XiaoMi-AI文件搜索系统
World File Search SystemMNI
BEHAVIOR-1K：具有 1,000 个日常活动和现实模拟的具身 AI 基准
摘要：我们提出了 BEHAVIOR-1K，一个以人为本的机器人综合模拟基准。BEHAVIOR-1K 包括两个部分，分别由“您希望机器人为您做什么？”这一广泛调查的结果指导和推动。第一个部分是定义 1,000 种日常活动，基于 50 个场景（房屋、花园、餐厅、办公室等），其中有 5,000 多个对象，并标注了丰富的物理和语义属性。第二个部分是 O MNI G IBSON，这是一个新颖的模拟环境，它通过逼真的物理模拟和刚体、可变形体和液体的渲染来支持这些活动。我们的实验表明，BEHAVIOR-1K 中的活动是长期的并且依赖于复杂的操作技能，这两者对于最先进的机器人学习解决方案来说仍然是一个挑战。为了校准 BEHAVIOR-1K 的模拟与现实之间的差距，我们提供了一项初步研究，研究如何在模拟公寓中使用移动机械手学到的解决方案转移到现实世界中。我们希望 BEHAVIOR-1K 的人性化本质、多样性和现实性能够使其对具身化 AI 和机器人学习研究有价值。项目网站：https://behavior.stanford.edu。
在耐药性抑郁症中连续酮胺输注后白质微观结构的变化
图3连续氯胺酮输注后WM的重大变化。在连接时间，枕骨和边缘区域的区域中观察到NDI的显着降低，包括左后丘脑辐射，左下纵向筋膜，以及内囊的左后角区域。（a）NDI显着降低的WM区域的多切片视图，在MNI-152 T1W脑上覆盖了每个切片视图的MNI坐标。更明亮的颜色表示更大的意义。（b）使用显着的WM道作为统计ROI，在每个受试者的氯胺酮处理前后，在此ROI中计算了平均NDI值。每个时间点的箱形图显示了平均NDI值的分布，在两个时间点上连接受试者的线显示在氯胺酮治疗后每个受试者的平均NDI变化（蓝色=减少，红色=增加）。a p -value（6.3e -08）来自配对的t检验comapring在ROI内的平均NDI随时间变化的平均变化在框图上方列出。ndi，神经突密度指数； ROI，感兴趣的地区； WM，白色物质
小脑和新皮层之间的结构协方差固有结构协方差将小脑子区域连接到大脑皮层
1麦康奈尔脑成像中心，生物医学工程系，医学院，计算机科学学院，神经科学学院 - 蒙特利尔神经学院（MNI），麦吉尔大学，蒙特利尔大学，蒙特利尔，加拿大魁北克； 2米拉 - 加拿大魁北克蒙特利尔的魁北克人工智能研究所； 3西部神经科学研究所，西部大学，伦敦，加拿大安大略省； 4加拿大安大略省伦敦西部大学计算机科学系； 5加拿大安大略省伦敦西部大学统计与精算科学系； 6加拿大魁北克蒙特利尔康科迪亚大学心理学系； 7德国莱比锡Max Planck人类认知与脑科学研究所神经病学系； 8美国德克萨斯州达拉斯的UTSW高级成像研究中心； 9伊利诺伊州伊利诺伊州伊利诺伊州乌尔巴纳大学的生物工程系； 10 N.1 N.1卫生研究所睡眠与认知中心电气与计算机工程系，新加坡新加坡国立大学卫生与数字医学研究所；和11个共济失调中心，神经解剖学和小脑神经生物学实验室，马萨诸塞州综合医院和哈佛医学院，美国马萨诸塞州波士顿，美国马萨诸塞州波士顿
小脑和新皮层之间的结构协方差固有结构协方差将小脑子区域连接到大脑皮层
1麦康奈尔脑成像中心，生物医学工程系，医学院，计算机科学学院，神经科学学院 - 蒙特利尔神经学院（MNI），麦吉尔大学，蒙特利尔大学，蒙特利尔，加拿大魁北克； 2米拉 - 加拿大魁北克蒙特利尔的魁北克人工智能研究所； 3西部神经科学研究所，西部大学，伦敦，加拿大安大略省； 4加拿大安大略省伦敦西部大学计算机科学系； 5加拿大安大略省伦敦西部大学统计与精算科学系； 6加拿大魁北克蒙特利尔康科迪亚大学心理学系； 7德国莱比锡Max Planck人类认知与脑科学研究所神经病学系； 8美国德克萨斯州达拉斯的UTSW高级成像研究中心； 9伊利诺伊州伊利诺伊州伊利诺伊州乌尔巴纳大学的生物工程系； 10 N.1 N.1卫生研究所睡眠与认知中心电气与计算机工程系，新加坡新加坡国立大学卫生与数字医学研究所；和11个共济失调中心，神经解剖学和小脑神经生物学实验室，马萨诸塞州综合医院和哈佛医学院，美国马萨诸塞州波士顿，美国马萨诸塞州波士顿
