XiaoMi-AI文件搜索系统
World File Search Systemnyu
2024 年 10 月 个人与 TBI 工具包
纽约大学朗格尼医学中心的 Rusk 康复 TBI 模型系统与我们的社区咨询委员会 (CAB) 合作，经过数年的努力，根据 TBI 患者的经历创建了这份路线图，这些患者在一项名为“与 TBI 共存”的研究采访中与我们分享了他们的故事。
放射治疗和肿瘤学
目标：本研究旨在探索多中心数据异质性对深度学习脑转移瘤 (BM) 自动分割性能的影响，并评估增量迁移学习技术，即不遗忘学习 (LWF)，在不共享原始数据的情况下提高模型通用性的有效性。材料和方法：使用了来自埃尔朗根大学医院 (UKER)、苏黎世大学医院 (USZ)、斯坦福大学、加州大学旧金山分校、纽约大学 (NYU) 和 BraTS Challenge 2023 的总共六个 BM 数据集。首先，分别针对单中心专项训练和混合多中心训练建立 DeepMedic 网络的 BM 自动分割性能。随后评估了隐私保护双边协作，其中将预训练模型共享到另一个中心以使用迁移学习 (TL) 进行进一步训练（带或不带 LWF）。结果：对于单中心训练，在各自的单中心测试数据上，BM 检测的平均 F1 分数范围从 0.625（NYU）到 0.876（UKER）。混合多中心训练显著提高了斯坦福大学和纽约大学的 F1 分数，而其他中心的提高可以忽略不计。当将 UKER 预训练模型应用于 USZ 时，在组合 UKER 和 USZ 测试数据上，LWF 获得的平均 F1 分数 (0.839) 高于朴素 TL (0.570) 和单中心训练 (0.688)。朴素 TL 提高了灵敏度和轮廓绘制精度，但损害了精度。相反，LWF 表现出值得称赞的灵敏度、精度和轮廓绘制精度。当应用于斯坦福大学时，观察到了类似的性能。结论：数据异质性（例如，不同中心的转移密度、空间分布和图像空间分辨率的变化）导致 BM 自动分割的性能不同，对模型的通用性提出了挑战。LWF 是一种很有前途的点对点隐私保护模型训练方法。
用于深度学习脑转移瘤自动分割的多中心隐私保护模型训练
目标：本研究旨在探索多中心数据异质性对深度学习脑转移瘤 (BM) 自动分割性能的影响，并评估增量迁移学习技术，即学习而不遗忘 (LWF)，在不共享原始数据的情况下提高模型通用性的有效性。材料和方法：使用了来自埃尔朗根大学医院 (UKER)、苏黎世大学医院 (USZ)、斯坦福大学、加州大学旧金山分校、纽约大学 (NYU) 和 BraTS Challenge 2023 的总共六个 BM 数据集。首先，分别针对单中心专项训练和混合多中心训练建立 DeepMedic 网络的 BM 自动分割性能。随后评估了隐私保护双边合作，其中将预训练模型共享到另一个中心以使用迁移学习 (TL) 进行进一步训练（带或不带 LWF）。结果：对于单中心训练，在相应的单中心测试数据上，BM 检测的平均 F1 分数范围为 0.625（NYU）至 0.876（UKER）。混合多中心训练显著提高了斯坦福大学和纽约大学的 F1 分数，而其他中心的改善可以忽略不计。当将 UKER 预训练模型应用于 USZ 时，在组合 UKER 和 USZ 测试数据上，LWF 获得的平均 F1 分数 (0.839) 高于朴素 TL (0.570) 和单中心训练 (0.688)。朴素 TL 提高了灵敏度和勾勒准确度，但损害了精度。相反，LWF 表现出令人称赞的灵敏度、精度和勾勒准确度。当应用于斯坦福大学时，观察到了类似的表现。结论：数据异质性（例如，不同中心的转移密度、空间分布和图像空间分辨率的变化）导致 BM 自动分割的性能不同，对模型的通用性构成挑战。LWF 是一种很有前途的点对点隐私保护模型训练方法。
多中心 - 私人 - 抛光模型 - 深度训练 -
目标：这项工作旨在探索多中心数据异质性对深度学习脑转移（BM）自动分量性能的影响，并评估增量转移学习技术的功效，即不忘记（LWF），以提高模型性能而无需共享原始数据。材料和方法：使用了埃尔兰根大学医院（UKER），苏黎世大学医院（USZ），斯坦福大学，纽约大学（纽约大学）和Brats Challenge 2023的六个BM数据集。首先，分别为单一中心训练和混合多中心训练建立了用于BM自动分量的DeepMedic网络的性能。随后评估了保护隐私的双边合作，其中有一个验证的模型将分享到其他带有LWF或不带有LWF的转移学习（TL）的进一步培训中心。结果：对于单中心训练，在各自的单中心测试数据上，BM检测的平均F1得分范围从0.625（NYU）到0.876（UKER）。混合的多中心训练明显提高了斯坦福大学和纽约大学的F1分数，其他中心的改进可以忽略不计。当将UKER预告量化的模型应用于USZ时，LWF的平均F1得分（0.839）比NAIVE TL（0.570）和单中心训练（0.688）高于UKER和USZ测试数据。幼稚的TL提高了灵敏度和轮廓精度，但会损害精度。相反，LWF表现出值得称赞的灵敏度，精度和轮廓精度。应用于斯坦福大学时，观察到类似的性能。结论：数据异质性（例如，转移密度，空间分布和图像空间分辨率的变化）导致BM自动分量的性能变化，从而对构建概括性提出了挑战。LWF是对点对点隐私模型培训的有前途的方法。
nyu-rangone-Health-2024-Health-Health-Health-equity-symposium- ...
