XiaoMi-AI文件搜索系统
World File Search Systemdatasets
AI-Ready数据集AI-Ready数据集
在儿童（SERONET）血清学科学网络（Seronet）多系统炎症综合征（MIS-C）对婴儿免疫接触对婴儿免疫受到对婴儿免疫的影响（U01）的影响（U01）的影响的影响（U01）的影响（U01）的影响， Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）在儿童（SERONET）血清学科学网络（Seronet）多系统炎症综合征（MIS-C）对婴儿免疫接触对婴儿免疫受到对婴儿免疫的影响（U01）的影响（U01）的影响的影响（U01）的影响（U01）的影响， Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）Diseases Modeling Immunity for Biodefense Reagent Development for Innate Immune Receptors Adjuvant Development Program Immunity in Neonates and Infants Asthma and Allergic Diseases Cooperative Research Centers HLA and KIR Region Genomics in Immune-Mediated Diseases Cooperative Study Group for Autoimmune Disease Prevention Immunobiology of Xenotransplantation Centers for Medical Countermeasures against Radiation Consortium Inner City哮喘联盟系统的免疫和炎症先天免疫受体和辅助发现计划维持猕猴特定的无病原体育种菌落非人类灵长类动物移植耐受性研究小组的群体，用于食品过敏研究的食物过敏研究的开发（用于监测临床）的样本跨度研究（U24）ASMA和临床的临床研究（U24）胰岛过渡（CIT）自身免疫卓越中心（ACE）器官移植（CTOC）人类免疫学项目联盟（HIPC）协作疫苗创新中心（HIPC）协作疫苗创新中心（HIPC）研究中心（公民）在新兴疾病和感染性疾病（CREE）上的影响（CREE）的影响（CREE）的影响（CREZ）的影响，婴儿（U01）一种多学科的方法，用于研究疫苗吸收的免疫力和疗效对疟疾（MVIE）
不受管制的流入数据集的重要性
需要牢记的主要事项是：• 不受监管的流量或体积数据通常应用于频率分析。使用受监管的数据可能会高估或低估风险。• 评估上游监管是否对数据有明显影响非常重要。• 当监管影响显著时，应开发不受监管的数据集。• 监管会随着时间而变化。• 数据需要同质，这意味着我们不应该将具有显著监管影响的记录与不受监管的数据记录相结合。• 与往常一样，需要进行工程判断
数据集和模型的系统审查
鉴于视网膜健康与神经退行性疾病之间的已知相关性，深度学习算法可能能够从视网膜图像中获得有关脑疾病的信息。15的确，越来越多的文献证明了神经退行性疾病的进展与医生观察的视网膜发现之间的相关性，例如视网膜小动脉和静脉口径，血管折磨，视网膜层厚度，视网膜层厚度和光盘椎间盘形态学。16未来的研究可能会集中于确定光学相干断层扫描（OCT），OCT血管造影（OCT-A）和彩色眼底图像中包含的信息。15此类研究还需要考虑无法从视网膜成像中获得哪些信息。10月，Act-a和底面成像允许对视网膜特征进行详细的定量和定性分析。OCT使用光的反射率来微图像视网膜和视盘的解剖结构。周围乳腺视网膜神经纤维层（PRNFL）和黄斑神经节细胞层和内丛状层（MGCIPL）特别涉及神经退行器态，而其他标记，例如黄斑体积和脉络膜厚度，也已研究。OCT-A通过在时间上比较视网膜层
分析机器学习的椰子数据集和...
