机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本研究解决了传统白质纤维追踪形状测量方法在大规模数据集中的计算成本高和耗时问题。提出了Tract2Shape，一个新的多模态深度学习框架，利用几何和标量特征预测白质形状测量，显示出其优越的性能和强大的泛化能力。该方法为未来大规模白质形状分析奠定了有希望的基础。

本研究提出了一种可解释的多模态机器学习方法（EMML），用于分析碳纳米管纤维的性质与结构关系，揭示加工步骤和多尺度结构对材料性能的影响，且该方法可推广至其他纳米材料设计。

本文探讨了神经网络中的对称性识别与应用，提出通过嵌入层分析输入数据的对称性。研究发现，网络的对称性在不同结构中普遍存在，其质量与网络的深度和参数数量相关。此外，提出了一种评估图神经网络表现力的新方法，并强调了对称性在机器学习模型中的重要性及其对性能的影响。

膳食纤维对肠道菌群有益处，可降低憩室病风险，改善代谢健康和心血管疾病，调节肠道菌群，产生短链脂肪酸。膳食纤维补充剂可改善心血管危险因素。

本文强调了控制血糖峰值的重要性和葡萄糖峰值对身体的危害。提供了一些轻松控糖的小窍门，如正确的饮食顺序、增加蔬菜摄入量、停止计算热量等。强调了环境对健康的重要性，并提到了甜味剂的选择。给出了如何在购物时发现包装上的葡萄糖峰值的建议。

本研究提出了一种基于深度学习的本构模型，分析含水量的纳米颗粒/环氧纳米复合材料的循环粘弹性行为。利用长短期记忆网络捕捉应力应变关系，并应用于有限元分析，验证了模型在不同加载条件下的高效性和准确性。数值结果与实验数据一致，显示出该模型的优越性。

该文汇总多项扩散磁共振成像研究，涵盖深度学习重建纤维定向分布以缩短成像时间、球形反卷积网络保证一致性、角度超分辨率并泛化至临床分析、神经球谐级数建模单被试信号、束特定追踪与DiffusionNet形状匹配，以及加速多回波螺旋fMRI和全景图像增强。

该文汇总多项智能纺织品与可穿戴传感研究，包括：半弹性纺织品边界传感器结合机器学习实现触摸感测，平均误差1.36毫米；可折叠电容感应智能纺织品Capafoldable；融合IMU与体电容传感识别工人行为，F1提升9.38%；智能膝套实现无摄像机3D姿态估计，平均误差7.21度；以及动态服装生成、触觉机械臂导航、应激检测和压力监测等。

本文提出基于深度学习的显微纤维图像数据集生成方法，用于九种硬木属物种识别，性能接近人类专家，有助于森林保护。同时综述了血管分割研究，涵盖图卷积网络、DeepVesselNet、YOLOv5-LW和LUNet等方法，在视网膜、冠状动脉等数据集上优于现有方法，并涉及细胞分割与CTA图像分析。

本文介绍了一种使用光学相干断层扫描和计算机视觉技术来检测和定位复合材料零件中的缝隙和重叠的新方法。通过比较相邻制带的边界并识别可能存在的缝隙或重叠，算法可以检测制造缺陷。结果显示该方法在缝隙和重叠分割方面具有高精度和高效率。