XiaoMi-AI文件搜索系统
World File Search System参与机构
大学记分卡机构级数据
大学记分卡提供 1) 包含有关整个机构的数据的数据文件和 2) 包含有关机构内特定研究领域的数据的数据文件。本文档旨在描述在机构级别计算的数据元素的大学记分卡数据文件。有关描述机构内研究领域的数据文件的更多信息，请参阅按研究领域划分的数据文件的技术文档。这些数据通过机构的联邦报告、联邦财政援助数据和税务信息提供。这些数据提供了对获得联邦财政援助资金的机构的表现以及这些机构学生的成果的洞察。记分卡数据网页和 API 上提供了所有参与 Title IV 计划（通过发放援助或延期）且并非单纯行政办公室的活跃综合高等教育数据系统 (IPEDS) 机构的完整数据集。此外，如果一些不参与 Title IV 计划的机构符合与 Title IV 参与机构 1 类似的标准，它们也将包括在数据中。这些数据元素的子集显示在面向消费者的当前运营的本科院校的大学记分卡网站上。
爱荷华州管理部
项目：爱荷华州电子赠款管理系统-IOWAGRANTS.GOV说明：IOWAGRANTS.GOV是一个全包赠款识别门户和全面的企业范围内的赠款管理系统。该系统均可供所有国家机构使用，其维护成本和托管完全由拨款支付。对于管理各种州和联邦竞争性和通过赠款计划的州机构，它消除了继续投资于代理机构独特赠款管理系统的开发和运营的成本。该系统提供了通过州管理的赠款计划，一个单一的门户网站来寻求公开招标或正在进行的赠款计划，以寻求资金。该系统的外部用户包括城市和县实体，爱荷华州的所有学区，非营利组织以及公众。iowagrants.gov成功地与该州的i3金融系统界定。工作进展：该项目继续征求所有授予赠款的州机构对iowagrants.gov的使用。以下统计数据强调了iowagrants.gov的进度，直到2024年11月：参与机构= 12个参与程序= 83个用户= 30,106唯一用户= 6,469
大学记分卡机构级数据
大学记分卡提供 1) 包含有关整个机构的数据的数据文件和 2) 包含有关机构内特定研究领域的数据的数据文件。本文档旨在描述在机构级别计算的数据元素的大学记分卡数据文件。有关描述机构内研究领域的数据文件的更多信息，请参阅按研究领域划分的数据文件的技术文档。这些数据通过机构的联邦报告、联邦财政援助数据和税务信息提供。这些数据提供了对获得联邦财政援助资金的机构的表现以及这些机构学生的成果的洞察。记分卡数据网页和 API 上提供了所有参与 Title IV 计划（通过发放援助或延期）且并非单纯行政办公室的活跃综合高等教育数据系统 (IPEDS) 机构的完整数据集。此外，如果一些不参与 Title IV 计划的机构符合与 Title IV 参与机构 1 类似的标准，它们也将包括在数据中。这些数据元素的子集显示在面向消费者的当前运营的本科院校的大学记分卡网站上。
大学记分卡机构级数据
大学记分卡提供 1) 包含有关整个机构的数据的数据文件和 2) 包含有关机构内特定研究领域的数据的数据文件。本文档旨在描述在机构级别计算的数据元素的大学记分卡数据文件。有关描述机构内研究领域的数据文件的更多信息，请参阅按研究领域划分的数据文件的技术文档。这些数据通过机构的联邦报告、联邦财政援助数据和税务信息提供。这些数据提供了对获得联邦财政援助资金的机构的表现以及这些机构学生的成果的洞察。记分卡数据网页和 API 上提供了所有参与 Title IV 计划（通过发放援助或延期）且并非单纯行政办公室的活跃综合高等教育数据系统 (IPEDS) 机构的完整数据集。此外，如果一些不参与 Title IV 计划的机构符合与 Title IV 参与机构 1 类似的标准，它们也将包括在数据中。这些数据元素的子集显示在面向消费者的当前运营的本科院校的大学记分卡网站上。
