XiaoMi-AI文件搜索系统
World File Search Systemtrajectories
伦敦东北大学全额资助网络科学博士奖学金，整合多模态数据以了解轨迹和生物标志物
总部位于英国的机构。东北大学成立于 1898 年，以其高影响力的研究而闻名，旨在解决全球问题。跨学科、体验式学习和与学术界以外的合作伙伴的联系是东北大学精神的核心。东北大学在 2022 年获得了 2.307 亿美元的外部研究资金，是公认的体验驱动终身学习的领导者。它在美国和加拿大设有校区（波士顿、北卡罗来纳州夏洛特、缅因州波特兰、加利福尼亚州奥克兰、旧金山、西雅图、硅谷、弗吉尼亚州阿灵顿、马萨诸塞州伯灵顿和纳汉特社区、多伦多和温哥华）。虽然博士学位将是英国的资格，但学生将有机会在伦敦博士研究期间参与和访问海外的东北大学网络，为他们的研究培训提供真正独特且备受追捧的维度。项目我们正在寻找一位有计算神经科学、数据科学、认知心理学或相关领域背景的积极进取的候选人，加入一个创新的博士项目，该项目涉及网络科学、机器学习和心理健康研究的交叉领域。该项目旨在开发尖端方法来整合和分析多模态数据——从认知评估和患者自我报告到神经影像和电子健康记录 (EHR)——以发现新的生物标志物并改善心理健康轨迹的分析。成功的申请者将采用自然语言处理 (NLP)、图论和先进的机器学习等技术来探索认知-情感模式和大脑连接动态，为理解心理健康建立一个统一的框架。这项跨学科研究有望推动个性化诊断和干预策略的进步。理想的候选人应该具备很强的分析和编程能力，对心理健康研究充满热情，并具有跨学科合作的能力。成功的候选人将：
手术修改深部脑刺激导线轨迹对 3T MRI 射频加热的影响：从幻像实验到 cl
目的：深部脑刺激 (DBS) 导线周围的射频 (RF) 组织发热是 MRI 期间众所周知的安全风险，因此需要制定严格的成像指南并限制允许的方案。植入导线相对于 MRI 电场的轨迹和方向导致不同患者的 RF 发热程度存在差异。目前，没有针对植入 DBS 导线颅外部分的手术要求，这导致临床导线轨迹和 RF 发热存在很大差异。最近的研究表明，在颅外导线轨迹中加入同心环可以减少 RF 发热。然而，环的最佳定位和轨迹修改在 MRI 期间增加安全裕度方面的量化效益仍然未知。在本研究中，作者系统地评估了可在 3T MRI 期间最大限度减少 RF 发热的 DBS 导线轨迹的特征，以制定安全进行术后 MRI 的最佳手术实践，并且他们介绍了这些修改后轨迹的首次手术实施方式。方法作者进行了实验来评估 244 种不同导线轨迹的最大温升。他们研究了同心环的位置、数量和大小对颅骨的影响。实验是在植入商用 DBS 系统的拟人模型中进行的，通过应用高特定吸收率序列（B 1+rms = 2.7 µ T）产生射频暴露。作者进行了重测实验来评估测量的可靠性。此外，他们还评估了成像标志和 DBS 设备配置扰动对低加热轨迹功效的影响。最后，两名神经外科医生在患者体内植入了推荐的修改轨迹，作者通过与未修改轨迹的比较来表征他们的射频加热。结果 最高温度升高范围为 0.09 ° C 至 7.34 ° C。作者发现，增加环路数量并将其放置在更靠近手术钻孔的位置，特别是对于对侧导线，可以大大降低射频加热。这些轨迹修改在手术过程中很容易融入，并将射频加热降低了三倍。结论 通过手术修改 DBS 导线轨迹的颅外部分可以大大降低 3T MRI 期间的射频加热。作者的结果表明，在 DBS 导线植入过程中可以很容易地对导线配置进行简单的调整，例如在钻孔附近设置小的同心环，以提高 MRI 期间患者的安全性。
一种使用人工智能模型优化规划具有最高骨密度和最强拔出力的椎弓根螺钉轨迹的新型手术规划系统
