XiaoMi-AI文件搜索系统
World File Search System监测的
用于飞机结构健康监测的无线传感器网络和数据融合
本论文由 Aggie 数字收藏和奖学金的电子论文和学位论文免费提供给您，供您开放访问。它已被 Aggie 数字收藏和奖学金的授权管理员接受并纳入论文中。有关更多信息，请联系 iyanna@ncat.edu。
用于医疗监测的无线体域传感器网络中的多路径路由
摘要：移动性和低能耗被认为是医疗监测系统 (HMS) 中使用的无线体域传感器网络 (WBASN) 的主要要求。在 HMS 中，使用能量有限的电池供电传感器节点来获取有关身体的重要统计数据。因此，需要节能方案来保持传感器节点的长期稳定连接。空闲监听、过度传输和接收控制消息、数据包冲突和数据包重传以及路径选择不当等活动会消耗大量能量，这可能会导致更多的能量消耗。自适应调度与节能协议的结合可以帮助在适当的时间选择合适的路径，以最大限度地减少控制开销、能耗、数据包冲突和过度空闲监听。本文提出了一种基于区域的节能多路径路由 (REMR) 方法，该方法将整个传感器网络划分为簇，最好有多个候选簇来代表每个簇。簇代表 (CR) 通过各种簇路由数据包。对于路由，需要考虑每条路径的能量需求，并选择能量需求最小的路径。同样，对于数据包路由，需要考虑端到端延迟、更高的吞吐量和数据包投递率。
飞机废水用于病原体检测和公共卫生监测的适用性
国际航空旅行现在被广泛认为是导致 SARS-CoV-2 跨国流动和全球传播的主要机制之一。监测从飞机和航空运输枢纽收集的人类废水中的病毒载量和新谱系已被提议作为监测病毒病原体输入频率的有效方法。然而，这种方法的成功在很大程度上取决于航空乘客在旅途中的卫生间和排便习惯。在这项针对英国成年人（n = 2103）的研究中，我们量化了短途和长途航班出发前、飞机上和抵达时排便的可能性。然后使用结果来评估在英国旅行枢纽捕获受感染个体信号的可能性。为了获得具有代表性的人口横截面，调查按地理区域、性别、年龄、育儿状况和社会阶层进行了分层。我们发现，个人在短途航班（飞行时间 < 6 小时）上排便的可能性较低（< 总数的 13%），但在长途航班上排便的可能性较高（< 36%；飞行时间 > 6 小时）。这种行为模式在男性和年轻年龄组中更为常见。排便的最大可能性是在出发前（< 39%）。根据已知的 SARS-CoV-2 粪便排泄率（30 – 60%）以及感染者在短途（71% 的入境航班）和长途航班（29%）上的概率相等，我们估计飞机废水可能捕获约进入英国的 SARS-CoV-2 病例的 8 – 14%。蒙特卡洛模拟预测，在
已发布版本的引文 (APA)：Korving, H., Zhou, D., Xiang, H., Sterkenburg, P., Markopoulos, P., & Barakova, E. (2022)。开发一种使用袜子中的皮肤电导传感器进行疼痛监测的人工智能系统。国际神经系统杂志，32(10)，文章 2250047。https://doi.org/10.1142/S0129065722500472
许多研究都集中于生理性疼痛检测方法，这些方法的可靠性和技术成熟度各不相同。1–3 一些方法，例如磁共振成像或心率变异性，在生理性疼痛检测方面显示出巨大的前景，但测量方式可能被视为侵入性，并会严重限制患者的活动自由。因此，需要一个系统通过生理、非侵入性和移动方法来检测疼痛并向护理人员显示结果。要开发的移动应用程序是系统的一部分，该系统由带有织物传感器的智能袜子组成，用于测量皮肤电导率，Shimmer TM 单元通过蓝牙®将这些信号传输到智能手机或平板电脑，以及 ML 模块来确定疼痛程度（图1）。4–6 该系统是非侵入式的：袜子中的织物传感器不会像粘贴式传感器那样刺激皮肤，并且每天穿着袜子时，无需引入额外的材料，例如手腕或头带。此外，Shimmer 装置可以戴在脚踝上、裤子上或裤子下，但也可以放在轮椅的横档上，或者在客户躺下时放在袜子旁边。系统的其余部分是移动和无线的，无声的，并且对生理变化做出快速反应。该应用程序是根据开发电子健康应用程序的建议开发的，强调了在多学科团队中工作和让目标用户参与的重要性
胎儿心率监测的设计和构建
序列主题页面内容清单i缩写列表ii摘要iii摘要iii第三章：简介1胎儿的解剖学1 1-1步骤3 1-3步骤3 1-4的风险在过程4 1-5之前4 1-5步骤5 1-6步骤5 1-6，在步骤6 1-7文献6 1-7文献6 1-7文学范围：
用于 COVID-19 严重程度监测的表面等离子体共振成像 (SPRi) 和光子集成电路 (PIC)
