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

AI 寻宝!美国女博士用 YOLOv3 打造沉船探测器,杰克船长:我错过了 100 亿

来源:新智元本文约2500字,建议阅读7分钟 本文为你带来跨界研究,评估将AI用于水下考古的可能性。 近日,美国德州大学奥斯丁分校的一位考古学女博士搞起了跨界研究:用AI帮助美国海军寻找海底沉船,效果还不错! 有没有兴趣来个水下探险? 玩一次就可以财务自由的那种。 人类航海史最早可以追溯到新石器时代。 在漫长的岁月中,由于天气、战争等各种原因,无数船只沉入海底。加上近代人类在航空技术上的进步,又有不少航空器由于各种原因葬身水下。 这些长眠于海底的船只、飞机以及其他物件有些在航行过程中携带了大量的金

01

基于变分自编码器的静息态fMRI数据的表征学习

静息状态功能性磁共振成像(rsfMRI)数据显示出复杂但结构化的模式。然而,在rsfMRI数据中,潜在的起源是不清楚的和纠缠的。在这里,我们建立了一个变分自编码器(VAE),作为一个生成模型可用无监督学习训练,以解开rsfMRI活动的未知来源。在使用人类连接组项目(Human ConnectomeProject)的大量数据进行训练后,该模型学会了使用潜在变量表示和生成皮层活动和连接的模式。潜在表征及其轨迹表征了rsfMRI活动的时空特征。潜变量反映了皮层网络潜轨迹和驱动活动变化的主梯度。表征几何学捕捉到潜在变量之间的协方差或相关性,而不是皮质连通性,可以作为一个更可靠的特征,从一个大群体中准确地识别受试者,即使每个受试者只有短期数据可用。我们的研究结果表明,VAE是现有工具的一个有价值的补充,特别适合于静态fMRI活动的无监督表征学习。

02

我国研发的“水下机器人”,可以利用海水温度差自行供电 | 黑科技

该机器人的研究中,能源转换技术是关键难题之一。 近日,中船重工集团宣布研制出国内首个深海型海洋温差自供能漂流浮标样机,在理论上实现了“水下永动机器人”,该款水下机器人未来将会被用于全球海洋观测计划(Argo计划)。 据悉,该浮标样机硬件上将会搭载CTD(温盐深)、溶解氧、pH、声学、光学等传感器,其研发过程需要攻克海洋温差发电、相变点控制、相变管储能等关键技术,从而保持其在海面上能够准确、智能得检测各类数据。 对此,中船重工710所高级工程师田振华指出:“海洋蕴含着巨大的能量,包括潮汐能、波浪能、温差能等,

00

NeuroImage:多任务共激活模式揭示一个鲁棒性的反相关功能网络

过去几十年里,研究者对于对抗的脑状态是不是人脑活动组织的基本原则一直有争议。一些人认为内在的静息态功能连接反相关脑网络是预处理的人为结果。一些人认为这种反相关有生物学意义的,它是大脑对不同刺激如何作出反应的预测因子。本研究调查了不同任务的全脑共激活模式,检验了任务态脑区显示的反相关是否与静息态相似。我们检查了HCP(N=680)中47个任务对比的脑活动,发现网络间鲁棒的对抗互联。默认网络的脑区表现出最高的皮层相关的负连接度。这种跨任务的负共激活模式与全局信号回归(GSR)处理的静息态数据结果一致。经过GSR的静息态数据是任务诱发的调节的更好的预测因子。最后,在25个抑郁症病人的队列中,我们发现DLPFC和人体大脑亚属前扣带皮层的基于任务的反相关与DLPFC-TMS的临床效果有关。总之,我们的发现说明反相关是有生物学意义的现象,可能反映了重要的功能性脑组织原则。

00

追踪任务期间fMRI功能连接的空间动态

功能磁共振成像(fMRI)测量的功能连通性(FC)为探索大脑组织提供了一个强有力的工具。脑组织的时间动力学研究表明,功能连接体具有很大的时间变异性,这可能与心理状态的转变和/或适应过程有关。大多数动态研究,如功能连接体和功能网络连接(FNC),都关注于宏观的FC变化,即不同脑网络来源、节点和/或感兴趣区域的时间相干性变化,其中假设在网络或节点内FC是静态的。在本文中,我们发展了一种新的方法来检查FC的空间动力学,而不假设其网络内的平稳性。我们将我们的方法应用于22名受试者的听觉oddball任务(AOD)中的fMRI数据,试图通过评估空间连通性是否随任务条件而变化来捕获/验证该方法。结果表明,除了参与传统的时间动态,如跨网络变异性或动态功能网络连通性(dFNC),连接网络还表现出随时间的空间变异性。此外,我们还通过聚类分析评估个体对AOD任务中目标(oddball)检测的功能对应关系,研究了FC的空间动态与认知过程的关系。提取认知任务对应状态,并分离对应状态的动态FC空间图。在不同的任务引导的状态下,任务刺激同步状态随着默认模式网络(defaultmode network, DMN)与认知注意网络强的负相关关系显著降低。我们还观察到越来越多的任务异步状态,这种状态表现出没有DMN的反相关。研究结果强调了认知任务对观察到的空间动态结构的影响。我们还发现,我们方法得到的FC空间动态模式与宏观dFNC模式基本一致,但在空间上有更多的细节和规范,同时源内部的连通性提供了新的信息,并随时间而变化。总的来说,我们证明了(通常被忽视的)连接的空间动力学存在的证据,它与任务的联系和认知/心理状态的暗示。

