XiaoMi-AI文件搜索系统
World File Search System文件格式
探针接口
使用穿透式细胞外多通道电极阵列（通常称为神经探针）记录神经元活动是探测神经元活动最广泛的方法之一。尽管有大量可用的细胞外探针设计，但尖峰分类软件要求的电极通道顺序和相对几何形状的映射这一耗时过程总是留给最终用户。因此，这个手动过程容易出现错误映射，进而导致不良的尖峰分类误差和效率低下。在这里，我们介绍了 ProbeInterface，这是一个开源项目，旨在通过消除在尖峰分类之前手动进行探针映射的步骤来统一神经探针元数据描述，以分析细胞外神经记录。ProbeInterface 首先是一个 Python API，使用户能够以任何所需的复杂度级别创建和可视化探针和探针组。其次，ProbeInterface 有助于以可重现的方式生成任何特定数据采集设置的全面接线描述，这通常涉及使用记录探头、探头、适配器和采集系统。第三，我们与探头制造商合作编译了一个可用探头的开放库，可以使用我们的 Python API 在运行时下载。最后，使用 ProbeInterface，我们定义了一种用于探头处理的文件格式，其中包含 FAIR 探头描述的所有必要信息，并且与神经科学中的其他开放标准兼容且互补。
ProbeInterface：细胞外电生理学中探针处理的统一框架
使用穿透式细胞外多通道电极阵列（通常称为神经探针）记录神经元活动是探测神经元活动最广泛的方法之一。尽管有大量可用的细胞外探针设计，但尖峰分类软件要求的电极通道顺序和相对几何形状的映射这一耗时过程总是留给最终用户。因此，这个手动过程容易出现错误映射，进而导致不良的尖峰分类误差和效率低下。在这里，我们介绍了 ProbeInterface，这是一个开源项目，旨在通过消除在尖峰分类之前手动进行探针映射的步骤来统一神经探针元数据描述，以分析细胞外神经记录。ProbeInterface 首先是一个 Python API，使用户能够以任何所需的复杂度级别创建和可视化探针和探针组。其次，ProbeInterface 有助于以可重现的方式生成任何特定数据采集设置的全面接线描述，这通常涉及使用记录探头、探头、适配器和采集系统。第三，我们与探头制造商合作编译了一个可用探头的开放库，可以使用我们的 Python API 在运行时下载。最后，使用 ProbeInterface，我们定义了一种用于探头处理的文件格式，其中包含 FAIR 探头描述的所有必要信息，并且与神经科学中的其他开放标准兼容且互补。
PAZ图像产品指南-ESA Earth Online
AD Applicable Document DAS Direct Acess Station DEM Digital Elevation Model DN Digital Number DRA Dual Receive Antenna EEC Enhanced Ellipsoid Corrected product EO Earth Observation EPSG European Petroleum Survey Group EULA End User License Agreement GEC Geocoded Ellipsoid Corrected product GIM Geocoded local Incidence angle Mask GPS Global Positioning System GS Ground Segment HDS Hisdesat HS High resolution Spotlight mode ISLR Integrated SideLobe Ratio MGD Multi look Ground Detected product NEBN Noise Equivalent Beta Nought NESZ Noise Equivalent Sigma Zero NRT Near Real Time OGC Open Geospatial Consortium PRF Pulse Repetition Frequency PRI Pulse Repetition Interval PSLR Peak to SideLobe Ratio RE Radiometrically