XiaoMi-AI文件搜索系统
World File Search System重采样
图像配准方法：一项调查 - utia.cas.cz
本文旨在对近期和经典的图像配准方法进行回顾。图像配准是将在不同时间、从不同视点和/或由不同传感器拍摄的同一场景的图像（两个或多个）叠加的过程。配准在几何上对齐两个图像（参考图像和感测图像）。根据所审查的方法的性质（基于区域和基于特征）以及图像配准过程的四个基本步骤对所审查的方法进行分类：特征检测、特征匹配、映射函数设计以及图像变换和重采样。本文提到了这些方法的主要贡献、优点和缺点。还讨论了图像配准的问题和未来研究的展望。本文的主要目标是为参与图像配准的研究人员提供全面的参考资料，无论其特定应用领域如何。q 2003 Elsevier B.V. 保留所有权利。
使用 FMRI 图像诊断诵读困难症
功能预处理：在 fMRI 数据分析中，每次运行 BOLD 时，都会执行一系列预处理步骤。这包括创建参考体积和去颅骨版本以与 T1 加权参考对齐、估计头部运动参数以及应用时空滤波以增强神经活动模式并抑制噪音。根据获取体积内切片的时间差异调整切片时间校正，并转换为标准模板空间，确保一致的空间对齐。进一步的步骤包括生成混杂时间序列、计算生理回归量、使用网格重采样进行空间对齐以及高斯平滑以增强图像。这些程序共同准备了 fMRI 数据以供后续分析，确保对大脑活动模式的解释准确可靠。
地球遥感图像的多传感器配准
假设系统校正系统在几个像素内给出近似配准，我们开发了用于多传感器数据的自动图像配准方法，目标是实现亚像素精度。自动图像配准通常由三个步骤定义：特征提取、特征匹配和数据重采样或融合。我们之前的工作重点是基于使用不同特征的图像相关方法。在本文中，我们研究了不同的特征匹配技术，并提出了五种算法，其中特征是原始灰度或小波类特征，特征匹配基于梯度下降优化、统计稳健匹配和互信息。这些算法在多个多传感器数据集上进行了测试和比较，这些数据集覆盖了 EOS 核心站点之一，即堪萨斯州的 Konza Prairie，来自四个不同的传感器：IKONOS（4m）、Landsat-7/ETM+（30m）、MODIS（500m）和 SeaWIFS（1 000m）。
调查机器学习结果的可靠性
旨在为各种任务开发机器学习（ML）模型，尤其是使用监督学习（分类）方法。很少关注评估分类结果的可变性和可靠性的问题。在本文中，我们通过使用多个独立培训/验证和测试集拆分以及对测试集数据的多个自举重采样来解决分类结果的分散结果。在当前会话中进行购买的可能性，在对功能进行了深入研究之后，进行了真实的电子客户会话数据集进行了处理。使用两种最先进的ML方法进行分类：基于两个会话数据集的人工神经网络和随机森林 - 具有原始和预处理的特征值。我们与获得结果的可变性有关的发现为实际使用监督学习方法提供了重要的方法论指南。简介
三模态同时研究人类大脑功能的概念验证证据
图 1 多模态数据集成。首先，可以提取功能性磁共振成像 (fMRI)、事件相关光信号 (EROS) 和事件相关电位 (ERP) 的信号，并分别分析其与认知过程、行为或个体差异的关系（上图）。请注意 fMRI、EROS 和 ERP 信号在空间和时间尺度上的差异。为了便于显示，EROS 数据以 4 的重采样因子进行了下采样。其次，可以一起分析成对的脑成像模式，以识别脑信号之间的关联（中图），并可以检查与所关注活动相关的组合信息。第三，可以将所有三种脑成像模式集成在一起（下图），方法是链接来自集成模式对的突发信息，和/或通过联合分析所有三种模式的时空特征。fMRI (A)、ERP (C) 和数据集成 (AC、BC 和下图) 的插图包括 Moore 等人的改编。 （2019），经许可。为了在成像模式之间保持一致，此处以较低的阈值显示右半球的整合数据。值得注意的是，显示的右半球区域与 Moore 等人（2019）中确定的 fMRI – ERP 整合结果同源
Neuropixels 2.0：用于稳定的微型高密度探头......
