开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

各向异性扩散是如何依赖于时间的？

各向异性扩散是指物质在不同方向上扩散速率不同的现象。它可以依赖于时间，具体表现为扩散速率随时间变化而变化。

在时间依赖性方面，各向异性扩散可以表现为以下几种情况：

时间无关：物质在扩散过程中，不受时间的影响，扩散速率在不同时间段保持不变。这种情况在某些均匀介质中的扩散过程中可能出现。
时间相关：物质在扩散过程中，扩散速率随时间的推移而发生变化。这种情况可能是由于介质中存在时间相关的扩散机制，例如温度变化、浓度梯度变化等。
时间依赖：物质在扩散过程中，扩散速率受到时间的显著影响，扩散速率随时间的变化呈现出明显的趋势。这种情况可能是由于介质中存在时间依赖的扩散机制，例如孔隙率的变化、介质结构的演化等。

各向异性扩散的时间依赖性对于许多领域都具有重要意义，例如材料科学、生物学、地球科学等。在材料科学中，了解各向异性扩散的时间依赖性可以帮助研究人员设计更有效的材料，优化材料的性能。在生物学中，了解各向异性扩散的时间依赖性可以帮助研究人员理解细胞内物质传输的机制，揭示生物体内各种生物过程的本质。

腾讯云相关产品和产品介绍链接地址：

云计算产品：https://cloud.tencent.com/product
人工智能产品：https://cloud.tencent.com/product/ai
物联网产品：https://cloud.tencent.com/product/iotexplorer
移动开发产品：https://cloud.tencent.com/product/mobdev
存储产品：https://cloud.tencent.com/product/cos
区块链产品：https://cloud.tencent.com/product/baas
元宇宙产品：https://cloud.tencent.com/product/mu

相关搜索:闪亮的动态modalDialog渲染*扩散时间如何测试依赖于时间的聚合？for循环中R舍入扩散时间的问题 R-扩散模型中的非线性回归时间区间估计如何使用正确的对象扩散更新react redux状态？如何告诉SymPy变量是时间的函数？如何从使用扩散的回收器视图中删除项目？如何使用扩散运算符替换数组中的值这个时间复杂度是如何降低的？时刻时间返回的是UTC时间，而不是本地时间 linux 系统时间错误的是什么是最后的Unix时间？Swift中的时间是可变的如何在TypeScript中组合使用对象的扩散运算符如何检查我的设备时间是在哪个时区？时间复杂度O(n)是如何计算的？如何理解给定的sysdate是日期还是时间戳如何使用mypy检查不能是日期时间的日期？最短剩余时间优先(SRTF)是如何工作的？时间复杂度O(n)是如何工作的

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

DTI在早期脑发育研究中的应用

人类的大脑在妊娠的最后几周和出生后的头两年会迅速发育。弥散张量成像（DTI）是一种独特的活体成像技术，可以对大脑中的白质解剖结构进行三维可视化。它被认为是研究早期大脑发育的一个有价值的工具。本文首先简要介绍了DTI技术。然后回顾了在胎儿期和婴儿期白质发育方面的DTI发现，以及DTI在理解早产儿神经认知发育和大脑异常方面的应用。最后，本文讨论了DTI的局限性和研究白质髓鞘化的潜在有价值的成像技术。本文发表于ANNUAL REVIEW OF PSYCHOLOGY期刊。

02

中青年人脑白质的年龄效应和性别差异：DTI、NODDI 和 q 空间研究

本文使用先进的扩散磁共振成像（dMRI）研究了中青年人脑白质的微观结构变化。使用混合扩散成像（HYDI）获得多shell扩散加权数据。HYDI方法用途广泛，并使用扩散张量成像（DTI）、神经突定向扩散与密度成像（NODDI）和q空间成像方法分析数据。本研究包括24名女性和23名男性被试，年龄在18至55岁之间。在整个大脑的48个白质感兴趣区域（ROI）中使用最小二乘线性回归测试了年龄和性别对扩散指标的影响，并对ROI进行了多重比较校正。在这项研究中，投射到海马或大脑皮层的白质是对大脑衰老最敏感的区域。具体来说，在这个从青年到中年的队列中，年龄效应与白质纤维更分散有关，而组织限制和轴突内体积分数保持相对稳定。NODDI的纤维弥散指数对老化表现出最显著的敏感性。此外，这一年龄队列中DTI指数的变化主要与纤维弥散指数相关，而不是与NODDI的细胞内体积分数或q空间测量值相关。虽然男性和女性的衰老率没有差异，但男性的轴突内体积分数往往高于女性。这项研究表明，使用HYDI采集和NODDI分区建模的高级dMRI可以阐明对年龄和性别敏感的微观结构变化。最后，本研究深入了解了DTI扩散指标与NODDI模型q空间成像的高级扩散指标之间的关系。