大学记分卡机构级数据
大学记分卡提供 1) 包含有关整个机构的数据的数据文件和 2) 包含有关机构内特定研究领域的数据的数据文件。本文档旨在描述在机构级别计算的数据元素的大学记分卡数据文件。有关描述机构内研究领域的数据文件的更多信息，请参阅按研究领域划分的数据文件的技术文档。这些数据通过机构的联邦报告、联邦财政援助数据和税务信息提供。这些数据提供了对获得联邦财政援助资金的机构的表现以及这些机构学生的成果的洞察。记分卡数据网页和 API 上提供了所有参与 Title IV 计划（通过发放援助或延期）且并非单纯行政办公室的活跃综合高等教育数据系统 (IPEDS) 机构的完整数据集。此外，如果一些不参与 Title IV 计划的机构符合与 Title IV 参与机构 1 类似的标准，它们也将包括在数据中。这些数据元素的子集显示在面向消费者的当前运营的本科院校的大学记分卡网站上。
大学记分卡机构级数据
大学记分卡提供 1) 包含有关整个机构的数据的数据文件和 2) 包含有关机构内特定研究领域的数据的数据文件。本文档旨在描述在机构级别计算的数据元素的大学记分卡数据文件。有关描述机构内研究领域的数据文件的更多信息，请参阅按研究领域划分的数据文件的技术文档。这些数据通过机构的联邦报告、联邦财政援助数据和税务信息提供。这些数据提供了对获得联邦财政援助资金的机构的表现以及这些机构学生的成果的洞察。记分卡数据网页和 API 上提供了所有参与 Title IV 计划（通过发放援助或延期）且并非单纯行政办公室的活跃综合高等教育数据系统 (IPEDS) 机构的完整数据集。此外，如果一些不参与 Title IV 计划的机构符合与 Title IV 参与机构 1 类似的标准，它们也将包括在数据中。这些数据元素的子集显示在面向消费者的当前运营的本科院校的大学记分卡网站上。
2021
本报告详细分析了参与小企业创新研究 (SBIR) 和小企业技术转移 (STTR) 计划的机构在 2021 财年 (FY21) 中如何承诺 34.6 亿美元的 SBIR 和 5.287 亿美元的 STTR 资金（总计 39.9 亿美元）。美国小企业管理局 (SBA) 按照《小企业法》第 9 节（15 USC § 638）的规定，汇编并评估了参与 SBIR 和 STTR 计划的 11 个机构、各州、计划阶段、公司类型和其他类别的数据。SBA 的主要职责之一是确定机构是否满足 SBIR 和 STTR 计划的最低支出要求，这些要求在《小企业法》第 9(f) 和 (n) 节中规定，15 USC § 638(f) 和 (n)。SBA 对机构遵守最低支出要求的分析可在本报告的第 7 节中找到。 SBA 分析了来自十个民事机构、三个国防部 (DoD) 机构（陆军、空军和海军）和九个国防部部门的数据。将国防部部门之间的数据分开可以提高国防部 SBIR 和 STTR (SBIR/STTR) 计划的可见性，这一点很重要，因为国防部总资金占所有参与机构资金的 45% 以上。SBA 发现几个民事机构和国防部部门 不符合最低支出要求，本报告第 7 节对此进行了详细说明。在过去几年中，SBA 专注于解决方案，以确保机构能够以准确且经济高效的方式上传和验证数据。这一重点促成了多项创新，FY21 报告中捕捉到的数据完整性证明了这些改进。SBA 将继续与 11 个参与机构密切合作，提交数据，并协调外展、提供培训、分享最佳实践并提高计划意识。本报告衡量了多种因素以及机构之间的差异。一些差异是机构企业层面差异的产物，其他差异则源于不同的项目运营方法。SBA 致力于评估这些差异并鼓励机构采用最佳实践。本报告中的数据对于评估从授予通知到资金发放之间的时间以及第一阶段和第二阶段授予之间的时间至关重要。