XiaoMi-AI文件搜索系统
World File Search System自发
通过自发语音实现基于计算机的痴呆症自动筛查
痴呆症是一种常见的脑部疾病，对个人和社会都有负面影响。本文涉及使用 Interspeech 2020 的自发语音 (ADReSS) 挑战赛对阿尔茨海默氏痴呆症进行分类。我们使用 (1) VGGish（一种深度预训练的 Tensorflow 模型）作为音频特征提取器，并使用 Scikit-learn 分类器来检测语音中的痴呆症迹象。三个分类器（LinearSVM、Perceptron、1NN）的准确率为 59.1%，比在挑战赛中使用的声学特征上训练的最佳基线模型高出 3%。我们还提出了 (2) DemCNN，这是一种新的基于 PyTorch 原始波形的卷积神经网络模型，准确率为 63.6%，比表现最佳的基线线性判别分析模型准确率高出 7%。我们发现，使用预训练的 VGGish 特征提取器的音频迁移学习比使用自动提取的声学特征的基线方法表现更好。我们的 DepCNN 表现出良好的泛化能力。本文介绍的两种方法都为通过自发语音进行新的、创新的、更有效的基于计算机的痴呆症筛查提供了进展。
在赞美和批评波功能的连续自发定位模型
通过否认崩溃原理并用量子形式主义的变化代替量子元素（QM）来解决量子元素（QM）的测量问题的不同尝试失败，因为形式主义的变化导致与QM预测的矛盾。差异，Ghirardi，Rimini和Weber将崩溃视为一种真实现象，并提出了一个微积分，通过该计算，波功能应突然进行定位。后来，Ghirardi，Pearle和Rimini随着该积分的变化而变成了CSL（连续自发定位）崩溃模型。这两个提议都取决于实验事实，即当微观系统遇到宏观物体并体现大量颗粒时，波功能的减少量会减小。这两个建议还通过在schrödinger方程中引入其他词来改变量子形式主义，并以嘈杂的行为来改变。但是，只要研究系统仅包含一个或几个组件，这些术语实际上就不会影响。只有当组件的数量很大时，这些术语才会显着，并导致波功能减少到其一个组件之一。目前的工作有两个目的：1）证明崩溃的假设是不可避免的； 2）将CSL模型应用于检测器中的过程，并逐步显示波功能的修改，直到还原。作为一个侧面的细节，在这里认为噪声不能起源于某些碎屑领域，这与某些物理学家的思想/希望相反，因为没有由纠缠的波浪量身定制的classical领域。
超疏水双轨上水下气泡的自发单向输送
具有优异防水性/粘附性的超疏水/超亲水表面（SBS/SLS）在学术研究和工业环境中都具有重要意义，因为它们在微小液滴和气泡操控中具有有趣的功能。然而，大多数涉及 SBS/SLS 的操控策略仅限于大面积制造或复杂的形貌设计，这明显阻碍了它们的实际应用。在本文中，我们通过一步飞秒激光烧蚀设计和制造了超亲水不锈钢板下方的超疏水聚二甲基硅氧烷窄化双轨（SNDR）。我们的 SNDR 轨道能够在水下自发地、单向地从宽端向窄端输送不同体积的气泡，即使它们被弯曲也是如此。进一步讨论了不同几何双轨配置在气泡输送性能中的力学分析。最后，我们通过实验证明了在多个 SNDR 组合上以设计的体积比无损混合气泡的惊人能力。该方法简单、灵活，具有广泛的潜在应用，如界面科学和微流体中的智能气泡传输、混合和可控化学反应。
metha mphet胺-Indu Ced自发皮肤病变
甲基苯丙胺具有许多全身性和精神病性副作用。此外，还有一些病例报道与甲基苯丙胺相关的外部诱导的皮肤病变，例如瘙痒，摄取和采摘皮肤。但是，由于甲基苯丙胺，自发性皮肤病变鲜为人知。在这种情况下，检查了11例甲基胺 - 胺 - 递送不同种类的自发性非感染性皮肤病变的患者的社会人口统计学和临床特征，并审查了迄今为止在文献中提出的病例。metha mphet胺-Indu CED自发性皮肤病变并不众所周知，应误诊。这些病变通常在停用甲基苯丙胺后自发解决。临床医生应意识到由于甲基苯丙胺可能发生的各种皮肤病变。关键字：甲基苯丙胺，自发，皮肤，皮肤，病变
家庭太阳能自发利用经济性分析的筛选曲线法
摘要 — 家庭太阳能自用（即所谓的光伏 (PV) 自用）的盈利能力有望推动光伏和电池存储系统的部署。本文基于筛选曲线法 (SCM) 的扩展，开发了一种使用电池存储进行光伏自用经济分析的新方法。SCM 能够快速直观地估算目标负荷曲线的最低成本发电组合，并已用于大容量电力系统的发电规划。在本文中，我们概括了现有 SCM 的框架，以考虑可再生能源的间歇性，并将其应用于家庭光伏和电池存储系统的最佳规模问题。通过数值研究来验证所提出的 SCM 的估计准确性，并说明其在敏感性分析中的有效性，因为它能够显示成本曲线的直观图，以便研究人员或政策制定者了解优化结果背后的原因。
深度神经网络中自发出现类似大脑的功能特化
人类大脑包含多个区域，这些区域具有不同的、通常高度专业化的功能，从识别面部到理解语言，再到思考他人的想法。然而，大脑皮层为何会表现出如此高度的功能专业化仍不清楚。在这里，我们使用人工神经网络来考虑面部感知的情况，以检验以下假设：大脑中面部识别的功能分离反映了对面部和其他视觉类别的视觉识别这一更广泛问题的计算优化。我们发现，经过物体识别训练的网络在面部识别方面表现不佳，反之亦然，并且针对这两项任务进行优化的网络会自发地将自己分离为面部和物体的独立系统。然后，我们展示了其他视觉类别不同程度的功能分离，揭示了优化（没有内置的任务特定归纳偏差）导致机器功能专业化的普遍趋势，我们推测，大脑也是如此。
