XiaoMi-AI文件搜索系统
World File Search System计算时间
利用 CPU 和 GPU 实现更快的密集可变形图像配准
在我们最近的工作11中，我们引入了一种基于离散优化的密集图像配准方法，即带有 α 扩展的最小图割。12 其他人之前已经提出过使用最小图割进行图像配准，13、14 但由于该方法的计算成本高，在实践中采用有限。通过将图像划分为子区域，并将每个 α 扩展一次限制在一个子区域，我们能够大幅减少这种配准方法的计算时间，而质量方面仅有很小的损失。处理一个子区域涉及两个步骤：计算体素匹配标准（即构建图形）并通过求解最小图割问题执行离散优化。早期的分析实验表明，对于较小的子区域，大部分计算时间都花在计算匹配标准上，而不是执行图割优化上。当使用计算密集度更高的相似性度量（例如互相关 (CC)）时，这种效果更加明显，这已被证明在图像配准中很有价值。15
615. 急性髓系白血病：临床和流行病学
• 我们进行了一项单中心回顾性队列研究，以调查 KMT2A 突变对在俄亥俄州克利夫兰诊所基金会接受治疗的 AML 成年患者（≥18 岁）总体生存率 (OS)、无事件生存率 (EFS) 和临床反应率的影响。 • 根据 KMT2A 状态对患者进行分类：KMT2A 野生型 (wt-KMT2A)、re-KMT2A、SNV-KMT2A 和 KMT2A-PTD。 • 突变的 KMT2A (mt-KMT2A) 包括 re-KMT2A、SNV-KMT2A 和 KMT2A-PTD。re-KMT2A 由细胞遗传学、FISH 或 RNA 融合下一代测序 (NGS) 面板确定。 • 使用 DNA NGS 面板确定 SNV-KMT2A，使用 RNA 融合 NGS 面板确定 KMT2A-PTD。 • OS 计算时间为诊断日期至死亡日期或最后一次随访日期（以较早者为准）。 • EFS 计算时间为治疗开始日期至首次出现难治性疾病、疾病进展或因任何原因死亡的日期。 • 使用 Kaplan-Meier 方法估计生存概率，使用对数秩检验评估组间差异。多变量回归已针对混杂因素进行调整 • 多变量回归已针对混杂因素进行调整。
采用交错优化算法
摘要。一种可持续的能源经济意味着高度易易申节能源的高股份，需要使用储能技术。氢是一种非常灵活的能量载体，可以用作电网中的大规模储能。本文着重于智能网格环境中氢的产生，转换和存储选项的整合。一个过程电流源（PC），该过程充当碱性电解系统的整流器，并与不专门设计用于动态操作的常规整流器结构进行了比较。使用交错算法将智能网格的所有组件缩放，该算法结合了模式搜索算法和遗传算法。此智能优化工具显示出很高的灵活性，准确性和低计算时间。与没有模式搜索方法的遗传算法相比，所需的计算时间已占56％。此外，能源系统优化将碱性电解降低到初始规模的30％以下，以产生较低的成本。因此，整流器性能的差异降低为较小的贡献。关键字。氢产生，整流器，智能网格，能量转换，优化al-gorithm
多机器人可扩展覆盖路径规划... - NSF PAR
摘要 — 本文介绍了一种新颖的多机器人覆盖路径规划 (CPP) 算法 - 又名 SCoPP - 该算法提供了一种时间高效的解决方案，根据多机器人系统中的每个机器人的初始状态，为其提供工作负载平衡的计划。该算法考虑了指定关注区域中的不连续性（例如，禁飞区），并使用离散的、计算效率高的最近邻路径规划算法为每个机器人提供了优化的有序路径点列表。该算法涉及五个主要阶段，包括将用户输入转换为地理坐标中的一组顶点、离散化、负载平衡分区、在离散空间中拍卖冲突单元以及路径规划程序。为了评估主要算法的有效性，考虑了多无人机 (UAV) 洪灾后评估应用，并在三个不同大小的测试地图上测试了该算法的性能。此外，我们还将我们的方法与 Guasella 等人创建的最新方法进行了比较。进一步分析了 SCoPP 的可扩展性和计算时间。结果表明，SCoPP 在任务完成时间方面更胜一筹；对于一个由 150 个机器人组成的团队覆盖的大地图，其计算时间不到 2 分钟，从而证明了其计算可扩展性。
PQCMC：后量子密码学 McEliece-Chen 隐式证书方案