02

Frontiers in Neuroscience：弥散张量成像(DTI)研究指南

弥散张量成像（DTI）的研究越来越受到临床医生和研究人员的欢迎，因为它们提供了对脑网络连接的独特见解。然而，为了优化DTI的使用，必须考虑到几个技术和方法方面的问题，因为这些问题会影响到DTI研究结果的准确性和可重复性。本文由葡萄牙学者发表在Frontiers in Neuroscience杂志。

06

PNAS：子宫内妊娠中期和晚期人脑白质通路的发展

摘要：在人类妊娠的中晚期，神经快速发育是由包括神经元迁移、细胞组织、皮层分层和髓鞘形成等基本过程所支撑的。在这个时期，白质的生长和成熟为一个高效的结构连接网络奠定了基础。关于健康人类胎儿大脑发育轨迹的详细知识有限，部分原因是在这一人群中获取高质量的MRI数据存在固有的挑战。在这里，我们使用最先进的高分辨率多壳运动校正扩散加权MRI(dMRI)，作为正在发展的人类连接体项目(dHCP)的一部分，来表征113个22 - 37周妊娠的胎儿的白质微结构在子宫内的成熟。我们定义了5个主要的白质束，并利用传统的扩散张量模型和多壳多组织模型对其微观结构特征进行了表征。与关联束相比，我们在丘脑皮层纤维中发现了独特的成熟趋势，并在胼胝体的特定部位发现了不同的成熟趋势。虽然胼胝体压部的部分各向异性呈线性增长，但其他大部分白质束的部分各向异性呈复杂的非线性趋势，在妊娠早期部分各向异性先是下降，随后又增加。后者特别值得关注，因为它与之前在子宫外早产儿中描述的趋势明显不同，这表明这种正常的胎儿数据可以为了解与早产相关的神经发育损伤的连接性异常提供重要的见解。 1.简述在人类胎儿中，大脑主要白质通路发展在妊娠前第二第三阶段极其迅速而有明显分层顺序。这些白质连接的结构和完整性在支持和协调功能网络中有不可或缺的作用。目前对这些过程的了解很大程度上依赖于死亡后的数据。胎儿MRI可以捕获全脑在其生存和功能状态下的发育，从而为了解正常生长提供重要的额外信息。特别是白质，这可以包括发展的远程连接和特定区域的轨迹的详细的调查。早产儿认知和运动问题的高患病率强调了更好地理解这一关键时期的重要性。在这些婴儿中，早期暴露于子宫外环境可能会影响后来的神经发育轨迹。多项证据表明，白质异常是主要的病理，进一步表明，这种特殊的组织类型既处于发展的关键阶段，又易受外部影响。在这种情况下，表征子宫内白质成熟具有重要的规范性参考作用。由于难以从这一人群中获取固有的成像数据，例如处理与母质组织和胎儿持续运动相关的图像伪影，因此使用MRI等非侵入性方法对胎儿白质束的体内发育进行精确表征具有挑战性。还需要招募足够多的受试者来解释人口异质性和年龄效应。以往的研究也很难概括为典型发育的代表，因为它们包括了脑异常或子宫外早产儿的临床人群。所有现有的研究都使用扩散张量成像(DTI)来描述微观结构的变化;然而，结果并不一致。虽然一些研究报道了DTI指标与胎龄(GA)之间的线性关系，其他研究拟合了非线性模型，其他研究仍未发现明显的年龄依赖性。在这项研究中，我们利用最先进的高角度分辨率多壳扩散加权MRI (dMRI)采集技术来解决DTI的局限性和胎儿成像的挑战，以及专门为研究具有挑战性的胎儿数据而开发的重建和处理管道，这是发展中的人类连接体项目(dHCP)的一部分(http://www.developingconnectome. org)。我们应用新开发和优化的方法，在一个大队列的从22到37周的113个健康胎儿。通过这些方法，我们能够描绘出特定的白质束，包括左右皮质脊髓束(CST)(一个投射束的例子)，视辐射束(ORs)和下纵束(ILF)(联合束的例子)，以及胼胝体(CC)(连合束的例子)。选择这些特定束是因为已知它们的发育轨迹存在差异，而且它们的损伤或异常发育与神经发育障碍或智力残疾的病理生理学有关。这项研究是对人类妊娠中后期白质微结构成熟变化的最大规模和最详细的宫内特征研究，为我们提高对神经发育障碍的神经病理生理学基础的理解提供了宝贵的资源。 2. 结果 2.1 胎儿队列中全脑发育和FA的规范趋势胎儿dMRI数据收集于151例(22岁至38周)的dHCP。每个受试者采用dHCP预处理流水线进行处理，包括考虑胎儿运动不可预测、回声平面成像几何畸变、胎儿位置差异引起的信号强度不均匀性等具体措施。胎儿头部较小，与线圈距离较远，信噪比较差。在接受人工评估的151名受试者中，38名受试者因采集过程中过度运动而失败。为了验证数据集显示了正常的容量增长预期趋势，我们计算了每个受试者的全脑容量和胎龄之间的关系。与现有的文献一致，我们发现在整个研究期间，体积呈强的线性增长。全脑平均FA与GA呈相似的正线性关系(图1C)。

