清华大学等团队在《Nature Biomedical Engineering》发表研究，提出全球首个呼吸系统疾病视觉-语言预训练模型MedMPT。该模型通过自监督多模态学习，整合CT影像、放射报告和临床数据，实现了诊断、报告生成和处方推荐的一体化。评估显示，MedMPT在肺癌筛查（AUROC 0.9269）、COVID-19诊断（准确率0.8892）等任务中显著优于现有模型，报告生成质量（BLEU

降噪，或者语音增强，经过近50年的研究发展，涌现出了很多优秀的降噪算法，从最简单的谱减法，到维纳滤波，再到子空间的方法以及基于统计模型的MMSE估计器，然而传统信号处理的降噪算法在imcra-omlsa出现之后发就展趋于平缓。值得注意的是，如果单独使用SI-SDR,可能会导致模型估计输出与输入之间的幅值不稳定，并且如果训练数据中存在0值时，单独使用SISDR时会出现问题，公式计算不稳定，SNR的值

当训练集和测试集两个loss　之间的有较大的差距时，　定义为高方差；

半监督或弱监督混淆：（半监督和弱监督）指的是在数据集中部分一些例子X没有标签，但是数据的人工标签是存在的。

对于我们自己来说，面临的第一个问题是，pytorch 中如何并发调用resnet18模型。本项目开始于一个简单的需求，即我们需要求得一个 X，能够实现模型推理并满足：前向接口需要是线程安全的。在主要硬件平台（如 NVIDIA GPU）以及主要通用加速引擎（如 TensorRT/Libtorch）上实现了此 X。

多模态是指涉及多种感官模态（如视觉、听觉、语言等）的信息，通过多种媒体形式进行表达和传递。在现实世界中，人们接收和理解信息的方式往往是多模态的，通过同时获取不同感官的输入，融合多种信息来源来构建对世界的认知。多模态数据能够提供更丰富、全面和准确的信息，因此在生成模型中具有重要的作用。将AIGC和大模型与多模态相结合，可以进一步提升系统的能力，实现更复杂、多样化的内容生成和理解任务。

降噪，或者语音增强，经过近50年的研究发展，涌现出了很多优秀的降噪算法，从最简单的谱减法，到维纳滤波，再到子空间的方法以及基于统计模型的MMSE估计器，然而传统信号处理的降噪算法在imcra-omlsa出现之后发就展趋于平缓。值得注意的是，如果单独使用SI-SDR,可能会导致模型估计输出与输入之间的幅值不稳定，并且如果训练数据中存在0值时，单独使用SISDR时会出现问题，公式计算不稳定，SNR的值

随着技术演进，若能将传统医学智慧与现代 AI 系统深度融合，我们就能在全球范围内实现“人人可及的中医”，迈向更加公平、包容的数字健康未来。这些模型均为通用大语言模型，未针对医学或中医场景进行专门训练，代表了当前国际与国内主流AI的“原始水平”对比。研究者：把海量古籍和病例喂给模型，训练“中医专精版”AI，未来可能诞生24小时在线的“AI针灸师”。中医辨证、取穴：Qwen、GPT、Doubao 已接

多模态是把要检索的模态融合起来，做整体的检索，查询和检索的必须至少有一个模态是相同的，也就是要查询和检索的模态都已经在融合模态里了。跨模态是检索结果和查询的模态是不同，如图像检索文本，视频和音频。跨模态检索的关键在于对不同模态的关系进行建模，难点就是语义对齐。

基于深度学习的MDA预测方法越来越多。然后，我们全面回顾了现有的48种基于深度学习的MDA计算方法，将它们分为经典的深度学习和基于图神经网络的技术。最后，讨论了不同计算方法的性能趋势，指出了目前研究中存在的问题，并提出了未来可能的9个研究方向。（2）这篇综述采用了和lncRNA-miRNA的综述相似的风格来写的：1）单独简述了每个计算方法，并给出了关键公式。（1）前年在写该篇文章的过程中发现陈兴老