XiaoMi-AI文件搜索系统
World File Search System数据集
国家癌症等待时间监测数据集指南
如果更快的诊断标准患者被接纳为同一病情的紧急情况（即与可疑癌症有关）在看到它们之前不应再对28天的FD记录。紧急录取是转介到系统中，并取代了原始推荐。然而，如果怀疑癌症，应将患者升级为62天的途径，或者团队的授权成员在紧急入院中升级，这是入院的原因，例如，患者正在等待在癌症途径上进行较低的GI调查，但在癌症途径上进行较低的GI调查，但首先可以看到肠梗阻。
土地表面建模的土壤特性数据集（版本2）
1南广东实验室（Zhuhai）的南部海洋科学与工程学，广东省气候变化和自然灾害研究主要实验室，大气科学学院，孙子森大学，广州510275，中国； 51南广东实验室（Zhuhai）的南部海洋科学与工程学，广东省气候变化和自然灾害研究主要实验室，大气科学学院，孙子森大学，广州510275，中国； 5
polyie：从聚合物中提取信息的数据集...
旨在自动从科学文献中提取信息的科学信息提取（Sciie）比以往任何时候都变得更加重要。但是，没有用于聚合物材料的Sciie数据集，这是我们日常生活中普遍使用的重要材料类别。为了弥合这一差距，我们介绍了P oly IE，即用于聚合物材料的新科学数据集。p oly IE是从146个全长聚合物学术文章中提出的，这些文章用不同的命名实体（即材料，性质，瓦斯，条件）以及域专家的n个关系进行注释。p oly IE提出了由于实体的多种词汇格式，企业之间的歧义和可变长度关系所带来的独特挑战。我们评估了最先进的实体提取和关系提取模型，即分析其优势和劣势，并突出了这些模型的一些困难案例。据我们所知，P oly IE是第一个用于聚合物材料的Sciie基准，我们希望它将导致社区从事这项挑战任务的更多研究。我们的代码和数据可在以下网址提供：https：//github.com/jerry3027/polyie。
NMT 头皮脑电图数据集：用于预测模型的健康和病理脑电图记录的开源注释数据集
脑电图 (EEG) 广泛用于诊断癫痫、神经退行性疾病和睡眠相关疾病等神经系统疾病。正确解释 EEG 记录需要训练有素的神经科医生的专业知识，而这种资源在发展中国家非常稀缺。神经科医生花费大量时间筛选 EEG 记录以寻找异常。由于 EEG 测试的产量低，大多数记录结果完全正常。为了最大限度地减少这种时间和精力的浪费，可以使用自动算法提供诊断前筛查，以区分正常和异常 EEG。数据驱动的机器学习提供了一种前进的方向，然而，现代机器学习算法的设计和验证需要经过适当策划的标记数据集。为了避免偏见，基于深度学习的方法必须在来自不同来源的大型数据集上进行训练。这项工作提出了一个新的开源数据集，名为 NMT 头皮 EEG 数据集，由来自不同参与者的 2,417 条记录组成，跨越近 625 小时。每条记录都由一组合格的神经病学家标记为正常或异常。还包括患者的性别和年龄等人口统计信息。我们的数据集主要针对南亚人口。我们在 NMT 上实施和评估了几种为 EEG 诊断前筛查而开发的最先进的深度学习架构，并将其与著名的天普大学医院 EEG 异常语料库的基线性能进行了比较。我们还研究了基于深度学习的架构在 NMT 和参考数据集上的泛化。发布 NMT 数据集是为了增加 EEG 数据集的多样性，并克服 EEG 研究缺乏准确注释的公开可用数据集的问题。
事物数据，大规模数据集的多模式集合......
摘要 要理解物体表征，需要对视觉世界中的物体进行广泛、全面的采样，并对大脑活动和行为进行密集测量。在这里，我们展示了 THINGS-data，这是一个多模态的人类大规模神经成像和行为数据集集合，包括密集采样的功能性 MRI 和脑磁图记录，以及针对多达 1,854 个物体概念的数千张照片的 470 万个相似性判断。THINGS-data 的独特之处在于其丰富的注释对象范围，允许大规模测试无数假设，同时评估先前发现的可重复性。除了每个单独的数据集承诺的独特见解之外，THINGS-data 的多模态性还允许组合数据集，从而比以前更广泛地了解物体处理。我们的分析证明了数据集的高质量，并提供了五个假设驱动和数据驱动的应用程序示例。 THINGS-data 是 THINGS 计划 ( https://things-initiative.org ) 的核心公开发布版本，旨在弥合学科之间的差距和认知神经科学的进步。
面部感知的人类单神经数据集
人类杏仁核和海马长期与面部感知有关。在这里，我们介绍了面部感知期间人类杏仁核和海马中单神经活性的数据集。我们记录了人类杏仁核和海马的2082个神经元，当时具有顽固性癫痫的神经外科手术患者使用自然的脸部刺激进行了一次性任务，这模仿了自然的面部感知。具体来说，我们的数据包括（1）来自杏仁核（996个神经元）和海马（1086个神经元）的单神经元活动，（2）眼睛运动（凝视位置和学生），（3）患者的心理学评估，以及（4）来自大型患者和一般参与者的社交特质判断等级，并从一般性的参与者中获得了一般性的参与者和参与者。一起，我们拥有大量神经元的全面数据集可以促进对面部感知的多方面调查，其空间和时间分辨率最高，目前可在人类中获得。
自主构建仅传感器设施的数据集...
∙第一作者：Hyung Lee，通讯作者：Chulwoo Park *Hyung Lee（hyung@hit.ac.kr），部门广播内容，大道健康技术研究所** chulwoo Park（cwpark@geonspace.com），Geo＆Co.，Ltd ** Handong Lee（ditto0830@geonspace.com），Geo＆Co.11。20，修订：2023。12。11，接受：2023。12。27。