人类大脑 BOLD 自发活动内部流动的拓扑视图
在静息态功能性磁共振成像 (rs-fMRI) 中可检测到的具有可变延迟的时空大脑活动会产生高度可重复的结构，称为皮质滞后线，它会从一个大脑区域传播到另一个大脑区域。使用数据计算拓扑方法，我们发现三角测量 rs-fMRI 视频帧中持续、重复的血氧水平依赖性 (BOLD) 信号显示出以前未检测到的拓扑发现，即覆盖大脑激活区域的涡旋结构。BOLD 信号传播中涡旋形状的持久性测量是根据大脑自发活动期间随时间上升和下降的贝蒂数进行的。重要的是，以 BOLD 信号传播的几何形状给出的数据拓扑提供了一种实用的方法来应对和避开神经数据中的大量噪声，例如非零 BOLD 信号邻域中不需要的暗（低强度）区域。我们的研究结果已被整理并可视化为图表，这些图表能够追踪间歇性出现在 rs-fMRI 视频帧序列中的非平凡 BOLD 信号。这种对变化的滞后结构的追踪最终会形成所谓的持久条形码，这是一种象形文字，它提供了一种方便的视觉方式来展示、比较和分类大脑激活模式。
自发冠状动脉解剖的社会心理和生活方式影响：一项定量研究
433个SCAD幸存者邀请参加，310（72％）完成了问卷。 最常见的心理社会影响是“对心脏病发作的震惊”（受访者的经历），“担心再有SCAD”（81％）（81％），“担心触发另一个SCAD”（77％）（77％），“对运动和体育锻炼的不确定性”（73％）（73％）（73％）（73％）和“ confsiation and confusiation and confutiation and serniely serniely serniely serniely serniely''（73.03.03.03.03.03.03.03.03.03.0.03.0.03.0.03.03.03.03.03.0.03.0.03.0.03.0.03.0.03.0.03.0.03.0''' （73％）。 在生活方式的影响方面，SCAD影响了近三分之二的参与者的工作能力，而十分之一的参与者则寻求经济援助。 社会心理影响的主要预测因素在50岁以下，当前的财务压力和贸易级教育。 生活方式影响的主要预测因素超过50，SCAD433个SCAD幸存者邀请参加，310（72％）完成了问卷。最常见的心理社会影响是“对心脏病发作的震惊”（受访者的经历），“担心再有SCAD”（81％）（81％），“担心触发另一个SCAD”（77％）（77％），“对运动和体育锻炼的不确定性”（73％）（73％）（73％）（73％）和“ confsiation and confusiation and confutiation and serniely serniely serniely serniely serniely''（73.03.03.03.03.03.03.03.03.03.0.03.0.03.0.03.03.03.03.03.0.03.0.03.0.03.0.03.0.03.0.03.0.03.0''' （73％）。在生活方式的影响方面，SCAD影响了近三分之二的参与者的工作能力，而十分之一的参与者则寻求经济援助。社会心理影响的主要预测因素在50岁以下，当前的财务压力和贸易级教育。生活方式影响的主要预测因素超过50，SCAD
基于深度学习的人工智能诊断系统在自发脑内出血体积测量
抽象背景：准确测量出血体积对于预测和自发性脑内出血（ICH）后的预测和选择适当的临床治疗至关重要。这项研究旨在评估具有有或没有脑室内出血（IVH）延伸的自发性自发性分割脑出血（ICH）体积时，基于深度学习的分割算法的性能和准确性。我们将此自动管道与两种手动分割技术进行了比较。方法：我们回顾性地审查了105例急性自发ICH患者。根据IVH延伸的存在，将患者分为两组：ICH没有（n = 56）和IVH（n = 49）。ICH进行分割并测量，并使用ABC/2评分来测量ICH中ICH中没有IVH组的出血量。相关性和协议分析用于分析三种分割方法之间的处理时间和处理时间长度的差异。结果：在没有IVH组的ICH中，使用AI和ABC/2分数测量的ICH量与CTP分割相当。在三种分割方法中观察到了强相关性（r = 0.994，0.976，0.974; p <0.001;一致性相关系数[CCC] = 0.993，0.968，0.967）。但是，通过ABC/2分数测量的ICH体积的绝对误差大于算法的绝对误差（p <0.05）。在ICH中，IVH组中，算法和CTP之间没有发现显着差异（p = 0.614）。CTP和AI之间的相关性和一致性很强（r = 0.996，p <0.001； CCC = 0.996）。AI分割比CTP的时间明显短（p <0.001），但略长于ABC/2分数技术（P = 0.002）。结论：与CTP测量相比，基于深度学习的AI诊断系统具有高忠诚度和更高效率的急性自发ICH，并且比ABC/2分数更准确。我们认为这是一种有前途的工具，可以帮助医生在实践中实现精确的ICH量化。关键字：脑内出血，自发性脑内出血，体积，人工智能，深度学习
深度神经网络中自发出现类似大脑的功能特化
。CC-BY-NC 4.0 国际许可，根据未经同行评审认证）是作者/资助者，他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者（此版本于 2021 年 7 月 6 日发布。；https://doi.org/10.1101/2021.07.05.451192 doi：bioRxiv 预印本