XiaoMi-AI文件搜索系统
World File Search System重复性
医学成像的机器学习中的可重复性
可重复性是科学的基石，因为发现的复制是它们成为知识的过程。广泛认为，许多科学领域正在经历可重复性危机。这导致了各种准则的出版物，以提高研究可重复性。本教学章节旨在作为用于医学成像的机器学习领域的研究人员的介绍。我们首先区分不同类型的可重复性。对于每个人，我们旨在定义它，描述实现它的要求并讨论其效用。本章以讨论可重复性的好处的讨论以及对这种概念的非态度方法及其在研究实践中的实施的恳求。
通过培训促进生物信息学的可重复性
从多能干细胞（PSC）驱动有效和纯净的骨骼肌细胞分化一直在挑战。在这里，我们报告了一种优化的方案，该方案在短时间内生成具有较高效率和纯度的骨骼肌祖细胞。使用明显的和物种特异的方案将人类诱导的PSC（HIPSC）和鼠类胚胎干细胞（MESC）指定到中胚层肌原性命运中。我们使用了特定的成熟培养基来促进人和小鼠成肌细胞种群的终端分化，并生成与大量细胞周期停滞的PAX7 +细胞相关的肌管。我们还表明，肌管的成熟是通过塑性特性，细胞密度和肌源性祖细胞百分比来调节的。鉴于肌源祖细胞的产生和分化肌纤维的效率很高，该方案为组织工程，肌肉营养不良的建模以及评估体外的新治疗方法提供了有吸引力的策略。
开放科学的最大基于EEG的BCI可重复性研究：MOABB基准
摘要。目标。本研究对开放脑电图数据集进行了广泛的大脑计算机界面（BCI）可重复性分析，旨在评估现有的解决方案并建立开放且可重复的基准测试，以有效比较该领域。对这种基准的需求在于产生未公开的专有解决方案的快速工业进步。此外，科学文献是密集的，通常具有具有挑战性的评估，从而使现有方法之间的比较艰巨。方法。在一个开放式框架中，在36个公开可用的数据集中对30个机器学习管道（分为原始信号：11，Riemannian：13，深度学习：6）进行了精心重新实现和评估，包括汽车图像（14），p300（15）（15）和SSVEP（7）。该分析结合了统计荟萃分析技术，以进行结果评估，包括执行时间和环境影响注意事项。主要结果。该研究产生了适用于各种BCI范式的原则和鲁棒结果，强调运动图像，P300和SSVEP。值得注意的是，利用空间协方差矩阵的Riemannian方法表现出卓越的性能，强调了大量数据量的必要性，以通过深度学习技术实现竞争成果。全面的结果是公开访问的，为将来的研究铺平了道路，以进一步提高BCI领域的可重复性。意义。这项研究的重要性在于它在建立严格和透明的基准的BCI研究中做出的贡献，为最佳方法论提供了见解，并强调了可重复性在推动该领域进步方面的重要性。
可重复性测量指南（...