Gbenga Ogedegbe，医学博士，MPH，是NYU Langone Health的卫生公平卓越公平研究所（IEHE）的就职典礼和创始主任。他是纽约大学格罗斯曼医学院的Adolph＆Margaret Berger医学与人口健康教授。他是NIH资助的卫生公平研究的领先科学家。他领导了许多NIH资助的研究，用于降低心血管疾病风险，重点是开发和评估临床社区联系的护理模型，以解决健康结果的不平等。Ogedegbe博士是美国国家医学院和美国预防服务工作队（USPSTF）的成员。 他是许多科学组织的院士，包括美国心脏协会，美国医师学院和行为医学学院。 在乌克兰获得了医学博士学位后，Ogedegbe博士在蒙特菲奥尔医学中心完成了内科居留权，随后在康奈尔大学接受了卫生服务研究和临床流行病学奖学金培训，在此期间，他从哥伦比亚大学邮递员邮政邮政邮政邮政保健学院获得了MPH。 在担任目前的职位之前，他曾是康奈尔·威尔医学院和哥伦比亚大学医师和外科医生学院的教职员工。Ogedegbe博士是美国国家医学院和美国预防服务工作队（USPSTF）的成员。他是许多科学组织的院士，包括美国心脏协会，美国医师学院和行为医学学院。在乌克兰获得了医学博士学位后，Ogedegbe博士在蒙特菲奥尔医学中心完成了内科居留权，随后在康奈尔大学接受了卫生服务研究和临床流行病学奖学金培训，在此期间，他从哥伦比亚大学邮递员邮政邮政邮政邮政保健学院获得了MPH。 在担任目前的职位之前，他曾是康奈尔·威尔医学院和哥伦比亚大学医师和外科医生学院的教职员工。在乌克兰获得了医学博士学位后，Ogedegbe博士在蒙特菲奥尔医学中心完成了内科居留权，随后在康奈尔大学接受了卫生服务研究和临床流行病学奖学金培训，在此期间，他从哥伦比亚大学邮递员邮政邮政邮政邮政保健学院获得了MPH。在担任目前的职位之前，他曾是康奈尔·威尔医学院和哥伦比亚大学医师和外科医生学院的教职员工。
工业设计1956-02
在1929年。在纽约大学进行进一步培训后，他与几家设计公司相关联，后来又领导了自己的建筑公司。他于1946年加入GE，现在是外观设计，家庭用品和无线电接收器部门的经理。爱德华·法拉利（Edward Ferrari）自1947年以来一直拥有GE，主要是在制作外观模型时应用的研究程序。通过培训和继承的雕塑家，
关于文化响应和维持远程的指导...
以公平、机会和教育正义为中心 纽约大学都会中心撰写 超过 45 个州以及哥伦比亚特区和波多黎各已暂时关闭校舍，并转向远程教育，以继续开展重要的教学工作。我们赞扬学生、家庭、教育专业人士和管理人员采用新技术、创新技能和战略流程，以减轻这一充满挑战的时期对我们孩子教育的影响。然而，我们必须问：随着教学转移到线上，我们如何才能继续以公平和文化响应-持续教育为中心？在纽约大学都会中心，我们希望为那些参与我们孩子教育的人提供他们所需的支持，以回答这个问题以及其他与此相关的问题，因为我们都在应对 COVID-19 带来的迅速变化的情况。我们的教育公平专家团队随时可以提供帮助。这份资源文件虽然不全面但流畅，旨在为基于公平的远程教育的高杠杆教学和学习实践提供指导和答案。我们知道，学校停课和活动取消正在影响人与人之间的联系，我们需要不同的策略来在这个特殊时刻聚集在一起、沟通并实现教育公平。对于目前依赖我们服务的人，我们希望这份指导文件能够为您提供想法和公平见解，无论情况如何。成千上万的教育工作者和家长在家工作，这是一个以不同方式思考、考虑新想法和调整资源的时刻。在接下来的几周里，我们国家将以前所未有的方式联系在一起——在线搜索信息、阅读电子邮件、参加虚拟会议以及通过社交媒体分享想法。我们纽约大学都会中心不希望公平问题被搁置、忽视或边缘化，因为我们知道弱势群体通常是受重大危机影响最大的群体。40 多年来，纽约大学都会中心一直是推动对弱势群体承诺的领军人物，与组织合作减少不平等，与盟友和朋友一起努力促进教育及其他领域的公平。我们希望本文件能够满足您的一些关键教育需求，并使您能够赋予我们的年轻人权力，因为我们坚持人类精神的持久韧性来克服这一最新挑战。什么是文化响应型可持续远程教育？文化响应型可持续远程教育以教育工具的使用为基础，并从学习和人类发展的文化视角安排教育体验，其中多样性的多种表达（例如种族、社会阶层、性别、语言、性取向、国籍、宗教、能力）被认可并视为教学和学习的资产。因此，教育应响应学生的个人和集体生活经历，特别是在这段时间里，响应他们在 COVID-19 疫情中的经历。它做到了以下几点：
cv
•2024-2025：俄亥俄州立大学费舍尔商学院；利兹商学院，加州大学博尔德分校；佛罗里达大学； IEOR-DRO联合研讨会，哥伦比亚大学；乔治敦大学麦克唐纳商学院；密歇根大学罗斯商学院； McGill Desautels管理学院；香港中学大学；莱斯大学；约翰·霍普金斯大学；南方卫理公会大学；卡内基·梅隆大学；宾夕法尼亚大学沃顿大学；麻省理工学院营销部。