XiaoMi-AI文件搜索系统
World File Search Systemautoma
BeMoBIL Pipeline 用于自动分析多模式移动大脑和身体成像数据
硬件技术和分析方法的进步使脑电图 (EEG) 实验具有越来越多的移动性。除了神经活动之外，移动大脑/身体成像 (MoBI) 研究还可以记录各种类型的数据，例如运动或眼动追踪。尽管有可用的选项可以以标准化的方式分析 EEG 数据，但它们并不能完全涵盖来自移动实验的复杂多模态数据。因此，我们提出了 BeMoBIL 管道，这是 MATLAB 中一个易于使用的管道，支持时间同步处理多模态数据。它基于 EEGLAB 和 fieldtrip，由用于 EEG 预处理和随后的源分离的自动化功能组成。它还提供用于运动数据处理和从不同数据模态中提取事件标记的功能，包括使用独立成分分析从 EEG 中提取眼动和步态相关事件。该管道引入了一种新的稳健方法，用于基于感兴趣区域的独立 EEG 成分的组级聚类。最后，BeMoBIL 管道在各个处理步骤中提供分析可视化，保持分析透明并允许对结果进行质量检查。所有参数和步骤都记录在数据结构中，可以使用相同的脚本完全复制。该流程使（移动）EEG 和身体数据的处理和分析更加可靠，并且不受个别研究人员的先前经验的影响，从而促进了 EEG 的一般使用，特别是 MoBI。这是一个开源项目，可在 https://github.com/BeMoBIL/bemobil-pipeline 下载，允许将来进行社区驱动的改编。
BeMoBIL Pipeline 用于自动分析多模式移动大脑和身体成像数据
硬件技术和分析方法的进步使脑电图 (EEG) 实验具有越来越多的移动性。除了神经活动之外，移动大脑/身体成像 (MoBI) 研究还可以记录各种类型的数据，例如运动或眼动追踪。尽管有可用的选项可以以标准化的方式分析 EEG 数据，但它们并不能完全涵盖来自移动实验的复杂多模态数据。因此，我们提出了 BeMoBIL 管道，这是 MATLAB 中一个易于使用的管道，支持时间同步处理多模态数据。它基于 EEGLAB 和 fieldtrip，由用于 EEG 预处理和随后的源分离的自动化功能组成。它还提供用于运动数据处理和从不同数据模态中提取事件标记的功能，包括使用独立成分分析从 EEG 中提取事件。该管道引入了一种新的稳健方法，用于基于感兴趣区域的独立 EEG 成分的组级聚类。最后，BeMoBIL 管道在各个处理步骤中提供分析可视化，保持分析透明并允许对结果进行质量检查。所有参数和步骤都记录在数据结构中，可以使用相同的脚本完全复制。该流程使（移动）EEG 和身体数据的处理和分析更加可靠，并且不受个别研究人员的先前经验的影响，从而促进了 EEG 的一般使用，特别是 MoBI。这是一个开源项目，可在 https://github.com/BeMoBIL/bemobil-pipeline 下载，允许将来进行社区驱动的改编。
干细胞研究
数据分析受到熟练专家的短缺的约束，特别是在生物学方面，在这种情况下，详细的数据分析和随后的解释对于理解复杂的生物过程以及开发新的治疗方法和诊断至关重要。专家短缺的一种可能解决方案是利用大型语言模型（LLMS）用于发电数据分析管道。但是，尽管在用于代码生成任务的情况下，LLMS显示出很大的潜力，但是在提示与域专家问题（例如OMICS相关数据分析问题）提示时，有关LLM的准确性的问题仍然有效。为了解决这个问题，我们开发了Mergen，这是一个利用LLMS进行数据分析代码生成和执行的R软件包。我们使用基因组学的各种数据分析任务评估了该数据分析系统的性能。我们的主要目标是使研究人员通过简单地描述其目标和通过清晰文本的特定数据集的所需分析来进行数据分析。我们的方法通过专门的及时工程和错误反馈机制来改善代码生成。此外，我们的系统可以执行LLM规定的数据分析工作流，从而为人类审查提供数据分析工作流程的结果。我们对该系统的评估表明，尽管LLM有效地生成了某些数据分析任务的代码，但在执行代码生成中仍然存在挑战，尤其是对于复杂的数据分析任务。对于复杂性3、4和5的任务，这一增加分别为52.5％，27.5％和15％。通过自我纠正机制可以看到最佳性能，与复杂性任务相比，自我校正能够将可执行代码的百分比增加22.5％。使用卡方检验，显示出使用不同的提示策略可以发现显着差异。我们的研究有助于更好地理解LLM功能和局限性，从而提供软件基础架构和实用见解，以有效地集成到数据分析工作流程中。
