XiaoMi-AI文件搜索系统
World File Search System抽象层次
MTNeuro：评估跨多个抽象层次的大脑结构表征的基准
我们可以从多个抽象尺度来描述同一张图像，这取决于我们关注的是细粒度细节还是图像的更全局属性。在脑映射中，学习自动解析图像以构建小尺度特征（例如，细胞或血管的存在）和图像全局属性（例如，图像来自哪个大脑区域）的表示是一项重要且开放的挑战。然而，大多数现有的神经解剖学数据集和基准一次只考虑一个下游任务。为了弥补这一差距，我们引入了一个新的数据集、注释和多个下游任务，它们提供了从同一张图像中读取有关大脑结构和架构信息的多种方式。我们的多任务神经成像基准（MTNeuro）建立在体积、微米分辨率的X 射线显微断层扫描图像上，这些图像覆盖了小鼠大脑的大部分丘脑皮质部分，包含多个皮质和皮质下区域。我们生成了许多不同的预测挑战，并评估了几种用于脑区预测和微结构像素级语义分割的监督和自监督模型。我们的实验不仅突出了该数据集的丰富异质性，而且还提供了有关如何使用自监督方法来学习表示以捕获单个图像的多个属性并在各种下游任务中表现良好的见解。数据集、代码和预训练基线模型可在以下网址获得：https://mtneuro.github.io/ 。
工件和抽象层次 - Pure
本文旨在说明，与人工制品（即人类设计的系统）的比较或类比如何为复杂的神经认知系统在不同层次上可解释这一观点奠定基础，这是大脑建模的核心简化策略。类比的最主要来源当然是数字计算机，但我将讨论与设计和工程过程的一些更一般的比较如何也发挥重要作用。我将说明类比以及随后的不同计算层次的概念如何产生了关于如何安全地从具体神经系统的复杂性中抽象出来的共同思想，从而解释神经过程如何产生认知功能。我还对这些解释的局限性表示担忧，因为忽略了人造设备和生物器官之间的差异。