Loading...
LTC本杰明·霍尔曼（Benjamin Hormann）-CDIS SZ
机构名称：

LTC本杰明·霍尔曼（Benjamin Hormann）-CDIS SZ

¥ 1.0
热度

LTC荷尔曼目前是北欧国际技术中心的主任，德国法兰克福总领事馆，他的团队在那里与外国合作伙伴建立了持久的关系，以识别和评估技术以及研究机会，以促进美国陆军技术超越。他于2005年获得了西密歇根大学的化学官员和工程管理技术学士学位。

添加pdf代下载 VIP点击下载文件

LTC本杰明·霍尔曼（Benjamin Hormann）-CDIS SZ

Facebook Twitter Instagram Mail

主要关键词

LTC本杰明·霍尔曼（Benjamin Hormann）-CDIS SZPDF文件第1页

相关文件推荐

本杰明·甘特纳（Benjamin N.
2025 年

本杰明·甘特纳（Benjamin N.

¥1.0
Benjamin L. Ochoa -UCSD CSE
2024 年

Benjamin L. Ochoa -UCSD CSE

¥7.0
J. Benjamin Hurlbut - ASU 搜索
2022 年

J. Benjamin Hurlbut - ASU 搜索

¥1.0
教授、博士本杰明·斯塔尔
2024 年

教授、博士本杰明·斯塔尔

¥1.0
Andrew D.本身本杰明·埃德尔森（Benjamin Eidelson）
2024 年

Andrew D.本身本杰明·埃德尔森（Benjamin Eidelson）

¥1.0
Constantinides 等人 SZ 中的大脑老化 (ENIGMA)
2022 年

Constantinides 等人 SZ 中的大脑老化 (ENIGMA)

¥2.0
A. Benjamin Dove，IV - AND 工程
2021 年

A. Benjamin Dove，IV - AND 工程

¥1.0
SZ Square Max -MW（MX+）GJ
2023 年

SZ Square Max -MW（MX+）GJ

¥1.0
科伦坡计划秘书长 Benjamin P. Reyes 博士
2023 年

科伦坡计划秘书长 Benjamin P. Reyes 博士

¥1.0
埃平森林和下议院委员会主席 Benjamin Murphy CC
2024 年

埃平森林和下议院委员会主席 Benjamin Murphy CC

¥1.0
改善艾伯塔省的EastSlopes中的流温度数据和监测Benjamin Kissinger
2024 年

改善艾伯塔省的EastSlopes中的流温度数据和监测Benjamin Kissinger

¥1.0
肠道微生物组通过迷走神经Kylynda C. Bauer 1，Rajiv Trehan 1，Benjamin Ruf 1，Yuta Myojin 1，Mohamed-ReDa Benme
2024 年

肠道微生物组通过迷走神经Kylynda C. Bauer 1，Rajiv Trehan 1，Benjamin Ruf 1，Yuta Myojin 1，Mohamed-ReDa Benme

¥7.0
Leymann, Frank、Truger, Felix、Weder, Benjamin 和 Yussupov, Vladimir}，title = {Quokka：基于工作流执行的服务生态系统
1900 年

Leymann, Frank、Truger, Felix、Weder, Benjamin 和 Yussupov, Vladimir}，title = {Quokka：基于工作流执行的服务生态系统

¥1.0
月球 GNSS 接收器实验 (LuGRE) 的科学目标和调查 Lauren Konitzer 1 、Joel JK Parker 1 、Benjamin Ashman 1 、Nath
2024 年

月球 GNSS 接收器实验 (LuGRE) 的科学目标和调查 Lauren Konitzer 1 、Joel JK Parker 1 、Benjamin Ashman 1 、Nath

¥2.0
设计用于汽车功率模块应用的无银氮化硅 AMB 基板的成本 Habib Mustain 1、André Schwöbel 2、Benjamin Fabian 2
2022 年

设计用于汽车功率模块应用的无银氮化硅 AMB 基板的成本 Habib Mustain 1、André Schwöbel 2、Benjamin Fabian 2

¥1.0
Kues, Michael 和 Reimer, Christian 和 Roztocki, Piotr 和 Cortés, Luis Romero 和 Sciara, Stefania 和 Wetzel, Benjamin 和 Zhang, Yanbing 和 Cino,
2019 年

