XiaoMi-AI文件搜索系统
World File Search SystemITR
RAAV制造的一种新颖的合成DNA替代品
图1：ANJ-DNA生产Raav。anj-DNA旨在编码辅助构建体和RAAV生产所需的repcap以及利益基因（GOI）。有趣的是，我们的GOI旨在具有模仿AAV2 ITR的发夹结构，因此可以复制并将其包装到Raav中，而无需额外的侧翼序列。可以定制这三个构造以编码任何必需的GOI或优化的助手序列。ANJ-DNA也可以与其他质粒或包装细胞系组合使用，以进行AAV产生。
拥有超过 200 个目标的高速混合脑机接口
摘要 目的. 脑机接口（BCI）近年来在扩展其指令集方面取得了重大进展，引起了研究者的广泛关注。目标和命令的数量是BCI解码大脑意图能力的关键指标。目前尚无研究报道过具有超过200个目标的BCI系统。方法. 本研究开发了第一个具有多达216个目标的高速BCI系统，这些目标由多种脑电图特征编码，包括P300、运动视觉诱发电位（mVEP）和稳态视觉诱发电位（SSVEP）。具体而言，混合BCI范式使用时频分多址策略，用不同时间窗的P300和mVEP以及不同频率的SSVEP精心标记目标。然后通过任务判别成分分析和线性判别分析解码混合特征。十名受试者参加了离线和在线提示引导拼写实验。另外十名受试者参加了在线自由拼写实验。主要结果。离线结果显示，mVEP 和 P300 成分在中央、顶叶和枕叶区域突出，而最明显的 SSVEP 特征在枕叶区域。在线提示引导拼写和自由拼写结果表明，所提出的 BCI 系统对 216 个目标分类的平均准确率分别为 85.37% ± 7.49% 和 86.00% ± 5.98%，平均信息传输速率 (ITR) 分别为 302.83 ± 39.20 位分钟 -1 和 204.47 ± 37.56 位分钟 -1。值得注意的是，峰值 ITR 可达 367.83 位分钟 -1。意义。本研究开发了第一个超过 200 个目标的高速 BCI 系统，有望扩展 BCI 的应用场景。
脑机接口增强注意力...
这项行政补充建议将一组患有轻度阿尔茨海默病 (AD) 的成年人添加到母奖项 R01DC009834 中。我们将针对这一额外的临床人群实施与母奖项具体目标 2 和 4 中批准的相同的实验方法。培训后信息传输率 (ITR) 变化的结果测量保持不变，我们正在添加两个经 NIDCD 项目官员批准的阅读技能次要行为测量。患有 AD 的人表现出继发于痴呆综合症的注意力和语言障碍。阅读障碍很常见，会影响日常活动，从阅读文本（例如菜单或杂志）到阅读环境中的显着线索以寻找方向。补充目标是通过视觉注意字母训练范式来提高轻度 AD 患者的注意力和阅读技能。该训练使用基于字母的脑机接口 (BCI)，即快速串行视觉呈现 (RSVP) 键盘系统，该系统已在母奖项中建立。它在记录 EEG 的同时显示字母，并使用机器学习分类器和语言模型来决定用户想要的字母。有人提出，BCI 训练可以提高轻度 AD 成年人的注意力和基本阅读技能。我们计划从 NIA 资助的 P30 俄勒冈州阿尔茨海默病中心招募 24 名可能或很可能患有 AD 和语言障碍的参与者，该中心由医学博士、哲学博士 Barry Oken 担任副主任。AD 中心招募确保所有参与者都按照国家阿尔茨海默病协调中心指南进行诊断和描述。参与者将提供 0.5 – 1 的全球临床痴呆评分和阅读障碍，并将通过既定的 RSVP 键盘 BCI 使用认知筛查。参与者参加单组干预，在 2 个月内干预前 3 次、干预后 3 次获得多个基线 AB 设计和结果测量。计划有两次培训机会。首先，参与者每周执行两次 BCI RSVP 校准任务，持续 6 周。根据 P300 波提供有关注意力和有意字母选择准确性的反馈。其次，参与者每天在家用电脑上观看模拟 RSVP 键盘 15 分钟，作为针对特定过程的注意力训练任务。三个结果测量是：(1) ITR，一种与注意力相关的 EEG (P300) 测量；(2) 句子阅读流畅度；(3) 字母单词识别。阅读技能通过 Woodcock-Johnson IV 成就测试的标准化、有效子测试进行评估。据推测，ITR、阅读流畅度和字母单词识别技能会随着训练而提高。本补充材料加强了当前的辅助技术研究计划，并为针对认知和运动障碍患者（包括 AD 患者）的转化 BCI 技能和训练范式的更大研究议程提供了数据。
2024年的新事物：顶峰课程选择过程，IMS中的HSP
