XiaoMi-AI文件搜索系统
World File Search SystemSabine
微生物学/肿瘤学545（1个学分）
使学生了解新兴的趋势和创新：向学生介绍生物技术的最先进进步，例如单克隆抗体的药物发现，合成生物学和人工智能，从而促进了其在解决全球挑战中的作用。促进批判性思维和分析：鼓励学生批判性评估生物技术研究，评估其对社会的影响并了解其道德，经济和环境的影响。将理论与实践联系起来：通过案例研究和专家主导的讨论，突出了生物技术的现实应用，从对抗抗菌耐药性到提高农作物的可持续性。促进了协作和跨学科的见解：为学生创造机会，使学生与不同的观点互动，弥合微生物学，肿瘤学，工程和合成生物学等领域之间的差距。为学生做好生物技术职业的准备：为学生提供导航和为快速发展的生物技术领域的知识和工具，无论是在学术界，工业或政策制定中。课程学习成果：•学习最先进的生物技术工具和应用。•了解生物技术如何应对健康，农业和环境挑战。•探索诸如AI，单克隆抗体和合成生物学等创新。•分析生物学过程，例如噬菌体疗法和微生物组相互作用。•对生物技术在社会中的作用进行批判性思考。课程时间表：黄色突出显示的讲座是非同步记录的讲座（需要NetID登录）。周1月27日，2025年1月27日，约克·尤克（Jae-hyuk Yu）教授，西澳大学麦迪逊分校细菌学，“课程介绍，组织，生物技术概述”，第2周2月2日，2025年，Zhiqiang An教授，Univ。麦戈文医学院的德克萨斯州健康学校“目前的单克隆抗体药物发现的景观”，第3周，第10周，第1025卷，第2025卷，萨宾·佩莱特教授，细菌学，乌维 - 麦迪逊山脉，“肉毒杆菌和肉毒杆菌神经毒素。药房“用于生物医学应用的工程细胞”。，2025年2月24日，第5周，布兰代斯大学的亚历山大·比森教授。“一千个剪裁的生活：削减和挤压古细菌作为机械感应的模型”
新闻稿
欧盟研究：氮化镓制成的节能芯片可提高效率并减少二氧化碳排放量 菲拉赫，2022 年 11 月 23 日——欧洲研究团队开发了由半导体材料氮化镓制成的紧凑、低成本节能芯片。这为电动汽车无线充电、将可再生能源整合到电网以及实现可持续的 5G 部署开辟了能源效率的新维度。紧迫的能源转型、减少二氧化碳排放和不断增长的能源需求是我们这个时代的挑战性话题。效率比以往任何时候都更加重要。高效地产生、控制和使用能源是数字化和脱碳的关键杠杆。智能技术和氮化镓 (GaN) 等新型半导体材料在这里发挥着关键作用。GaN 功率半导体可在小空间内提供更多功率，节省能源，从而最大限度地减少二氧化碳排放量。在“UltimateGaN”研究项目中，来自科学和工业领域的团队已将任务设定为使 GaN 技术的优势可用于许多应用。结果是开创性的。材料和工艺技术的进一步发展使得未来能够以具有全球竞争力的成本提供高效、紧凑的GaN节能芯片。许多应用都可以从中受益——从电动汽车的无线充电到太阳能低损耗、平稳接入电网，再到5G网络的快速、经济高效扩张。例如在能源效率方面，为电动汽车无线充电开发的原型能够以96%的效率传输能量。相比之下，目前市场上的系统的效率最多为93%。能源效率提高3%，到2030年每年可以减少约170万吨二氧化碳，这大致相当于约一百万辆内燃机汽车的排放量。英飞凌科技奥地利公司首席执行官 Sabine Herlitschka 表示：“能源效率是节约能源和减少二氧化碳排放的全球最大资源之一。氮化镓功率半导体是可持续发展的真正领跑者。结果表明，欧洲的研究对能源效率做出了决定性的贡献。每一个百分点都很重要，是
全球结核病报告2023 -Iris Home
The Global Tuberculosis Report 2023 was produced by a core team of 13 people in the global bubercu- losis programme: Taghreed Adam, Annabel Baddeley, Mathieu Bastard, Saskia Den Boon, Anna Dean, Dennis Fazon, Katherine Floyd, Nebiat Gebreselassie, marek lali, irwin law, peter nguhiu, hazim timimi和Yamanka Takuya。球队由凯瑟琳·弗洛伊德（Katherine Floyd）领导。过度 - 全球结核病计划主任Tereza Kasaeva提供了所有监督。数据收集表是由Hazimmi开发的，由员工通过WHO全球块茎结核病计划的投入。hazim Timimi领导和组织数据和代码管理的所有方面，包括在Simone Gigli和Viemalla TheVie的支持下，在215个县和地区的2023年全球Bumburculosis（TB）数据收集的Web系统的准备和实施。