XiaoMi-AI文件搜索系统
World File Search System马斯特里赫特
Perin, F. (2024)。用于先进生物制造的多功能多组分（生物）墨水平台。[博士论文，马斯特里赫特大学，特雷弗大学
相关性 过去几十年来，医学取得了巨大进步，提高了全球预期寿命和患者的生活质量。尽管如此，慢性病仍然是一个社会经济负担，也是全球主要的死亡原因之一 [1]。再生医学旨在恢复患病组织的功能，是改善慢性病患者病情的有前途的工具。有一项科学研究一直在探索再生医学方法来治疗导致慢性疾病和死亡的主要原因，例如心血管疾病 [2]、糖尿病 [3] 和癌症治疗 [4]。其中一些新的先进治疗方法目前正处于 II 期临床试验阶段，有望改善全球数百万患者的生活方式 [5]。
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
b"作者姓名：Divyanshu Tak 1,2, ；Biniam A. Garomsa 1,2 ；Tafadzwa L. Chaunzwa 1,2,10 ；Anna Zapaishchykova 1,2, ；Juan Carlos Climent Pardo 1,2 ；Zezhong Ye 1,2, ；John Zielke 1,2 ；Yashwanth Ravipati 1,2 ；Sri Vajapeyam 4 ；Ceilidh Smith 2 ；Kevin X.Liu 4 ；Pratiti Bandopadhayay 4,5 ；Sabine Mueller 9 ；黄蒙德4,5,11; Tina Y. Poussaint 4,5；Benjamin H. Kann 1,2,5 * 作者隶属关系：1. 哈佛医学院麻省总医院医学人工智能 (AIM) 项目，美国马萨诸塞州波士顿 2. 哈佛医学院丹娜—法伯癌症研究所和布莱根妇女医院放射肿瘤学系，美国马萨诸塞州波士顿 3. 马斯特里赫特大学 CARIM & GROW 放射学和核医学系，荷兰马斯特里赫特 4. 波士顿儿童医院，美国马萨诸塞州波士顿 5. 丹娜—法伯癌症研究所，美国马萨诸塞州波士顿 6. 密歇根州立大学，美国密歇根州东兰辛 7. 费城儿童医院，美国费城 8. 宾夕法尼亚大学，美国宾夕法尼亚州 9. 加利福尼亚大学神经内科、神经外科和儿科系，美国旧金山 10. 纪念斯隆凯特琳癌症中心中心，纽约，美国 11. 哈佛医学院布莱根妇女医院放射科，马萨诸塞州波士顿。 * 通讯作者 通讯地址：Benjamin H. Kann，医学博士 医学人工智能 (AIM) 项目，麻省总医院布莱根，哈佛医学院，221 Longwood Avenue，Ste 442，波士顿，马萨诸塞州 02115，美国 电子邮件：Benjamin_Kann@dfci.harvard.edu 摘要 应用于脑磁共振成像 (MRI) 的人工智能 (AI) 有可能改善疾病的诊断和管理，但需要具有可泛化知识的算法，以便在各种临床场景中表现良好。到目前为止，该领域受到有限的训练数据和特定于任务的模型的限制，这些模型不能很好地应用于患者群体和医疗任务。基础模型通过利用自我监督学习、预训练和有针对性的适应，提出了一个有前途的范例来克服这些限制。在这里，我们介绍了脑成像自适应核心 (BrainIAC)，这是一种新颖的基础模型，旨在从未标记的脑 MRI 数据中学习广义表示，并作为各种下游应用适应的核心基础。我们在 48,519 个脑 MRI 上进行了广泛任务的训练和验证，证明 BrainIAC 优于局部监督训练和其他预训练模型，特别是在低数据设置和高难度任务中，允许在其他不可行的情况下应用。
Giannini, A. (2023)。人工智能系统的犯罪行为和责任。[博士论文，马斯特里赫特大学，
1 人工智能系统有能力做出社会普遍认为是“犯罪”的行为。 2 人工智能系统缺乏（犯罪）主体性——以及这种主体性的感觉。 3 未来人类可能会对人工智能系统产生符合规范的行为期望（即“规范期望”）。 4 刑法并不是解决人工智能相关伤害的正确答案，尽管在一定程度上直接追究人工智能系统的责任可能是有用的。 5 人们对机器人有更高的道德标准：当机器人出现故障时，他们会更多地责怪机器人而不是人类。 6 “刑法是一种古老的多年生植物，无处不在”（Hall，1962 年）。 7 人工智能系统的出现并不是刑法理论唯一一次不得不应对新科学发展的“冲击”。 8 讨论新型人工智能主体的刑事责任带来了对人类刑事责任的开拓性观点。 9 人工智能无法与人类的愚蠢相提并论。 10 我学得越多，知道的就越少。
马斯特里赫特上区管制中心 2015 年年度报告
马斯特里赫特上空管制中心 (MUAC) 是一家国际非营利性空中导航服务提供商，由欧洲空中导航安全组织代表比利时、德国、卢森堡和荷兰四个国家运营。MUAC 确保在比荷卢三国和德国西北部上空（24,500 英尺或 7.5 公里以上）飞行的飞机能够安全高效地飞行。为了管理这个繁忙而复杂的空域，MUAC 以跨国、跨境的方式组织起来。它是一个实际的例子，展示了欧洲在民用和军事层面的合作如何为所有人带来安全、容量和效率效益。MUAC 具有独特的优势，可以在大片空域内提供可持续的空中导航服务，满足客户期望并增加空中交通需求。
马斯特里赫特上区管制中心年度...
马斯特里赫特高空管制中心 (MUAC) 是一家国际非营利性空中导航服务提供商，由欧洲空中导航安全组织代表比利时、德国、卢森堡和荷兰四个国家运营。MUAC 确保在比荷卢三国和德国西北部上空（24,500 英尺或 7.5 公里以上）飞行的飞机能够安全高效地飞行。为了管理这个繁忙而复杂的空域，MUAC 以跨国、跨境的方式组织起来。它是欧洲在民用和军用层面的合作如何为所有人带来安全、容量和效率效益的一个实际例子。MUAC 具有独特的优势，可以在大片空域内提供可持续的空中导航服务，满足客户期望并增加空中交通需求。