摘要：直接光学检测方法，例如表面等离子体共振成像 (SPRi) 和基于光子集成电路 (PIC) 的生物传感器，可实时快速无标记检测 COVID-19 抗体。每种技术，即 SPRi 和 PIC，在吞吐量、小型化、多路复用、系统集成和具有成本效益的大规模生产方面都有优点和缺点。然而，这两种技术在传感机制方面有相似之处，都可以用作护理点或护理点附近的高含量诊断，其中分析物不仅被量化，而且被全面表征。这很重要，因为最近的结果表明，不仅三种同型 IgM、IgG 和 IgA 的抗体浓度，而且结合强度（亲和力）都可以指示潜在的 COVID-19 严重程度。具有高滴度低亲和力抗体的 COVID-19 患者与疾病严重程度有关。从这个角度来看，我们提供了一些见解，说明如何有效结合 SPR 和 PIC 技术并相互补充，以全面监测 COVID-19 严重程度。这为立即做出治疗决定开辟了一条途径，使患者在感染的早期阶段得到治疗，从而大大降低病情发展为严重阶段的风险。
雪况监测的新兴技术
雪况调查可以追溯到 20 世纪初。如今，雪况监测活动已经扩展到更多地区，技术进步使得这些测量更加精确。雪况监测可以为从短期径流到季节性供水预报等一系列预报提供信息，监测技术的进步可以带来预报效益。然而，雪况以及融雪径流的时间和规模仍然存在不确定性。这些不确定性在一定程度上反映了监测西部雪况的挑战，西部的地貌非常多样，有海拔超过 14,000 英尺的高峰、广阔的平原、高地沙漠和森林茂密的地区。在私人土地、荒野地区和人迹罕至的地区测量雪况可能具有挑战性。雪况本身的多变性质以及经常伴随雪况的极端寒冷可能对有效、可靠的雪况监测构成挑战。雪况测量可以从不同的平台进行，从地面到飞机和卫星，或者使用建模工具进行估算。每个平台和每种特定的雪监测技术都需要在成本、空间覆盖范围、时间覆盖范围、准确度、精确度、分辨率、地理适用性和可靠性之间进行权衡。
雪况监测的新兴技术
雪况调查可以追溯到 20 世纪初。如今，雪况监测活动已经扩展到更多地区，技术进步使得这些测量更加精确。雪况监测可以为从短期径流到季节性供水预报等一系列预报提供信息，监测技术的进步可以带来预报效益。然而，雪况以及融雪径流的时间和规模仍然存在不确定性。这些不确定性在一定程度上反映了监测西部雪况的挑战，西部的地貌非常多样，有海拔超过 14,000 英尺的高峰、广阔的平原、高地沙漠和森林茂密的地区。在私人土地、荒野地区和人迹罕至的地区测量雪况可能具有挑战性。雪况本身的多变性质以及经常伴随雪况的极端寒冷可能对有效、可靠的雪况监测构成挑战。雪况测量可以从不同的平台进行，从地面到飞机和卫星，或者使用建模工具进行估算。每个平台和每种特定的雪监测技术都需要在成本、空间覆盖范围、时间覆盖范围、准确度、精确度、分辨率、地理适用性和可靠性之间进行权衡。
雪监测的新兴技术
雪况调查可以追溯到 20 世纪初。如今，雪况监测活动已经扩展到更多地区，技术进步使得这些测量更加精确。雪况监测可以为从短期径流到季节性供水预报等一系列预报提供信息，监测技术的进步可以带来预报效益。然而，雪况以及融雪径流的时间和规模仍然存在不确定性。这些不确定性在一定程度上反映了监测西部雪况的挑战，西部的地貌非常多样，有海拔超过 14,000 英尺的高峰、广阔的平原、高地沙漠和森林茂密的地区。在私人土地、荒野地区和人迹罕至的地区测量雪况可能具有挑战性。雪况本身的多变性质以及经常伴随雪况的极端寒冷可能对有效、可靠的雪况监测构成挑战。雪况测量可以从不同的平台进行，从地面到飞机和卫星，或者使用建模工具进行估算。每个平台和每种特定的雪监测技术都需要在成本、空间覆盖范围、时间覆盖范围、准确度、精确度、分辨率、地理适用性和可靠性之间进行权衡。
面部表情线索整合过程中错误监测的神经元 θ 波特征
错误监控是一种元认知过程，通过这一过程，我们能够在做出反应后检测并发出错误信号。监控我们的行为结果何时偏离预期目标对于行为、学习和高阶社交技能的发展至关重要。在这里，我们使用脑电图 (EEG) 探索了面部表情线索整合过程中错误监控的神经基础。我们的目标是研究依赖于面部线索整合的响应执行之前和之后错误监控的特征。我们遵循中额叶 theta 的假设，认为它是错误监控的强大神经元标记，因为它一直被描述为一种发出认知控制需求的信号机制。此外，我们假设 EEG 频域分量可能有利于研究复杂场景中的错误监控，因为它携带来自锁定和非锁相信号的信息。应用了一个具有挑战性的 go/no-go 扫视范式来引出错误：需要整合面部情绪信号和凝视方向来解决这个问题。我们从 20 名健康参与者处获取了脑电图数据，并在反应准备和执行期间以 θ 波段活动水平进行分析。尽管 θ 调制在错误监控过程中一直得到证实，但它开始发生的时间尚不清楚。我们发现正确和错误试验之间中额通道的 θ 功率存在差异。错误反应后 θ 波段立即升高。此外，在反应开始之前，我们观察到了相反的情况：错误之前的 θ 波段较低。这些结果表明 θ 波段活动不仅是错误监控的指标（这是增强认知控制所必需的），也是成功的必要条件。这项研究通过在复杂任务中甚至在执行反应之前就揭示与错误相关的模式并使用需要整合面部表情线索的范例，为 θ 波段在错误监控过程中的作用增加了先前的证据。