XiaoMi-AI文件搜索系统
World File Search Systemlab
Fab Lab V2
FABLAB 圣地亚哥市合作者：LGU-Santiago City 地址：DTI Santiago City Integrated Terminal Complex, Four Lanes, Brgy.马尔瓦尔，圣地亚哥市，伊莎贝拉联系电话：0917-585-5065； PSHS-CLC创新中心合作者：菲律宾科学高中-中央吕宋校区地址：fablabstgo@yahoo.comr02.isabela@dti.gov.ph联系电话：(0923-439-8863/0905-674-8718/0920-951-4036) 电子邮件地址： jsoriano@clc.pshs.edu.ph / taodiaz@pshs.edu.ph DHVTSU 合作者： 地址：综合研究、培训和产品设计与开发中心 -Don Honorio Ventura 科技州立大学 (DHVTSU) 主校区 Villa De Bacolor - Brgy。联系电话：0943-010-0362/ 0908-811-5048 电子邮件地址：robindimla@yahoo.com
RT-Cloud - Turk-Browne 实验室
实时 fMRI (RT-fMRI) 神经反馈已被证明可有效治疗神经精神疾病，并且在基础科学和临床应用方面都具有巨大的未来突破希望。然而，其使用的普及受到计算硬件要求、设置和运行实验的复杂性以及缺乏促进合作的标准阻碍。为了解决这些问题，我们开发了 RT-Cloud (https://github.com/brainiak/rt-cloud)，这是一个灵活的、基于云的开源 Python 软件包，用于执行 RT-fMRI 实验。RT-Cloud 使用标准化数据格式和适应性处理流来支持和扩展 RT-fMRI 研究和应用中的开放科学。云计算是推进 RT-fMRI 的关键支持技术，因为它消除了对现场技术专业知识和高性能计算的需求；这使得安装、配置和维护可以自动化并远程完成。此外，云计算的可扩展性使实时部署计算要求高的多变量分析变得更加容易。在本文中，我们描述了 RT-Cloud 如何与开放标准（包括脑成像数据结构 (BIDS) 标准和 OpenNeuro 数据库）集成，迄今为止它是如何应用的，以及我们在未来几年进一步开发和部署 RT-Cloud 的计划。
Zhan-2021-data.pdf-想法实验室
模型预测控制（MPC）在改善建筑绩效和节省能源方面显示出很大的潜力。但是，经过20多年的研究，该行业尚未采用。获得足够的面向控制模型的困难是阻碍应用程序的主要因素。特别是，构建模型需要什么数据，以及一定模型可以预期的控制性能。本研究试图发现根本的原因，并指导未来的研究以应对挑战。首先要阐明过去研究对建模方法和建模目的的分类。提出了扩展的细节（LOD）框架，以量化每个研究中的数据使用情况。因此，进行荟萃分析以比较不同建模类别的数据要求。对模型绩效评估的标准和方法进行了总结，并将其归类为验证和验证方法，然后讨论有关模型和控制性能之间关系的讨论。批判性审查提供了有关数据需求和绩效评估的新观点。最终，本文以五个方向结束了未来的研究，以弥合数据需求，模型性能和控制性能之间的差距。
神经图像-Mahi Lab
基于头皮脑电图的脑部机器界面（BMI）具有促进中风后皮质可塑性的潜力，这已被证明可以改善运动恢复结果。然而，很少使用基于EEG的基于EEG和运动学的指标来量化BMI启用BMI BOTOCH训练对上LIMB恢复的功效。此外，与运动相关的神经相关性可以预测运动恢复的程度仍然难以捉摸，这阻碍了基于BMI的中风康复的临床翻译。为了解决以上知识差距，招募了10个具有稳定基线临床评分的慢性中风患者参加12次治疗课程，涉及启用BMI的驱动外骨骼进行肘训练。平均每个参与者进行132±22个重复。所有会话和受试者的BMI准确性为79±18％，假阳性率为23±20％。训练后临床评估发现，上肢和ARAT的FMA在基线上的得分显着提高了3.92±3.73和5.35±4.62点。此外，在研究过程中，有80％的参与者（7例中度损害，1个严重损害）在临床上的差异很小（MCID：FMA-EU> 5.2或ARAT> 5.7）。运动学措施表明，平均而言，参与者的运动变得更快，更顺利。与运动相关的皮质电位的调节，与受损部门相反的基于脑电图的神经相关性与ARAT评分显着相关（ρ= 0.72，p <0.05），与FMA-EU（ρ= 0.63，p = 0.051）相关。这表明干预后IPSI-GEMESPHERE的激活或抑制竞争性的半球的抑制作用，这可能是BMI介导的康复治疗后神经可塑性和皮质重组的证据。