目的 本研究旨在评估一种新型人工智能 (AI) 模型在骨质疏松患者中识别具有更高骨矿物质密度 (BMD) 和更高拉出力 (POF) 的优化椎弓根螺钉轨迹的能力。方法 使用 3D 图形搜索和基于 AI 的有限元分析模型开发了一种创新的椎弓根螺钉轨迹规划系统，称为骨轨迹。回顾性分析了 21 名老年骨质疏松患者的术前 CT 扫描。AI 模型自动计算替代椎弓根轨迹的数量、轨迹 BMD 和 L3-5 的估计 POF。记录优化轨迹的最高 BMD 和最高 POF，并与 AO 标准轨迹进行比较。结果 患者平均年龄为 69.6 ± 7.8 岁，椎体平均 BMD 为 55.9 ± 17.1 mg/ml。在 L3–5 两侧，优化轨迹的 BMD 和 POF 均显著高于 AO 标准轨迹（p < 0.05）。平均而言，优化轨迹螺钉的 POF 与 AO 轨迹螺钉相比至少增加了 2.0 倍。结论 新型 AI 模型在选择比 AO 标准轨迹具有更高 BMD 和 POF 的优化椎弓根轨迹方面表现良好。
一种新型手术规划系统，使用人工智能模型来优化具有最高骨矿物质密度和最强拉出力的椎弓根螺钉轨迹规划
目的 本研究旨在评估一种新型人工智能 (AI) 模型在骨质疏松患者中识别具有更高骨矿物质密度 (BMD) 和更高拉出力 (POF) 的优化椎弓根螺钉轨迹的能力。方法使用 3D 图形搜索和基于 AI 的有限元分析模型开发了一种创新的椎弓根螺钉轨迹规划系统（称为 Bone's Trajectory）。回顾性分析了 21 名老年骨质疏松患者术前 CT 扫描。AI 模型自动计算替代椎弓根轨迹的数量、轨迹 BMD 和估计的 L3-5 POF。记录优化轨迹的最高 BMD 和最高 POF，并将其与 AO 标准轨迹进行比较。结果 患者平均年龄为 69.6 ± 7.8 岁，平均椎体 BMD 为 55.9 ± 17.1 mg/ml。在 L3–5 的两侧，优化轨迹的 BMD 和 POF 明显高于 AO 标准轨迹（p < 0.05）。平均而言，优化轨迹螺钉的 POF 至少比 AO 轨迹螺钉增加 2.0 倍。结论 新型 AI 模型在选择 BMD 和 POF 高于 AO 标准轨迹的优化椎弓根轨迹方面表现良好。
从视频中预处理
摘要 - 我们提出了一种从3D手动相互作用trajectories中学习通用机器人操纵先验的方法。我们构建了一个框架，以使用野外视频来生成感觉运动机器人轨迹。我们通过在共享的3D空间中抬起人的手和操纵对象来做到这一点，并将人类动作重新定位到机器人动作。对这些数据的生成建模为我们提供了任务不合时宜的基本策略。此政策捕获了一般但灵活的操作。我们从经验上证明，通过加强学习（RL）和行为克隆（BC），对这一政策进行填充，使样品有效适应下游任务并同时提高了与先前方法相比的鲁棒性和概括性。定性实验可在以下网址提供：https：//hgaurav2k.github.io/hop/。
美国航空业的发展：技术、进入和市场结构 - 三次革命
ING THE DYNAMICS OF INNOVATION xviii (1976); Steven Klepper, Entry, Exit, Growth, and Innovation over the Product Life Cycle, 86 Am. ECON. REv. 562, 562-64 (1996). 有关航空背景下的一般讨论，请参阅 Earll M. Murman、Myles Walton 和 Eric Rebentisch, Challenges in the Better, Faster, Cheaper Era of Aeronautical Design, Engineering and Manufacturing, 104 AERONAUTICAL J. 481 (2000). 激进式（革命性、非连续性）创新和渐进式（渐进性、保守性）创新之间的区别直观上很有吸引力，但并不总是明确的。熵统计技术曾用于衡量飞机技术的演变；例如，请参阅 Koen Frenken & Loet Leydesdorff 的《Scaling Trajectories in Civil Aircraft》（1913-1997），29 RES. POL'Y 331, 331（2000），网址为 http://users.
