XiaoMi-AI文件搜索系统
World File Search System速度场
利用神经速度场进行微分同胚图像配准
微分同胚图像配准能够提供平滑的变换和拓扑保存，在许多医学图像分析任务中是必需的。传统方法对可接受的变换空间施加某些建模约束，并使用优化来寻找两幅图像之间的最佳变换。指定正确的可接受的变换空间具有挑战性：如果空间过于严格，配准质量可能会很差，而如果空间过于笼统，则优化可能难以解决。最近基于学习的方法利用深度神经网络直接学习变换，实现了快速推理，但由于难以捕捉微小的局部变形和泛化能力，在准确性方面面临挑战。在这里，我们提出了一种新的基于优化的方法，称为 DNVF（带神经速度场的微分同胚图像配准），该方法利用深度神经网络来建模可接受的变换空间。具有正弦激活函数的多层感知器 (MLP) 用于表示连续速度场，并为空间中的每个点分配一个速度矢量，从而提供对复杂变形进行建模的灵活性以及优化的便利性。此外，我们提出了一种级联图像配准框架 (Cas-DNVF)，结合了优化和基于学习的方法的优点，其中训练完全卷积神经网络 (FCN) 来预测初始变形，然后使用 DNVF 进行进一步细化。在两个大型 3D MR 脑部扫描数据集上进行的实验表明，我们提出的方法明显优于最先进的配准方法。
摘要
背景心血管疾病包括包括动脉粥样硬化的全球崛起，对准确的诊断工具的需求很高，可以在短暂咨询中使用。异常的血流模式是动脉粥样硬化病变位置，进展和斑块破裂的有力预测指标。特定于患者的血流模式通常是从基于3D成像的计算流体动力学获得的。但是，高计算成本使这些方法不切实际。在这里，我们提出了一种新方法，以加快数据还原（POD和T-SNE）和深度学习的组合加快3D速度场的重新构造。方法和结果我们开发了一种半自动管道，该管道产生了从动脉粥样硬化的猪冠状动脉（n = 7）获得的大型数据集（n = 3,500）（n = 3,500），以在经典方式（带有Abaqus）的方式中以数值模拟的血液。然后使用此数据集生成一个大的协方差矩阵，该矩阵被奇异值分解以获得“ eigen”模式，其中选择了五种模式以表示> 90％的信号能量。接下来，使用T-SNE降低了〜110,000个节点的网格。然后使用还原的数据集来训练一组神经网络，该神经网络准确地预测了看不见的动脉几何形状中的血流模式（> 95％）。新方法能够重现冠状动脉中的3D速度场及其衍生物（压力，WSS）的速度比以前快200倍。结论CFD天生就太慢了，无法在临床决策中具有重要意义。利益冲突没有在这里，我们提出了一种新的基于物理的技术，该技术能够在一分钟内在人类冠状动脉中产生3D生物力学图。
![arxiv：2307.11870v1 [eess.iv] 2023年7月21日](/simg/f\f94ff6f2f840fee96869903480715affbeba16c4.webp)
arxiv：2307.11870v1 [eess.iv] 2023年7月21日
摘要。皮质表面重建在对围产期期间大脑快速发育进行建模方面起着基本作用。在这项工作中，我们提出了有条件的时间注意网络（COTAN），这是一个快速的端到端末端框架，用于新生儿皮质表面重建。Cotan可预测新生儿脑磁共振图像（MRI）的多分辨率固定速度场（SVF）。Cotan不是整合多个SVF，而是引入了注意机制，以通过在每个集成步骤中计算所有SVF的加权总和来学习有条件的时变速度场（CTVF）。每个SVF的重要性（通过学习的注意图估算）的重要性是基于新生儿的年龄，并且随着整合的时间步骤而变化。提出的CTVF定义了差异表面变形，该变形可有效地减少网格自我交流误差。仅需要0.21秒即可为每个脑半球变形至皮质白色垫料和毛皮表面的初始模板网格。cotan在开发的人类连接项目（DHCP）数据集上得到了验证，其中877 3D脑MR图像是从早产和术语出生的新生儿获取的。与最先进的基线相比，科坦仅以0.12±0.03mm的几何误差和0.07±0.03％的自我相交面部实现了优势。我们注意地图的可视化说明了科坦确实在没有中间监督的情况下自动学习了粗到细的表面变形。
海面上拉格朗日漂移模拟的深度学习