Kues, Michael 和 Reimer, Christian 和 Roztocki, Piotr 和 Cortés, Luis Romero 和 Sciara, Stefania 和 Wetzel, Benjamin 和 Zhang, Yanbing 和 Cino,

¥3.0
引用本文：Thomas KF Chiu、Benjamin Luke Moorhouse、Ching Sing Chai 和 Murod Ismailov (2023)：教师支持和学生学习动机
1900 年

引用本文：Thomas KF Chiu、Benjamin Luke Moorhouse、Ching Sing Chai 和 Murod Ismailov (2023)：教师支持和学生学习动机

¥1.0
Lou Barbe、Cendrine Mony、Benjamin W Abbott。人工智能通过视频游戏意外学习了生态学。《生态学与进化趋势》，2020 年，35 (7)，第 557-560 页。�10.1016/j.tree.2020.04.006�。�hal-02635148�
2025 年

Lou Barbe、Cendrine Mony、Benjamin W Abbott。人工智能通过视频游戏意外学习了生态学。《生态学与进化趋势》，2020 年，35 (7)，第 557-560 页。�10.1016/j.tree.2020.04.006�。�hal-02635148�

¥1.0
推荐引用 推荐引用 Rachel E. Stern、Benjamin L. Liebman、Margaret Roberts 和 Alice Z. Wang，《自动化公平？中国法院的人工智能》，59 C OLUM . J. TRANSNAT'LL. 515 (2021)。网址：https://scholarship.law.columbia.edu/faculty_scholarship/2940
2021 年

推荐引用 推荐引用 Rachel E. Stern、Benjamin L. Liebman、Margaret Roberts 和 Alice Z. Wang，《自动化公平？中国法院的人工智能》，59 C OLUM . J. TRANSNAT'LL. 515 (2021)。网址：https://scholarship.law.columbia.edu/faculty_scholarship/2940

¥4.0
引用本文：Fabio Boniolo、Emilio Dorigatti、Alexander J. Ohnmacht、Dieter Saur、Benjamin Schubert 和 Michael P. Menden (2021) 人工智能在早期药物发现中实现精准医疗，药物发现专家意见，16:9，991-1007，DOI：10.1080/17460441.2021.1918096
2021 年

引用本文：Fabio Boniolo、Emilio Dorigatti、Alexander J. Ohnmacht、Dieter Saur、Benjamin Schubert 和 Michael P. Menden (2021) 人工智能在早期药物发现中实现精准医疗，药物发现专家意见，16:9，991-1007，DOI：10.1080/17460441.2021.1918096

¥1.0
推荐引用 推荐引用 Goyal, Hemant MD；Mann, Rupinder MD；Gandhi, Zainab MBBS；Perisetti, Abhilash MD；Ali, Aman MD；Ali, Khizar Amani；Sharma, Neil MD；Tharian, Benjamin MD；Saligram, Shreyas；以及 Inamdar, Sumant，“人工智能在结直肠癌筛查和诊断中的应用范围”（2020 年）。PCI 出版物和项目。42. https://researchrepository.parkviewhealth.org/oncol/42
2020 年

推荐引用 推荐引用 Goyal, Hemant MD；Mann, Rupinder MD；Gandhi, Zainab MBBS；Perisetti, Abhilash MD；Ali, Aman MD；Ali, Khizar Amani；Sharma, Neil MD；Tharian, Benjamin MD；Saligram, Shreyas；以及 Inamdar, Sumant，“人工智能在结直肠癌筛查和诊断中的应用范围”（2020 年）。PCI 出版物和项目。42. https://researchrepository.parkviewhealth.org/oncol/42