03

ORORA：抗离群值的毫米波雷达里程计

代码：https://github.com/url-kaist/outlier-robust-radar-odometry.git

03

图像各向异性滤波

各向异性概念各向异性（英文名称：anisotropy）是指材料在各方向的力学和物理性能呈现差异的特性。晶体的各向异性即沿晶格的不同方向，原子排列的周期性和疏密程度不尽相同，由此导致晶体在不同方向的物理化学特性也不同，这就是晶体的各向异性。亦称“非均质性”。物体的全部或部分物理、化学等性质随方向的不同而各自表现出一定的差异的特性。即在不同的方向所测得的性能数值不同。对图像来说各向异性就是在每个像素点周围四个方向上梯度变化都不一样，滤波的时候我们要考虑图像的各向异性对图像的影响，而各向同性显然是说各个方向的

09

中科院化学所刘冰JACS：高分子胶体可控合成研究取得进展

盘状胶体作为典型的各向异性胶体之一，是自组装构建复杂层级结构的理想单元，也是研究自组装、玻璃化转变、扩散、颗粒流变学、介晶相行为中许多基本物理化学问题的有效模型。目前，合成单分散、形状可控、表面化学清晰的高分子盘状胶体仍缺少普适性方法。

01

利用机器学习研究脑卒中早期皮质运动系统的结构-功能关系

背景：脑卒中后的运动结果可以通过下行皮质运动通路的结构和功能生物标志物来预测，通常分别通过磁共振成像和经颅磁刺激来测量。然而，完整的皮质运动功能的确切结构决定因素尚不清楚。识别皮质运动通路的结构和功能联系可以为脑卒中后运动损伤的机制提供有价值的见解。这项研究使用监督机器学习来分类上肢运动诱发电位状态，使用卒中早期获得的MRI测量。方法：回顾性分析脑卒中后1周内上肢中重度无力患者91例(女性49例，年龄35 ~ 97岁)的资料。使用T1和弥散加权MRI的指标训练支持向量机分类器来分类运动诱发电位状态，使用经

02

Brain|白质束和执行功能：对因果性和相关性证据的回顾

执行功能是涉及工作记忆/更新、设置转移和抑制等能力的高级认知过程。这些复杂的认知功能是由广泛分布的认知网络之间的相互作用实现的，由白质束支持。执行功能障碍在影响白质的神经系统疾病中很常见；然而，特定的神经束是否对正常的执行功能至关重要尚不清楚。我们回顾了在胶质瘤清醒手术中使用直接电刺激、基于体素、基于束和束的病变症状映射和弥散张量成像，以探索健康和受损成人白质束完整性和执行功能之间的关系的因果和相关证据。胼胝体始终与所有的执行过程相关，特别是它的前节段。因果关系和相关性证据都显示，上纵束显著支持执行功能，特别是工作记忆。更具体地说，强有力的证据表明，上纵束的第二分支对所有的执行功能都至关重要，特别是对灵活性。整体结果显示，语言任务的左侧偏侧化，而具有视觉需求的执行任务的右侧偏侧化。额束可能支持执行功能，然而，需要更多的证据来阐明它参与执行任务是否超出了语言的控制。越来越多的证据表明，连接皮质和皮层下灰质区域的右侧束网络支持评估反应抑制任务的执行，一些表明右丘脑前辐射的作用。最后，相关证据表明扣带束在执行功能中发挥了作用，特别是在评估抑制的任务中。我们根据目前关于这些神经束的功能作用的知识、对支持执行功能的大脑网络的描述以及对脑肿瘤患者的临床意义来讨论这些发现。