Data were reviewed by the following people at who headquarters: Annabel Baddeley, Mathieu Bastard, Saskia Den Boon, Annemieke Brands, Anna Dean, Den- Nis Fazon, Medea Gegia, Licé Gonzalez Angulo, Avinash korobitsyn, Marek Lalli, cecily miller, Francis Mhimbibira, Carl-Michael Nathanson, peter NGU- Hiu, Linh Nguyen, Leana Omanezova, Cicilia CIILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CIICILIA CILIA CILIA CILIA CILIA CILIA CILIA CILIA CILIA 融资数据也由Andrew Siroka（独立咨询）审查。 欧洲区域办公室和欧洲疾病预防与控制中心（ECDC）收集并验证了欧洲地区的数据。 审查和验证结核病/艾滋病毒数据都是与UNAIDS StaffF合作进行的。Data were reviewed by the following people at who headquarters: Annabel Baddeley, Mathieu Bastard, Saskia Den Boon, Annemieke Brands, Anna Dean, Den- Nis Fazon, Medea Gegia, Licé Gonzalez Angulo, Avinash korobitsyn, Marek Lalli, cecily miller, Francis Mhimbibira, Carl-Michael Nathanson, peter NGU- Hiu, Linh Nguyen, Leana Omanezova, Cicilia CIILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CICILIA CIICILIA CILIA CILIA CILIA CILIA CILIA CILIA CILIA CILIA融资数据也由Andrew Siroka（独立咨询）审查。欧洲区域办公室和欧洲疾病预防与控制中心（ECDC）收集并验证了欧洲地区的数据。审查和验证结核病/艾滋病毒数据都是与UNAIDS StaffF合作进行的。联合国艾滋病毒/艾滋病联合计划（UNAIDS）从国家艾滋病计划中管理了数据收集过程，并提供了对TB/HIV数据集的访问权限。WHO死亡率和疾病团队负担的Div> Doris Ma Fat提供了来自WHO凡人数据库的数据，这些数据库用于估计HIV阴性人群的结核病死亡率；朱莉安娜·达赫（Juliana Daher）和玛丽·马希（Mary Mahy）（UNAIDS）提供了流行病学数据，用于估计艾滋病毒患者的结核病发生率和死亡率。该报告旨在优化基于Web或基于应用的访问和使用，并具有三个主要组件：核心报告文档，重点介绍主要发现和
第 42 届国际噪声大会和博览会...
Muhammad Tahir Akhtar，Fabienne Anfosso，Jorge Arenas，Noureddine Atalla，Keith Attenborough，Mike Bahtiarion，Delphine Bard，Hans Bendsen，Hans Bendtsen，Frits van den Berg L. Bronsdon，Lex Brown，Courtney Burroughs，Jean-Pierre Clairbois，Charlotte Clark，LuísBento Coelho，Dominique Collin，Stephen C. Conlon，Joe Cuchieri，Patricia Davis，Patricia Davis，John Laurence dec. ，Hugo Fastl，Thomas Fedtke，Andre Fiebig，Salvador Figueroa，Heinz Martin Fischer，Ian Flindell，Adrian Fuente，Aslak Fyhri，Massimo Garai，David Pelegrin Garcia，Juan Jesus Garcia，Denis Gely，Klaus Genuit，Samir Ny Gerges，Eddy Gerretsen，Berry Gibbs，AnitaGidlöf-Gunnarsson，克里斯蒂安·汉斯克（Christian Hantschk），马库斯·赫希特（Markus Hecht），卡尔·霍普金斯（Carl Hopkins），乔恩·霍贝尔特（JörnHübelt），斯塔坦·赫吉（Staffan Hygge），钟·贡（Jeong Guon Ich），巴特·英格拉尔（Bart Ingelaere），乌尔里希·伊斯曼（Ullrich Ingelaere），乌尔里希·伊斯曼（Ullrich Isermann），萨宾·詹森（Sabine Janssen），迪伦·琼斯（Dylan Jones），曼弗雷德·卡尔滕巴赫（Manfred