引言在海面上的Lagrangian轨迹模拟对于各种应用领域非常重要，包括监测塑料和碎屑运动[Maximenko等，2012]，研究Algae和Plankton Dynamics [Son等，2015]，或轨迹预测对搜索和救援作业的搜查至关重要[Breivik et al。此外，对拉格朗日漂移的研究允许评估海洋数值模型准确地代表小规模动力学的能力[Barron等，2007； Botvynko等，2023]。尽管如此，在海面上产生逼真的轨迹，在操作海洋学领域中提出了一个显着的科学挑战[Rérs等，2021]。基于模型的拉格朗日轨迹数值模拟的方法依赖于使用海面速度场的分步对流程序[Lange and van Sebille，2017a]。然而，基础速度场中的微小差异或缺乏精细空间分辨率的速度场的使用可能导致Lagrangian轨迹建模不正确，从而使这些方法不切实际地用于操作应用。基于数据驱动的学习方法，例如卷积神经网络（CNN），复发性神经网络（RNN），长期记忆（LSTM）网络以及生成性模型，例如变异自动编码器（VAE）（VAES）或诸如捕获的捕获范围内的既定能力（GANS），表现出巨大的能力，表现出促成的Spat-temers Incorport [spat-tempor pender] [等，2020，Jiang等，2019，Jenkins等，2023，Julka等，2021，Dan，2020年]。然而，只有限制数量的先前研究应用于单个拉格朗日轨迹的条件模拟[Quinting and Grams，2022]。由于上述局限性，本研究的目的是提出一个原始的深度学习框架，称为漂移网，用于对海面上各个轨迹的有条件模拟。所提出的模型可以用任何包含有关海洋动力学信息的地球物理场吞噬，并在海面上产生漂移物体的轨迹。Driftnet是完全卷积的，包括对靶向轨迹的空间解释的潜在编码，这是受到漂移的Eulerian Fokker-Planck形式的启发[Botvynko等，2023年]。在此表示形式中，该轨迹是通过从条件输入字段中提取的非本地特征提取的，这意味着模拟轨迹的动力学是通过考虑周围区域的整个动力学来建模的。
利用人工压缩性和伪光谱方法对大气激光束传输进行数值求解
如今，掺杂稀土离子的石英光纤激光器，尤其是 Y b 3+ 光纤激光器，其平均功率已达到数千瓦量级，许多技术应用已开始显现可行性。例如：医疗手术、岩石钻探、远程云感测、射电天文学、太空无线电通信、卫星通信、无线电传输、远程激光通信以及用于远程充电电池的激光器。因此，其中一些应用需要研究与激光束大气传播相关的现象 [1]、[2]、[3] 和 [4]。最近，一些研究开始对速度场作为动态变量的数值解进行建模 [5]，这与先前研究规定流体速度 [6]、[7] 不同。当激光束传播通过吸收介质时，会发生称为热晕的效应。尽管介质的吸收效应非常小，但当流体为空气时，会促进激光束附近的温度和密度场的变化。温度变化会引起折射率的变化，从而
细胞破碎力学 - 阿德莱德研究与奖学金
4.3 应变流中胶囊周围的速度场和压力云图（Re = 160，Ac = 0.1）。使用 p(J,' 标准化压力。4.4 胶囊膜表面的压力和剪切应力分布（使用 pU,' 标准化）（Re = 160，Ac = 0.1）。4.5 胶囊膜中的轴向、环向和冯·米塞斯张力（Re = 160，Ac = 0.1）。4.6 临界韦伯数对雷诺数和加速度数的依赖性。4.1 临界韦伯数对可行均质机操作线雷诺数的依赖性。4.8 操作压力和细胞直径对球形细胞内产生的最大张力的影响。4.9 修正临界韦伯数对修正雷诺数和加速度数的依赖性。
单独的大气模型Aeolus 2.0软件
摘要在这种话语中，我们介绍了一个开源软件包的揭幕，旨在促进与大气模型Aeolus 2.0的互动。这种特殊的迭代作为中间复合物的独立模型。该模型的动力芯是由多层伪透明湿感向热旋转浅水（MCTRSW）模型的基础的。伪透明问题解决问题的任务是由Dedalus算法处理的，该算法以其自旋加权的球形谐波而公认。该模型捕获了垂直整合的电势温度，厚度，水蒸气，降水以及底部形象的复杂影响的时间和空间演化。它全面地表征了对流层下部和上部对流层中的速度场，采用从光滑到粗糙的频谱的分辨率，使能够探索广泛的动态现象，具有不同的细节和精确度。
激活能量和MHD对Williamson流体的影响...
