XiaoMi-AI文件搜索系统
World File Search System多站
使用基于多站点数据训练的渐进式细节层次网络对抗脑部 MRI 分割中的扫描仪效应
许多人脑的临床和研究都需要精确的 MRI 结构分割。虽然传统的基于图谱的方法可以应用于来自任何采集部位的体积，但最近的深度学习算法只有在对训练中使用的相同部位的数据（即内部数据）进行测试时才能确保高精度。外部数据（即来自看不见的部位的看不见的体积）的性能下降是由于部位间强度分布的变化，以及不同 MRI 扫描仪模型和采集参数导致的独特伪影。为了减轻这种部位依赖性（通常称为扫描仪效应），我们提出了 LOD-Brain，这是一个具有渐进细节层次（LOD）的 3D 卷积神经网络，能够分割来自任何部位的大脑数据。较粗的网络级别负责学习有助于识别大脑结构及其位置的稳健解剖先验，而较细的网络级别则细化模型以处理特定部位的强度分布和解剖变化。我们通过在前所未有的丰富数据集上训练模型来确保跨站点的稳健性，该数据集汇集了来自开放存储库的数据：来自大约 160 个采集站点的近 27,000 个 T1w 卷，规模为 1.5 - 3T，来自 8 至 90 岁的人群。大量测试表明，LOD-Brain 产生了最先进的结果，内部和外部站点之间的性能没有显著差异，并且对具有挑战性的解剖变异具有稳健性。它的可移植性为跨不同医疗机构、患者群体和成像技术制造商的大规模应用铺平了道路。代码、模型和演示可在项目网站上找到。
ibeat v2.0：一种适用于婴儿脑皮质表面重建的多站点，基于深度学习的管道
人类大脑皮层在产后早期阶段经历了戏剧性和关键的发育。受益于神经影像学的进展，许多婴儿脑磁共振成像（MRI）数据集是从具有不同扫描仪和成像协议的多个成像位点收集的，以研究正常和异常的早期大脑发育。但是，通过这些多站点成像数据精确处理和量化婴儿大脑发育是极其挑战的，因为婴儿脑MRIS：a）表现出极低和动态的组织对比，由持续的髓鞘形成和成熟引起，而b）遭受跨站点/扫描仪/扫描仪的多样化的层间数据异质性造成的大型疗程。因此，现有的计算工具和管道通常在婴儿MRI数据上表现不佳。为了应对这些挑战，我们提出了一种强大的，多站点的，可供婴儿守则的计算管道，利用强大的深度学习技术。提议的管道的主要功能包括预处理，脑部头骨剥离，组织分割，拓扑校正，皮质表面重建和测量。我们的管道可以很好地处理T1W和T2W结构婴儿脑MR图像（从出生到6岁），对于不同的成像协议/扫描仪，尽管仅接受了Baby Connectome项目的数据培训，但对不同的成像协议/扫描仪都有效。与多站点，多模式和多年龄数据集的现有方法进行了广泛的比较，表现出我们管道的效率，准确性和鲁棒性。我们已经维护了一个网站Ibeat Cloud 1，以便用户使用管道处理其图像，该管道已成功处理了100多个由100个以上机构的婴儿MRI扫描，并具有各种成像协议/扫描仪。
双向脑接口中的同时刺激和感知：多站点翻译体验
1 加利福尼亚大学神经外科系，加利福尼亚州旧金山，美国 2 MRC 脑网络动力学部，牛津大学纳菲尔德临床神经科学系，英国牛津 3 佛罗里达大学电气与计算机工程系，佛罗里达州盖恩斯维尔，美国 4 布朗大学工程学院和卡尼研究所，罗德岛普罗维登斯，美国 5 斯坦福大学医学院神经病学和神经科学系，加利福尼亚州斯坦福，美国 6 加利福尼亚大学旧金山分校神经病学系，加利福尼亚州旧金山，美国 7 佛罗里达大学生物医学工程系，佛罗里达州盖恩斯维尔，美国 8 牛津大学工程科学系生物医学工程研究所，英国牛津 9 共同第一作者。10 共同资深作者。∗ 任何通讯作者均应致函。
法律和一般资本的KAO数据成为伦敦新西部收购的多站点数据中心平台