¥2.0
b'nils R. Winter 1,2，朱利安·布兰克（Julian Blanke）1，拉莫纳（Julian Blanke）1.3，扬·恩斯汀（Jan Ernsting）1.3,4，卢卡斯·菲斯（Lukas Fisch）1，kelvin sarink 1，carlotta barkhau 1，katharina tiel tiel tiel tiel 1，kira thiel tiel 1，kira flinken \ x82学期1 ，Susanne Meinert 1.5，Katharina Dohm 1，Jonathan Repple 6.1，Marius Gruber 1.6，Elisabeth J. Lehr 1，Nils Opel 1,7,8,9，Dominik Grotegerd 1，Ronny Ronny Redlich 1,9,10，Robert Nitsch 2.5，Robert Nitsch 2.5，Robert Nitsch 2.5，Robert Nitsch 2.5，Jochen Bauch 3，乔伊3. 2,12，直到F. M. Andlauer 13，Andreas J. Forstner 14:15，Markus M. N \ XC3 \ XB6THEN 14，MARCELLA RIETSCHEL 16，Stefan G. Hofmann 17:18 17:18，Julia-Katharina Parish 19.20，Leautenberg 19.20，Paeulian Trine usemann 19.20，19.20，19.20， 19.20，Katharina Brosch 19.20，Frederike Stein 19.20，Andreas Jansen 19.20,21，Hamidreza Jamalabadi 19，Nina Alexander 19，Nina Alexander 19，Benjamin Straube 19，Igor Nenadi \ xc2
2023 年

b'nils R. Winter 1,2，朱利安·布兰克（Julian Blanke）1，拉莫纳（Julian Blanke）1.3，扬·恩斯汀（Jan Ernsting）1.3,4，卢卡斯·菲斯（Lukas Fisch）1，kelvin sarink 1，carlotta barkhau 1，katharina tiel tiel tiel tiel 1，kira thiel tiel 1，kira flinken \ x82学期1 ，Susanne Meinert 1.5，Katharina Dohm 1，Jonathan Repple 6.1，Marius Gruber 1.6，Elisabeth J. Lehr 1，Nils Opel 1,7,8,9，Dominik Grotegerd 1，Ronny Ronny Redlich 1,9,10，Robert Nitsch 2.5，Robert Nitsch 2.5，Robert Nitsch 2.5，Robert Nitsch 2.5，Jochen Bauch 3，乔伊3. 2,12，直到F. M. Andlauer 13，Andreas J. Forstner 14:15，Markus M. N \ XC3 \ XB6THEN 14，MARCELLA RIETSCHEL 16，Stefan G. Hofmann 17:18 17:18，Julia-Katharina Parish 19.20，Leautenberg 19.20，Paeulian Trine usemann 19.20，19.20，19.20， 19.20，Katharina Brosch 19.20，Frederike Stein 19.20，Andreas Jansen 19.20,21，Hamidreza Jamalabadi 19，Nina Alexander 19，Nina Alexander 19，Benjamin Straube 19，Igor Nenadi \ xc2

¥1.0
俄罗斯的人工智能战略：国有企业的作用 2020 年 11 月 作者：Stephanie Petrella、Chris Miller 和 Benjamin Cooper 摘要：2017 年，俄罗斯总统弗拉基米尔·普京宣布，无论哪个国家成为人工智能 (AI) 的领导者，“都将成为世界的统治者”。然而，俄罗斯在人工智能能力方面远远落后于中国和美国等竞争对手。俄罗斯促进人工智能技术发展的战略是什么？俄罗斯精英群体在制定这一战略方面扮演什么角色？俄罗斯的人工智能发展战略的独特之处在于，它不是由政府或私营部门主导，而是由国有企业主导。政府对俄罗斯最大的科技公司 Yandex 的不信任，使该公司被排除在国家人工智能规划之外。与此同时，俄罗斯国防集团 Rostec 公开表示，它更关注其他高科技优先事项，而不是人工智能。因此，俄罗斯的人工智能开发被交给了国有银行 Sberbank，该银行牵头制定了政府支持的人工智能投资计划。俄罗斯联邦总统弗拉基米尔·普京在 2017 年宣称，无论哪个国家成为人工智能 (AI) 的领导者，“都将成为世界的统治者”。1 对于普京来说，人工智能带来的广泛能力为增强国家在国际舞台上的实力提供了可能性。人工智能可用于提高军事能力、推进科学和医学发展以及提高工业效率。普京宣称，俄罗斯军方正试图利用人工智能，用“现代武器系统，包括基于数字技术和人工智能的武器系统”取代旧式武器系统。2 尽管官员们大肆宣扬人工智能的好处，但俄罗斯在人工智能能力方面的许多指标都远远落后于其他国家。从 1996 年到 2017 年，俄罗斯的人工智能能力远远落后于其他国家。
2021 年