01

Sci Adv：包覆红细胞膜的仿生各向异性聚合物纳米粒治疗脓毒症

下一代纳米生物材料的设计需要对核心材料的物理属性和材料表面的化学属性进行精确的工程设计，以满足生物功能。约翰霍普金斯大学医学院Jordan J. Green教授开发了一种受生物启发、模块化和多功能的技术，使可生物降解的聚合物纳米颗粒在血液中循环更长时间，同时还充当解毒装置。为了模拟红细胞，将物理仿生和化学仿生相结合，以增强纳米材料在体外和体内的生物功能。各向异性的形状和红细胞膜涂覆协同作用来抵抗血液的清除作用，延长循环时间。这种方法增强了纳米粒的解毒特性，显著提高了脓毒症小鼠模型的存活率。

02

NLP 语义匹配：经典前沿方案整理

这篇跟大家讨论相关的技术，主要包括BERT-avg、BERT-Whitening、SBERT、SimCES四个。

02

Bengio 团队力作：GNN 对比基准横空出世，图神经网络的「ImageNet」来了

图神经网络（GNN）是当下风头无两的热门研究话题。然而，正如计算机视觉的崛起有赖于 ImageNet 的诞生，图神经网络也急需一个全球学者公认的统一对比基准。

03

SceneKit_入门08_材质

SceneKit_入门01_旋转人物 SceneKit_入门02_如何创建工程 SceneKit_入门03_节点 SceneKit_入门04_灯光 SceneKit_入门05_照相机 SceneKit_入门06_行为动画 SceneKit_入门07_几何体 SceneKit_入门08_材质 SceneKit_入门09_物理身体 SceneKit_入门10_物理世界 SceneKit_入门11_粒子系统 SceneKit_入门12_物理行为 SceneKit_入门13_骨骼动画 SceneKit_中级01_模型之间的过渡动画 SceneKit_中级02_SCNView 详细讲解 SceneKit_中级03_切换照相机视角 SceneKit_中级04_约束的使用 SceneKit_中级05_力的使用 SceneKit_中级06_场景的切换 SceneKit_中级07_动态修改属性 SceneKit_中级08_阴影详解 SceneKit_中级09_碰撞检测 SceneKit_中级10_滤镜效果制作 SceneKit_中级11_动画事件 SceneKit_高级01_GLSL SceneKit_高级02_粒子系统深入研究 SceneKit_高级03_自定义力 SceneKit_高级04_自定义场景过渡效果 SceneKit_高级05 检测手势点击到节点 SceneKit_高级06_加载顶点、纹理、法线坐标 SceneKit_高级07_SCNProgram用法探究 SceneKit_高级08_天空盒子制作 SceneKit_高级09_雾效果 SceneKit_大神01_掉落的文字 SceneKit_大神02_弹幕来袭 SceneKit_大神03_navigationbar上的3D文字

04

NC：儿童的利手性与大脑功能连接模式之间的联系

利手性在生命早期就已经发展起来了，但与之相关的大脑结构和功能连接模式仍然不清楚。在这里，我们调查了在青少年大脑认知发展（ABCD）研究中，9-10岁儿童的利手性和大脑连接偏侧化之间的关系。与右撇子相比，左撇子左手运动区整体功能连接密度增加，右侧运动区整体功能连接密度降低。基于功能连接计算的利手指数为左利手性和右利手性提供了更明显的区别。在单模态感觉运动皮层、跨模态皮层和小脑中，手-运动功能连接的偏侧化随利手性的变化而变化（P < 0.001），并在发现和复制子样本中的所有感兴趣区域复制。在这里，我们展示了在左利手性、右利手性和混合利手性儿童的结构连接、大脑形态测量和皮质髓磷脂没有差异的情况下，利手性和功能连接模式的偏侧化之间的强关联。

