房颤是一种心脏疾病，导致心率不规则和加快，可能引起心悸、疲劳和呼吸急促，并增加心力衰竭和中风的风险。

本研究提出SKG-LLM，通过数学模型和大型语言模型构建中风相关文献的知识图谱，解决传统方法在提取复杂关系时的精度不足。使用GPT-4进行数据预处理，显著提升了精度和召回率，旨在提高中风研究知识图谱的准确性和深度。

本研究解决了中风患者跌倒风险评估的不足，提出了一种基于仪器化 Timed Up and Go (ITUG) 测试数据的新型评估方法。通过机器学习技术识别具有最高预测能力的特征，将患者分为低、中、高风险组，结果显示IFRA量表在传统临床量表中表现优越，能够有效识别高风险患者，为今后的中风康复和居家防跌提供了重要的证据支持。

本研究针对现有缺血性中风病灶分割技术在准确性上的不足，提出了一种基于深度学习的新方法，采用多通道MRI模态进行分割。研究发现，该方法通过结合DenseNet121和自组织神经网络，及创新的损失函数显著提升了病灶分割的准确率，能够有效改善缺血性中风的诊断和治疗规划，为临床决策提供重要支持。

本研究开发了一种人工智能驱动的智能喉部系统，旨在帮助中风患者克服言语障碍。该系统实时捕捉喉部肌肉振动，并利用大语言模型进行语音解码，显著提升沟通流畅性和情感表达，用户满意度提高了55%。

本研究提出了一种基于nnU-Net框架的自动分割方法，显著提高了低收入和中等收入国家缺血性中风的检测效果，Dice得分为0.752，IoU得分为0.643，辅助医生评估病情。

本研究解决了中风风险预测中整合多种临床数据模态带来的挑战，提出了一种自监督多模态框架，该框架结合了3D脑成像、临床数据和图像衍生特征，以提高中风风险预测的准确性。实验表明，该模型在与最先进的单模态和多模态方法的性能比较中，取得了显著的提高，特别是在集成表格和图像数据方面，展现出更强的预测能力和临床应用潜力。

本研究提出了一种新方法，结合联合学习与图神经网络，在保护患者隐私的前提下评估中风严重程度。实验结果表明，该方法在预测NIHSS时的误差为3.23，接近专家水平，验证了其有效性。

本研究将社交感知虚拟助理整合到神经康复机器人中，模拟面对面康复的社交互动。可行性研究表明，健康患者适应该系统，助理的存在促进用户参与。

我们提出了EffHandNet和EffHandEgoNet两种方法，用于单手姿态估计和自我视角的手物交互。在H2O和FPHA数据集上表现优异，推断速度更快，精度分别达到91.32%和94.43%，超越现有3D技术。

本文介绍了一种使用静息态功能磁共振成像技术的新型建模架构BrainRGIN，通过图神经网络在静态功能网络连接矩阵上预测智力。模型在青少年大脑认知发展数据集上评估，证明了其在预测智力个体差异方面的有效性。中央额叶回对流体和晶体智力有显著贡献，总复合分数识别出与大脑相关的多样区域，凸显了总智力的复杂性。

中风是致残和死亡的主要原因。研究提出了一种从CT和CTA图像中提取预测灌注图的框架，可作为研究血液灌注的替代方法。通过体素相关性分析，可可靠地将症状与预期的梗塞位置相对应。

本文介绍了一种新的方法FlowMind，利用大型语言模型（LLMs）如GPT，以解决RPA在即兴或不可预测任务场景下的限制，并创建一个自动工作流生成系统。FlowMind通过提供高层次的自动生成工作流描述简化用户交互，并能够有效地检查和提供反馈。使用NCEN-QA评估了FlowMind生成的工作流与基准和消融变体的性能，展示了FlowMind的成功。

本文介绍了一种使用静息态功能磁共振成像技术的新型建模架构BrainRGIN，通过图神经网络在静态功能网络连接矩阵上预测智力。模型在青少年大脑认知发展数据集上评估，证明了其在预测智力个体差异方面的有效性。中央额叶回对流体和晶体智力有显著贡献，总复合分数识别出与大脑相关的多样区域，凸显了总智力的复杂性。

皇家墨尔本大学开发了一款基于AI的面部筛查工具，可以通过智能手机判断患者是否中风，准确率达82%。OpenAI与Color Health合作推出了癌症筛查AI助手Cancer Copilot，利用GPT-4o模型分析患者数据，为患者量身定制筛查时间表。中国气象局发布了AI气象大模型，包括全球中短期预报系统、临近预报系统和全球次季节—季节预测系统。AI药企英矽智能的小分子抑制剂已完成中国IIa期临床试验全部患者入组。AI制药企业百奥几何完成新一轮融资，将用于AI大模型在生物制造领域落地。AI材料公司CuspAI获得3千万美元种子轮融资，用于快速生成和评估新材料。

本研究通过文献研究探讨机器学习在血管分割中的应用，使用HiP CT数据集进行实验评估，结果显示分割性能较好但存在错误。研究旨在为后续模型评估建立基准，特别是使用HiP CT数据库。