XiaoMi-AI文件搜索系统
World File Search System视重
人工智能通过眼底照片检测视乳头水肿
结果 6779 名患者的训练和验证数据集包括 14341 张照片：9156 张正常视盘、2148 张有视乳头水肿的视盘和 3037 张有其他异常的视盘。分类为正常的百分比在各个部位从 9.8% 到 100% 不等；分类为有视乳头水肿的百分比在各个部位从 0 到 59.5% 不等。在验证集中，系统以 AUC 为 0.99（95% 置信区间 [CI]，0.98 至 0.99）区分有视乳头水肿的视盘与正常视盘以及有非视乳头水肿异常的视盘，以 AUC 为 0.99（95% CI，0.99 至 0.99）区分正常视盘与异常视盘。在 1505 张照片的外部测试数据集中，该系统检测视乳头水肿的 AUC 为 0.96（95% CI，0.95 至 0.97），灵敏度为 96.4%（95% CI，93.9 至 98.3），特异性为 84.7%（95% CI，82.3 至 87.1）。
使用机器学习为视障人士检测纸币
在当今充斥着欺骗和其他欺诈行为的世界里，人们发现生活非常困难。对于盲人或视力有障碍的人来说，情况更糟。他们在日常生活中面临着更多的挑战，特别是在处理货币和其他与金钱有关的问题时。为了帮助盲人，我们正在开发一个项目，帮助他们识别货币的面额，因为钞票上没有盲文标记。伪钞或假钞是另一项难以识别的任务，无论是对健康人还是盲人而言。因此，除此之外，我们还加入了假钞检测系统，帮助每个公民避免被骗。关键词：假钞检测、货币识别、VGG16、盲人、CNN、图像处理。介绍机器学习是一种人工智能能力，它奖励编程应用程序在预测结果时更加谨慎，而无需进行明确修改。ML 计算利用明显的信息作为预期新收益的义务。在神经网络中，卷积神经网络 (ConvNets 或 CNN) 是进行图像分类、图像分析和图像处理的主要方法之一。图像识别、面部识别等是 CNN 广泛应用的领域之一。
用于长时间空间的人工重力系统研究...
1 一级方程式赛车在快速转弯时抵抗高 g 力。摄影：Oscar Sant'ın。 ... ....................................................................................................................8 5 美国宇航局兰利研究中心的科学家设计的空间站。图片来自美国宇航局历史部门....................................................................................................................9 6 分割的弧形地板表示。取自 [2] ....................................................................................................9 7 电影《2001：太空漫游》中的空间站 V。[3] ....................................................................................10 8 电影《星际穿越》中的奥尼尔圆柱体空间站 [2014] ....................................................................10 9 斯坦福环面插图...................................................................................................................................................11 10 鹦鹉螺-X 航天器表示。 . ... ... . ....。 ... ... 22 17 带潮汐力限制的人工重力图。取自 YouTube 频道 Cool Worlds 的视频文章：人工重力。 23 18 带垂直科里奥利力限制的人工重力图。取自 YouTube 频道 Cool Worlds 的视频文章：人工重力...................................................................................................................................................................................................................................................... 24 19 带倾斜科里奥利力限制的人工重力图。取自 YouTube 频道 Cool Worlds 的视频文章：人工重力...................................................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . 25 20 科里奥利效应表示。图片取自 [6]。 . . . . . . . . . . . . . . . . 26 21 带运河疾病限制的人工重力图。取自 YouTube 频道 Cool Worlds 的视频文章：人工重力。 28 22 视重：案例 1 . . . . . . . . . . . . . . . . . . . . . . . 32 23 视重：案例 2 . . . . . . . . . . . . . . . . . . . 33 24 视重：案例 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 25 猎鹰 1 号首飞尝试 . . . . . . . . . . . . . . . . . . . . . .39 26 猎鹰 9 号从卡纳维拉尔角发射。图片来源：SpaceX。 ...
1 确定一种修复导致细胞死亡的严重 DNA 损伤的方法......