俄罗斯的人工智能战略：国有企业的作用 2020 年 11 月 作者：Stephanie Petrella、Chris Miller 和 Benjamin Cooper 摘要：2017 年，俄罗斯总统弗拉基米尔·普京宣布，无论哪个国家成为人工智能 (AI) 的领导者，“都将成为世界的统治者”。然而，俄罗斯在人工智能能力方面远远落后于中国和美国等竞争对手。俄罗斯促进人工智能技术发展的战略是什么？俄罗斯精英群体在制定这一战略方面扮演什么角色？俄罗斯的人工智能发展战略的独特之处在于，它不是由政府或私营部门主导，而是由国有企业主导。政府对俄罗斯最大的科技公司 Yandex 的不信任，使该公司被排除在国家人工智能规划之外。与此同时，俄罗斯国防集团 Rostec 公开表示，它更关注其他高科技优先事项，而不是人工智能。因此，俄罗斯的人工智能开发被交给了国有银行 Sberbank，该银行牵头制定了政府支持的人工智能投资计划。俄罗斯联邦总统弗拉基米尔·普京在 2017 年宣称，无论哪个国家成为人工智能 (AI) 的领导者，“都将成为世界的统治者”。1 对于普京来说，人工智能带来的广泛能力为增强国家在国际舞台上的实力提供了可能性。人工智能可用于提高军事能力、推进科学和医学发展以及提高工业效率。普京宣称，俄罗斯军方正试图利用人工智能，用“现代武器系统，包括基于数字技术和人工智能的武器系统”取代旧式武器系统。2 尽管官员们大肆宣扬人工智能的好处，但俄罗斯在人工智能能力方面的许多指标都远远落后于其他国家。从 1996 年到 2017 年，俄罗斯的人工智能能力远远落后于其他国家。

¥2.0
标题页 1 完整标题：2 使用人工智能在心电图上检测肥厚型心肌病 3 4 简称：5 使用人工智能在心电图上检测肥厚型心肌病 6 7 作者： 8 James M Hillis，MBBS DPhil 1,2,3 9 Bernardo C Bizzo，MD PhD 1,3,4 10 Sarah F Mercaldo，PhD 1,3,4 11 Ankita Ghatak，MSc 1 12 Ashley L MacDonald，BSc 1 13 Madeleine A Halle，BSc 1 14 Alexander S Schultz 1 15 Eric L'Italien 1 16 Victor Tam 1 17 Nicole K Bart，MBBS DPhil 3,5 18 Filipe A Moura，MD PhD 3,5 19 Amine M Awad，BMBCh 2,3,6 20 David Bargiela，MBBS PhD 2,3,6 21 Sarajune Dagen，RN 7 22 Danielle Toland，RN BSN 6 23 Alexander J Blood，MD MSc 3,5 24 David A Gross，MD PhD 3,5 25 Karola S Jering，MD 3,5 26 Mathew S Lopes，MD MPH 3,5 27 Nicholas A Marston，MD MPH 3,5 28 Victor D Nauffal，MD 3,5 29 Keith J Dreyer，DO PhD 1,3,4 30 Benjamin M Scirica，MD* 1,3,5 31 Carolyn Y Ho，MD* 3,5 32 33 * 这些作者对这项工作的贡献相同。 34 35 作者所属： 36 1 美国马萨诸塞州波士顿麻省总医院布莱根医院，美国马萨诸塞州波士顿 37 2 美国马萨诸塞州波士顿麻省总医院神经内科 38 3 美国马萨诸塞州波士顿哈佛医学院 39 4 美国马萨诸塞州波士顿麻省总医院放射科 40 5 美国马萨诸塞州波士顿布莱根妇女医院心血管医学科 41 6 美国马萨诸塞州波士顿布莱根妇女医院神经内科 42 7 美国马萨诸塞州波士顿布莱根妇女医院神经外科 43
2024 年

