XiaoMi-AI文件搜索系统
World File Search SystemFilippini
引用本文：Cavalieri S、Philippine DM、Ottini A、Bergamini C、Resteghini C、Colombo E 等。头颈部鳞状细胞癌的免疫治疗
复发/转移性 (R/M) 头颈部鳞状细胞癌 (HNSCC) 的预后不佳，这促使细胞毒性癌症治疗以外的治疗方法领域取得了最新进展。近年来，对基因组格局的了解越来越深入，以及即将发布的 HNSCC 免疫治疗新数据已导致免疫系统治疗靶向成功。免疫检查点抑制剂 (ICI) 改变了 R/M 患者的治疗现状，甚至在早期疾病中也可能发挥潜在作用。这项工作的目的是总结免疫治疗在临床实践中对 R/M HNSCC 的作用，并展望未来前景。本文介绍了其他 R/M 头颈部癌症（如甲状腺癌、唾液腺癌、鼻咽癌、鼻窦癌和睾丸核蛋白 (NUT)）的最新免疫治疗结果。
第 19 届低温探测器国际研讨会
22. “高阻抗、低耗散和超低噪声 HEMT 1K 前端电子器件和读出器，用于未来 RICOCHET 实验的 Cry-oCube 探测器阵列” Jean-Baptiste Filippini - IP2I/IN2P3/CNRS
CyFIP2 RNA编辑对肌动蛋白调节，轴突生长和旋转生成的功能影响
Luca La Via 1, Elona Ndoj 1, Matteo Bertoli 1, Veronica Mutti 1, Giulia Carini 1, Alice Filippini 1.2, Federica Bono 1, Chiara Fiorentini 1, Giovanni Ribaudo 1, Alessandra Gianonelli 1, Giuseppe Borsani 1 Isabella Russo 1.2, Alessandro Baron 1.3
人工智能在时尚行业设计和产品开发中的应用
产品创新是企业创造可持续竞争优势的重要一步（Biazzo & Filippini，2021）。创意或创意创造是产生和发展具有创造性的新想法和解决方案的认知过程，用于解决开放式问题（Fink & Benedek，2014）。创意过程通常发生在设计工程的早期阶段，作为寻找设计问题解决方案的工具。因此，在时装公司的创意阶段，有空间采用数据驱动和基于人工智能的方法（Chen et al.，2019）。创意对最终的产品解决方案做出了重要贡献，因此必须在产品开发中加以考虑、规划和充分准备（Quade & Schlüter，2020）。创意创意研究的主要贡献出现在 1950 年，当时该主题首次被研究（Guilford，1950）。另一个公认的方面是人工智能 (AI)，它被认为会影响组织的未来，可能包括时尚行业。人工智能是一种模仿人类智能、转化为算法并通过机器开发的技术（Kelley 等人，2018 年）。研究证明，2017 年至 2022 年间，企业采用人工智能的人数翻了一番（麦肯锡，2022 年）。一项采访全球 2,500 名商业领袖的研究表明，2023 年改变组织的十大转变之一是应用人工智能来构建更好的组织（麦肯锡，2023 年）。人工智能贡献收入最大的功能包括产品和服务开发（麦肯锡，2022 年）。
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018