《2019 财政年度国防授权法案》指示政府问责局 (GAO) 研究提案选择和授予时间表。SBA 继续扩大授予时间表的报告范围，并在第 11 部分提供这些数据。SBIR/STTR 计划不断发展，仍然是数千家非常成功的小企业早期资金的主要来源。许多获奖者利用该计划的机会逐渐发展成为大型企业，其中一些已成为行业领导者。空军、海军、国防部和国家癌症研究所最近进行的经济影响研究表明，该计划为联邦政府带来了最高的研发 (R&D) 资金回报之一。这些研究和更多信息可在 SBIR.gov 上找到。
多中心
我们对乌拉圭蒙特维迪奥的4个专业血液学中心诊断的所有连续NDMM患者进行了多中心，前瞻性研究研究（医院Central de las fuerzas armadas和deClínicas医院，都是公共保健机构，公共保健机构，医院Brit Anico和Casmu-iampeiampp，私人私人医疗保健机构）。纳入标准包括活动疾病，目前正在接受治疗并提供了书面知情同意。排除了未确定的显性症，闷烧MM，浆细胞白血病，杏仁症和HIV感染的单克隆性腔症患者。合格的患者在2019年6月至2020年12月之间由每个参与中心的医生在2019年6月至2020年12月之间连续入学。此后，在临床上观察到患者的传染性事件的发展，这些事件需要≥24小时，持续6个月，然后再进行自体干细胞移植或直到死亡，以第一次为准。以标准化形式收集了人口统计学，合并症，实验室数据和特定特征。机构审查委员会在每个参与机构批准了这项研究。
NACIE_通过创业提高竞争力
国家创新与创业咨询委员会 (NACIE) 由领先的企业家、创新者、投资者、学者和经济发展领袖组成。它受商务部长委托，确定美国如何继续成为范式变革创新的源头，并成为将这些创新推向市场的公司的总部所在地。NACIE 就创新、技术商业化和创业相关问题提供咨询。NACIE 确定并推荐政策，使企业家和公司能够成功地将新想法和技术转化为创新产品和服务、新业务和新工作，以及具有弹性、包容性和全球竞争力的经济。自 2009 年成立以来，国家创新与创业咨询委员会 (NACIE) 已连续数届推荐政策，以增加资本获取和部署，加速早期和成长期公司的研发，并更好地协调科学、技术、工程和数学 (STEM) 人才的需求和发展。 NACIE 建议的政策体现在《就业法案》、《2022 年芯片和科学法案》以及授权为小企业创新研究和小企业技术转让计划的参与机构提供技术和商业援助。NACIE 得到了商务部技术中心计划和创新与创业办公室 (OIE) 的支持。有关 NACIE 的更多信息，请访问 http://www.eda.gov/NACIE 。
全脑放射组学在脑肿瘤分割中的聚类联合个性化
联邦学习及其在医学图像分割中的应用最近已成为一个热门的研究课题。这种训练范式存在参与机构本地数据集之间的统计异质性问题，与传统训练相比，会导致收敛速度减慢以及潜在的准确性损失。为了减轻这种影响，联邦个性化应运而生，即每个机构一个模型的联邦优化。我们提出了一种新颖的个性化算法，该算法针对不同机构使用不同扫描仪和采集参数引起的特征变化而量身定制。该方法是第一个考虑机构间和机构内特征变化（单个机构使用多台扫描仪）的方法。它基于在每个中心内计算一系列放射组学特征，捕捉每个 3D 图像体积的整体纹理，然后进行聚类分析，将所有特征向量从本地机构传输到中央服务器。然后，每个计算出的聚类分散数据集（可能包括来自不同机构的数据）用于微调通过经典联邦学习获得的全局模型。我们在联邦脑肿瘤分割 2022 挑战数据集 (FeTS2022) 上验证了我们的方法。我们的代码可在 (https://github.com/MatthisManthe/radiomics_CFFL) 上找到。关键词：联邦学习、联邦个性化、分割、脑肿瘤分割。