标题页 1 完整标题：2 使用人工智能在心电图上检测肥厚型心肌病 3 4 简称：5 使用人工智能在心电图上检测肥厚型心肌病 6 7 作者： 8 James M Hillis，MBBS DPhil 1,2,3 9 Bernardo C Bizzo，MD PhD 1,3,4 10 Sarah F Mercaldo，PhD 1,3,4 11 Ankita Ghatak，MSc 1 12 Ashley L MacDonald，BSc 1 13 Madeleine A Halle，BSc 1 14 Alexander S Schultz 1 15 Eric L'Italien 1 16 Victor Tam 1 17 Nicole K Bart，MBBS DPhil 3,5 18 Filipe A Moura，MD PhD 3,5 19 Amine M Awad，BMBCh 2,3,6 20 David Bargiela，MBBS PhD 2,3,6 21 Sarajune Dagen，RN 7 22 Danielle Toland，RN BSN 6 23 Alexander J Blood，MD MSc 3,5 24 David A Gross，MD PhD 3,5 25 Karola S Jering，MD 3,5 26 Mathew S Lopes，MD MPH 3,5 27 Nicholas A Marston，MD MPH 3,5 28 Victor D Nauffal，MD 3,5 29 Keith J Dreyer，DO PhD 1,3,4 30 Benjamin M Scirica，MD* 1,3,5 31 Carolyn Y Ho，MD* 3,5 32 33 * 这些作者对这项工作的贡献相同。 34 35 作者所属： 36 1 美国马萨诸塞州波士顿麻省总医院布莱根医院，美国马萨诸塞州波士顿 37 2 美国马萨诸塞州波士顿麻省总医院神经内科 38 3 美国马萨诸塞州波士顿哈佛医学院 39 4 美国马萨诸塞州波士顿麻省总医院放射科 40 5 美国马萨诸塞州波士顿布莱根妇女医院心血管医学科 41 6 美国马萨诸塞州波士顿布莱根妇女医院神经内科 42 7 美国马萨诸塞州波士顿布莱根妇女医院神经外科 43

¥3.0
非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。
2020 年

非人类人道主义：当人工智能的善举变成坏事时 Mirca Madianou 伦敦大学金史密斯学院 2018 年，有超过 1.68 亿人需要人道主义援助，同时有超过 6900 万人成为难民，人道主义部门面临着重大挑战。人工智能 (AI) 应用可以成为人道主义危机的潜在解决方案的提议受到了热烈欢迎。这是“人工智能用于社会公益”大趋势的一部分，也是“数字人道主义”更广泛发展的一部分，“数字人道主义”指的是公共和私营部门为应对人道主义紧急情况而使用数字创新和数据。聊天机器人、声称可以预测未来流行病或人口流动的预测分析和建模以及依赖于采用机器学习算法的先进神经网络的生物识别技术，都是在援助行动中越来越受欢迎的例子。本文建立了一个跨学科框架，将殖民和非殖民理论、人道主义和发展的批判性探究、批判性算法研究以及对人工智能的社会技术理解结合在一起。人道主义在这里被理解为一种复杂的现象：不仅仅是通常定义的“减少痛苦的必要性”（Calhoun，2008），而且是一种行业、一种话语和一种源于 19 世纪和 20 世纪殖民主义的历史现象（Fassin，2012；Lester & Dussart，2014）。人工智能同样是一个多面现象：不仅仅是基于先进计算和机器学习算法的技术创新，而且是一个行业以及关于技术的特定话语。人工智能只能与数据和算法一起理解——这三者是不可分割的，因为人工智能依赖于机器学习算法，而机器学习算法是特定数据集的产物。鉴于“大数据”本质上是不完整的，且具有本体论和认识论的局限性（Crawford & Finn，2014），人工智能应用会重现并可能放大大型数据集中发现的现有偏见（Benjamin，2019；Eubanks，2018；Noble，2018 等）。

¥1.0
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
2024 年

b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。

¥3.0