以下站点汇总了CADD方面用得上的软件和数据库Click2Drug - 瑞士生物信息学研究所 Swiss Institute of Bioinformatics - https://www.cl...

以下站点汇总了CADD方面用得上的软件和数据库Click2Drug - 瑞士生物信息学研究所 Swiss Institute of Bioinformatics - https://www.cl...

本文介绍了一种新型计算机辅助设计生成系统CAD-MLLM，能够根据文本、图像和点云等多模态输入生成CAD模型。研究表明，CAD-MLLM在模型质量和鲁棒性方面优于现有方法，具有重要的应用价值。

老年人跌倒是全球范围内导致伤害和死亡的重要原因。本文提出了一种新的多目标损失函数，用于改进跌倒检测。该方法在多相机模态数据集上进行了评估，具备提高异常检测能力的潜力。

本研究介绍了一种名为虚拟跨阵列任务（CAT）的数字评估工具，该工具是对瑞士义务教育中算法技能进行评估的数字适应。通过提供可扩展且自动化的评估，减少人为干预并减轻潜在的数据收集错误，该平台通过基于手势和可视化的块编程界面确保了其对多样化学习者的可用性。通过在瑞士进行的一项试点评估，结果展示了该平台在评估各年龄、发展阶段和教育背景的学生的算法思维技能方面的可用性、熟练度和适用性，以及大规模数据收集的可行性。

磁共振成像（MRI）是诊断和分期前列腺癌的关键工具。研究分析了随机森林和支持向量机在两个数据集上的表现，发现特征之间存在强相关性，并且大多数特征对分类几乎没有影响。确定了一小组决定分类结果的特征，有助于开发可解释的AI方法。

通过微调预训练模型创建了 OpenECAD，利用视觉语言模型的视觉、逻辑、编码和通用能力，将 3D 设计图像转换为高度结构化的 2D 草图和 3D 构造命令，并可直接与现有 CAD 工具的 API 一起使用，以生成项目文件。为了训练网络，创建了一个新的 CAD 数据集以满足视觉语言模型的需求。

这篇文章评述了基于深度学习的分子生成模型在药物设计中的应用，讨论了计算机辅助药物设计的四个子任务，提出了基于受限子图生成的统一视角。

通过深度学习技术在ChestX-ray14数据集上进行实验，发现CoAtNet模型具有最佳性能，其AUROC为84.2%。通过加权平均集成方法，AUROC进一步提高至85.4%，超越其他方法。研究结果表明，深度学习技术能够提高从胸部X射线图像中自动诊断胸部疾病的准确性。

本文介绍了一种名为Model2Scene的新方法，通过学习CAD模型和语言中的三维场景表示，解决了CAD模型与真实场景对象之间的领域差异。该方法通过混合数据增强的CAD模型模拟拥挤的场景，并使用深凸包正则化操作减小领域差距。实验证实该方法在无标签三维物体显著目标检测、标签高效三维场景感知和零样本三维语义分割等任务中具有益处。

利用强大的视觉-语言模型（VLM）解决下游任务，通过可解释提示学习框架对医学知识和临床概念进行语义对齐，提供视觉和文本解释。实验证明该方法在诊断性能、灵活性和可解释性方面优越。

本文探讨了计算机辅助文本分析在提高教学质量方面的潜力，研究了人工智能和机器学习方法在分析教育内容、教师论述和学生反馈方面的作用。强调将AI/ML技术与教学目标相一致，提倡平衡的方法，包括考虑道德、数据质量和融合人类专业知识。

研究人员设计了ThyGPT，一种人工智能增强型计算机辅助诊断模型，用于评估甲状腺结节风险。实验证明ThyGPT优于传统方法和孤立模型，有望改变放射科医生的工作流程。

本文介绍了一种使用5-gram KenLM语言模型的新方法，通过Kneser-ney平滑技术过滤域外数据，提高机器翻译质量。同时采用多域、微调和迭代回译等自适应技术，在Hindi-Nepali语言对上提高了BLEU点数。

介绍了U-DIADS-Bib数据集和计算机辅助的分割流程，以减轻手工注释的负担。提供了少样本数据集(U-DIADS-BibFS)，鼓励开发解决该任务的模型和解决方案，以在现实场景中更有效地使用。

通过学习Boltzmann机器中的热力学量，证明其能够准确再现物理系统的可观测量，并发现系统接近临界状态时需要更多的神经元来获得准确结果。

本研究提出并评估了一种综合人工智能在医学领域的框架（HAIM），以促进利用多模态输入实现人工智能系统的生成和测试。该框架可在医疗保健环境中进行研究和部署，并通过使用Shapley值量化每个模态和数据源的贡献，展示了多模态输入在不同医疗任务中的必要性。

本文介绍了基于对比学习的ConGaze框架，用于凝视估计。该框架利用未标记的面部图像进行无监督学习，在公共凝视估计数据集上取得较好效果，相对于基于监督学习的模型有显著改进。

过去十年中，3D生成技术迅速发展，得益于生成建模领域的进步。最近的研究表明，扩散过程与策略梯度方法兼容，并通过美学评分函数改进了2D扩散模型。该研究展示了美学评分器在基于SDS的方法中的有效性，并利用DDPO方法改进了从2D扩散模型获得的3D渲染质量。这是第一种将策略梯度方法扩展到基于得分的3D渲染的方法，并对SDS-based方法进行了改进。该方法与基于得分蒸馏的方法兼容，可以融入各种奖励函数。