技术是工作自动化的推动者吗？当前社会对未来工作前景的挑战
由于数字技术的创新可能性，提高自动化程度的问题再次被提上议事日程——不仅在工业领域，而且在当代社会的其他部门和领域也是如此。尽管公众和科学界关于自动化的讨论似乎提出了“旧”辩论的相关问题，例如通过引入新技术来取代人类劳动，但作者在此关注的是这些问题的新背景性质。辩论应该重新思考技术与工作之间的关系，包括工作中的量变和质变。在本文中，我们将以工业自动化的引入为例，这在 Frey 和 Osborne 在 2013 年广受认可的研究中得到了体现。他们估计，未来计算机化对美国劳动力市场结果的预期影响非常大，特别是在面临风险的工作数量方面。令人惊讶的是，这项研究是一场激烈的国际辩论的起点，辩论的主题是技术对未来工作的影响以及技术变革在工作环境中的作用。因此，作者认为，“旧”问题仍然很重要，但应该根据“新”社会需求和对未来工作模式的期望重新诠释它们。
使用深度学习来自动检测和分类Willis圈子
大多数颅内动脉瘤（ICA）出现在脑血管树的特定部分上，名为Willis圈（Cow）。尤其是，它们主要出现在构成这种圆形结构的主要动脉分叉上的十个。因此，对于有效而及时的诊断，开发一些能够准确识别每个感兴趣分叉（BOI）的方法至关重要。的确，自动提取出现ICA风险较高的分叉将使神经放射学家快速浏览最令人震惊的地区。由于最近在人工智能上的效果，深度学习是许多模式识别任务的最佳性能技术。此外，各种方法是专门为医学图像分析目的而设计的。这项研究旨在帮助神经放射科医生迅速找到任何出现ICA发生风险的分叉。它可以看作是一种计算机辅助诊断方案，在该方案中，人工智能有助于访问MRI内感兴趣的区域。在这项工作中，我们提出了一种完全自动检测和识别构成威利斯圈子的分叉的方法。已经测试了几个神经网络架构，我们彻底评估了分叉识别率。
深部脑刺激自动轨迹规划的帕累托前沿与加权和
摘要。深部脑刺激 (DBS) 的术前路径规划是一个多目标优化问题，即在多个放置约束之间寻找最佳折衷点。它的自动化通常通过使用聚合方法将问题转变为单目标来解决。然而，尽管这种方法很直观，但它以无法找到所有最优解而闻名。在本文中，我们引入了一种基于多目标优势的 DBS 路径规划方法。我们将它与经典的多个约束的聚合加权和以及由神经外科医生对 14 个 DBS 病例进行的回顾性研究的手动规划进行了比较。结果表明，基于优势的方法优于手动规划，并且与传统的加权和方法相比，它涵盖了更多相关的最佳切入点选择，因为传统的加权和方法会丢弃外科医生可能喜欢的有趣解决方案。
自动化经济中的最低工资
在过去的几十年里，人工智能、机器人和其他形式的自动化等新技术发展迅速。这些新技术可能会对经济产生重大影响。特别是，劳动力市场将在未来发生根本性变化（例如，Brynjolfsson & McAfee，2014；Ford，2015）。Frey 和 Osborne（2017）探讨了工作与自动化之间的敏感性，并估计美国目前约 47% 的工作可能会在一到二十年内实现自动化。实证研究表明，自动化对常规任务产生了重大影响，导致劳动力两极分化，并加剧了经济不平等（例如，Acemoglu & Restrepo，2020a；Autor，2015；Autor & Dorn，2013；Autor 等，2003、2015；Goos & Manning，2007；Graetz & Michaels，2018）。此外，Goos 等人（2019）强调，自动化对失业求职者造成的调整成本在低技能工人和高技能工人之间分配不均。为了减少新出现的不平等，人们讨论了各种政策手段，例如对机器人征税、基本全民收入或最低工资（例如，Acemoglu 等人，2020 年；Costinot 和 Werning，2018 年；Freeman，2015 年；Furman，2019 年；Guerreiro 等人，2017 年；McAfee 和 Brynjolfsson，2016 年；Thuemmel，2018 年）。然而，人们对最低工资与自动化相结合的影响知之甚少。在现有的少数研究之一中，Lordan 和 Neumark（2018 年）通过实证表明，较高的最低工资会减少可自动化工作的就业。此外，他们强调，在有关最低工资影响的实证文献中，有一些工人群体经常被忽视，例如老年人和低技能工人。然而，似乎几乎没有任何理论研究过基于任务的框架中的最低工资的影响，在该框架中，任务越来越多地由机器取代低技能工人。