XiaoMi-AI文件搜索系统
World File Search Systemdatasets
评估公民科学数据集的生物多样性监测
fi g u r e 5系数估计（效应大小）和95％的置信区间（每个数据充足度量）。蓝色=平均库存完整性；绿色=总范围完整性；红色=清单空间偏见。负系数平均值降低了数据充分性（通过特定度量测量），因为预测变量的值增加，或与预测变量变量的参考状态（威胁状态的CR）相比。nb：六个连续的预测变量均已对数转换，以满足正态性和线性的假设。p-值截止值：p <.001：***; .001≤p<.01：**; .01≤p<.05： *; p≥.05：ns。
使用公共数据集的放射肿瘤学人工智能应用
人工智能 (AI) 具有对放射肿瘤学领域产生积极影响的巨大潜力。然而，开发放射肿瘤学 AI 模型需要大量精选数据集（通常涉及图像数据和相应的注释）。重要的是，最近为科学数据管理建立的可查找、可访问、可互操作、可重用 (FAIR) 原则使得越来越多的放射肿瘤学相关数据集能够通过数据存储库传播，从而成为 AI 模型构建的丰富数据来源。本文回顾了放射肿瘤学数据传播的现状和未来，特别强调已发布的成像数据集、AI 数据挑战和相关基础设施。此外，我们提供了 FAIR 数据传播协议的历史背景、当前放射肿瘤学数据分布中的困难以及有关数据传播以最终用于 AI 模型的建议。通过 FAIR 原则和标准化的数据传播方法，放射肿瘤学 AI 研究不会有任何损失，反而会有所收获。Semin Radiat Oncol 32:400 − 414 2022 作者。由 Elsevier Inc. 出版。这是一篇根据 CC BY 许可开放获取的文章（http://creativecommons.org/licenses/by/4.0/）
人类运动数据集：跨学科范围审查（补充材料 2）
作者地址：Temitayo Olugbade，temitayo.olugbade.13@ucl.ac.uk，伦敦大学学院，Gower Street，伦敦，英国，WC1E 6BT；Marta Bieńkiewicz，EuroMov Digital Health in Motion，蒙彼利埃 IMT Mines Ales 大学，法国，蒙彼利埃；Giulia Barbareschi，伦敦大学学院，伦敦，英国；Vincenzo D’Amato，热那亚大学，意大利，热那亚；Luca Oneto，热那亚大学，意大利，热那亚；Antonio Camurri，热那亚大学，意大利，热那亚；Catherine Holloway，伦敦大学学院，伦敦，英国；Mårten Björkman，KTH 皇家理工学院，瑞典，斯德哥尔摩；Peter Keller，西悉尼大学，澳大利亚，悉尼；Martin Clayton，杜伦大学，英国，杜伦； Amanda C de C Williams，伦敦大学学院，伦敦，英国；Nicolas Gold，伦敦大学学院，伦敦，英国；Cristina Becchio，汉堡-埃彭多夫大学医学中心神经病学系，德国汉堡，意大利热那亚，意大利理工学院；Benoît Bardy，EuroMov 数字健康运动，蒙彼利埃 IMT Mines Ales 大学，法国蒙彼利埃；Nadia Bianchi-Berthouze，伦敦大学学院，伦敦，英国，nadia.berthouze@ucl.ac.uk。
使用...从小型训练数据集进行图像数据增强
图 2.5 激活函数：（a）S 型函数，（b）双曲正切函数，（c）整流线性单位函数，（d）泄漏整流线性单位函数。......................................................................................................................... 18
在深层转录组数据集中研究RNA编辑，并用重新分类