该电子邮件将在3年级的BMSC中发送给学生IMS计划正在为即将到来的2024年夏季注册期间试用顶峰选择过程。模块要求：IMS荣誉专业化的第4年的学生参加以下4000级课程，作为其第四年要求的一部分。1.0课程从：医学科学4990E或医学科学4995E（顶峰课程选项）。 0.5课程：医学科学4930f/g。 0.5课程：医学科学4200A/b。 1.0在以下4000级的基本医学主题领域的其他课程：解剖学和细胞生物学，生物化学，生物化学，生物统计学，流行病学，医学生物信息学，医学生物物理学，医学科学，微生物生物学和免疫学和免疫学，一种健康，病理学，病理学，药理学，生理学，物理学，物理学和药理学，物理学，物理学和药物学。 每年最多有192名学生参加IMS荣誉专业的第4年，其中的空间在医学科学4990E和医学科学4995E中平均分布，即，一半的学生将4990E和一半的一半的学生占据了4995E：在过去的几年中，我们已经发现了多年来的需求量，尤其是帽子cocctone的范围。 试图使课程注册不如确保音乐会门票或被投入饥饿游戏，我们今年正在驾驶新的选择过程。 学生将在课程注册的第一天之前注册在顶峰，因此他们将在注册日之前知道如何计划其剩余课程。1.0课程从：医学科学4990E或医学科学4995E（顶峰课程选项）。0.5课程：医学科学4930f/g。 0.5课程：医学科学4200A/b。 1.0在以下4000级的基本医学主题领域的其他课程：解剖学和细胞生物学，生物化学，生物化学，生物统计学，流行病学，医学生物信息学，医学生物物理学，医学科学，微生物生物学和免疫学和免疫学，一种健康，病理学，病理学，药理学，生理学，物理学，物理学和药理学，物理学，物理学和药物学。 每年最多有192名学生参加IMS荣誉专业的第4年，其中的空间在医学科学4990E和医学科学4995E中平均分布，即，一半的学生将4990E和一半的一半的学生占据了4995E：在过去的几年中，我们已经发现了多年来的需求量，尤其是帽子cocctone的范围。 试图使课程注册不如确保音乐会门票或被投入饥饿游戏，我们今年正在驾驶新的选择过程。 学生将在课程注册的第一天之前注册在顶峰，因此他们将在注册日之前知道如何计划其剩余课程。0.5课程：医学科学4930f/g。0.5课程：医学科学4200A/b。 1.0在以下4000级的基本医学主题领域的其他课程：解剖学和细胞生物学，生物化学，生物化学，生物统计学，流行病学，医学生物信息学，医学生物物理学，医学科学，微生物生物学和免疫学和免疫学，一种健康，病理学，病理学，药理学，生理学，物理学，物理学和药理学，物理学，物理学和药物学。 每年最多有192名学生参加IMS荣誉专业的第4年，其中的空间在医学科学4990E和医学科学4995E中平均分布，即，一半的学生将4990E和一半的一半的学生占据了4995E：在过去的几年中，我们已经发现了多年来的需求量，尤其是帽子cocctone的范围。 试图使课程注册不如确保音乐会门票或被投入饥饿游戏，我们今年正在驾驶新的选择过程。 学生将在课程注册的第一天之前注册在顶峰，因此他们将在注册日之前知道如何计划其剩余课程。0.5课程：医学科学4200A/b。1.0在以下4000级的基本医学主题领域的其他课程：解剖学和细胞生物学，生物化学，生物化学，生物统计学，流行病学，医学生物信息学，医学生物物理学，医学科学，微生物生物学和免疫学和免疫学，一种健康，病理学，病理学，药理学，生理学，物理学，物理学和药理学，物理学，物理学和药物学。 每年最多有192名学生参加IMS荣誉专业的第4年，其中的空间在医学科学4990E和医学科学4995E中平均分布，即，一半的学生将4990E和一半的一半的学生占据了4995E：在过去的几年中，我们已经发现了多年来的需求量，尤其是帽子cocctone的范围。 试图使课程注册不如确保音乐会门票或被投入饥饿游戏，我们今年正在驾驶新的选择过程。 学生将在课程注册的第一天之前注册在顶峰，因此他们将在注册日之前知道如何计划其剩余课程。1.0在以下4000级的基本医学主题领域的其他课程：解剖学和细胞生物学，生物化学，生物化学，生物统计学，流行病学，医学生物信息学，医学生物物理学，医学科学，微生物生物学和免疫学和免疫学，一种健康，病理学，病理学，药理学，生理学，物理学，物理学和药理学，物理学，物理学和药物学。每年最多有192名学生参加IMS荣誉专业的第4年，其中的空间在医学科学4990E和医学科学4995E中平均分布，即，一半的学生将4990E和一半的一半的学生占据了4995E：在过去的几年中，我们已经发现了多年来的需求量，尤其是帽子cocctone的范围。试图使课程注册不如确保音乐会门票或被投入饥饿游戏，我们今年正在驾驶新的选择过程。学生将在课程注册的第一天之前注册在顶峰，因此他们将在注册日之前知道如何计划其剩余课程。这个新系统将在7月的课程注册期间增加安置的公平性并减少挫败感。时间表：5月31日：被裁定为IMS荣誉专业的学生将因偏爱Med Sci 4990E或Med Sci 4995E而受到调查。学生将有机会指出他们想要的课程，并将其深入研究为首选的实验室/教程部分。