一个例外是 Aaronson 和 Phelan ( 2019 ) 的研究，他们开发了一个基于任务的理论框架来检验最低工资对劳动力市场的影响。本文旨在探讨具有约束力的最低工资对自动化经济中总产出、就业、要素价格和各种收入分配指标的影响。为了分析最低工资与自动化相结合对劳动力市场的影响，我们以 Acemoglu 和 Restrepo ( 2018a 、 2018b 、 2018d ) 以及 Acemoglu 和 Autor ( 2011 ) 的研究为基础，这两项研究是相互关联的，并且基于 Zeira ( 1998 ) 和 Acemoglu 和 Zilibotti ( 2001 )。基于任务的框架采用了劳动力市场的概念，该市场可以通过工作任务内容进行实证表征（例如，Goos 等人，2019 年）。从理论上讲，基于任务的框架使我们能够沿着密集和广泛的边界对自动化进行建模（Acemoglu & Restrepo，2018c），还要考虑引入最低工资后可能产生的影响。在我们基于任务的框架中，单位间隔内的任务由机器、低技能和高技能工人完成。机器和低技能工人可以生产的任务范围受外生阈值的限制。假设每种生产要素在部分任务上都有比较优势，这会导致要素的简单分配。因此，我们的任务间隔被划分为三个复杂度不断增加的间隔，其中机器在第一个间隔生产任务，低技能工人在中间间隔生产任务，高技能工人在最后一个间隔生产任务。通过假设机器、低技能和高技能工人的供给固定且无弹性，我们实施高于均衡低技能工资的最低工资并确定新的均衡。
引文 Birkbeck, A., & Rowe, L. (2024). 走向超自动化和家族企业人力资本赋权：视角
Ano, B. & Bent, R. 2022. 影响多代家族企业数字化转型战略的人为因素：对五家法国增长型家族企业的多案例研究。《家族企业管理杂志》，第 12 卷，876-891。Blustein, DL、Lysova, EI 和 Duuffy, RD 2023. 理解体面工作和有意义的工作。《组织心理学和组织行为学年鉴》，第 10 卷，289-314。Bornet, P.、Barkin, I. 和 Wirtz, J. 2020. 智能自动化 - 学习如何利用人工智能来促进业务并使我们的世界更加人性化。Bruderer, H. 人工智能的诞生：1951 年在巴黎举行的第一届人工智能会议？国际发明与创新社区：IFIP WG 9.7 国际计算机史会议，HC 2016，美国纽约布鲁克林，2016 年 5 月 25-29 日，修订精选论文，2016 年。Springer，181-185。Cameron，D. 2022。机器人提升了我：自动化的未来。IT Now。Ceipek，R.、Hautz，J.、De Massis，A.、Matzler，K. 和 Ardito，L. 2021。通过探索性和利用性的物联网创新实现数字化转型：家庭管理和技术多样化的影响*。产品创新管理杂志，38，142-165。 Chernoffi, A. & Warman, C. 2023. Covid-19 及其对自动化的影响。应用经济学，55，1939-1957。Classen, N.、Carree, M.、Van Gils, A. & Peters, B. 2011. 家族所有权在中小企业研究、创新和生产力中的作用：逐步计量经济学分析。华盛顿：国际小企业理事会 (ICSB)。Conniffi, R. 2011. 卢德分子真正反对的是什么。史密森尼杂志，227-242。
适用于心电图图像的人工智能，用于可扩展的甲状腺素蛋白淀粉样蛋白心肌病
段。由参考基因组的定向，连续的基因组间隔，用⟨染色体，起始坐标，端坐标⟩表示。一个供体染色体被描述为段的有序序列。断点。通过一对非粘附坐标描述了一个断点，该坐标表示从一个段中的捐赠者中的一个段过渡到另一个段。染色体组。一组所有同源供体染色体具有相同的染色体认同。染色体认同是由最有代表的丝粒确定的，如果Chro-Mosome是分散的，则由其组成段的染色体起源最多。染色体簇。一对染色体组表示为依赖。染色体簇是依赖染色体组的连接成分。染色体簇通常由一组规范结构变体定义，每个变体都有ISCN命名法（细胞遗传学命名的国际标准）。分子核型。提出的文件格式明确描述了核苷酸级分辨率的核型。此文件格式包含一个跨越整个参考基因组的段的字典，然后是一组有序的片段序列，每个片段代表染色体。