摘要当前研究的主要目的是开启非牛顿威廉姆森（Williamson）流动性的布朗运动和热疗法扩散的影响，并通过指数拉伸片段具有热辐射和微生物的生物感染的影响。为此，相似性函数涉及将部分微分方程传输到响应普通微分方程的情况。然后雇用了带有射击技术的runge -kutta方法，以评估使用MATLAB脚本的利用来评估所需的发现。流体速度在磁参数的强度上变得慢，并且以混合对流的形式提升。温度通过布朗运动和嗜热的参数升高。生物对流路易数字降低了速度场。与现有文献相比，结果显示出令人满意的一致性。2022作者。由Elsevier B.V.代表Alexandria University的工程学院出版，这是CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nc-nd/4.0/）下的开放访问文章。
DualSmoke：基于素描的烟雾插图设计，具有两阶段生成模型
摘要烟雾的动态影响在插图设计中令人印象深刻，但是炼焦器用户在没有流体模拟的域知识的情况下设计烟雾效应是一个麻烦且充满挑战的问题。在这项工作中，我们提出了DualSmoke，这是一个两阶段的全球到本地生成框架，用于交互式烟雾插图设计。在全球阶段，提出的方法利用流体模式从用户的手绘草图中生成拉格朗日相干结构。在本地阶段，从生成的相干结构中获得了详细的流量。最后，我们将引导力场应用于烟雾模拟器，以产生所需的烟雾插图。为了构建训练数据集，DualSmoke使用速度场的有限时间Lyapunov指数生成流量模式。合成草图数据是通过骨架提取从流量模式生成的。我们的用户研究验证了拟议的设计界面可以提供各种烟雾插图设计，并具有良好的用户可用性。我们的代码可从https：// github获得。com/shasph/dualsmoke。
不同 LMD 喷嘴的气体/粉末流动实验和数值分析
摘要：激光金属沉积 (LMD) 工艺是一种增材制造方法，通过激光束与气体/粉末流的相互作用生成 3D 结构。流径、表面密度和焦平面位置会影响沉积轨迹的尺寸、效率和规律性。因此，准确了解气体/粉末流特性对于控制工艺和提高其在工业应用中的可靠性和可重复性至关重要。本文提出了多种实验技术，如气压测量、光学和称重方法，以分析气体和粒子速度、粉末流直径、其焦平面位置和密度。这是针对三种喷嘴设计和多种气体和粉末流速条件进行的。结果表明：(1) 粒子流遵循高斯分布，而气体速度场更接近于平顶分布；(2) 轴向、载体和整形气流显著影响粉末流的焦平面位置；(3) 只有整形气体、粉末流速和喷嘴设计会影响粉末流直径。然后对三个喷嘴分别进行具有 RANS 湍流模型的气体和粉末流的 2D 轴对称模型，结果显示与实验结果具有良好的一致性，但压力测量对气体速度的估计过高。