If demand exceeds availability for any of the sections, a Point System will be used to select students based on the following three criteria: ‐ ITR selection: students first or second ITR choice, with a point assigned for those who indicated HSP IMS as an ITR choice ‐ Weighted Average: A student's weighted average will be converted to a point value ‐ Random lottery assignment: Students will have a point value generated based on random assignment June 14 th : Students will be notified在其顶峰课程选择（包括讲座 +教程/实验室组件）中，将进行手动注册，从而进行课程注册。
用于虚拟现实应用的新型混合脑机接口，采用基于稳态视觉诱发电位的脑机接口和基于眼电图的眼动追踪来提高信息传输速率
基于脑电图 (EEG) 的脑机接口 (BCI) 近来在虚拟现实 (VR) 应用中引起越来越多的关注，成为一种有前途的工具，可以“免提”方式控制虚拟物体或生成命令。视频眼动图 (VOG) 经常被用作一种工具，通过识别屏幕上的注视位置来提高 BCI 性能，然而，当前的 VOG 设备通常过于昂贵，无法嵌入到实用的低成本 VR 头戴式显示器 (HMD) 系统中。在本研究中，我们提出了一种新颖的免校准混合 BCI 系统，该系统结合了基于稳态视觉诱发电位 (SSVEP) 的 BCI 和基于眼电图 (EOG) 的眼动追踪，以提高 VR 环境中九目标基于 SSVEP 的 BCI 的信息传输速率 (ITR)。在以 3×3 矩阵排列的三种不同频率配置的模式反转棋盘格刺激上重复实验。当用户注视九种视觉刺激中的一种时，首先根据用户的水平眼球运动方向（左、中或右）识别包含目标刺激的列，并使用从一对电极记录的水平 EOG 进行分类，该电极可以很容易地与任何现有的 VR-HMD 系统结合使用。请注意，与 VOG 系统不同，可以使用与记录 SSVEP 相同的放大器来记录 EOG。然后，使用多元同步指数 (EMSI) 算法的扩展（广泛使用的 SSVEP 检测算法之一）在选定列中垂直排列的三个视觉刺激中识别目标视觉刺激。在我们对 20 名佩戴商用 VR-HMD 系统的参与者进行的实验中，结果表明，与 VR 环境中基于传统 SSVEP 的 BCI 相比，所提出的混合 BCI 的准确度和 ITR 均显着提高。
无需用户特定训练即可为 SSVEP BCI 拼写者迁移学习一组 DNN
摘要 — 目标：用脑电图 (EEG) 测量的稳态视觉诱发电位 (SSVEP) 在脑机接口 (BCI) 拼写器中产生不错的信息传输速率 (ITR)。然而，目前文献中高性能的 SSVEP BCI 拼写器需要对每个新用户进行初始冗长而累人的用户特定训练以适应系统，包括使用 EEG 实验收集数据、算法训练和校准（所有这些都在实际使用系统之前）。这阻碍了 BCI 的广泛使用。为了确保实用性，我们提出了一种基于深度神经网络 (DNN) 集合的全新目标识别方法，该方法不需要任何类型的用户特定训练。方法：我们利用先前进行的 EEG 实验的参与者的现有文献数据集，首先训练一个全局目标识别器 DNN，然后针对每个参与者进行微调。我们将这组经过微调的 DNN 集合转移到新的用户实例，根据参与者与新用户的统计相似性确定 k 个最具代表性的 DNN，并通过集合预测的加权组合来预测目标字符。结果：在两个大规模基准和 BETA 数据集上，我们的方法实现了令人印象深刻的 155.51 比特/分钟和 114.64 比特/分钟 ITR。代码可用于重现性：https://github.com/osmanberke/Ensemble-of-DNNs 结论：在两个数据集上，对于所有刺激持续时间在 [0.2-1.0] 秒内的情况，所提出的方法都明显优于所有最先进的替代方案。意义：我们的 Ensemble-DNN 方法有可能促进 BCI 拼写器在日常生活中的实际广泛部署，因为我们提供最高性能，同时允许立即使用系统而无需任何用户特定的训练。索引词 — 脑机接口、BCI、EEG、SSVEP、集成、深度学习、迁移学习
心力衰竭患者（出口HF试验）的基于中心的运动干预：一项务实的随机对照试验