Enhanced product SAR Synthetic Aperture Radar SC ScanSAR mode SE Spatially Enhanced product SL SpotLight mode SM条映射模式SRA单个接收天线SSC单位倾斜范围复杂产品ST凝视点凝视tiff标记的图像文件格式UPS UNIVERACON PORLAR STEREMOGRAPHIOGUR USP用户服务提供商UTC协调UNIVERSION UNIVERSING UTM UTM UNDIVE UTM UNDIMER THRESS MERMERM MERCATOR WMS WES MAP SERVICE
使用Musicx
摘要：绿色屋顶（GR）被称为最有效的水敏化城市设计（WSUD）策略之一，可以处理当今城市化城市面临的许多环境和社会问题。对GRS的研究的总体质量显着改善，并且在过去十年的研究量中观察到了趋势。在几种方法中，建模工具的应用被认为是模拟和评估GRS性能的有效方法。鉴于在集水量表上对GRS的研究是有限的，因此本文旨在提供一个简单但有效的框架来估计GR对径流数量和质量的流域尺度影响。Musicx是具有概念模型优势的澳大利亚开发软件，被选为本研究的建模工具。虽然Musicx拥有澳大利亚地区的内置气象模板，但该工具还支持几种气候输入文件格式，用于世界其他地区的建模者的应用。本文使用Musicx中的土地使用节点和生物味节点介绍了两种不同的建模方法。本文还提供了用于模型校准的步骤。建模结果列出了径流量的年减少，总悬浮固体（TSS），总磷酸盐（TP）和总氮（TN）负载。在径流量和TN负载中观察到最大的减少约30％。本研究中报告的年度降低率接近其他已发表的结果。量化GRS的好处的类似研究结果在促进GRS的广泛实施方面起着重要作用，这是由于对GRS的正面和负面影响的认识。未来的研究建议集中精力建模大规模实施GRS的影响（即超过单个构建量表）以填补研究差距并提高建模精度。
美国大使馆
泰国曼谷 2025 年 1 月 13 日 尊敬的潜在报价者： 主题：报价请求编号 RFQ # 19TH2025Q0010 附件是 2025 年 2 月 7-8 日在芭堤雅举行的酒店住宿和场地支持研讨会的报价请求 (RFQ)。 如果您想提交报价，请按照招标第 3 部分中的说明进行操作，填写所附文件的所需部分，然后将其提交至此信后的标准表格 1449 上显示的地址。 美国政府打算将合同/采购订单授予以最低价格提交可接受报价的负责公司。 我们打算根据初步报价授予合同/采购订单，而不进行讨论，但如果有必要，我们可能会与竞争范围内的公司进行讨论。您的问题必须在 2025 年 1 月 16 日下午 3 点（曼谷时间）之前发送至电子邮箱：soontare@state.gov。请用英文提交。报价截止日期为 2025 年 1 月 27 日下午 3 点（曼谷时间）。此时间之后将不再接受报价。提案必须用英文提交，不完整的提案将不被接受。您的报价必须以电子方式发送至电子邮箱：soontare@state.gov 请务必确保提交的文件具有特定大小和格式；文件格式为 MS-Word 2007/2010 或 MS-Excel 2007/2010 或 Adobe Acrobat (pdf)。文件大小不得超过 30MB。如果文件大小超过 30MB，则必须以单独的文件形式提交，并附加到单独的电子邮件中，每个文件的大小不得超过 30MB。为了使报价得到考虑，您还必须填写并提交以下内容：1. SF-1449 2. 第 I 部分，定价 3. 第 3 部分要求的其他信息 诚挚的，Daniel T. Brockman 合同官 附件：
MET CS 664 A1 人工智能