Kaltenbacher），艾琳·范·坎普（Irene van Kamp） UC Koujoumji，Annette Kruger-Dokter，Patrick Kurtz，Sonoko Kuwano，Soogab Lee，Peter Lercher，Kai Ming Li, Jing Lu, Luigi Maffei, Jeffrey Mahn, Thomas Maly, Toshihito Matsui, Young J. Moon, Mats E Nilsson, Svein Arne Nordby, Mikael Ögren, Jorge Patricio, Eja Pedersen, Rich Peppin, Kerstin Persson-Waye, Markus Petz, Bert Pluymers, Christian Popp, Anna Preis, Guido Previati, Wolfgang Probst, Nicola Prodi, Birgit Rasmussen, Robert Rasmussen, Timothy Van Renterghem, Jens Rindel, Ulrich Saemann, Ulf Sandberg, Beat Schäffer, Werner Scholl, Dirk Schreckenberg, Brigitte Schulte-Fortkamp, Ahmet Selamet, Daniel Shepherd, Malcolm Sim, Christian Simmons, Stephen Stansfeld, Marianna Pérez Abendaño Tecnalia, Wolfgang Unterberger, Berthold Vogelsang, Diemer de Vries、Dittrich Wittekind、Ning Xiang、Ichiro Yamada、Takano Yasushi、Bernd Zeitler
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
第 42 届国际噪声大会和博览会...
穆罕默德·塔希尔·阿赫塔尔、法比恩·安福索、豪尔赫·阿里纳斯、努尔丁·阿塔拉、基思·阿滕伯勒、迈克·巴蒂亚里昂、戴尔芬·巴德、汉斯·本特森、弗里茨·范登伯格、马丁·范登伯格、特鲁斯·伯格、伯纳德·贝里、安妮莉丝·博克斯塔尔、杰拉德·博雷洛、迪克·博特尔杜伦、马克·布林克、桑德拉·布里克斯、罗伯特·L·布朗斯登、莱克斯·布朗、考特尼·巴勒斯让-皮埃尔·克莱尔布瓦、夏洛特·克拉克、路易斯·本托·科埃略、多米尼克·科林、史蒂芬·C·康伦、乔·库基耶里、帕特里夏·戴维斯、约翰·劳伦斯·戴维、弗朗西斯科·D·德尼亚、福特·德鲁、科尼利厄斯·杜兰、纪尧姆·杜蒂利厄、阿德里安·艾格、Tamer Elnady、雨果·法斯特、托马斯·费特克、安德烈·菲比格、萨尔瓦多·菲格罗亚、海因茨·马丁·费舍尔、伊恩·弗林德尔、 Adrian Fuente、Aslak Fyhri、Massimo Garai、David Pelegrin Garcia、Juan Jesus Garcia、Denis Gely、Klaus Genuit、Samir N.Y.格尔格斯、埃迪·格雷森、贝里·吉布斯、安妮塔·吉德洛夫-冈纳森、吕克·古伯特、伊达尔·格兰诺恩、科林·格里姆伍德、凯茜·吉古-卡特、克拉斯·哈格伯格、穆罕默德-阿里·哈姆迪、卡尔-克里斯蒂安·汉奇克、马库斯·赫克特、卡尔·霍普金斯、约恩·胡贝尔特、斯塔凡Hygge、Jeong Guon Ich、Bart Ingelaere、Ullrich Isermann、Sabine詹森、迪伦·琼斯、曼弗雷德·卡尔滕巴赫、艾琳·范·坎普、康健、史蒂芬·基思、罗尼·克拉博、伊冯·德·克鲁泽纳尔、让-吕克·库朱姆吉、安妮特·克鲁格-多克特、帕特里克·库尔茨、桑诺子、Soogab Lee、Peter Lercher、李凯明, 卢静, Luigi Maffei, Jeffrey Mahn, Thomas Maly, Toshihito Matsui, Young J. Moon、Mats E Nilsson、Svein Arne Nordby、Mikael Ögren、Jorge Patricio、Eja Pedersen
工程CD47保护T细胞以增强抗肿瘤免疫
