首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

基于少量图像的三维重建综述

基于少量图像的三维重建被认为是第三代人工智能的经典应用之一。在计算机图形学和计算机视觉领域,基于少量图像的三维重建任务因具有广泛的应用场景和很高的研究价值,长期以来吸引着众多学者的目光。引入深度学习方法后,该领域于近年来得到了长足发展。对此类基于少量图像的三维重建任务进行了全面阐述,并介绍了本研究组在该方面的系列工作,对其中涉及的数据类型进行分析,阐明其适用性和一般处理方法。此外,对常见的数据集进行分析、整理,针对不同重建方法,归纳出其基本框架、思路。最后,展示了一些常见三维重建的代表性实验结果,并提出了未来可能的研究方向。

04

从时间变异性角度看睡眠剥夺后的异常动态功能连接

睡眠剥夺(SD)在现代社会非常普遍,被认为是几种临床疾病的潜在因果机制。先前的神经影像学研究已经利用磁共振成像(MRI)从静态(比较两个MRI会话[一个在SD后和一个在休息清醒后])和动态(在SD的一个晚上重复MRI)的角度探索了SD的神经机制。最近的研究主要集中在静息状态扫描时的动态脑功能组织。本研究采用一种已成功应用于许多临床疾病的新指标(时间变异性)来检测55名正常青年受试者SD后的动态功能连接。我们发现,睡眠不足的受试者在大范围的大脑区域表现出区域水平的时间变异性增加,而在几个丘脑亚区域表现出区域水平的时间变异性减少。SD后,参与者在默认模式网络(DMN)中表现出更强的网络内时间变异性,在许多子网对中表现出更强的网络间时间变异性。通过逐步回归分析发现,视觉网络和DMN之间的网络间时间变异性与精神运动者警觉测验最慢的10%反应速度呈负相关。综上所述,我们的研究结果表明,睡眠不足的受试者表现出异常的脑功能动态结构,这为研究睡眠不足的神经基础提供了新的见解,有助于我们理解临床障碍的病理生理机制。

00
领券