03

探秘中国远洋科考:水下机器人深海“约会”,协同“作战”

我国新一代远洋综合科考船“科学”号,29日圆满完成中国科学院战略性先导专项“热带西太平洋海洋物质能量交换及其影响”2017年南海综合考察航次任务,抵达深圳补给。本航次中,我国首次实现了缆控式和自治式水下机器人深海交汇拍摄,不同类型装备协同作业,同时对南海一冷泉区进行了精细调查,取得了大量生物样品。 亮点一:水下机器人深海“约会” 在1000多米深的黑暗海底,一个根据预编程自主航行的机器人穿梭而过,能用另外一个机器人在海底准确找到它并跟踪拍摄吗?我国科学家在本航次做到了! 7月26日,“科学”号搭载的缆

05

【哈佛大学-Cell】通过多模态深度学习的泛癌症综合组织基因组分析

来源:专知本文为论文介绍,建议阅读5分钟我们使用多模态深度学习联合检查来自14种癌症类型的病理全图像和分子剖面数据。 快速出现的计算病理学领域已经证明有希望从组织学图像开发客观的预后模型。然而,大多数预后模型要么仅基于组织学,要么仅基于基因组学,并没有解决如何整合这些数据源来开发联合的图像组学预后模型。此外,从这些模型中确定可解释的形态和分子描述符来控制这种预后也很有意义。我们使用多模态深度学习联合检查来自14种癌症类型的病理全图像和分子剖面数据。我们的弱监督、多模态深度学习算法能够融合这些异质模式来预测

03

Micapipe:一个用于多模态神经成像和连接组分析的管道

多模态磁共振成像(MRI)通过促进对大脑跨多尺度和活体大脑的微结构、几何结构、功能和连接组的分析,加速了人类神经科学。然而,多模态神经成像的丰富性和复杂性要求使用处理方法来整合跨模态的信息,并在不同的空间尺度上整合研究结果。在这里,我们提出了micapipe,一个开放的多模态MRI数据集的处理管道。基于符合bids的输入数据,micapipe可以生成i)来自扩散束造影的结构连接组,ii)来自静息态信号相关性的功能连接组,iii)量化皮层-皮层邻近性的测地线距离矩阵,以及iv)评估皮层髓鞘代理区域间相似性的微观结构轮廓协方差矩阵。上述矩阵可以在已建立的18个皮层包裹(100-1000个包裹)中自动生成,以及皮层下和小脑包裹,使研究人员能够轻松地在不同的空间尺度上复制发现。结果是在三个不同的表面空间上表示(native, conte69, fsaverage5)。处理后的输出可以在个体和组层面上进行质量控制。Micapipe在几个数据集上进行了测试,可以在https://github.com/MICA-MNI/micapipe上获得,使用说明记录在https://micapipe.readthedocs.io/,并可封装作为BIDS App http://bids-apps.neuroimaging.io/apps/。我们希望Micapipe将促进对人脑微结构、形态、功能、和连接组的稳健和整合研究。

02

BrainStat:一个用于全脑统计和多模态特征关联的工具箱

神经影像数据分析和解释需要结合多学科的共同努力,不仅依赖于统计方法,而且越来越多地依赖于与其他脑源性特征相关的关联,如基因表达、组织学数据、功能和认知结构。在这里,我们介绍了BrainStat,它是一个工具箱,包括(i)在体素空间和皮层空间的神经影像数据集中的单变量和多变量线性模型,以及(ii)死后基因表达和组织学的空间图谱,基于任务的功能磁共振成像元分析,以及几个常见静息态功能磁共振成像大脑皮层模板在内的多模态特征关联。统计和特征关联结合成一个关键的工具箱简化了分析过程并加速了跨模态研究。工具箱用Python和MATLAB实现,这两种编程语言在神经影像和神经信息学领域中广泛使用的。BrainStat是公开提供的,并包括一个可扩展的文件。

02

“智慧安防”之下,旷视科技如何推进数据结构化的应用落地?

安防领域目前已经成为国家大力重视的方向。公安部科技信息化局党委书记谭晓准在2016年北京安博会“中国安防政府论坛”讲话中提及,在中央综治办、国家发改委、公安部等35个部委强力推进公共安全视频监控建设联网应用工作之下,2015年以来,各部门、行业安装的摄像机数量已近2500万。在国家“十三五”开局之年,进一步强化问题导向,突出重点、提速建设,力争到2020年,基本实现公共安全视频监控“全域覆盖、全网共享、全时可用、全程可控”。00万台摄像机仅工作一个小时,所产生的录像时长叠加,就需要2850年的时间才能播完。

09
领券