XiaoMi-AI文件搜索系统
World File Search System校准误差
请致电论文
Call for Papers IEEE Transactions on AES (TAES) Special Section Special Section on “Sensor Fusion in Autonomous Systems” Autonomous vehicles used in modern civilian and military applications gather and process multi-modal data gathered from a variety of sensors – cameras, radars, lidars, and ultrasonic transducers – for a variety of applications such as intelligent transportation systems, urban planning, agriculture, remote sensing, and security and 监视。本期特刊的重点是在理论分析，信号处理，机器学习，现象学，原型开发以及多模式传感器数据收集和处理的数据生成中的原始研究。将特别强调传感器校准误差的技术，尤其是当应用于包括无人驾驶汽车（UAV）无人机和无人驾驶表面车辆（USV）平台的分布式传感平台时。我们征求学术，研究和工业贡献。我们鼓励有关新算法，理论研究，标准和新颖的评估指标的贡献，用于分析性能，调查，软件和硬件实验原型，公共数据集和基准测试。尽管在TAE和其他社区中，诸如雷达，电气和红外（EO/ir）和声学等特定模式已经进行了广泛的工作和政府。该特殊部分旨在将来自学术界，政府和行业的各种相关子学科的研究人员汇集在一起，以介绍传感器融合的最新进展，以应用商业和国防领域的应用。
沙特阿美公司
背景与目标：基于深度学习的医学图像分析技术有可能极大地改善经常处理多序列 MRI 的神经放射科医生的工作流程。然而，对于当前采用多序列 MRI 的深度学习系统来说，一个必不可少的步骤是确保正确分配其序列类型。这一要求在临床实践中并不容易满足，而且容易受到协议和人为错误的影响。尽管深度学习模型在基于图像的序列分类方面很有前景，但稳健性和可靠性问题限制了它们在临床实践中的应用。方法：在本文中，我们提出了一种使用显着性信息来指导序列分类特征学习的新方法。该方法使用两个自监督损失项，首先增强类特定显着性图之间的区别性，其次促进类特定显着性图与学习到的深度特征之间的相似性。结果：在 2100 例患者病例中，每例包含 6 个不同的 MR 序列，我们的方法显示平均准确度提高了 4.4%（从 0.935 到 0.976），平均 AUC 提高了 1.2%（从 0.9851 到 0.9968），平均 F1 得分提高了 20.5%（从 0.767 到 0.924）。此外，根据专家神经放射科医生的反馈，我们表明所提出的方法提高了训练模型的可解释性及其校准，并降低了预期校准误差（降低了 30.8%，从 0.065 到 0.045）。代码将公开。结论：在本文中，所提出的方法显示了准确度、AUC 和 F1 得分的提高，以及所得显着图的校准和可解释性得到了改善。
使用光绘画和深度学习预测心血管疾病的风险
心血管疾病（CVD）负责低收入和中等收入国家的过早死亡。早期的CVD检测和干预在这些人群中至关重要，但是许多现有的CVD风险评分需要进行体格检查或实验室测量，这在此类卫生系统中可能具有挑战性。在这里，我们调查了使用光摄影学（PPG）的潜力，这是一种在大多数智能手机上可用的传感技术，可以潜在地以低成本启用大规模筛查，以进行CVD风险预测。我们开发了一个基于PPG的CVD风险评分（DLS），以预测十岁内发生重大不良心血管事件（MACE：非致命性心肌梗死，中风和心血管死亡）的可能性，仅鉴于年龄，性别，性别，吸烟状态和PPG作为预测者，只有年龄，性别，性别，性别，性别，性别，性别，性别，性别，性别，性别，性别。我们将DLS与基于办公室的Refit Who-Who分数进行了比较，该分数采用了WHO和Globorisk分数（年龄，性别，吸烟状况，身高，体重和收缩压）的共享预测指标，但在UK Biobank（UKB）同胞上进行了改装。在UKB队列中，DLS的C统计效果（71.1％，95％CI 69.9-72.4）与基于办公室的Refit-Who得分（70.9％，95％CI 69.7-72.2;非内野利率2.5％，p <0.01）。DLS的校准令人满意，平均绝对校准误差为1.8％。在基于办公室的分数中添加DLS功能将C统计量提高了1.0％（95％CI 0.6-1.4）。dls预测，十年的MACE风险与基于办公室的Refit-Who得分相当。它提供了概念验证，并提出了基于PPG的方法在资源有限地区基于社区的初级预防的潜力。
带温度传感器的 AD7747 24 位电容数字转换器数据表 (Rev. 0)
1 电容单位：1 pF = 10 −12 F；1 fF = 10 −15 F；1 aF = 10 −18 F。满量程 (FS) = 8.192 pF；满量程范围 (FSR) = ±8.192 pF。2 规格未经生产测试，但由产品初始发布时的特性数据支持。3 工厂校准。绝对误差包括工厂增益校准误差、积分非线性误差和系统失调校准后的失调误差，均在 25°C 下。在不同温度下，需要对增益随温度漂移进行补偿。4 可以使用系统失调校准消除电容输入失调。系统失调校准的精度受失调校准寄存器 LSB 大小 (32 aF) 或系统电容失调校准期间的转换器 + 系统 p-p 噪声限制，以较大者为准。为了最大限度地减少转换器 + 系统噪声的影响，应使用较长的转换时间进行系统电容失调校准。系统电容失调校准范围为 ±1 pF；可以使用 CAPDAC 消除较大的失调。5 规格未经生产测试，但由设计保证。6 增益误差在 25°C 时进行工厂校准。在不同温度下，需要对增益随温度漂移进行补偿。7 必须将 VT SETUP 寄存器中的 VTCHOP 位设置为 1，以实现指定的温度传感器和电压输入性能。8 使用外部温度传感二极管 2N3906，非理想因子 n f = 1.008，连接方式如图 37 所示，总串联电阻 <100 Ω。9 满量程误差适用于正满量程和负满量程。
RX J1604中的过渡磁盘的定量极化法。 ...
