基于多光晶体管-单忆阻器阵列的可重构传感器内处理：一种融合机器学习与类脑神经网络的新型视觉计算平台 学术背景及问题提出 人工视觉系统作为智能边缘计算的重要组成部分，长期以来受到传统基于CMOS（互补金属氧化物半导体）技术与冯·诺依曼架构的限制。这类系统的图像处理效率受制于独立的图像传感器、存储模块以及处理器之间的物理分离。这种分离导致大量数据冗余和信号处理延迟，增加了电路复杂性和功耗问题，限制了实时处理能力。在自然环境中，传统视觉系统需要完成从信号捕获到图像处理的一系列繁杂过程，但其效率有限。 近年来，传感器内计算（in-sensor computing）这一融合感知与计算的新型架构，由于其具备内存计算（in-memory computing）和神经形态特性，逐渐受到关注。在此领域，光学神经...

低级别胶质瘤患者总体生存预测的有用特征研究 学术背景 胶质瘤是一种脑内的肿瘤性生长，通常会对患者的生命构成严重威胁。在大多数情况下，胶质瘤最终会导致病人的死亡。胶质瘤的分析通常涉及在显微镜下观察脑组织形式的病理切片。尽管脑组织病理图像在预测病人总体生存率（OS，Overall Survival）方面具有很大的潜力，但由于脑组织病理的独特性，这些图像很少作为唯一的预测因素使用。利用病理图像预测早期胶质瘤患者的总体生存率对治疗和生活质量具有重要价值。在这项研究中，作者们探讨了使用深度学习模型结合简单描述数据（如年龄和胶质瘤亚型），来预测低级别胶质瘤（LGG，low-grade glioma）患者的总体生存率（OS）的可能性。 研究来源 这篇论文由Elisa Warner、Xuelu Li、Gan...

适应性识别和优化不良区域以实现准确的立体匹配 研究背景和动机 随着计算机视觉技术的快速发展，立体匹配技术因其高准确性、成本效益及非侵入性，在机器人、航天、自动驾驶和工业制造等诸多领域中发挥了至关重要的作用。然而，立体匹配在处理遮挡区域、模糊区域时，像素对之间的一致性约束变得不可靠，导致隐藏对应关系探索的困难。因此，尽管在卷积神经网络（CNN）和基于变换器（Transformer）的研究进展迅速，多数方法在处理不良区域时仍存在性能瓶颈。为了应对这一挑战，研究团队引入了一种误差区域特征优化机制以提供上下文特征，从而改进不良区域的立体匹配效果。 研究来源和简介 本文题为”Adaptively Identify and Refine Ill-Posed Regions for Accurate St...