XiaoMi-AI文件搜索系统
World File Search System模式范围
钙钛矿还是非钙钛矿？一种从 X 射线衍射图自动识别新型混合钙钛矿的深度学习方法
图 3. ML 方法对钙钛矿与非钙钛矿进行分类。a. 根据数据集中 XRD 模式范围（2 ）的 CNN 预测准确度，b. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阴性，c. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阳性，d. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵假阴性，e. 根据数据集中 XRD 模式范围（2 ）的 CNN 混淆矩阵真阳性，f. XRD 模式（d 间距（Å））对于随机森林分类的特征重要性（步长：2.18°（2 ））。
有效的有机Terahertz发电机，具有极宽的Terahertz分子振动模式范围
对于非线性光学材料作为有效的宽带Terahertz（THZ）波发电机，在THZ频率范围内具有较大透明度的低吸收器非常重要。在这项研究中，我们报告了有效的有机THZ波发电机，2-（4-羟基霉菌 - 霉菌）-1-甲基喹啉4-溴苯磺酸盐（OHQ-BBS）单晶。有趣的是，OHQ-BBS晶体在THZ频率区域的无分子振动模式范围从1.7到5.1 THz，吸收系数<20 mm-1。通过光学整流使用1300 nm波长的130 FS泵脉冲，OHQ-BBS晶体在1.2-5.5 THz的范围内生成极宽，无凹坑的THZ波。此外，还达到了从广泛使用的Znte无机晶体产生的场高20倍的THZ电场。因此，OHQ-BBS单晶是多个THZ光子应用的高度有希望的材料。
一个新颖的常数GM轨道轨道轨输入阶段用于操作...
摘要在本文中介绍了CMOS操作放大器的新型常数G轨道轨道输入阶段。输入阶段主要由PMOS晶体管差异和nmos晶体管差为差异对，并平行地放置为轨道到轨道差异输入阶段，并且两个差异对的尾电流分别由PMOS和NMOS普通型Voltimode Voltigage Voltecor控制。操作放大器的输入阶段的G M可以是输入共同模式电压内的恒定值。模拟结果表明，当电源电压分别为1.8 V和3.3 V时，整个输入范围（0〜1.8 V或0〜3.3 V）的G M变化在±1之内。38％和±3。38％。功率耗散为36.9 µW，51.74 µ W. SMIC 55 nm CMOS工艺和Cadence Specter Simulator用于布局和模拟这项工作。关键字：轨道轨道，常数G M，操作放大器，共同模式范围，低压分类：集成电路（内存，逻辑，模拟，RF，传感器）
临床人工智能评估方法
随着深度学习在医学成像领域的应用呈爆炸式增长，由于人工智能技术的复杂性/多样性增加、这些新技术对大型数据集的依赖以及人工智能系统新型临床应用的出现，迫切需要开发评估人工智能系统性能的方法。需要适当的测试方法、指标、适当的训练/调整/验证研究设计和统计分析方法，以确保研究以最不繁琐的方式产生有意义、稳健和可推广的结果。这些要素是临床采用人工智能技术的关键。因此，《医学成像杂志》第 7 卷第 1 期的特别版块鼓励在这些主题领域提交相关投稿。人工智能对医学成像来说并不陌生。自 SPIE 医学成像研讨会成立之初，就一直有关于当时称为计算机辅助诊断 (CAD) 的演讲。计算机辅助诊断会议在规模更大的 SPIE 医学成像 (MI) 研讨会上于 2006 年启动。CAD 在乳房 X 光检查、肺部 CT 和胸部 X 光成像中的应用，如今都是成熟的商业产品，在本次会议上进行了早期阶段的讨论。SPIE MI 也是引入 CAD 算法评估新方法的场所，这一传统主要通过图像感知、观察者表现和技术评估会议延续下来。多年来，通过仔细阅读 SPIE MI 计划，读者可以看到 AI 算法开发以及 AI 评估方法的进展。AI 的新特点是计算能力的进步和大数据集的可用性，这使得深度神经网络 (DNN) 架构能够成功应用于各种医学成像任务。这些任务包括该领域中常见的应用，包括查找图像中的可疑区域以供读者再次查看，以及在 AI 的支持下对读者确定的可疑区域进行表征。DNN 正在应用于较新的任务，包括图像去噪、从高度稀疏或非常嘈杂的投影中进行完整图像重建、提醒用户注意高优先级病例以调整病例阅读顺序的分类系统、基于每个患者的 AI 选择的图像采集参数，以及用于在复杂成像场景中衡量图像质量的理想观察者的近似值。社区需要开发对于某些应用，AI 的性能已被证明达到或超越了专家级人类性能，因此，由 AI 系统取代临床医生的自动诊断可以说近在咫尺。此外，AI 所应用的成像模式范围非常广泛，从上面列出的 X 射线应用到光学、超声、MRI 和数字病理学，后者最近在 SPIE MI 研讨会上作为自己的会议主题引入。在广泛而多样的 AI 应用和适应症领域中，需要能够准确评估可推广到临床的设备性能的 AI 算法评估方法。需要方法来评估旨在作为辅助或第二读者超越 AI 标准范式的 AI 系统。我们需要方法来确定 AI 系统是否可以可靠地用于排除医生审查的图像（即部分替代临床医生），以及完全自动化诊断（无需人工参与）。