•2023-2024：西北大学凯洛格管理学院；埃默里大学Goizueta商学院；乔治华盛顿大学商学院；波士顿大学Questrom商学院； Cornell University Conference • 2022-2023: The University of Tennessee, Knoxville, University of Michigan's Ross Marketing Area, NYU Stern School of Business, University of Toronto's Rotman School of Management • 2021-2022: University of Chicago, National University of Singapore, University of California Riverside, Case Western University, Binghamton University • 2019-2020: University of California Berkeley, UIUC, University of Maryland,上海国财务与经济大学UT Dallas，上海若o汤大学•2018-2019：华盛顿大学福斯特大学商学院，约翰·霍普金斯·凯里大学，北京大学，乔治亚州北胡岛北京大学，乔治亚理工学院 Business School, UCLA Management and Organization, Northwestern University, Kellogg School of Management, Cornell University, Harvard Business School, • 2016-2017: Washington University in St. Louis, University of Science and Technology of China, Fudan University School of Management, NYU Shanghai, HKUST Business School, Northwestern University, Kellogg School of Management, • 2015-2016: Washington University in St. Louis, Carnegie Mellon University,杜克大学，UNC Kenan-Flagler商学院，印第安纳大学，密歇根大学耶鲁大学管理学院。
量化宽松，回购市场和利率的期限结构
*莱布尼兹金融研究所安全，歌德大学法兰克福大学，西奥多 - - 阿多尔·普拉茨3，60323，法兰克福，德国法兰克福，德国，jappelli@safe-frankfurt.de。† Leibniz Institute for Financial Research SAFE, Goethe University Frankfurt, Theodor-W.-Adorno-Platz 3, 60323, Frankfurt am Main, Germany, Ca' Foscari University of Venice, Dorsoduro, 3246, 30123 Venezia, Italy, and CEPR, pelizzon@safe.uni-frankfurt.de .‡纽约大学，伦纳德·N·斯特恩商学院和纽约大学上海，考夫曼管理中心，西四街4444号，9-68，10012，纽约，纽约，msubrahm@stern.nyu.edu。我们感谢Giovanni Dell'ariccia，Wenxin du，Darrell Duffie，Ester Faia，Matthias Fleckenstein，Robin Greenwood，Zhiguo He（讨论者），Florian Heider，Yesol Huher，Yesol Huh，Sebastian Inte，Sebastian Inte，sebastian jermann，Urban Jermann，Francis Lucistaff，Errikano（Erikano），Erikano（Erikano），Erikano（Erika） Melissinos, Andrea Modena, Cecilia Parlatore, Pietro Reg- giani, Stephen Schaefer, Fabian Smetak (discussant), Claudio Tebaldi, Davide Tomio, Bruce Tuckman, Dimitri Vayanos, Ernst-Ludwig von Thadden, Olivier Wang, Geoffery Zheng, and seminar and conference participants at l'Association Franc¸aise de金融，意大利银行，美联储委员会，歌德大学，莱布尼兹金融研究所安全，第21届国际会议信贷，第9届国际主权债券市场会议，国际风险管理会议（IRMC），LSE，纽约市，纽约大学，纽约大学，乌马斯·阿姆斯特·阿姆斯特·阿姆斯特，威尼斯·阿姆斯特，威尼斯·菲利斯·菲利斯·沃尔·沃尔特·沃尔特·沃尔特·沃尔特 -任何剩余的错误都是我们的。该项目得到了莱布尼兹金融研究所安全的支持。该论文的先前版本的标题为“回购专业的首选范围模型”。 Subrahmanyam非常感谢亚历山大·冯·洪堡基金会（Alexander von Humboldt Foundation）和纽约大学斯特恩（Nyu Stern）的全球经济和商业中心，分别通过Anneliese Maier Award和Anneliese Maier Award和The Acculty Grant Award，以及CA'Foscari Wente University of Wenite University of Wenite University of the研究的早期阶段进行了研究。