上下文。原月球磁盘中尘埃的表征对于更好地理解形成行星的组成和这些系统中的尘埃颗粒演化很重要。目标。我们的目的是通过分析VLT/Sphere的Zimpl和Irdis子仪器，通过分析Zimpl和Irdis子仪器获得的多波长度散射光强度和极化图像，以准确表征面对面过渡磁盘中灰尘的性质。方法。我们从ESO档案中使用了RX J1604的档案数据，并仔细纠正了仪器效应的极化信号，还考虑了星际极化。我们测量了r，j和h频段中的方位角极化qφ（r）的磁盘的径向曲线，并由于视力和其他效果而描述了我们数据中数据中的变化。，我们通过将数据与观测值的点扩散函数进行比较，从而得出了磁盘，质量Qφ（r）的固有极性分析。我们还测量了磁盘强度，i磁盘（R），并为J和H带的参考星差成像。这为r，j和h频段提供了磁盘集成的极化强度ˆqφ / i⋆，以及对于j和h频段的平均分数极化，平均分数极化。我们研究了散射光和恒星附近的热尘产生的阴影的方位角依赖性。最终将衍生的结果与模型计算进行了比较，以限制RX J1604中反射粉尘的散射特性。结果。92±0。RX J1604是北斗源，数据显示出不同种类的可变性。然而，对重复调查的详细分析表明，结果不受浸入事件或大气看差异的影响。我们得出了固有极化强度ˆqφ（r） / i⋆的精确径向磁盘轮廓，并由于灰尘不透明度的波长依赖性而测量不同频段的不同轮廓半径。磁盘集成的极化为ˆqφ / i = 0。04％的R频段和1。 51±0。 j频段为11％，表明磁盘的极化反射率的红色。 磁盘的强度是i磁盘 / i = 3。 9±0。 在J频段中为5％，而J带的分数极化为⟨ˆpφ⟩= 38±4％，H频段为42±2％。 与Rx J1604的IR多余的比较产生了大约λI≈0的明显磁盘反照率。 16±0。 08。 我们还发现，在R频段数据中看到的先前描述的阴影可能受到校准误差的影响。 我们使用用于过渡磁盘的尘埃散射模型得出，近似于散射反照率ω≈0的J带值。 5，散射不对称g≈0。 5，并散射极化P最大≈0。 7粉尘。 结论。 RX J1604的明亮磁盘具有非常简单的轴对称结构，因此非常适合作为基准对象，用于精确的光极化测量。 我们得出了磁盘极化的值，⟨ˆpφ⟩和明显的磁盘反照率λi，用于J频段。04％的R频段和1。51±0。j频段为11％，表明磁盘的极化反射率的红色。磁盘的强度是i磁盘 / i = 3。9±0。在J频段中为5％，而J带的分数极化为⟨ˆpφ⟩= 38±4％，H频段为42±2％。与Rx J1604的IR多余的比较产生了大约λI≈0的明显磁盘反照率。16±0。08。我们还发现，在R频段数据中看到的先前描述的阴影可能受到校准误差的影响。我们使用用于过渡磁盘的尘埃散射模型得出，近似于散射反照率ω≈0的J带值。5，散射不对称g≈0。5，并散射极化P最大≈0。7粉尘。结论。RX J1604的明亮磁盘具有非常简单的轴对称结构，因此非常适合作为基准对象，用于精确的光极化测量。我们得出了磁盘极化的值，⟨ˆpφ⟩和明显的磁盘反照率λi，用于J频段。因为⟨ˆpφ⟩和λI主要取决于灰尘散射参数，而仅弱于磁盘几何形状，因此这些参数定义了ω和p max之间以及ω和g之间的灰尘散射参数的紧密关系。偏光反射率的正r到J带颜色（量qφ / i⋆）j≈1。64·（ˆqφ / i⋆）r，主要是由于尘埃参数的波长依赖性的结果，因为预计散射几何形状对于不同颜色的散射几何形状非常相似。这项工作证明了对于确定灰尘散射参数的准确光偏光测量的潜力，该测量强烈限制了灰尘的物理特性。