登录社区云，与社区用户共同成长
邀请您加入社区
本文提出了一种基于跨风格一致性的半监督医学图像分割方法，该方法结合了形状感知和局部上下文约束。该方法旨在解决医学图像分割中标记数据稀缺的问题，通过利用有限的标记数据和大量的未标记数据，实现高效的分割性能。该方法包括两个并行网络：形状感知网络和形状不可知网络，通过交叉伪监督的方式，在无需显式形状约束的情况下，隐式地捕获目标区域的形状信息，并利用局部上下文损失函数提升分割精度。1.跨模型伪监督框架：设
核心创新：引入Transformer架构，利用其自注意力机制强化全局上下文信息与空间关系建模，使模型能更精准捕捉背景与目标间的复杂关联。核心创新：通过统一网络同步训练目标检测与语义分割任务，利用任务间的互补性增强特征共享与边界识别能力，实现端到端的多任务优化。核心创新：利用扩散模型生成高质量、多视角的合成图像，通过增强训练数据的多样性与规模，有效提升检测器的泛化性与鲁棒性。核心创新：将文本等模态信
2026.2.12本文提出了一种新颖的纹理保留扩散模型，用于锥形束CT到CT图像合成。该模型通过自适应高频优化、双模态特征融合模块和边缘感知边界约束，显著提高了合成图像的细节、泛化性和鲁棒性，有望提升临床诊断和治疗规划的准确性。Title题目01Texture-preserving diffusion model for CBCT-to-CT synthesis用于CBCT到CT合成的纹理保留扩散
摘要：本教程介绍使用ImageJ进行免疫荧光双阳性信号共定位分析的步骤。首先通过颜色通道拆分处理双通道荧光图像，分别获取红绿通道的荧光强度分布数据，再使用Graphpad绘制共定位曲线图。该方法可定量分析蛋白共定位程度，克服肉眼观察的主观性，为研究蛋白空间关系提供客观依据。操作流程包括图像拆分、标尺设定、数据采集和可视化呈现，最终获得可量化的共定位指标。该技术适用于细胞生物学研究中蛋白共定位关系的
这是这本书，第四章第五节的内容，这一部分是以NGS检测肿瘤基因突变为例，描述了其原理和大概流程，这和以前我分享的病原宏基因组高通量测序性能确认方案可以互相补充，大家可以都看一下，但是想要真正的弄懂，还需要参与具体的项目。
越来越多的研究工作将激光雷达（LiDAR）与摄像头信息进行融合，以提升自动驾驶系统的三维目标检测性能。近期，一种简单而高效的融合框架在三维目标检测上取得了优异的性能，该框架在统一的鸟瞰图（BEV, Bird’s-Eye-View）空间中融合了激光雷达与摄像头特征。本文提出了一种名为 SimpleBEV 的激光雷达-摄像头融合框架，用于高精度的三维目标检测。该方法遵循基于 BEV 的融合范式，并分别
Title题目Attend-and-Refine: Interactive keypoint estimation and quantitative cervical vertebrae analysis for bone age assessment关注与优化：用于骨龄评估的交互式关键点定位与颈椎定量分析01文献速递介绍在儿童和青少年时期，准确预测生长潜力在正畸诊断和治疗规划中具有重要价值（Si
本文通过“知识矩阵引导的语义对比学习 + 反事实解释驱动的区域增强”，既让特征空间“可分”，又让小样本“不塌”，在五大公开基准上全面刷新 FSOD 最佳成绩，并给出理论保证，为小样本目标检测提供了新的通用范式。
由达摩院和湖畔实验室开发的 RynnVLA-001 引入了一种视觉-语言-动作 (VLA) 模型，通过对大规模人类第一视角视频演示进行预训练，改进了机器人操控。它在实际操作任务中取得了 90.6% 的平均成功率，超越了 GR00T N1.5 (55.6%) 和 Pi0 (70.4%) 等最先进的基线模型。
1.题目再现2.论文基本结构和核心分析3.亮点之灵敏度分析
我们的研究成功开发了一种先进的三层超吸收超表面，由180 nm厚的Ag膜、100 nm厚的Al2O3隔离层和4 nm厚的Au层组成。该超表面独特的结构，具有孤立的Au纳米颗粒，在580–1100 nm的宽波长范围内展示了卓越的光吸收能力（>90%），在785 nm激发波长下，吸收效率达到。本研究提出了一种新的方法，通过基于超吸收超表面的机器学习增强的表面增强拉曼光谱（SERS），实现海洛因中芬太尼
数据要素（data elements）：数据作为新型生产要素，是数字化、网络化、智能化的基础，已快速融入生产、分配、流通、消费和社会服务管理等各环节，深刻改变着生产方式、生活方式和社会治理方式。智慧城市（smart city）：是以发展更科学、管理更高效、生活更美好为目标，以信息技术和通信技术为支撑，通过透明、充分的信息获取，广泛、安全的信息传递和有效、科学的信息处理，提高城市运行效率，改善公共服
Mamba-YOLO-World模型，将状态空间模型（SSM）引入目标检测领域。该模型通过线性复杂度的ODMamba骨干网络替代传统Transformer的自注意力机制，显著降低计算负担，并设计多分支RG模块增强局部特征捕捉能力。实验表明，其轻量版在COCO数据集上推理速度达1.5ms/帧时mAP提升7.5%，且无需预训练即可直接训练。
该研究提出了一种基于深度学习与投票分类器技术的ROP分区预测方法。通过集成VGG-19、ResNet-50、EfficientNetB5和自定义CNN四种模型，在1365张眼底图像的数据集上实现了88.82%的分类准确率，较单一最优模型（EfficientNetB5）提升1.55%。研究创新性地将硬投票策略应用于ROP区域识别任务，构建了首个公开的临床ROP数据集，并验证了EfficientNet
本次科技聚焦《 Journal of Advanced Research 》，适合计算机领域学者投递尝试
本文总结了ICLR 2026中23篇时空数据相关论文，涵盖交通预测、城市科学、气象预测等领域。论文平均评分为5.28分，其中6篇均分≥6分。重点研究包括基于Koopman算子的交通流预测、多模态地理表征学习框架MoRA、事件驱动的人类移动生成模型ELLMob等。这些工作展现了时空数据分析在智能交通、城市计算等领域的创新应用，特别是结合大语言模型和深度学习的新方法。完整论文列表及评分详见正文。
论文阅读
——论文阅读
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