01

CVPR 2021 深度三维形变模型的特征聚合学习

导语：本文提出一种用于深度三维形变模型中特征聚合的可学习模块。当前深度三维形变模型中特征聚合依赖于网格抽取等方法，存在聚合方式无法学习，与模型优化目标不一致等问题，从而限制了模型的表达能力。我们提出了使用基于注意力机制的模块实现对特征聚合方式的学习。在人脸，人体和人手数据集上的实验结果表明，基于注意力机制的特征聚合能有效提升模型的表达能力。

04

【Cell】有关生物大分子凝聚体以及液液相分离的知识汇总（四）

显然，细胞内凝聚物的物质性质可以有很大的变化。这些结构可以在连续体上呈现出高度流动和液态，也可以更粘稠、粘弹性或多孔固体或凝胶。这些变化的物质状态可能是由于凝聚过程中涉及的特定分子组分，以及液滴的时间和成熟度以及淬灭深度，即系统在两相范围内的深度所导致的。RNA的存在—无论是特定的还是非特定序列—都可以影响液滴的物质性质；然而，RNA是使液滴流动化还是固化，这取决于具体的条件和环境，可能是由于价态和静电效应的贡献。在几个环境中，已经证明，随着时间的推移，或者在促进稳定蛋白质相互作用的突变或阻止蛋白质与RNA结合的能力的突变下，液滴变得更像固体。此外，在更像凝胶的状态下，固态是否可逆是需要考虑的一个重要特性，因为不可逆性对生理学和病理学的可能影响非常重要。尽管关于可以在重组系统中检测到的物理状态的描述越来越多，但某一特定物质状态在细胞中的实际功能仍然不清楚。特定的粘度或粘弹性在进化过程中被选择的程度，或者是凝聚成分的紧急性质，并不一定为结构的功能调整，这还不清楚。因此，仍然很重要的是要表征和操纵液态或凝胶状的隔室的物质状态，最终的目标是理解物质状态与功能是否以及如何相关。

01

深度学习应用篇-自然语言处理[10]：N-Gram、SimCSE介绍，更多技术：数据增强、智能标注、多分类算法、文本信息抽取、多模态信息抽取、模型压缩算法等

N-Gram是一种基于统计语言模型的算法。它的基本思想是将文本里面的内容按照字节进行大小为N的滑动窗口操作，形成了长度是N的字节片段序列。每一个字节片段称为gram，对所有gram的出现频度进行统计，并且按照事先设定好的阈值进行过滤，形成关键gram列表，也就是这个文本的向量特征空间，列表中的每一种gram就是一个特征向量维度。

03

ICLR2023 | 基于能量受限扩散的可扩展transformer

今天为大家介绍的是来自严骏驰教授团队的一篇论文。现实世界数据生成通常错综复杂，与标准学习方法中的独立同分布数据假设相去甚远，这对于揭示学习实例表示的几何结构构成了挑战。为此，作者引入了一种能量受限扩散模型，通过它们的相互作用将数据集中的实例信息相互传递。实验证明了作者的模型在各种任务中作为通用编码器的广泛适用性，具有出色的性能。

02

精神分裂患者核心认知损伤与白质的关系

来自美国巴尔的摩马里兰精神病学研究中心的Peter Kochunov等人在 JAMA Psychiatry期刊发文，确定在精神分裂患者中改变的白质连接是与两大核心受损的认知功能（即信息传导速度降低和工作记忆损伤）有关。研究内容有三个主要亮点：（1）损伤的全脑白质结构对于处理速度和工作记忆有主要影响，这两种损伤也是精神分裂症的主要认知损伤。（2）全脑和局部白质分析均发现，各向异性分数对工作记忆的影响被处理速度间接调控。（3）在各向异性分数-处理速度-工作记忆通路，白质损伤区受处理速度的间接影响最大。背景严

07

每日学术速递8.14

1.3D Gaussian Splatting for Real-Time Radiance Field Rendering

02

【他山之石】3D Gaussian Splatting：实时的神经场渲染

“他山之石，可以攻玉”，站在巨人的肩膀才能看得更高，走得更远。在科研的道路上，更需借助东风才能更快前行。为此，我们特别搜集整理了一些实用的代码链接，数据集，软件，编程技巧等，开辟“他山之石”专栏，助你乘风破浪，一路奋勇向前，敬请关注。

