本文介绍了一种自动药丸识别系统，提出了一种基于深度学习的 few-shot 类增量药丸识别系统方法，该方法采用表示和分类器的分离学习策略，并提出了新的 Center-Triplet 损失函数和伪药丸图像构造策略，用于训练 Graph Attention Network 以获得自适应模型，并构建了两个新的药丸图像数据集。实验结果表明，我们的框架优于现有的最先进方法。

Apr, 2023

本文介绍了一个名为 ImDrug 的开源 Python 库，用于药物发现中数据不平衡问题的评估和基准测试，包括 4 种不平衡设置、11 个 AI-ready 数据集、54 个学习任务和 16 种针对不平衡学习的基线算法，并通过实证研究和新的评估指标，证明了现有算法在处理实际药物发现中的数据不平衡问题时表现不佳，为 AIDD 和深度不平衡学习的研究和发展开辟了新的道路。

Sep, 2022

该研究探讨了一种基于深度学习的移动应用的开发和实施，旨在通过移动设备上的实时图像处理准确识别和区分不同类型的药丸以协助盲人和视障人士，该应用利用文本转语音（TTS）提供即时的听觉反馈，提高了视障用户的可用性和独立性。研究评估了应用的检测准确性和用户体验，凸显其在改善视障人士社区的药物管理和安全方面的潜力。

May, 2024

通过发布一份新的、包含 6712 位患者电子病历数据的纵向数据集 EHRSHOT、以及一个 141M 参数的、预训练于 257 万位患者结构化病历数据的临床基础模型权重，在为医疗机器学习提供共享资产方面，该研究作出了贡献。

Jul, 2023

本文介绍了 eProduct 数据集的创建，该数据集包含 250 万个产品图片。eProduct 可作为一个训练集和评估集来加速自监督学习、弱监督学习和多模态学习等领域的发展，特别是针对细粒度识别问题，如视觉搜索。通过基于此数据集训练的基线模型的性能，分析了 eProduct 数据集的多样性和使用结果。

Jul, 2021

提供了一个包含 960 种不同植物的数据库，包括带有注释的 RGB 图像和基于 $f_{1}$ 分数的基准分类结果评估，可公开访问。

Nov, 2017

本研究提出了一种基于 Flickr 图像的新型 PAD 数据库：Flickr-PAD，利用该数据库进行训练和评估可以得到比现有算法更好的结果，该方法使用了 MobileNet-V3 和 EfficientNet-B0 模型， BPCER10 为 7.08％，BPCER20 为 11.15％。

Apr, 2023

本文讨论了采用弱标签数据从手写处方单中提取药名的问题，并提出一种新的方法，并证明该方法比现有的最先进技术方法表现更好。

Jun, 2023

该研究提出一种基于医疗对话的药物推荐方法，使用自然语言处理技术结合病历数据，构建了一个高质量的医疗对话数据集 DIALMED, 并提出了 DDN 模型和 QA 对话图机制，有效考虑了各种因素的影响，实现了医患对话中对药物的智能推荐。

Feb, 2022

本文介绍了一个新的数据集 “Kimia Path24”，该数据集可用于数字病理学中的图像分类和检索，并通过使用 24 种不同的组织纹理的全扫描图像生成了 1,325 个大小为 1000x1000 的测试补丁。通过 LBP，字典方法和卷积神经网络等方法进行了基准测试，结果表明卷积神经网络获得了最高的准确性，41.8％。

May, 2017