2024 年年度披露报告
这是签署方第二次披露与国际海事组织最新目标相一致的脱碳轨迹的气候一致性分数，该目标旨在到 2050 年左右实现国际航运净零排放。根据国际海事组织在第 80 届海洋环境保护大会上宣布的修订目标，我们修改轨迹的时间非常紧迫，因此在编制 2023 年年度披露报告的过程中，许多客运船舶（仅游轮、渡轮-RoPax、车辆和渡轮-pax）显示出与各自的排放强度轨迹无法解释的错位。在对用于生成这些轨迹的方法进行彻底的内部审查后，发现了一个错误。因此，上述段的轨迹过于严格，即船舶的错位通常被夸大了。在仔细审查和测试后，我们提出并实施了对上述段轨迹的重大更新。各方进一步同意，不必重述整个 2023 年年度披露报告，而是每个签署方可以自由选择报告去年的修订结果。
o r i g i n a l r e s a a r c h体重指数的轨迹和糖尿病并发症的风险和全因死亡率，芬兰2型糖尿病
目标：我们旨在评估芬兰2型糖尿病患者（T2D）患者的纵向体重指数（BMI）轨迹与糖尿病并发症和全因死亡率有关。方法：在这项队列研究中，利用了芬兰北卡雷利亚市所有13个市政当局的公共小学和专业医疗服务的电子健康记录。这项研究包括2011年或2012年新诊断为T2D的889名成年人（基线62.0岁时的平均年龄）。通过生长混合物建模（GMM）估算了从T2D诊断到2014年的单个BMI轨迹。使用COX回归模型估算了BMI轨迹组的微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率的危险比（HRS），用于微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率。 结果：使用GMM鉴定了三个不同的BMI轨迹组，并标记为以下标记：“稳定”（n = 774，87.1％），“减少”（n = 87，9.8％）和“增加”（n = 28，3.1％）。 在8年的中位随访中，有119例（13.3％）的微血管并发症患者，187（21.0％）患有大血管并发症，258（29.0％），任何糖尿病并发症，180（20.2％）死亡。 与“稳定” BMI相比，“增加” BMI与微血管并发症的风险增加有关（HR = 2.88，95％CI：1.32至6.28），大血管并发症，HR = 2.52，95％CI：95％CI：1.17至5.43），以及任何糖尿病（HR）和任何糖尿病（HR）。 量身定制的治疗对于有效防止体重增加和降低糖尿病并发症的风险至关重要。危险比（HRS），用于微血管并发症，大血管并发症，任何糖尿病并发症以及全因死亡率。结果：使用GMM鉴定了三个不同的BMI轨迹组，并标记为以下标记：“稳定”（n = 774，87.1％），“减少”（n = 87，9.8％）和“增加”（n = 28，3.1％）。在8年的中位随访中，有119例（13.3％）的微血管并发症患者，187（21.0％）患有大血管并发症，258（29.0％），任何糖尿病并发症，180（20.2％）死亡。与“稳定” BMI相比，“增加” BMI与微血管并发症的风险增加有关（HR = 2.88，95％CI：1.32至6.28），大血管并发症，HR = 2.52，95％CI：95％CI：1.17至5.43），以及任何糖尿病（HR）和任何糖尿病（HR）。量身定制的治疗对于有效防止体重增加和降低糖尿病并发症的风险至关重要。与“稳定” BMI相比，“减少” BMI与全因死亡率的风险增加有关（HR = 1.90，95％CI：1.14至3.15）。结论：我们的发现强调了T2D患者的连续BMI监测和体重管理的重要性。关键字：体重指数轨迹，2型糖尿病，糖尿病并发症，全因死亡率
本杰明·斯托勒
human path prediction experiments with realistic perception, contributing a novel error correction module • Leveraged Unity for scene recreation and deep generative modeling for multi-modal, variational predictions TrajAir Aug 2021 – May 2022 • Researched machine learning methods for predicting aircraft trajectories in non-towered airspaces • Utilized clustering and vector field methods to capture movement patterns and infer pilot intent University of密歇根州EFES实验室|密歇根州安阿伯，2019年9月 - 2020年5月•设计和构建了一个系统，可以通过使用符号执行来查找应用程序中的持续记忆错误•在Oracle的NVM直接框架上进行LED调查和实验，发现和报告23个新错误专业经验stack AV |宾夕法尼亚州匹兹堡，2024年3月 - 2024年8月研究软件工程师实习生