Jhunjhunu，印度拉贾斯坦邦，摘要本文讨论了用于椰子植物监测的自动化疾病检测系统的发展，重点是多个机器学习技术的整合，实时检测能力，可伸缩性和适应性学习。深度学习模型，尤其是卷积神经网络（CNN），可以自主获得与疾病症状相关的图像特性。选择适当的体系结构，例如Resnet，VGG-16或EfficityNet，促进了数据中复杂模式的捕获。该研究研究了使用高分辨率图像与深度学习方法结合使用的高分辨率图像来识别和评估椰子树健康的可行性。Resnet-50模型在检测和健康分类任务中的表现优于VGG-16体系结构，表明大多数受影响的椰子树具有Ganoderma感染和钾不足。提出的方法显示了泰国椰子树管理的潜力，从而可以更有效地使用工人，而在现场花费的时间更少。为了最大程度地提高模型性能，未来的研究应旨在增加数据集的数量和多样性，包括各种视觉属性。为了更好地对健康问题进行分类，未来的研究可能会使用多光谱摄像头。通过将监督，无监督和半监督的学习方法结合起来，可以根据椰子植物监测和更广泛的应用来量身定制该系统。关键字：椰子叶，Resnet，VGG-16和CNN。
公共单细胞RNA-seq数据集的收集
螺丝包装。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。3。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。4个backercelldata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 5 Bachmarydata。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>6 Baronpancreasdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>8 Bhaduri Organosata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>9 BuzzersCdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 BunishSpcdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 CampbellbrainData。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 Chenbraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。13 countrccmolecules。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。14 Darmanisbraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。15 erccspikeinconenentations。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。16 Ernstsermatogenessdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。17提取。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>19 Gilaihdihscdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>21 Grunthscdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>22 Grunpancreasdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>23 Heoriangataladata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>24 Hermann Schatatogenesisdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>26 Hucortexdata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>27 Jessabraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。28 Kolodziejczykescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。29 Kotliarovpbmcdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。30 Lamannobraindata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。32 Lawlorpancreasdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。34 Ledergormyelomadata。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 35 lengescdata。 。 。 。 。 。 。 。 。 。 。 。 。34 Ledergormyelomadata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。35 lengescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。36个列表。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。37个列表路径。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。38个列表。。。。。。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>39 lunspikeisa。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>39 MacOS Recordinadata。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>41 mairpbmcda。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。42 MarquesbrainData。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 43 Messmerescdata。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 4442 MarquesbrainData。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。43 Messmerescdata。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。44