02

医学影像分割难题获突破：可自动调参，适应所有数据集

nnU-Net的贡献在于：不仅可以用作开箱即用的分割工具，还可以用作未来医学分割相关发表论文的强大U-Net baseline和平台。

02

Magnetic Resonance Imaging:白质fMRI及静息态功能连接

请点击上面“思影科技”四个字，选择关注我们，思影科技专注于脑影像数据处理，涵盖（fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动）等，希望专业的内容可以给关注者带来帮助，欢迎留言讨论，也欢迎参加思影科技的课程，可添加微信号siyingyxf或19962074063进行咨询。(文末点击浏览）

01

计算机视觉中的曲率尺度空间技术[通俗易懂]

看到一篇文章《计算机视觉中的曲率尺度空间技术: 基本概念与理论进展》——钟宝江，对于尺度空间的理解很有帮助，遂贴部分内容在此，如果涉及侵权，请告知，我会马上删除。

02

半个月3篇Nature/Science，95后曹原3年8篇顶刊，网友：杀疯了杀疯了

没错，不到半个月时间，这位95后连下3篇Nature/Science，距离再上一次的Nature，也仅仅过了一个多月。

05

SIGGRAPH 2023 | 用于实时辐射场渲染的 3D Gaussian Splatting

网格和点是最常见的可以用于基于 GPU/CUDA 快速光栅化的显式三维场景表征方式。而神经辐射场基于 MLP 使用体渲染对捕捉的场景化进行自由视角合成。而提升辐射场效率的方案目前多基于体素、哈希网格或是点。辐射场方法的连续性有助于场景的优化，但是渲染过程中所需的随机采样需要的花销较大同时会带来噪声。因此，在本文中，作者提出了一种新的方法：本文所提出的 3D 高斯表达在能达到 sota 视觉质量和可比的渲染时间的同时，本文所提出的基于 tile 的 Splatting 方法可以实时渲染 1080p 的结果。

03

高清视频竟不是真的，几张照片渲染的3D场景让你难辨真伪

网格和点是最常见的三维场景表示法，因为它们是显式的，非常适合基于 GPU/CUDA 的快速光栅化。相比之下，最新的神经辐射场（NeRF）方法建立在连续场景表征的基础上，通常使用体积光线渲染优化多层感知器（MLP），对捕捉到的场景进行新视角合成。虽然这些方法的连续性有助于优化，但渲染所需的随机取样成本很高，而且会产生噪声。

02

Neurology：皮质下小梗死后相连深皮层的选择性萎缩

目的：探讨慢性皮质下小梗死（chronicsmall subcortical infarct）患者中，相连皮层的皮质层是否受到不同的影响，以及这些差异是否与临床症状相关。

01

基于MRI医学图像的脑肿瘤分级

本文对近年来脑磁共振（MR）图像分割和肿瘤分级分类技术进行概述。文章强调了早期发现脑肿瘤及其分级的必要性。在磁共振成像（MRI）中，肿瘤可能看起来很清楚，但医生需要对肿瘤区域进行量化，以便进一步治疗。数字图像处理方法和机器学习有助于医生进一步诊断、治疗、手术前后的决策，从而发挥放射科医生和计算机数据处理之间的协同作用。本文旨在回顾以胶质瘤（包括星形细胞瘤）为靶点的肿瘤患者的脑部MR图像分割和分类的最新进展。阐述了用于肿瘤特征提取和分级的方法，这些方法可以整合到标准临床成像协议中。最后，对该技术的现状、未来发展和趋势进行了评估。本文发表在Biomedical Signal Processing and Control杂志。

03

DCP：一款用于弥散磁共振成像连接组学的工具箱

摘要：由弥散磁共振成像（dMRI）衍生的大脑结构网络反映了大脑区域之间的白质连接，可以定量描述整个大脑的解剖连接模式。结构性脑连接组的发展导致了大量dMRI处理包和网络分析工具箱的出现。然而，基于dMRI数据的全自动网络分析仍然具有挑战性。在这项研究中，我们开发了一个名为“扩散连接组管道”（DCP）的跨平台MATLAB工具箱，用于自动构建大脑结构网络并计算网络的拓扑属性。该工具箱集成了一些开发的软件包，包括 FSL、Diffusion Toolkit、SPM、Camino、MRtrix3和MRIcron。它可以处理从任意数量的参与者那里收集的原始dMRI数据，并且还与来自HCP和英国生物样本库等公共数据集的预处理文件兼容。此外，友好的图形用户界面允许用户配置他们的处理管道，而无需任何编程。为了证明DCP的能力和有效性，使用DCP进行了两次测试。结果表明，DCP可以重现我们之前研究的发现。但是，DCP存在一些局限性，例如依赖 MATLAB 并且无法修复基于度量的加权网络。尽管存在这些局限性，但总体而言，DCP软件为白质网络构建和分析提供了标准化的全自动计算工作流程，有利于推进未来人脑连接组学应用研究。

