PrinceofAI Weekly

هفته نامه شماره شصت ونهم

اخبار:

تشخیص خودکار تومور مغزی با استفاده از شبکه های عصبی کانولوشن عمیق آبشاری با U-Net متقارن و بلوک های باقیمانده نامتقارن

این مطالعه یک سیستم خودکار برای تشخیص تومورهای مغزی با استفاده از شبکه‌های عصبی کانولوشنال (CNN) برای شناسایی، طبقه‌بندی و بخش‌بندی گلیوبلاستوما در تصاویر MRI معرفی می‌کند. این سیستم از دو مرحله تشکیل شده است: تشخیص و طبقه بندی تومور و تقسیم بندی تومور. این مدل از سطوح مختلف ویژگی ها استفاده می کند و اتصالات پرش و واحدهای باقیمانده را در خود جای می دهد. ارزیابی‌های مجموعه داده BraTS 2017، متشکل از 1800 تصویر، حداکثر دقت 99 درصد را برای تشخیص و طبقه‌بندی، و عملکرد برتر در تقسیم‌بندی در مقایسه با روش‌های موجود نشان می‌دهد، همانطور که با امتیاز دایس، ویژگی و حساسیت اندازه‌گیری می‌شود.

صنعت:

ارائه یک چارچوب رمزگشایی گفتار عصبی که از یادگیری عمیق و سنتز گفتار استفاده می کند

این مطالعه یک چارچوب مبتنی بر یادگیری عمیق را برای رمزگشایی گفتار انسان از سیگنال‌های عصبی معرفی می‌کند، که برای فناوری‌های رابط مغز و کامپیوتر (BCI) که به افراد مبتلا به نقص‌های عصبی کمک می‌کند، حیاتی است. این چارچوب به چالش هایی از جمله کمبود و پیچیدگی داده ها می پردازد. این چارچوب شامل یک رمزگشا ECoG برای ترجمه سیگنال‌های عصبی به پارامترهای گفتار و یک نگاشت پارامترهای سینت سایزر گفتار به طیف‌نگارها است. رمزگذار خودکار گفتار به گفتار، پارامترهای گفتار مرجع را برای آموزش رمزگشا ایجاد می کند. این سیستم گفتاری با صدای طبیعی تولید می کند و در بین 48 شرکت کننده قابل تکرار است. همبستگی بالایی در رمزگشایی گفتار، حتی با عملیات علّی، که برای پروتزهای عصبی بلادرنگ ضروری است، به دست می‌آورد. نکته مهم، رمزگشایی موفقیت آمیز گفتار در شرکت کنندگان با پوشش نیمکره است، که در بیماران مبتلا به آسیب نیمکره چپ کاربردهای امیدوارکننده ای دارد.

مقاله:

Moving Object Segmentation: All You Need Is SAM (and Flow)

این مقاله به بررسی بخش‌بندی حرکتی می‌پردازد، با هدف شناسایی و بخش‌بندی اجسام متحرک درون ویدیوها. این مقاله مدل Segment Anything (SAM) و سهم بالقوه آن در این کار را بررسی می کند. در این مقاله دو مدل مورد بررسی قرار می‌گیرند: یکی که در آن SAM جریان نوری را به عنوان ورودی می‌گیرد، و دیگری که در آن SAM از ورودی RGB با جریان به عنوان اعلان تقسیم‌بندی استفاده می‌کند. با وجود سادگی، هر دو روش به طور قابل توجهی در معیارهای تک و چند شی بهتر از رویکردهای قبلی بهتر عمل می کنند. علاوه بر این، آنها به بخش‌بندی‌های سطح توالی، حفظ هویت شی و پیشی گرفتن از روش‌های قبلی در معیارهای مختلف تقسیم‌بندی اشیاء ویدیویی، گسترش یافته‌اند.

آموزش:

اینترنت کوانتومی چیست؟

اینترنت کوانتومی یک زیرساخت شبکه نظری است که از اصول مکانیک کوانتومی برای فعال کردن ارتباطات ایمن و سایر قابلیت‌های فعال کوانتومی استفاده می‌کند. برخلاف اینترنت کلاسیک که برای انتقال اطلاعات به بیت‌های کلاسیک متکی است، یک اینترنت کوانتومی از بیت‌ها یا کیوبیت‌های کوانتومی استفاده می‌کند که به دلیل اصول برهم‌نهی و درهم‌تنیدگی می‌توانند به طور همزمان در چندین حالت وجود داشته باشند.

یکی از ویژگی های کلیدی اینترنت کوانتومی توزیع کلید کوانتومی (QKD) است که امکان تولید کلیدهای رمزنگاری با امنیت بی قید و شرط را فراهم می کند. QKD از اصول مکانیک کوانتومی برای فعال کردن کانال های ارتباطی ایمن بین دو طرف با شناسایی هرگونه تلاش برای استراق سمع استفاده می کند.

علاوه بر این، یک اینترنت کوانتومی می تواند سایر برنامه های کاربردی فعال کوانتومی مانند انتقال از راه دور کوانتومی، محاسبات کوانتومی و محاسبات کوانتومی توزیع شده را تسهیل کند. این برنامه ها پتانسیل ایجاد انقلابی در زمینه هایی مانند رمزنگاری، امنیت داده ها و محاسبات توزیع شده را دارند.

با این حال، ساخت یک اینترنت کوانتومی عملی چالش‌های فنی متعددی را به همراه دارد، از جمله نیاز به تکرارکننده‌های کوانتومی قابل اعتماد برای گسترش دامنه ارتباطات کوانتومی، توسعه حافظه کوانتومی برای ذخیره‌سازی و پردازش اطلاعات کوانتومی، و کاهش نویز و اثرات ناهماهنگی که می‌توانند تخریب شوند. سیگنال های کوانتومی علی‌رغم این چالش‌ها، محققان فعالانه در حال تلاش برای تحقق چشم‌انداز اینترنت کوانتومی به عنوان یک الگوی جدید برای ارتباطات ایمن و کارآمد هستند.

کدینگ:

کتابخانه pytest در پایتون چیست؟

کتابخانه pytest یک چارچوب تست برای پایتون است که نوشتن موارد تست ساده و مقیاس‌پذیر را آسان می‌کند. این کتابخانه به طور گسترده در جامعه پایتون برای آزمایش کد پایتون استفاده می شود. به طور کلی، pytest یک چارچوب تست همه کاره و کاربرپسند است که به توسعه‌دهندگان کمک می‌کند تا مجموعه‌های تست قوی و قابل نگهداری را برای پایگاه‌های کد پایتون با هر اندازه بنویسند. سادگی، انعطاف پذیری و ویژگی های قدرتمند آن، آن را به گزینه ای محبوب برای تست برنامه های پایتون تبدیل کرده است.

راههای ارتباطی با ما:

اینستاگرام:

princeofai@

وبسایت:

https://princeofai.com

تلگرام:

https://t.me/princeofaii