前额叶不对称 BCI 神经反馈数据集
前额叶皮层 (PFC) 不对称是情感神经科学的重要标志，已引起人们的极大兴趣，与动机、饮食行为、同理心、风险倾向和临床抑郁症的研究有关。本文提供的数据是使用 PFC 不对称神经反馈 (NF) 作为脑机接口 (BCI) 范例的三个不同实验的结果，而不是旨在获得长期效果的治疗机制，使用功能性近红外光谱 (fNIRS)，众所周知，它特别适合研究 PFC 不对称，并且对伪影不太敏感。从实验角度来看，BCI 环境更加注重个体受试者的基线、时期内成功和持续的激活以及最低限度的训练。受试者池也来自普通人群，对特定行为模式的偏见较少，并且不包含任何患者数据。我们在数据集中附上了数据格式、实验和协议设计的详细描述，以及基于基线阈值和参考任务的成功分数定义的个性化指标的分析。本文介绍的工作是 BCI 领域的几项实验的结果，其中参与者按照实时 NF 范式与连续视觉反馈进行交互，这源于我们在情感计算领域的长期研究。我们向社区提供这些实验的 fNIRS 数据集。我们特别提供从我们的情感交互领域的实证研究中提取的数据，这些研究与计算机生成的叙述以及与启发式搜索等算法的交互，所有这些都提供了一种机制来提高参与者由于其逼真的视觉反馈而参与主动 BCI 的能力。除了提供参与者实时接受背外侧前额叶皮层 (DLPFC) 左半侧不对称激活增加的 NF 的方法细节外，我们还重申了精心设计协议的必要性，以确保实时视觉反馈能够适应参与者的个体反应，从而增强 BCI 中 NF 范式的优势。个性化反馈对于 BCI 中 NF 的成功至关重要。
编辑：用于脑计算机接口应用程序的数据集
非侵入性脑部计算机界面是一种令人兴奋的新技术，为大脑和计算机系统之间的通信提供了渠道。它们可以用作通信设备（Chaudhary等，2016; Brumberg et al。，2018），康复系统（Cervera等，2018），娱乐设备（Gürkök等，2017），以及其他广泛的应用程序（Finke等，2009，2009; Makeig et al。，2011）。非侵入性BCIS的研究正在迅速发展，并且是一个高度多学科的领域，其中包括神经科学家，工程师，心理学家，计算机科学家和临床医生。持续开发BCI技术取决于这些领域的每个领域的进步，它们可以单独和集体地有助于改善BCI系统的所有方面，包括信号获取，处理，分类，分类和用户界面设计。BCI系统的许多单个部分通常是在预先存在的数据集上首次开发和评估。但是，只有少数高质量的公开数据集可以在这些数据集上进行新的系统，工具和技术的评估和比较。例如，公开可用的BCI竞争数据集（Sajda等，2003; Blankertz等，2004，2006）为BCI研究人员提供了一套出色的资源，并已广泛使用许多研究人员来开发和评估新的信号处理和分类方法（Arvaneh等人，2013年，2013年； Ghaemi等，2017年； Sakhavi等人，2018年； Zanini等人，2018年；换句话说，BCI研究的可靠性和可重复性因缺乏和稀疏性数据集而阻碍。然而，相对较小的大小和此类数据集的数量会引入过度拟合的风险，以通过这些数据集开发和评估的方法。本期特刊提供了一系列在世界各地BCI研究实验室的开发，培训和评估期间记录的公开生理数据集的描述。收集到的数据集由通过多种模式记录的信号组成，包括但不限于脑电图（EEG），功能近近红外光谱（FNIRS），肌电图（EMG），心电图学（ECG）（ECG）（ECG），钙含量皮肤反应（GSR），皮肤温度测量率和体内的数据，次要次数和体内。许多数据集都包含具有这些信号模态的两个或多个组合的多模态记录。描述了来自各种不同BCI范式的数据。这些包括基于新型事件相关电位（ERP）和基于稳态的视觉诱发电位（SSVEP）BCIS
自动驾驶中的协作感知数据集
摘要 - 这项调查在车辆到基础设施（V2I），车辆到车辆（V2V）和车辆（V2X）（V2X）的背景下对协作感知数据集进行了全面检查。它重点介绍了大规模基准的最新发展，这些发展加速了自动驾驶汽车的受访任务的进步。本文系统地分析了各种数据集，并根据多样性，传感器设置，质量，公共可用性及其对下游任务的适用性进行比较。它还突出了关键挑战，例如域移动，传感器设置限制以及数据集多样性和可用性中的差距。在数据共享和数据集创建方面，强调了解决数据集开发中隐私和安全问题的重要性。结论强调了综合，全球访问数据集的必要性以及技术和研究社区的协作努力，以克服这些挑战并完全利用自动驾驶的潜力。索引术语 - 自主驾驶，协作感知，数据集，V2X通信
COVID-19、人工智能爱好者和玩具数据集
在计算机科学中，教科书谈到了“垃圾进，垃圾出”（GIGO）的概念；即低质量的输入数据会产生不可靠的输出或“垃圾”。当我们处理高度复杂的数据模式（例如 X 光片和计算机断层扫描）时，GIGO 就变得更加紧迫。任何深度网络的性能都直接取决于它学习的数据集的质量。可靠数据集的一个例子是像 Cancer Imaging Archive [ 1 ] 这样拥有大量专家工作成果的知名存储库 [ 2 ]。遵守 DICOM 标准并确保图像正确链接到支持元数据对于构建精心策划的数据集至关重要。最近几周，我们观察到一种趋势，即匆忙使用不当数据来训练 COVID-19 深度网络。AI 爱好者似乎不耐烦地创建自己的医学图像数据集，而没有寻求临床合作者来指导他们。这些数据集更像是通过手动收集可公开访问的图像（例如在线期刊和非同行评审档案中的预印本）而形成的“玩具集”。大多数时候，没有临床或医学能力的人工智能研究人员会创建自己的实验性“玩具”数据集，以进行初步调查并建立算法挑战框架。需要明确的是，从医学成像角度来看，“玩具数据集”并不是因为非常小且不符合 DICOM 标准而成为玩具，更重要的是因为它是由工程师和计算机科学家创建的，而不是由医生和医学/临床专家创建的。此类 COVID-19 图像数据集已在互联网上出现，