Beta带振荡的神经发育轨迹
图3：随着年龄的增长：（a）脑图通过左运动皮层显示切片，并在标准大脑上覆盖了β调制（蓝色/绿色）的伪-T统计图。为每个亚组指示峰值MNI坐标。时间频谱图显示了神经振荡振幅的调节（光谱幅度的分数变化相对于2.5-3 s窗口中测得的基线）。垂直线表示第一个盲文刺激的时间。在所有情况下，从峰值beta denngonisation（在左感觉运动皮层）的位置中提取结果。请注意刺激过程中明显的β幅度降低。插图线图显示了4-40 Hz试验平均的相锁诱发响应，预期的突出偏转在20和50 ms左右。 （b）绘制的beta波段振幅（0.3-0.8 s窗口与1-1.5 s窗口）的最大差异绘制为年龄的函数（即，每个数据点显示了一个不同的参与者；三角形代表孩子，圈子代表成人）。注意显着相关（𝑅2= 0.29，𝑝= 0.00004 *）。（c）绘制的诱发响应的P50分量的幅度绘制为年龄。没有显着相关性（𝑅2= 0.04，𝑝= 0.14）。这里的所有数据都与食指刺激有关；相似的结果可用于补充信息第1节中的小指刺激。
脑肿瘤临床磁共振和超声图像在线数据库
目的：医学成像领域的一个重要挑战是找到真实的临床图像来验证新的图像处理算法。对于脑部的跟踪式 3D 超声图像尤其如此。方法：2010 年，作者在蒙特利尔神经病学研究所的成像研究中获取了脑肿瘤患者术前和术后的磁共振和术中超声图像。结果：这些数据可在蒙特利尔神经病学研究所的脑肿瘤图像评估数据库中在线获取，该数据库称为 MNI BITE 数据库。它包含 14 名患者的超声和磁共振图像。每位患者均接受了术前和术后 T1 加权磁共振扫描（钆增强），并在切除术前后获取了多张术中 B 型图像。在某些图像对中手动选择了相应的特征以进行验证。所有图像均为 MINC 格式，这是作者所在研究所用于图像处理的文件格式。 MINC 工具可在 packages.bic.mni.mcgill.ca 免费下载。结论：这是同类中第一个在线数据库。图像处理科学家以及希望比较磁共振和超声成像结果的临床医生可以使用这些图像。VC 2012 美国医学物理学家协会。[http://dx.doi.org/10.1118/1.4709600]
利用位置信息改进基于块的卷积神经网络进行 MRI 脑肿瘤分割
手动脑肿瘤注释过程耗时耗力，因此，对自动化、精准的脑肿瘤分割工具的需求十分巨大。在本文中，我们介绍了一种新方法，将位置信息与最先进的基于块的神经网络相结合，用于脑肿瘤分割。这是基于以下观察结果：病变并非均匀分布在不同的脑分区区域中，而局部敏感的分割可能会获得更好的分割精度。为此，我们使用蒙特利尔神经研究所 (MNI) 空间中现有的脑分区图谱，并将该图谱映射到单个受试者数据。受试者数据空间中的映射图谱与结构磁共振 (MR) 成像数据相结合，并训练基于块的神经网络（包括 3D U-Net 和 DeepMedic）对不同的脑病变进行分类。在提出的两级集成方法中，训练了多个最先进的神经网络并将其与 XGBoost 融合相结合。第一级通过不同的种子初始化来降低同一类型模型的不确定性，第二级利用不同类型的神经网络模型的优势。所提出的位置信息融合方法提高了包括 3D U-Net 和 DeepMedic 在内的最先进网络的分割性能。与 BraTS 2017 中最先进的网络相比，我们提出的集成还实现了更好的分割性能，并与 BraTS 2018 中最先进的网络相媲美。在公共多模态脑肿瘤分割 (BraTS) 基准上提供了详细结果。