设计的CD47保护T细胞可增强抗肿瘤免疫力Sean A. Yamada-Hunter＃1，Johanna Theruvath＃1，Brianna J. McIntosh 2，Katherine A. Freitas 1,3，Molly T. Radosevich 1，Amaerury Leruste 1，Amaury Leruste 1，Shaaurya dhingra 1，Shaiara dhingra 1，naiara Martinez-peneri naira Martinez-penge x，Penke x，Penge x，Penge x，Penge x， Moksha H. Desai 1，Zinaida Good 1,5,6，Louai Labanieh 1,5,7，Christopher W. Mount 8,9,10，Yiyun Chen 1，Sabine Heitzeneder 1，Kristopher D. Marjon 11,12 Y. Spiegel 13，Sebastian Fernandez- Pol 14，Poul H. Sorensen 4，Michelle Monje 8,9,10,15，Robbie G.Majzner 12,15，Irving L. Weissman 11,12,14,16 1,2,3,5,12,15,16,18,19 1癌细胞疗法中心，斯坦福癌症研究所，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。2癌症生物学计划，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 3美国加利福尼亚州斯坦福大学斯坦福大学医学院的免疫学研究生课程。 4不列颠哥伦比亚癌症局，加拿大不列颠哥伦比亚省温哥华5号帕克癌症免疫疗法研究所，美国加利福尼亚州旧金山。 6美国加利福尼亚州斯坦福大学斯坦福大学医学院生物医学数据科学系。 7，美国加利福尼亚州斯坦福大学斯坦福大学生物工程系。 8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。 9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。 10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。2癌症生物学计划，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。3美国加利福尼亚州斯坦福大学斯坦福大学医学院的免疫学研究生课程。4不列颠哥伦比亚癌症局，加拿大不列颠哥伦比亚省温哥华5号帕克癌症免疫疗法研究所，美国加利福尼亚州旧金山。 6美国加利福尼亚州斯坦福大学斯坦福大学医学院生物医学数据科学系。 7，美国加利福尼亚州斯坦福大学斯坦福大学生物工程系。 8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。 9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。 10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。4不列颠哥伦比亚癌症局，加拿大不列颠哥伦比亚省温哥华5号帕克癌症免疫疗法研究所，美国加利福尼亚州旧金山。6美国加利福尼亚州斯坦福大学斯坦福大学医学院生物医学数据科学系。 7，美国加利福尼亚州斯坦福大学斯坦福大学生物工程系。 8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。 9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。 10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。6美国加利福尼亚州斯坦福大学斯坦福大学医学院生物医学数据科学系。7，美国加利福尼亚州斯坦福大学斯坦福大学生物工程系。 8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。 9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。 10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。7，美国加利福尼亚州斯坦福大学斯坦福大学生物工程系。8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。 9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。 10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。8美国加利福尼亚州斯坦福大学斯坦福大学医学院神经病学系。9医学科学家培训计划，美国加利福尼亚州斯坦福大学斯坦福大学。10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。 19铅接触。10个神经科学计划，美国加利福尼亚州斯坦福大学斯坦福大学。19铅接触。11干细胞生物学与再生医学研究所，美国加利福尼亚州斯坦福大学。12斯坦福癌症研究所，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 13 Sylvester综合癌症中心，美国迈阿密，迈阿密，美国佛罗里达州。 14美国加利福尼亚州斯坦福大学斯坦福大学医学院病理学系。 15美国加利福尼亚州斯坦福大学斯坦福大学医学院儿科学系。 