课件 讲义将以传统的数字文件格式（*.doc、*.ppt 和 *.pdf）提供，发布在与我们的课程 CS664 A1 人工智能（Sprg 2021）Blackboard Learn 相关的黑板网站上，URL：https://learn.bu.edu 2021 年春季 COVID-19 政策 课堂轮换：校园内的教室具有新的容量，遵循州和地方卫生和政府当局发布的有关 COVID-19 和身体距离的指南。在课程开始前和整个学期，我将联系那些表示想要亲自到课堂上课的学生。我们的教室可容纳 10 名学生，因此我们将有两轮学生每隔一周来校园上课。您被要求在轮换出教室的那一周进行远程上课。遵守规定：所有返回校园的学生都必须通过数字协议承诺一系列健康承诺和期望，包括佩戴口罩、症状证明、检测、接触者追踪、隔离和隔离。协议明确指出，遵守规定是我们校园社区成员的条件。您在尽量减少大学社区内 COVID-19 的传播方面发挥着关键作用，因此大学要求您做出自己的健康和安全承诺。此外，如果您将亲自参加这门课程，您将被要求在开始上课前向教室里的老师出示您移动设备上的 Healthway 徽章，并始终戴着口罩遮住嘴和鼻子。如果您不遵守这些规则，您将被要求离开教室。如果您拒绝离开课堂，老师会通知全班，在您离开教室之前，他们不会继续授课。如果您仍然拒绝离开教室，老师将解散课堂，并联系学术院长办公室进行跟进。波士顿大学致力于为您提供最好的学习环境，但要想取得成功，我们需要您的帮助。我们所有人都必须负责任和尊重他人。如果您不想遵循这些准则，则必须远程参与课程，以免让您的同学或其他人面临过度风险。我们希望我们社区的所有成员都能礼貌待人、友好相处，无论他们是在校园里与同学和同事在一起，还是在教室里，还是在我们这个秋季学期与我们一起远程工作。
XAI-CF – 研究可解释人工智能在网络取证中的作用
随着智能手机、物联网、汽车和无人机控制系统等复杂网络设备的兴起、操作系统和文件格式的激增、无处不在的加密、使用云进行远程处理和存储以及法律标准的出现，网络取证 (CF) 面临着许多新的挑战。例如，智能手机上运行着数十个系统，每个系统都有数百万个可下载的应用程序。筛选这些大量数据并使其有意义需要新技术，例如来自人工智能 (AI) 领域的技术。为了在 CF 中成功应用这些技术，我们需要向 CF 的利益相关者（例如法医分析师和法院成员）证明和解释结果，以便他们做出明智的决定。如果我们想在 CF 中成功应用 AI，就需要培养对 AI 系统的信任。接受在 CF 中使用 AI 的其他一些因素是使 AI 真实、可解释、可理解和可交互。这样，AI 系统将更容易被公众接受并确保与法律标准保持一致。可解释的人工智能 (XAI) 系统可以在 CF 中扮演这一角色，我们将这样的系统称为 XAI-CF。XAI-CF 不可或缺，目前仍处于起步阶段。在本文中，我们探讨并论证了 XAI-CF 的意义和优势。我们强烈强调构建成功且实用的 XAI-CF 系统的必要性，并讨论了此类系统的一些主要要求和先决条件。我们对 CF 和 XAI-CF 这两个术语进行了正式定义，并对之前应用和利用 XAI 来建立和增加对 CF 的信任的研究进行了全面的文献综述。为了让读者熟悉本文的研究，除了背景之外，我们还对过去十年在 XAI 和 CF 中开展的工作进行了批判性和简短的回顾。我们讨论了 XAI-CF 面临的一些挑战，例如对抗性攻击、偏见管理、过度简化、CF 和 AI 鸿沟以及人机交互。我们还针对这些挑战提供了一些具体的解决方案。我们确定了为 CF 构建 XAI 应用程序的关键见解和未来研究方向。本文旨在探索和让读者熟悉 XAI 应用程序在 CF 中的作用，我们相信我们的工作为未来对 XAI-CF 感兴趣的研究人员提供了有希望的基础。
使用pycerr和癌症基因组云的医学图像分析的人工智能应用程序
医学物理部，纪念斯隆·凯特林癌症中心，纽约，美国摘要这项工作介绍了用于进行人工智能的用户友好，基于云的软件框架（AI）分析医学图像。该框架允许用户通过自定义软件和硬件依赖性来部署基于AI的工作流程。我们的软件框架的组件包括用于放射学研究的Python本地计算环境（Pycerr）用于放射图像处理的平台，用于访问硬件资源和用户管理公用事业的癌症基因组学云（CGC），用于从数据存储库中访问图像，并从数据存储库中访问图像，并安装AI模型及其依赖模型及其依赖。GNU-GPL版权Pycerr从基于MATLAB的CERR移植到Python，使研究人员能够从H IGH维度的多模式数据集组织，访问和转换元数据，以在放射治疗和医学图像分析中构建与云兼容的工作流程，以构建云兼容工作流程。pycerr提供了可扩展的数据结构，可容纳常用的医学成像文件格式的元数据和观众，以允许多模式可视化。