（物理科学）介绍在设计研究，分析数据并报告结果时，重要的是要考虑发现的可重复性。可再现的工作为科学界提供了可靠的基础，可以在其中建立未来的工作。在多个样品/设备上执行适当的测量类型和数量，可为实验中存在的可变性程度提供信息。了解存在多少随机变化，可以做出更有意义和准确的解释。对于物理研究，我们可以定义三种主要类型的可重复性标准：样本/设备可重复性，测量可重复性和分析可重复性。
研究有影响力的脑电图实验的可重复性
推荐引用 推荐引用 Pavlov, Y., Mushtaq, F., Adamian, N., Appelhoff, S., Arvaneh, M., Benwell, C., Beste, C., Bland, A., Bradford, D., Bublatzky, F., Busch, N., Clayson, P., Cruse, D., Czeszumski, A., Dreber, A., Dumas, G., Ehinger, B., Ganis, G., He, X., Hinojosa, J., Huber-Huber, C., Inzlicht, M., Jack, B., Johannesson, M., Jones, R., Kalenkovich, E., Kaltwasser, L., Karimi-Rouzbahani, H., Keil, A., & König, P. (2021) '#EEGManyLabs: Investigating the replicaability of influence EEG 实验”，Cortex，。可从以下网址获取：10.1016/j.cortex.2021.03.013 本文由 PEARL 健康学院免费开放获取。它已被 PEARL 授权管理员接受纳入心理学学院。如需更多信息，请联系 openresearch@plymouth.ac.uk。
可重复性、可复制性和可重复性：以高性能计算为重点的可重复性研究调查
（https://journals.plos.org/plosone/s/materials-and-software-sharing）。各国政府拥有融资能力，必须参与开放科学，例如美国国立卫生研究院（Collins and Tabak，2014 年）和法国政府（https://www.ouvrirlascience.fr/second-national-plan-for-open-science/）。最后，整合开放科学并创造
重复性家庭电力前庭刺激对健康老年人认知技能的影响
人类前庭系统受到衰老过程的不利影响。最近的证据表明，前庭信息和认知功能是相关的，这表明与年龄相关的前庭损失可能有助于认知障碍。在这项研究中，我们旨在研究重复的，基于家庭的电力前庭刺激（GVS）对健康老年人认知功能的影响。将21名参与者（年龄= 64.66±2.97岁，12名女性）随机分配给家庭基于家庭的GV或主动对照组。GVS干预持续了每节时间20分钟，每周五次，持续两个星期（10个课程）。使用Stroop测试，TRAIL MADE TEST A＆B以及双重任务（数字召回和纸笔跟踪测试），在干预之前和之后评估了认知功能。我们的发现显示跟踪准确性具有显着的群体相互作用（F（1,18）= 7.713，P = 0.012，ηp2 = 0.30），只有基于家庭的GVS组显示出显着提高（t = -2.544，p = 0.029）。拟议的家庭GVS协议提供了一种有希望的非药理学途径，可增强健康老年人的视觉空间能力。需要进一步的研究来研究不同的GVS方案对各种认知功能的影响，尤其是在具有不同健康状况不同的老年人中。
使用深度学习模型实现肿瘤分割结果的可重复性
在过去的几年中，人们越来越意识到许多科学领域的可重复性问题。在这项工作中，我们的目标是评估当 MRI 图像经过 (i) 使用相同预处理流程的两个不同版本，以及 (ii) 引入模拟在不同环境下执行的数值扰动进行预处理时，深度分割模型产生的肿瘤分割结果的可重复性。结果表明，这两个变异源可能导致分割结果发生重要变化：Dice 可以低至 0.59，而豪斯多夫距离可以高达 84.75。此外，两种情况都显示出相似的值范围，这表明不稳定性的根本原因可能是数值稳定性。这项工作可以作为提高流程数值稳定性的基准。
基因组编辑结果的变异性：研究可重复性和临床安全性的挑战
HAL 是一个多学科开放存取档案库，用于存放和传播科学研究文献，无论这些文献是否已出版。这些文献可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
医学图像计算的可重复性
医学图像计算 (MIC) 致力于通过计算方法分析医学成像数据并通过实验对其进行评估。因此，它是一门实验科学。可重复性是所有实验科学进步的基石。与许多其他领域一样，人们主要担心 MIC 的可重复性不令人满意。然而，可重复性不是一个单一的概念，而是一个范围，研究人员经常误解它。此外，尽管已经采取了一些措施来促进 MIC 社区的可重复性，但目前尚不清楚这些措施是否有效。本章的目标有三个：i) 为读者提供 MIC 可重复性的必要概念；ii) 描述已实施的措施并评估其中一些措施；iii) 概述可能采取的一些新行动。本章首先介绍一个概念框架，该框架区分了不同类型的可重复性以及可重复研究的主要组成部分。然后，介绍 MICCAI（医学图像计算）当前如何评估可重复性