16路德维希癌症干细胞研究与医学中心，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。 18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu12斯坦福癌症研究所，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。13 Sylvester综合癌症中心，美国迈阿密，迈阿密，美国佛罗里达州。 14美国加利福尼亚州斯坦福大学斯坦福大学医学院病理学系。 15美国加利福尼亚州斯坦福大学斯坦福大学医学院儿科学系。 16路德维希癌症干细胞研究与医学中心，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。 18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu13 Sylvester综合癌症中心，美国迈阿密，迈阿密，美国佛罗里达州。14美国加利福尼亚州斯坦福大学斯坦福大学医学院病理学系。 15美国加利福尼亚州斯坦福大学斯坦福大学医学院儿科学系。 16路德维希癌症干细胞研究与医学中心，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。 18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu14美国加利福尼亚州斯坦福大学斯坦福大学医学院病理学系。15美国加利福尼亚州斯坦福大学斯坦福大学医学院儿科学系。 16路德维希癌症干细胞研究与医学中心，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。 17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。 18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu15美国加利福尼亚州斯坦福大学斯坦福大学医学院儿科学系。16路德维希癌症干细胞研究与医学中心，斯坦福大学医学院，美国加利福尼亚州斯坦福大学。17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。 18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu17美国加利福尼亚州斯坦福大学斯坦福大学化学工程系。18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。 ＃同等贡献**通信：cmackall@stanford.edu18美国加利福尼亚州斯坦福大学斯坦福大学医学院医学系。＃同等贡献**通信：cmackall@stanford.edu
一生中的皮质厚度和静息状态心脏功能：横断面汇总大型分析
朱利安·科尼格 1,2 |比尔吉特·阿布勒 3 |英格丽德·阿加茨 4,5,6 |托比约恩·阿克施泰特 7,8 |奥勒·安德烈亚斯森 4,9 |米娅·安东尼 10 |卡尔·尤尔根·贝尔 11 |卡佳·伯茨 12 |丽贝卡·C·布朗 13 |罗穆亚尔德·布伦纳 14 |卢卡嘉年华 15 |雨果·D·克里奇利 16 |凯瑟琳·R·卡伦 17 | Geus 18 的 Eco JC |十字架的费利伯特 11 |伊莎贝尔·吉奥贝克 19 |马克·D·费格 3 |哈坎·菲舍尔 20 |赫塔弗洛尔 21 |迈克尔·盖布勒 22,23 |彼得·J·吉安罗斯 24 | Melita J. Giummarra 25.26 |史蒂文·G·格林宁 27 |西蒙·根德尔曼 28 |詹姆斯·AJ·希瑟斯 29 |萨宾·J·赫珀茨 12 | Mandy X. 至 30 |塞巴斯蒂安·延奇克 31,32 |迈克尔·凯斯 1.33 |托拜厄斯·考夫曼 4.9 | Bonnie Klimes-Dougan 34 |斯特凡·科尔施 31.35 |玛琳·克劳奇 12 |丹尼斯·库姆拉尔 22.23 | Femke Lamers 30 |李泰浩 36 |马茨·亚历山大 7.8 |凤林10 |马丁洛策 37 |埃琳娜·马科瓦茨 38.39 |马泰奥·曼奇尼 40.41 |福尔克·曼克 12 | Kristoffer NT 价格 20,42 |斯蒂芬·B·马努克 24 |玛拉·马瑟 43 |弗朗西斯·米滕 44 |闵正元 45 |布莱恩·穆勒 17 |薇拉·穆恩奇 13 |弗劳克·尼斯 21.46 |林雅 45 |古斯塔夫·尼尔松内 8,20 |丹妮拉·奥尔多涅斯·阿库纳 31 |贝尔热·奥斯内斯 35.47 |克里斯蒂娜·奥塔维亚尼 39.48 |布伦达 WJH 彭尼克斯 30 |艾莉森·庞齐奥 45 |戈文达·R·普德尔 49 |詹尼斯·雷内尔特 22 |平忍10 |榊道子 50.51 |安迪舒曼 11 |林索伦森 35 |卡尔斯滕·施佩希特 35.52 |乔安娜·施特劳布 13 |桑德拉·塔姆 8,20,53 |米歇尔泰国 17 |朱利安·F·塞耶 54 |本杰明·乌巴尼 55 |丹尼斯·范德米 18 |劳拉·S·范维尔岑 56.57.58 |卡洛斯·文图拉-博特 59 |阿诺·维尔林格 22,23 |大卫·沃森 60 |魏鲁清 61 |朱莉娅·温特 59 |梅琳达·韦斯特伦德·施莱纳 34 |拉尔斯·T·韦斯特莱 4,9,62 |马蒂亚斯·威玛 59.63 |托拜厄斯·温克尔曼 21 |吴国荣 61 |刘贤珠 45 |丹尼尔·S·金塔纳 4.9