EN 301 040 - V2.0.5 - 陆地集群无线电 (TETRA) - ETSI
AI 空中接口 ASSI 分配的短用户标识 BER 基本编码规则 CCIR 国际无线电咨询委员会 CCK 公用密钥 CGI 小区全球标识 CONS 面向连接的网络服务 DMO 直接模式操作 DSS1 数字用户信令系统号一 GCK 组密钥 GTSI 组 TETRA 用户标识 IP 互联网协议 ISDN 综合业务数字网 ITSI 个人 TETRA 用户标识 LA 位置区 LEA 执法机构 LEMF 执法监控设施 LI 合法拦截 LII 合法拦截接口 MF 中介功能 MM 移动性管理 MNI 移动网络标识 MS 移动台 PAMR 公共接入移动无线电 PISN 公共综合业务网 PMR 专用移动无线电 PNO 公共网络运营商 PSTN 公共交换电话网 QoS 服务质量 RPDI 无线分组数据基础设施 SCK 静态密钥 SCLNS 特定无连接网络服务 SDL 服务和描述语言 SDS 短数据服务 SS 补充服务 SSI 短用户标识 SwMI交换和管理基础设施 TEI TETRA 设备标识 TETRA 地面集群无线电 TSI TETRA 用户标识 UTC 协调世界时 VC 虚拟电路
麦吉尔综合神经科学中心
简介 麦吉尔综合神经科学中心 (MCIN) 位于神经学院，过去二十年来一直处于加拿大数字研究基础设施 (DRI) 开发的前沿，为大型多中心研究提供了加拿大首个综合神经信息学平台，并为协作分布式高性能计算 (HPC) 提供了门户。MCIN 的两个主要平台 CBRAIN 和 LORIS 在过去 20 年中作为开源项目构建。MCIN 领导多个国家项目的大型网络平台工作，例如一个覆盖 6 个省的痴呆症网络、加拿大老龄化神经退行性疾病联盟 CCNA 和一个国家开放数据共享平台——加拿大开放神经科学平台 CONP。MCIN 是重大国际项目的核心合作伙伴，例如我们在 NIH 资助的婴儿脑成像研究 (IBIS) 中发挥着中央数据协调作用。MCIN 已经建立了开放科学数据存储库，包括 BigBrain 高分辨率 3D 脑模型、正常脑活动的 Open MNI iEEG Atlas 和 C-BIG 生物样本存储库。MCIN 在研究计算、数据管理和研究软件工程方面的专业知识在国际数据科学组织中保持着受人尊敬的加拿大领导地位，例如在全球脑联盟和国际神经信息学协调机构 (INCF) 内。这些举措得到了 CIHR、CFI、CFREF、FRQS、Brain Canada 和 CANARIE 的支持，使 MCIN 成为平台技术领导者。在这里，我们从 MCIN 的角度介绍了 NDRIO 的发展。1.当前问题
自然主义手臂运动的行为和神经变异性
图1：数据处理，分析和建模框架的示意图。（a） - （b）基于对每个受试者的连续视频监测，左右手腕的轨迹（腕部和腕部r（b）中的腕部）使用神经网络估算（Mathis等人。，2018年），并自动分为移动（灰色）和静止（白色）状态，如（b）中所示。（c） - （d）对原始的多电极电视学（ECOG）进行了过滤并重新引用；从进一步的分析中除去了不良电极（例如，具有伪影的电极）。（e）从视频中检测到的运动开始事件，如（b）所示，使用时间戳对齐ECOG数据。（f）对于每个电极处的每个移动事件，计算光谱功率并将其视为对数尺度频谱图。（g）总结了跨事件和电极，我们根据解剖学注册将光谱从电极投射到8个皮层区域，并在运动事件中计算了中位功率。（h）我们的数据包括12个主题；它们的电极位置显示在MNI坐标中（见图1-1，用于特定的细节）。五个受试者的电极植入了右半球（用星号表示）。为了进行以后分析的一致性，我们反映了这些电极位置，如图所示。（i）为了部分解释低频（LFB：8-32 Hz）和高频（HFB：76-100 Hz）光谱功率的事件神经变异性，我们使用从视频中提取的行为特征在每个电极上填充多个线性回归模型。