RNA编辑是一种广泛的转录后机制，能够通过插入/缺失或基本替换来修改成绩单。它在哺乳动物中很突出，其中数百万腺苷被酶的成员脱离插入。a-to-i RNA编辑具有大量的生物学功能，但在大规模转录组数据集中的检测仍然是未解决的计算任务。为此，我们开发了Reditools，这是第一个软件包，该软件包专门用于RNA编辑Pro filefifing RNA序列（RNASEQ）数据。它已成功地用于人类转录组中，证明了RNA编辑的组织和细胞类型特异性及其普遍性。在我们的专业重复数据库中收集了有关人类RNASEQ数据的大规模重新分析分析的结果，其中包含超过450万个事件。在这里，我们详细描述了两个基于我们的计算资源，重新数字和重复的生物信息学过程。在第一个程序中，我们概述了在人类细胞系NA12878中检测RNA编辑的工作流，为此，转录组和整个基因组数据可用。在第二个程序中，我们展示了如何在亨廷顿疾病供体的验尸样本中鉴定在特定的重新编码位点上的非调节编辑。在64位计算机上运行≥32GB的随机存储器（RAM）的Linux上，这两个过程均应使用4至24个内核，〜76 h。我们的方案旨在研究具有可用转录组和/或基因组读数的不同生物体中的RNA编辑。可以在https://github.com/bioinfouniba/reditools上获得完成这两个过程和Docker映像的脚本。
实时人体手势识别：方法、数据集和策略
2 教授，工程与技术系，Dr.DY Patil 工程学院，浦那，印度摘要。手势是不受语言障碍影响的通用交流方式。检测手势并识别其含义是计算机视觉研究人员的关键步骤。大部分工作已经用手语完成。对手语数据集的可用性和各种手势的多样性进行了比较。本文重点介绍了从三维身体扫描到手势动作的可用数据集。还讨论了它们的可用性和用于实现预期结果的策略。根据不同的参数和特征对主要的神经网络进行了评估。提出了一种在现实中有效识别手势的方法。最后，展示了通过 Open CV 结合基于 Sci-kit 学习库的手势识别技术所取得的结果，并分析了其功效和效率。
非地面网络的高级星座仿真和合成数据集生成
摘要 — 巨型卫星星座现已成为现实，包含数千个节点。然而，在非地面网络 (NTN) 中有效协调多跳路径和分布式处理任务仍然是一个巨大的挑战。将 NTN 系统集成到 5G 蜂窝网络中需要创新地调整软件定义网络 (SDN) 和多接入边缘计算 (MEC)，以适应 NTN 的动态环境。在此背景下，我们提出了 MeteorNet，一种专为卫星星座设计的最先进的仿真工具。MeteorNet 通过在不同网络层上实施空间轨道、地球自转计算和 Linux 网络接口，准确地复制 NTN 的行为。结合基于 sFlow 的连续测量系统，MeteorNet 在集中式数据库中编译关键开关变量，从而为创建逼真的合成数据集提供了一种独特的方法。由于操作系统稀缺，且由于专有限制而无法从少数现有系统获取准确数据，因此合成数据集的相关性在 NTN 中至关重要。这些数据集对于制定和训练智能控制算法和机器学习 (ML) 模型以促进 NTN 中的 SDN 和 MEC 进步至关重要。为了说明这种方法的有效性，我们探索了一个具有环形拓扑的现实网络案例研究，展示了数据模型如何描述 NTN 的复杂路由和边缘计算协议。索引术语 — 卫星星座、软件定义网络、多接入边缘计算、合成数据集、机器学习。
协调民族区域多样的数据集，以推动痴呆症的全球流行病学
年龄是认知障碍（CI）和痴呆症的最大危险因素，随着世界人口年龄的增长，全球社会和金融负担这些条件的增长正在上升。1在全球范围内，到2050年，痴呆症患者的数量估计约为1.5亿，预计在包括非洲在内的发展中国家中将发生最大的增长。1在许多低收入和中等收入国家（LMIC）中缺乏对CI和痴呆症的研究。2然而，该研究来自一个国家或人口不适用于另一个国家或人口的研究，据报道，国家之间CI和痴呆症的流行病学差异，3个国家/地区之间的不同种族/族裔之间的差异。4研究如何减慢认知能力下降，而CI和痴呆症最终最终阻止了全球努力，使用大型样本和来自不同民族区域的数据。资源和协调限制意味着该量表上的数据通常不会来自单个来源。而是，必须从多个针对特定国家或地区的独特来源中整理此类数据。