统计组织手册，第三版
1952 年，联合国主办了第一次区域间统计组织研讨会，在渥太华举行。两年后，即 1954 年，联合国出版了《统计组织手册》。1973 年，在渥太华，第二次研讨会就同一主题举行。1980 年，《手册》第二版出版，标题为《统计组织手册：国家统计服务组织及相关管理问题研究》。近二十年后，在 1999 年由国际货币基金组织和联合国共同主办的数据质量研讨会上，几个国家要求提供 1980 年《手册》的更新版本。应此要求，联合国编写了本卷《统计组织手册》第三版：统计机构的运作和组织。本手册第三版主要基于 Jacob Ryten 与联合国经济和社会事务部统计司达成的咨询协议下编写的一份文件。统计司的工作人员以及代表联合国各区域委员会和国际货币基金组织的国家的编辑团队对该文件进行了初步审查。随后，统计司在各种研讨会上介绍了各个章节。必须指出的是，本手册中建议的措施的实施可能朝着两个截然不同的方向进行。一方面，这里提倡的措施不应一次采取一项；相反，它们应该作为一个整体采取，因为它们是协同作用的。另一方面，也必须认识到，大多数希望实施本手册原则的机构无法一次性实施所有原则。事实上，一个国家最明智的做法可能是只集中精力于一个领域，例如管理统计局的核心职能。无论如何，每个统计局都必须根据其自身和国家的情况自行决定本版手册中倡导的哪些原则适用。再次，如果没有 Jacob Ryten 完成第一稿的贡献，本书就不可能写成。他的工作代表着艰巨的努力，只有那些尝试过这种复杂项目的人才能充分理解。然而，对初稿由 Paul Cheung、Miguel Cervera、Svein Longva、Guest Charumbira、Hasan Abu Libdeh 和 Carol Carson 组成的编辑委员会审阅，他们提出了许多改进建议。Jason Brody 的建议有助于使文本更易于读者理解。统计部门的几位工作人员为最终稿做出了贡献，但有三人值得特别提及：Angela Me，她组织了早期初稿的制作，此外还在流程的各个阶段提出了许多宝贵的实质性建议；以及 Sabine Warschburger 和 Isabela Heng，他们组织并制作了最终稿。第七章“管理信息技术”主要是 Jack Arthur 的作品。
“会说话的大脑”关于人工智能、神经回路的集体论文......
前言 在 1995 年出版的《说话的头脑》一书中，编辑 Peter Baumgartner 和 Sabine Payr 整理了一系列精彩的访谈，采访对象是 20 世纪最杰出的 20 位认知科学家。从这些访谈中，我们了解到其中一些伟大人物之间存在着多么根深蒂固且明显具有争议性的敌意，并展示了人工智能的两个阵营最终分裂是不可避免的。就像两只从未实现的承诺的认知灰烬中重生的凤凰一样，这个两面怪兽将呈现出近乎宗教狂热的色彩和对彼此的蔑视，因为双方都试图为对方在当时被认为是一个新兴领域的不足之处辩解，而这个领域对未来的人工智能大有裨益。尽管以今天的标准来看，1995 年的采访似乎新颖且细致入微，但辩论本身却有着更早的先例，可以追溯到唐纳德·赫布 (Donald Hebb) 等先驱（“一起放电的神经元连接在一起”），以及战前才华横溢的博学者，如冯·诺依曼和图灵本人（图灵测试）——他们都促成了战后马文·明斯基 (Marvin Minsky) 和弗兰克·罗森布拉特 (Frank Rosenblatt)（同一所布朗克斯科学高中的同学）之间著名的辩论。这些争论可以一口气概括为以下几个方面：（i）人工智能和认知科学（将导致深度学习和我们当前的 Chat-GPT）是否应该尝试模拟人类大脑实际的内部神经结构，即“人类学习”源自单一的神经元二元/数字活动模式（其性质严重依赖于强力概念，如局部性、频率和加权强度）；或（ii）大脑结构——当时和现在仍然无法被我们完全理解——是否应该基于其知之甚少的神经元结构进行建模，而是基于其计算性能和逻辑、推理、因果关系等能力的结果进行建模。后者这些过程是人类独有的，并且本质上似乎相当类似，因为它们产生了基于符号规则的语言和“人类理解”程序。目前，该领域正在进行单一机制模型与双重机制模型的争论。这些论文概括了我对这个主题的一些想法。以下链接摘自非正式工作论文和短文，代表了我对潜在 AI 到自然语言界面现状的一些想法。最后三篇论文（第三部分），特别是“为什么要移动？”，试图捕捉这个 AI 到自然语言界面关于儿童语法发展阶段的内容。这本非正式电子书分为三部分：第一部分“语言的神经基础”，第二部分“递归语法”，第三部分“儿童语言习得”。*关于这个主题的论文、短文和文章都可以在我的学术网站上找到：https://csun。academia.edu/josephgalasso