01

「懂物理」是具身智能核心！北大高逼真物理仿真，加持磁性微米级机器人登Nature子刊

日前，北京大学智能学院可视计算与学习实验室陈宝权教授团队与苏黎世联邦理工学院健康科技系转化医学研究所Simone Schürle-Finke教授团队展开合作，首次使用物理模拟技术辅助可编程磁性微米级机器人的制造。

01

基于总变差模型的纹理图像中图像主结构的提取方法。

本文提出了一种基于总变差模型的纹理图像分割算法,并基于此算法进行了图像融合,同时探讨了图像矢量化和边缘提取。

06

MixCSE：困难样本在句子表示中的使用

Unsupervised Sentence Representation via Contrastive Learning with Mixing Negatives

02

发育中的大脑结构和功能连接体指纹

在成熟的大脑中，大脑连接的结构和功能指纹可以用来识别个体的独特性。然而，使某一特定大脑区别于其他大脑的特征是否在出生时就已经存在仍不得而知。本研究利用发育中的人类连接组计划(Human Connectome Project, dHCP)的神经影像数据，对早产儿围产期进行两次扫描，以评估发育中的脑指纹。我们发现，62%的参与者可以通过后来的结构连接组与从较早时间点获得的初始连接矩阵的一致性来识别。相反，同一被试在不同时间点的功能连接体之间的相似性较低。只有10%的参与者在功能连接体中表现出更大的自相似性。这些结果表明，结构连接在生命早期更稳定，可以代表个体的潜在连接组指纹:当新生儿必须快速获得新技能以适应新环境时，一个相对稳定的结构连接组似乎支持功能连接组的变化。

02

KDD 2022 | 推荐系统中的通用序列表征学习

推荐系统是AI应用最成熟的领域之一，行为序列的表征学习是其中非常重要的一环。过去序列表征学习依赖于物品ID，难以迁移到新的推荐场景或平台中，使得不同场景下的推荐系统彼此隔离，数据孤岛问题严重。

02

各种形式的图神经网络的实现和基准测试

本篇文章是论文的介绍性博客:Benchmarking Graph Neural Networks （https://arxiv.org/abs/2003.00982）的介绍性文章，有兴趣的可以下载原文阅读

01

3D自由编辑、3D物体重建、实时角色控制——腾讯AI Lab 三篇论文入选国际计算机图形学顶级会议SIGGRAPH 2024

感谢阅读腾讯 AI Lab 微信号第 186 篇文章。本文介绍腾讯 AI Lab 被 SIGGRAPH 收录的三篇 AIGC 学术研究成果，分别聚焦 3D 自由编辑、3D 物体重建、实时角色控制领域。

01

图注意力网络入门：从数学理论到到NumPy实现

图神经网络(GNNs)已经成为学习图数据的标准工具箱。gnn能够推动不同领域的高影响问题的改进，如内容推荐或药物发现。与图像等其他类型的数据不同，从图形数据中学习需要特定的方法。正如Michael Bronstein所定义的:

01

NLP 论文领读｜改善意图识别的语义表示：有监督预训练中的各向同性正则化方法

意图识别（intent detection）是面向任务对话系统的核心模块，其标注数据较少，所以研究怎样用少量数据训练出一个优秀的意图分类器（few-shot intent detection）有着很高的实用价值。

02

JAMA Neurology：帕金森病跨疾病阶段的新兴神经成像生物标记物

帕金森病(PD)中已出现了多种神经影像学生物标记物。然而，特异性的生物标记物更适合于评估帕金森病进展的不同阶段的神经退行性过程。本综述的目的是阐明基于磁共振成像(MRI)和正电子发射断层扫描(PET)/单光子发射计算机断层扫描(SPECT)神经成像生物标志物的时间相关性。

01

节后找状态，从梳理空间转录组学的基础知识点开始...