原理：为此，我们设计了一款微型探头，称为 Neuropixels 2.0，其 5120 个记录点分布在四个柄上。探头和头台被微型化为原始尺寸的三分之一左右（即 Neuropixels 1.0 探头的尺寸），因此两个探头及其单个头台仅重 ~1.1 克，且不会损失通道数（每个探头 384 个通道）。使用两个四柄探头可在一次植入中提供 10,240 个记录点。为了在脑部运动时也能实现稳定的记录，我们优化了记录点的排列。该探头具有更密集的线性化几何形状，可使用新设计的算法进行事后计算运动校正。该算法在 Kilosort 2.5 软件包中实现，可从脉冲数据确定随时间的运动，并使用空间重采样对其进行校正，就像在图像配准中一样。
手稿 1..11
摘要：描述了一种统计方法，用于确定纳米材料所需测量次数，以确保分析的可靠性和稳健性。利用石墨烯的商业产品尚处于起步阶段，最近对商业石墨烯制造的研究将此归因于缺乏稳健的计量学和标准，无法测量和比较石墨烯和相关碳材料。众所周知，拉曼光谱是碳纳米材料表征的有用工具，但为了提供有意义的信息，特别是对于质量控制或管理，需要多个光谱。在此，我们提出了一种统计方法来量化不同光谱或其他微尺度测量的数量，这些测量应采取这些测量来可靠地表征石墨烯材料。我们记录了大量的拉曼测量值并研究了这些数据集的统计收敛性。我们使用图形方法来监控汇总统计数据的变化，并使用基于蒙特卡洛的数据分析引导方法对数据进行计算重采样，以展示材料分析不足的影响；例如，石墨烯纳米片可能需要超过 500 个光谱才能准确获得有关剥离效率、粒度、层数和化学功能的信息。关键词：石墨烯、拉曼光谱、纳米材料计量、石墨烯制造、2D 材料、碳纳米管■简介
使用2015年CHARLS数据建立并验证中国中老年人高脂血症风险预测模型
结果：6 629名中老年人高脂血症患病率为26.32%（1 745/6 629）。LASSO回归和多因素Logistic回归分析均显示，体质指数（BMI）、空腹血糖、血尿酸、C反应蛋白、白细胞计数是该人群高脂血症的独立危险因素（比值比（OR）大于1，p值小于0.05）。据此构建列线图预测模型，用于估计中老年人高脂血症的风险。列线图的受试者工作特征（ROC）曲线下面积（AUC）为0.717（95%可信区间（CI）：0.703～0.731），判别能力良好。决策曲线分析 (DCA) 表明当中老年人群患高脂血症的概率在 0.11 至 0.61 之间时，应用列线图可获得最高净收益，表明列线图模型具有良好的临床适用性。Spiegelhalter 的 z 统计量检验证实，列线图模型的预测概率与观察到的高脂血症频率具有很好的一致性（p = 0.560）。列线图模型的 Brier 评分为 17.1%，低于 25% 的阈值，表明校准性良好。为了内部验证列线图模型，我们进行了 500 次引导重采样。来自
在具有可变车辆速度的非平稳条件下垂直轨道不规则性的定量检测
摘要：跟踪不规则性直接影响铁路车辆操作的质量和安全性。定量检测和对轨道不规则性的实时监测非常重要。然而，由于频繁的可变车速，车辆操作是一个典型的非平稳过程。传统的信号分析方法不适合非平稳过程，因此难以定量检测轨道不规则的波长和振幅。为解决上述问题，本文提出了一种定量检测方法，在非平稳条件下，通过订单跟踪分析，在非平稳条件下具有可变的车辆速度。首先，建立了简化的车轮 - 权轨动态模型，以得出轴盒垂直振动与轨道垂直不规则性之间的定量关系。其次，提出了Simpson Double Integration方法，以根据Axle-Box垂直加速度计算轴框垂直位移，并优化了过程误差。第三，基于顺序跟踪分析理论，角域重采样是在轴框垂直位移时域信号上进行的，并结合了车轮旋转速度信号，并实现了轨道不规则不规则的定量检测。最后，根据模拟和现场测试分析案例对所提出的方法进行验证。我们提供了理论支持和方法参考，用于轨道不规则的定量检测方法。
TEXGEN：带有多...
摘要。给定3D网格，我们的目标是合成对任意文本描述的3D纹理。当前从采样视图中生成和组装纹理的方法通常会导致突出的接缝或过度平滑。为了解决这些问题，我们提出了Texgen，这是一种新型的多视图采样和重新采样框架，用于利用预先训练的文本对图扩散模型。为了视图一致的采样，首先，我们在RGB空间中维护纹理图，该纹理图由denoising步骤进行参数化并在扩散模型的每个采样步骤之后进行更新，以逐步减少视图散发。利用了注意引导的多视图采样策略来跨视图广播外观信息。为了保留Texurure细节，我们开发了一种噪声重采样技术，该技术有助于估算噪声，按照文本提示和当前纹理图的指示为后续的DeNoising步骤生成输入。通过大量的定性和定量评估，我们证明我们提出的方法为具有高度视图一致性和丰富外观细节的不同3D对象产生了明显更好的纹理质量，并且优于当前的目前先进的方法。fur-hoverore，我们提出的纹理生成技术也可以应用