法律和通用资本中心业务KAO Data宣布，在Slough内宣布收购两个伦敦西部的主要西部，并将业务扩展到成为一个多站点平台。KAO Data是企业，云，高性能计算和AI的高性能数据中心的专业开发人员和运营商。 KAO数据在关键领域的关键工作负载上为包括金融服务，生命科学，国防，人工智能和云等关键领域的关键工作负载提供了一个强大而多样的客户群。 这些站点将KAO Data在更广泛的伦敦扩展到C55MW，全部由100％可再生能源提供动力。 受益于由水力发电植物油（HVO）提供动力的备用发电机，全部清除了化石燃料。 KAO数据已经同意，从大型金融机构的部分地点进行了长期的锚定租赁，此次收购遵循了KAO数据的许多令人兴奋的增长里程碑，包括在HRL Morrison的上一年日历年底以增值估值获得投资，从HRL Morrison的数十亿美元的数十亿美元的基金基金中获得了投资。 今天的公告标志着1.3亿英镑的Infratil Investment之后的首次收购，这是为了扩大KAO数据的市场领先，超可持续数据中心业务的野心，将其扩展到全球重要的数据中心平台。 L＆G Capital的战略资本投资总监Matteo Colombo表示：“我们很高兴能在帮助KAO Data确保这一收购方面担任L＆G。KAO Data是企业，云，高性能计算和AI的高性能数据中心的专业开发人员和运营商。KAO数据在关键领域的关键工作负载上为包括金融服务，生命科学，国防，人工智能和云等关键领域的关键工作负载提供了一个强大而多样的客户群。这些站点将KAO Data在更广泛的伦敦扩展到C55MW，全部由100％可再生能源提供动力。受益于由水力发电植物油（HVO）提供动力的备用发电机，全部清除了化石燃料。KAO数据已经同意，从大型金融机构的部分地点进行了长期的锚定租赁，此次收购遵循了KAO数据的许多令人兴奋的增长里程碑，包括在HRL Morrison的上一年日历年底以增值估值获得投资，从HRL Morrison的数十亿美元的数十亿美元的基金基金中获得了投资。今天的公告标志着1.3亿英镑的Infratil Investment之后的首次收购，这是为了扩大KAO数据的市场领先，超可持续数据中心业务的野心，将其扩展到全球重要的数据中心平台。L＆G Capital的战略资本投资总监Matteo Colombo表示：“我们很高兴能在帮助KAO Data确保这一收购方面担任L＆G。在伦敦地区抢手的西部地区拥有近期可用容量，这意味着KAO数据可以满足更多客户的数据需求，同时为当今和明天的社会提供关键的基础设施。Legal＆General继续认识到支持数据能力增长的重要性，同时确保投资具有可持续性和经济吸引力，例如通过这些由100％可再生能源提供支持的最新计划。” Kao Data首席执行官Lee Myall表示：“我们新的Slough数据中心的推出在备受追捧的西伦敦可用性区域内提供了数据密集型企业，这是从重要的新容量中受益的机会，以及与KAO Data屡获殊荣，可持续的，可持续的，可持续的基础设施以及专家技术和运营团队一起工作的优势。通过此举，我们很高兴能在英国加强我们的数据中心足迹，并在世界第二大数据中心中心建立自己。KAO数据在过去的十二个月中已有巨大的增长，我们的Slough设施的推出是我们持续发展的下一步。”结束
美国复合热事件的空间时间依赖性：使用多站点多变量的天气生成器进行评估
摘要。复合热事件可能会导致严重程度的严重影响，其严重程度可能取决于其时间尺度和空间范围。尽管其潜在的重要性，但这些联合事件的气候特征几乎没有引起关注，无论对气候变化对复合事件的影响的兴趣日益增加。在这里，我们询问事件时间尺度与（1）美国复合热事件的空间模式如何相关，（2）复合热事件的空间范围，以及（3）温度和降水作为复合事件的驱动因素的重要性。为了研究这种罕见的空间和多元事件，我们引入了一个多站点的多变量天气生成器（PRSIM.Weather），该生成可以生成大量空间多元热热事件。我们表明，随机模型实际上模拟了单个位点的温度和降水的分布和时间自传特征，两个变量之间的依赖性，空间相关模式以及空间热和气象干旱指示器及其共发生率的能力。我们得出的结论是，时间尺度是在复合事件评估中考虑的重要因素，并表明气候变化影响评估应在查看复合事件特征的未来变化时考虑多个时间尺度，而不是单个时间表。由于温度与温度有很强的关系，因此对于短复合事件，可能会发生最大的未来变化。我们的化合物事件分析的结果表明，（1）美国西北部和东南部最容易受到复合热事件的影响，而不是时间表，并且随着时间表的增加而易感性； （2）复合事件的空间范围和时间尺度与下季节事件（1-3个月）密切相关，显示了最大的空间范围； （3）温度和降水的重要性随着化合物事件的驱动因素而变化，与时间尺度相差，短时温度最重要，在季节性时间尺度上降水。