A Surgery and Physiology Department, Faculty of Medicine, University of Porto, Portugal B Research Center in Physical Activity, Health and Leisure, Faculty of Sport, University of Porto, Portugal C Laboratory for Integrative and Translational Research in Population Health (ITR) Medicine, Santo António University Hospital Center (Chudsa), Porto, Portugal and Ibimed --- Institute of Biomedicine, Department of Medical Sciences, University of Aveiro, Portugal F Ceisuc --- Center for Health Studies and Research, University of Coimbra, Coimbra, Portugal G Iseg, UL --- Lisbon School of Economics and Management, University of Lisbon, Portugal H cardiovascular R&D Center --- unic@rise, Department of Surgery and Physiology, Faculty of Medicine of the University of Porto, Portugal I Université de Lorraine, Inserm, Center D'Enecougations Cliriques，Plurithématique14-33和Insemm U116，Chru Nancy，F-CrinA Surgery and Physiology Department, Faculty of Medicine, University of Porto, Portugal B Research Center in Physical Activity, Health and Leisure, Faculty of Sport, University of Porto, Portugal C Laboratory for Integrative and Translational Research in Population Health (ITR) Medicine, Santo António University Hospital Center (Chudsa), Porto, Portugal and Ibimed --- Institute of Biomedicine, Department of Medical Sciences, University of Aveiro, Portugal F Ceisuc --- Center for Health Studies and Research, University of Coimbra, Coimbra, Portugal G Iseg, UL --- Lisbon School of Economics and Management, University of Lisbon, Portugal H cardiovascular R&D Center --- unic@rise, Department of Surgery and Physiology, Faculty of Medicine of the University of Porto, Portugal I Université de Lorraine, Inserm, Center D'Enecougations Cliriques，Plurithématique14-33和Insemm U116，Chru Nancy，F-Crin
人工智能治理的补充定义
目的：本政策旨在树立在学院内适当使用人工智能 (AI) 系统的概念；并解决人工智能对学院及其利益相关者的安全、隐私、信任、法律和监管、道德和社会影响。人工智能治理政策的纯文本目标：以下目标是人工智能治理政策中列出的目标的纯文本定义。这包括用于访问学院信息技术资源 (ITR) 上的人工智能系统的当前和未来技术。大型语言模型 (LLM) 一种计算模型，以其实现通用语言生成和其他自然语言处理任务的能力而著称。LLM 通过在计算密集型的自监督和半监督训练过程中从大量文本数据中学习统计关系来获得其能力。