机器之心数据服务现已上线，提供高效、稳定的数据获取服务，简化数据爬取流程。

本研究提出了一种基于混合CNN-Transformer集成架构的视网膜疾病诊断系统，能够通过分析基金图像准确分类20种疾病。C-Tran集成模型得分为0.9166，显著高于基线得分0.9，为医疗资源匮乏地区提供了重要解决方案。

本文提出了一种基于VGG16、VGG19和ResNet50三种预训练卷积神经网络的自动化COVID-19诊断系统。研究表明，ResNet50在分析6259幅影像时，准确率达到97.77%，为新冠肺炎的早期检测提供了有效解决方案。

本研究提出了一种新的深度学习诊断系统，利用集成学习框架和预训练的深度卷积神经网络（DCNNs）识别胸部X光图像中的COVID-19病例。模型在COVIDx数据集上实现了98%的三类分类准确率和99.50%的二类分类准确率，显著优于传统方法。

该研究提出了一种结合迁移学习与深度学习特征增强的计算机辅助骨质疏松症诊断系统，显著提高了诊断准确率，最高可达98.24%。此方法有助于早期检测骨质疏松症，改善患者预后。

本研究针对当前集群诊断中存在的效率和准确性问题，提出了一种基于大语言模型（LLM）和自我对弈方法的新型诊断系统。该系统集成了定制的知识库和增强的LLM算法，并通过多维度实验验证了其在检测和修复性能问题方面的超越传统方法的明显优势。

该研究利用机器学习和神经科学方法，提出了一种针对多种心理疾病（如ADHD和自闭症谱系障碍）的诊断系统。通过分析MRI数据、脑电图和视频信息，实现了高准确率的自动诊断，降低了设备成本，提高了诊断效率，适用于大规模筛查。

郑州轻工业大学梅科尔工作室基于PaddleX开发了恶性皮肤肿瘤早期识别智能辅助筛查系统，利用皮肤镜和语义分割模型实现快速且精确的识别。该系统能降低漏诊和误诊的风险，节约时间和人力资源，提高医疗服务质量和效率。

该研究探讨了深度学习在头皮疾病诊断中的应用，提出了一种创新的多类预测框架，结合生成对抗网络和卷积神经网络以提高分类准确率。同时，开发了基于视觉和语言模型的诊断系统SkinGPT，旨在提升皮肤病的早期检测和诊断效率，尤其在资源不足地区具有重要意义。

本文介绍了多个皮肤病相关的数据集和AI模型的开发，包括SkinCon数据库、HAM10000数据集和SkinGPT诊断系统，旨在提高皮肤病诊断的准确性和效率，特别是在资源匮乏的环境中。

本文介绍了一种先进的AI系统，能够自动分析CT图像以检测COVID-19感染概率，减少医生检测时间，提高效率。该系统通过3D CT扫描提供感染概率，辅助医生确认和隔离患者。此外，研究还探讨了基于深度学习的自动诊断方法，以提升病理诊断的准确性，并提出多种医学影像的深度学习技术，旨在提高医疗决策能力和降低成本。

在运维系统中，Alert光发出来是不够的，每一个Alert都需要处理和解决。设计的监控系统包括Vmalert和Alertmanager，还有Mute和高级alert抑制低级alert的功能。Alert Reaction是一个补充开源监控系统的系统，负责处理Alert。最近，为了处理更复杂的Alert，设计了一个框架，当Alert Reaction系统收到Alert时，将其放入任务队列中。用户可以使用装饰器定义如何处理Alert的脚本。框架还解决了加载用户代码和区分不同诊断程序的问题。这个项目类似于之前在蚂蚁金服参与的一个项目，但存在许多困难和挑战。

企业级大数据集群通常拥有海量的数据存储、日常运算成干上万的计算任务，需要满足各类上层业务的计算需求。 E-MapReduce 推出面向开源大数据集群的智能运维诊断系统 E-MapReduce Doctor，有效提升大数据集群运维效率，辅助 EMR 用户完善集群监控体系。