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...

本文介绍了多种基于深度学习的跌倒检测技术，包括DeepFall框架、单图像人体坠落检测器和多传感器数据识别系统。这些方法通过分析空间和时间特征，提高了跌倒检测的准确性和效率，尤其对老年人安全至关重要。研究还探讨了未来的研究方向和技术改进。

本研究通过模型融合技术结合卷积神经网络和视觉Transformer，提高了胸部X射线图像肺炎诊断的准确性，达94.87%。使用DenseNet121模型，肺炎检测准确率高达99.58%。开发的计算机辅助诊断系统在二元和多分类任务中表现优异，准确率分别为97.15%和79.79%。该方法可用于快速诊断肺炎。

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。

本研究探讨了机器学习在前列腺癌MRI数据分析中的应用，比较了随机森林和支持向量机的表现。通过特征相关性分析，识别出一小组关键特征，旨在开发可解释的AI方法。同时，研究指出AI模型在训练过程中可能存在偏见，影响预测的准确性。

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。

本项目提出了一种基于DenseNet和GRADCAM的多标签胸透疾病诊断模型，能够准确检测14种胸部病理，并实现模型可解释性。该模型在超过20万的数据集上训练，平均AUC分数达到0.940，优于其他医学专家，展示了深度学习在胸部疾病自动诊断中的潜力。

本文提出了一种基于Transformer的CAD生成模型，能够自动编码和生成3D形状，并创建了包含178,238个模型的CAD数据集。Model2Scene通过学习CAD模型与语言，解决了CAD模型与真实场景之间的领域差异，显著提升了无标签3D物体检测的性能。DiffCAD实现了从RGB图像中检索和对齐CAD模型的条件生成。

本文介绍了一种上下文提示学习框架，旨在提升多模态学习中图像本地化特征的对齐能力。通过在多个数据集上的应用，证明了该框架在性能上优于现有技术。此外，研究探讨了医学图像领域的知识传递，提出了自动生成医学提示的方法，显著提高了零样本性能，为预训练模型间的协同作用提供了新思路。

本文探讨了人工智能在教育中的应用，特别是自然语言处理技术如何改善学习环境。研究表明，AI能够提升课堂讨论质量和学生写作能力，并开发学习分析工具以量化学生参与度，帮助教育者优化教学策略。文章强调在教育中平衡技术与教育者角色的重要性，以推动个性化学习和数据驱动的决策。

该文综述2023年多项研究：基于深度学习和ChatGPT的医疗决策支持系统可辅助诊断与健康管理；ChatGPT-4在放射肿瘤学知识测试中表现良好，但尚不适用于临床决策；GPT-4能提升放射报告通俗化翻译质量；GutGPT等大模型可增强临床决策支持系统的接受度；同时探讨了AIGC的安全隐私威胁及AI生成医学文本的可靠性问题。

该文综述利用单语语料提升神经机器翻译的多项研究，包括跨语言记忆检索、半监督与无监督训练、去噪自编码与回译、检索增强翻译、抽取-编辑方法、从合成平行语料中提取双语词表、基于多语言BERT对比学习的领域自适应数据选择，以及通过多任务学习注入语义句法知识；这些方法在低资源及领域适应场景下显著提升BLEU。

本文综述玻尔兹曼机的研究进展，涵盖以下方向：提出单调深度玻尔兹曼机用于图像补全与分类；利用平均场消息传递高效评估RBM配分函数与梯度；探索量子玻尔兹曼机及量子退火训练；用神经网络加速蒙特卡罗混合；结合概率位与CMOS的异构计算；比较CD与MPF训练算法；提出多预测联合训练DBM；验证玻尔兹曼机可再现物理可观测量；并基于Metropolis-Hastings实现端到端训练。

综述多模态医疗数据AI融合研究：多模态融合模型在疾病诊断与预测上显著优于单一模态，涵盖多模态深度学习辅助临床决策、医学图像融合、缺失模态鲁棒架构（HEALNet）、综合AI医疗框架（HAIM）、FuseMix增强、自适应融合网络及HetMed、MUFASA等模型，提升了诊断准确性与临床实用性。

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。

本文提出了一种新的可衡量的标准来评估自动补全模型架构，发现现有的单词级自动补全模型无法满足此标准。作者提出了一种有效的方法来提高WLAC性能，同时利用较小的模型尺寸。