喂！醒一醒 ~ 2021年的法定假期已全部结束... 节后收心小秘方：和小编一起梳理空间转录组学的基础知识点，快速进入学习状态！这次的参考文献来自《Emerging Topics in Life Sciences》的一篇Perspective，文章概述性地介绍了空间转录组学的技术方法、分析目标、分析方法、挑战与展望。对深入探讨感兴趣的读者，建议查阅最近的优秀资源，例如咱们公众号的👉 时空组/空间组学专题文章概要注：不同于综述文章，Perspective中的描述和观点相对主观，如有不同意见建议与作者交

02

节后找状态，从梳理空间转录组学的基础知识点开始...

节后收心小秘方：和小编一起梳理空间转录组学的基础知识点，快速进入学习状态！这次的参考文献来自《Emerging Topics in Life Sciences》的一篇Perspective，文章概述性

02

价值2300的智能防抖勺拆解

科创学院有一个拆解实物的环节，我们组拆解的是一个勺子，我一开始还吐槽中国东西的技术不太好，经过几天的研究是我孟浪了。

03

基础渲染系列（二）——着色器

这是渲染系列的第二篇文章，第一篇讲述的是矩阵，这次我们会写我们的第一个Shader并且导入一张纹理。

02

复合材料（一）

复合材料：由两种或多种不同性质的材料用物理和化学方法在宏观尺度上组成的具有新性能的材料。

03

AI 图像智能修复老照片，效果惊艳到我了！| 附代码

近些年，基于深度学习的发展，计算机视觉在人工智能和深度学习的大背景下方兴未艾，与此同时，当越来越多的应用场景被挖掘出来时，也意味着计算机视觉的发展前景将无比广阔，其中图像处理技术就是最热门的应用之一，而最近一段时间，图像处理技术中最受欢迎的必须是图像修复功能，一键修复老照片等App应用，在社交网络上掀起一股潮流。

04

显卡相关技术名词解析1

FullSceneAnti-aliasing(FSAA)是一种能够消除画面中图形边缘的锯齿，使画面看起来更为平滑的一种技术。而此抗锯齿(Anti-aliasing)的技术通常被运用於3D或文字的画面。其主要的方法就是将在图形边缘会造成锯齿的这些像素(pixel)与其周围的像素作一个平均的运算，来达到图形平滑的效果，但其缺点就是会造成画面有些许的模糊。

03

CVPR 2020 | 北大&Futurewei提出 GraphTER：无监督图变换共变表征学习

图（Graph）是不规则数据/非欧几里得数据（例如 3D 点云、社交网络、引文网络、脑网络等）的一种自然而有效的表征。由于图的强大表现力，图数据的机器学习越来越受到重视，如近年来提出的图卷积神经网络（Graph Convolutional Neural Network, GCNN）。不过，现有的 GCNN 模型大多以监督或半监督的方式进行训练，这需要大量的标记样本才能学习到有效的特征表示。由于标记成本较高（特别是在大规模的图上），现有方法难以进行广泛应用。因此，我们需要以无监督的方式来学习图特征表示，以便适应更多图的学习任务。

01

MATLAB实现《地球物理学报》文章自动下载

由于《地球物理学报》每一篇文章都有一个专门的链接，官网可以点击下载按钮免费下载，所以网页解析下载地址和可以实现自动下载。以最新一期（2020年4月第63卷第4期）为例，利用网页信息读取自动下载当期文献，方便阅读与检索。

08

利用“分而治之”的对比学习方法来进行大规模细胞表征学习的研究

今天为大家介绍的是来自清华研究大学团队的一篇论文。单细胞RNA测序（scRNA-seq）数据是理解“生命之语”的强大工具，能为各种生物医学任务提供新见解。近来，大规模语言模型（LLMs）开始用于细胞表征学习。但现有基于BERT架构的细胞表征学习方法存在问题，它们产生的嵌入空间不均匀，导致语义表达效率不高。对比学习通过均匀分布嵌入来解决这个问题。然而，对比学习中更大的批量大小能带来更好的表征，但scRNA-seq数据的高维性和LLMs的大参数量限制了其实际应用。为解决这个问题，作者提出了一种新颖的“分而治之”对比学习方法，它能够解耦批量大小和GPU内存大小的关系，用于细胞表征学习。基于这种方法，作者介绍了单细胞语言模型（CellLM），这是一个大规模的细胞表征学习模型，能够处理包含成千上万基因的高维scRNA-seq数据。CellLM拥有超过5000万个参数，利用200万个scRNA-seq数据进行训练，它是首次尝试从正常细胞和癌细胞中学习细胞语言模型。CellLM在所有评估的下游任务中都达到了新的最先进水平。

01

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