提供了分析模块，以促进与云兼容AI的工作流程，用于图像分割，放射素学，DCE MRI分析，放射疗法剂量 - 剂量 - 基于基于剂量的直方图以及正常的组织并发症和肿瘤控制模型用于放射治疗。提供了图像处理实用程序，以帮助训练和推断基于卷积神经网络的模型，以进行图像分割，注册和转换。可以使用CGC提供的API访问部署的AI模型，从而使其在各种编程语言中使用。该框架允许对成像数据进行往返分析，使用户能够将AI模型应用于CGC上的图像，并在其本地机器上检索和查看结果，而无需本地安装专用软件或GPU硬件。总而言之，提出的框架有助于端到端放射图像分析和可重复的研究，包括从源头提取数据，从AI模型中训练或推断出数据，用于数据管理的公用事业，可视化以及简化对图像元数据的访问。
DICOM标准的三十年
标准化是数字成像世界中的关键概念。缺乏标准限制了图像的可用性和共享。IT迫使用户处理多种数据格式，并将数据从一种格式转换为另一种格式。此外，除了像素数据外，任何图像文件还包含元数据。元数据是描述图像的数据，并在数字成像中起着非上级作用。虽然通用图像格式元数据可以仅限于像素矩阵的描述，但以科学应用的格式元数据可以描述主题，仪器设置，图像采集参数以及与成像工作流程相关的任何其他兴趣元素。尽管如此，元数据的力量通常被低估了，因此被未表达。标准有助于定义元数据部分，以正确使用和解释图像本身。在开创性视觉的标准化过程中，医学成像领域是示例性的，并创建了长期寿命和欣赏的标准。在1980年代初期，与国家电子制造商协会（NEMA）共同开始确定编码和交换数字医疗图像的编码和交换标准。在1993年，ACR-NEMA委员会将医学的数字成像和通信（DICOM）作为标准，其功能和长期视力比以前称为ACR-NEMA 1.0（1985）和2.0（1988）[1-7]的标准化尝试更大。在当时，DICOM代表了真实的新颖性。在引入DICOM标准之前，因此，直到1990年代的前半部分，医学成像界都看到了诊断方式，即使在同一部门内，也非常确认了他们的房间。通常将图像印刷到膜上，以由放射科医生解释。以本地数字格式，在模式控制台上查看和处理图像，很少导出到不同的工作站。医学成像系统没有相互连接，除了一些专用的点对点连接。在成像部内外，模式和图像处理工作站之间的图像转移主要是通过具有重要限制的可移动媒体进行的：没有常见的文件格式，以及未知的未知数正确读取可移动的介质存储（通常是磁光磁盘或磁带）。因此，图像的美国能力仍然与用于阅读专有的软件的可用性有关
临床医生的人工智能指南 - Pure
关于深度学习模型（机器学习的一个高级子领域，以神经网络为特征）。9 虽然本综述确定了该领域的 20,000 多项研究，但其中只有不到 1% 的研究具有足够高质量的设计和报告，可以纳入荟萃分析。需要清晰透明地报告适合人工智能研究的方法和结果。如果没有这一点，读者就无法判断报告的结果在潜在偏见来源的背景下是否合理，以及此类研究的结果在多大程度上可重复和可推广。随着报告指南的引入，例如《综合试验报告标准》（CONSORT）10 和《系统评价和荟萃分析的首选报告项目》11，医学文献中报告的完整性得到了实质性改善。在诊断领域应用类似的报告标准更具挑战性，没有一个标准适用于所有诊断模型。诊断准确性研究报告标准 12 指南仅涉及单项测试评估的准确性研究，而多变量诊断概率函数则最好通过透明报告个体预后或诊断的多变量预测模型 (TRIPOD) 来解决。13 随着人工智能在医学领域的兴起，来自其他领域、具有不同研究背景和出版文化的研究人员进入了医学领域。虽然医学界已经习惯于遵守商定的国际报告标准，但在统计学、数学或计算科学等其他领域，这一点似乎并不那么突出。眼科一直是人工智能健康革命的领导者，尤其关注能够根据成像执行诊断或分级任务的算法的生成。因此，眼科健康已成为人工智能领域创新的试验台，并提供了丰富的案例来源，以说明机器学习算法在医学应用中的潜力，以及此类研究的设计和报告方面的缺陷。应报告的关键信息包括：技术规格（例如，使用了哪种光学相干断层扫描 [OCT] 设备）；背景研究环境和队列信息（例如，资格/选择标准、人口统计、临床环境、时间段、地理位置、入组方式、患者流量、缺失数据）；以及数据处理方式（例如，文件图像增强、裁剪、存储文件格式）。14 值得注意的是，ML 模型具有其他技术方面，但目前的报告指南尚未全面解决这些方面。作为回应，对几个报告的扩展