörg Radnik 26 , Karen J. Gaskell 27 , Kateryna Artyushkova 16 , Li Yang 28 , Lulu Zhang 4 , Makiho Eguchi 29 , Marc Walker 30 , Mariusz Hajdyła 8 , Mateusz M. Marzec 8 , Matthew R. Linford 31 , Naoyoshi Kubota 29 , Orlando Cortazar- Martínez2，Paul Dietrich 5，Riki Satoh 29，Sven L. M. Schroeder 7，Tahereh G. Avval 31，Takaharu Nagatomi 32，Vincent Fernandez 33，Wayne Lake 34，Wayne Lake 34，Yasushi Azuma 4，Yasushi Azuma 4，Yusuke Yusuke Yoshikawa 355,36，and Alexander G./alexander G.
对井眼中溶解气体的定量监测：分析工具的校准
摘要。气体监测是理解地下环境中天然气的交换，扩散和迁移过程的先决条件，这与多种应用有关，例如CO 2的地质隔离。在这项研究中，将三种不同的技术（微型GC，红外和拉曼光谱镜）部署在一个实验性的钻孔上，以进行CO 2注射后的监测目的。的目的是开发一种实时化学监测装置，通过在井眼内的水中测量溶解的气体浓度，但也通过与井孔水平的平衡中的气体收集系统在表面上进行测量。但是，必须校准所有三种技术以提供最准确的定量数据。为此，实现了实验室中的第一个校准步骤。需要进行新的校准，以确定水中或气体收集系统中的气体浓度和/或浓度。用于气相分析，微型-GC，FTIR光谱和拉曼光谱法。对于CO 2，CH 4和N 2进行了Mi-CRO-GC的新校准，不确定性从±100 ppm到1.5 mol％，具体取决于散装浓度和气体类型。先前对CO 2和CO 2，N 2，O 2，CH 4和H 2 O校准了FTIR和RAMAN光谱仪，其精度为1 - 6％，具体取决于浓度尺度，气体和光谱仪。溶解的CO 2。预测溶解的CO 2浓度的不确定性分别为±0.003 mol kg 1和±0.05 bar。