摘要 —近年来，椭圆曲线 Qu-Vanstone (ECQV) 隐式证书方案已应用于安全凭证管理系统 (SCMS) 和安全车对万物 (V2X) 通信以颁发假名证书。然而，椭圆曲线密码 (ECC) 易受量子计算带来的多项式时间攻击的弱点引起了人们的担忧。为了增强对量子计算威胁的抵抗力，各种后量子密码方法已被采用作为标准 (例如 Dilithium) 或候选标准方法 (例如 McEliece 密码)，但事实证明，使用基于格的密码方法实现隐式证书具有挑战性。因此，本研究提出了一种基于高效随机可逆矩阵生成方法的后量子密码 McEliece-Chen (PQCMC)，以更少的计算时间颁发假名证书。该研究提供了数学模型来验证隐式证书的密钥扩展过程。此外，还进行了全面的安全性评估和讨论，以证明不同的隐式证书可以链接到同一个终端实体。在实验中，对证书长度和计算时间进行了比较，以评估所提出的 PQCMC 的性能。这项研究证明了基于 PQC 的隐式证书方案作为对抗量子计算威胁的手段的可行性。
学习关节表面重建和分割，从大脑图像到皮质表面分割
从 MRI 重建和分割皮质表面对于广泛的大脑分析至关重要。然而，大多数方法遵循多步骤的缓慢过程，例如连续的球面膨胀和配准，这需要相当长的计算时间。为了克服由这些多步骤引起的限制，我们提出了 SegRecon，这是一种集成的端到端深度学习方法，只需一个步骤即可直接从 MRI 体积联合重建和分割皮质表面。我们训练一个基于体积的神经网络来预测每个体素到多个嵌套表面的有符号距离以及它们在图谱空间中对应的球面表示。例如，这对于联合重建和分割白质到灰质界面以及灰质到脑脊液（软脑膜）表面很有用。我们通过在 MindBoggle、ABIDE 和 OASIS 数据集上进行的一组全面实验来评估我们的表面重建和分割方法的性能。我们发现，重建误差小于 0.52 毫米，而与 FreeSurfer 生成表面的平均 Hausdorff 距离则小于 0.97 毫米。同样，分割结果显示，与 FreeSurfer 相比，平均 Dice 值提高了 4% 以上，此外，在标准台式机上，计算时间从几小时大幅加快到几秒。
开发了不同的热模拟模型方法并相互比较。为了管理参数计算的高度努力，建模
但是，这种细节的水平是以增加计算资源和仿真时间为代价的。最简化的几何形状是最短的计算时间。同时，准确性也有所不同。目标是找到一个简化的3D几何模型，该模型在准确性和计算效率之间达到平衡，从而可以更快地模拟，同时仍捕获重要的热电池效应。为了评估和比较这些模型，分析并在不同的仿真方法中分析并比较了关键性能指标，例如温度分布，电流分布和细胞电压。
使用混合最小投资优化实现微电网稳健设计
最近，研究人员开始研究微电网技术经济规划的混合方法，其中简化模型优化了 DER 的选择和定型，并与优化运行和调度的完整模型相结合。虽然这些混合模型可以节省大量计算时间，但当 DER 的大小不足以在宏电网停电期间满足完整模型中的能量平衡时，它们容易出现不可行性。在这项工作中，引入了一种新型混合优化框架，专门设计用于应对宏电网停电。该框架两次解决相同的优化问题，其中使用完整数据的第二个解决方案由使用代表性数据确定和选择 DER 的第一个解决方案提供信息。该框架包括对存储设备充电状态的新约束，尽管在代表性模型中优化了单个 24 小时曲线，但它允许表示多个重复的电网停电日。从计算时间、最优性和对不可行性的鲁棒性方面比较了多种混合优化方法。通过对三个真实微电网设计的案例研究，我们表明，允许在混合设计的两个阶段优化 DER 规模，称为最小投资优化 (MIO)，提供最大程度的优化，保证稳健性，并且比基准优化节省大量时间。
使用弯曲器分解算法的微电网尺寸和能量管理
微电网具有越来越多的关注，因为它们可以促进可再生能源的整合。为了充分利用微电网，制定并解决了优化问题以确定其最佳计划（即尺寸和能源管理）。但是，这些问题很复杂且耗时解决。在本文中，我们关注基于弯曲器算法的时间分解，以减少计算时间，同时仍然获得最佳解决方案。时间分解将初始问题划分为较小的时间间隔的子问题。这项工作的第一个原始性是将这种时间分解应用于混合企业线性问题的方法的主张，以实现微电网的最佳计划。第二个独创性是研究以下相关参数对基于Benders算法的时间分解时间计算时间的影响：问题的分解周期，问题的性质，整体时间范围和CPU的数量。此外，与以前的文献相反，我们提出的方法表现出计算时间减少。对于经过考虑的案例研究，它们的最高为5.6倍。我们的结果还突出了分解周期的存在，该分解周期最大化了性能。此外，我们发现时间分解特别有效，对于较大的时间范围的混合构成线性问题，并且可以使用超过16个CPU。提出的通用方法和我们的结果对研究人员和旨在在缩短计算时间内找到其微电网的最佳尺寸和运行的微电网项目持有人可能非常有用。