[演讲重点] - 已知修复细胞DNA损伤的方法根据损伤类型而不同，但严重到足以导致细胞死亡的DNA损伤具有什么结构，又是如何修复的，目前尚不清楚。 ・利用我们独特的纳米级观察技术，我们首次确定了DNA损伤的修复程度。 如果能够开发出一种药物来阻断这种修复过程，就有可能更有效地摧毁重离子放射疗法难以杀死的癌细胞。
人工智能通过眼底照片检测视乳头水肿
结果 来自 6779 名患者的训练和验证数据集包括 14,341 张照片：9156 张正常视盘、2148 张有视乳头水肿的视盘和 3037 张有其他异常的视盘。分类为正常的百分比在各个部位从 9.8% 到 100% 不等；分类为有视乳头水肿的百分比在各个部位从 0 到 59.5% 不等。在验证集中，系统以 AUC 为 0.99（95% 置信区间 [CI]，0.98 至 0.99）区分有视乳头水肿的视盘与正常视盘以及有非视乳头水肿异常的视盘，以 AUC 为 0.99（95% CI，0.99 至 0.99）区分正常视盘与异常视盘。在 1505 张照片的外部测试数据集中，该系统对视乳头水肿检测的 AUC 为 0.96（95% CI，0.95 至 0.97），灵敏度为 96.4%（95% CI，93.9 至 98.3），特异性为 84.7%（95% CI，82.3 至 87.1）。
杭州海康威视数字技术有限公司2022...
投资周期较长，业务前景不明朗，具有较高的风险性和不确定性，需要通过直接或间接投资进行探索，以便公司及时进入新的业务领域。首次披露于《核心员工投资创新业务管理办法公告》（www.cninfo.com.cn）。
视感知：对光遗传学大脑扰动的感知
动物是如何体验大脑操控的？光遗传学使我们能够选择性地操控和探究健康和疾病状态下大脑功能的神经回路。然而，对于小鼠是否能够检测和学习来自广泛大脑区域的任意光遗传学扰动以指导行为，我们知之甚少。为了解决这个问题，小鼠被训练报告光遗传学大脑扰动以获得奖励和避免惩罚。在这里，我们发现小鼠可以感知光遗传学操控，无论扰动的大脑区域、奖励效应或谷氨酸能、GABA 能和多巴胺能细胞类型的刺激如何。我们将这种现象命名为视感受，即一种由扰动大脑内部产生的可感知信号，就像内感受一样。利用视感受，小鼠可以学会根据激光频率执行两组不同的指令。重要的是，视感受可以通过激活或沉默单个细胞类型来发生。此外，刺激一只老鼠的两个脑区发现，一个脑区引起的视感知不一定会转移到另一个之前没有受到刺激的区域，这表明每个部位都会产生不同的感觉。学习后，它们可以模糊地使用来自两个脑区的随机交错扰动来指导行为。总的来说，我们的研究结果表明，老鼠的大脑可以“监控”自身活动的扰动，尽管是间接的，可能是通过内感受或作为一种辨别性刺激，这为向大脑引入信息和控制脑机接口开辟了一条新途径。
基于 Android 的视障人士应用程序使用深度......
视障人士在从事与环境、社会和技术相关的活动时遇到困难。此外，他们在日常生活中也难以独立和安全。本研究提出了基于深度学习的视觉对象识别模型，以帮助视障人士使用安卓应用平台进行日常生活。本研究主要关注金钱、衣服和其他基本物品的识别，以使他们的生活更轻松。基于卷积神经网络 (CNN) 的视觉识别模型由 TensorFlow 对象应用程序编程接口 (API) 开发，该模型使用单次检测器 (SSD) 和来自 Mobile V2 的预训练模型，是在 Google 数据集上开发的。视障人士捕捉图像，并将其与预加载的图像数据集进行比较以进行数据集识别。带有图像名称的口头信息将让盲人知道捕捉到的图像。物体识别实现了高精度，无需使用互联网连接即可使用。视障人士尤其从这项研究中受益匪浅。