- 使用大型语言模型和实例分割技术的全景放射状牙齿状况半监督分类：现实世界数据集评估
采用半监督学习框架，结合大型语言模型和自编码器，通过对口腔放射病例报告进行注释和无标签数据利用，成功实现了牙科全景放射病例的自动化分类，结果表明该方法在鉴定牙齿相关病症上具有与初级专家相当的准确性。
- 基于深度学习的医学文本情感分析
本研究使用双向编码器表示来自转换器（BERT）的基本预训练模型，并在输出层使用卷积神经网络（CNN）、全连接网络（FCN）和图卷积网络（GCN）等模块进行实验和分析。结果表明，在与 BERT 等预训练模型结合使用较小的医学文本数据集进行训练 - 点石成金：提升多曝光图像融合的分层特征
在多曝光图像融合领域，本研究提出了一种使用深度学习网络的新方法，通过引入伽马校正模块和改进的 Transformer 模块实现对图像的融合和色彩增强。
- VMambaMorph：一种基于 Visual Mamba 的带有跨扫描模块的可变形三维图像配准框架
VMambaMorph 是一种基于 VMamba 和 CNN 的网络，专门为 3D 图像配准设计，利用公共基准脑 MR-CT 配准数据集验证了其与当前最先进方法的竞争性配准质量。
- 应用机器学习优化聚烯烃制造
本文介绍了机器学习在化学和聚烯烃制造优化中的应用，从 AI 和 ML 在化学工业的演变、核心 ML 组件和入门资源、各种 ML 方法以及深度学习网络探索，到使用先进 ML 算法进行预测建模的实践工作坊，提倡科学引导的机器学习方法，旨在为化学 - Gzip 用于二进制图像分类的强归纳偏差
在计算机视觉中，深度学习网络已成为行业和研究领域的事实标准；然而，在自然语言处理领域的最新发展表明，在一些领域中，具有强归纳偏差的无参数模型可以作为计算成本更低、更简单的替代选择。我们提出了一种用于二进制图像分类的模型：最近邻分类器与通用压 - 通过几何调整的梯度下降在深度学习中实现全局 L2 最小化
考虑在深度学习网络中广泛使用的用于最小化 L^2 损失函数的梯度下降流，我们介绍了两个修改版本；一个适用于过参数化设置，另一个适用于欠参数化设置。两者均具有清晰且自然的不变几何意义，考虑到过参数化设置中的拉回向量丛结构和欠参数化设置中的推前 - 实时自由呼吸心脏磁共振成像的深度学习分割评估
深度学习网络在实时无呼吸心磁共振成像中对心脏进行体积分析的准确性较高，并且 nnU-Net 方法的表现超过了其他方法，可用于可靠的自动分割。
- 深度学习中使用梯度下降法无法逼近极小值
我们分析了深度学习网络中梯度下降算法的几何方面。具体而言，我们证明了对于欠参数的 ReLU 深度学习网络，Chen-Munoz Ewald 2023 论文中构建性地获得的全局最小成本所对应的权重和偏差通常无法通过梯度下降流逼近。因此，我们得 - 一个 3D 可解释性框架以揭示可变沟回识别中的学习模式和关键亚区
本研究介绍了一种创新的 3D 可解释性框架，通过将本地可解释性技术 GradCam 和 SHAP 与降维方法相结合，验证了深度学习网络在检测前额媒体表面可能存在的解剖特征 —— 副扣带沟，该框架通过解释和统计特征的后融合转换，提供了局部和全 - 一种利用深度多注意力通道网络的新型框架，用于通过荧光显微镜自动检测转移细胞
我们开发了一个透明的计算机大规模成像框架，可以区分正常和转移的人类细胞。该方法依赖于荧光显微镜图像，显示正常和转移的单个细胞中肌动蛋白和微丝蛋白丝的空间组织，并结合多重关注通道网络和全局可解释技术。通过深度学习网络和新的多重关注通道架构，我 - 食品实例分割上的增量学习
本文提出一种增量学习框架来优化模型性能，其核心是一个能够预测待标记样本难度的新型难度评估模型。该框架将数据收集过程分为多个阶段，将标注预算分配给最困难的样本，并将满足评估模型某一标准的未标记样本用于生成伪标签，最终将手动标签和伪标签发送给训 - 信息瓶颈理论的法官
本研究对信息瓶颈理论的应用进行了探讨，通过引入辅助函数和采取新的理论立场，解决了该理论在深度学习网络中的应用问题，并解释了 ReLU 激活下归零情形的信息瓶颈机制，从而提供了一种新的解读深度学习网络内部组织的方法。
- CHMMOTv1-- 适用于地中海贫血患者铁负荷的心肝多回声（T2*）磁共振成像和临床数据集
This paper presents a dataset consisting of MRI images, laboratory tests, and clinical reports of patients with thalasse - 学习时间分布和空间相关性用于通用移动目标分割
本文提出了一种称为学习时空分布和空间相关性的方法，它的能量可以作为普适的解决方案来完成所有类型的自然场景下的运动目标分割，通过在分布学习中引入深度学习网络和在空间相关性中引入随机贝叶斯细化网络的方法，从而大大改善了分割的效果。
- 在潜空间中产生对抗性攻击
通过使用生成对抗网络在潜在空间中注入对抗性扰动，避免了基于边缘的先验条件并确保了与基于像素的对抗性攻击方法相比视觉上真实的高度，实现了在 MNIST，CIFAR10，Fashion-MNIST，CIFAR100 和 Stanford Dog - 将因果和非因果解释相结合，生成胶囊内镜下疾病进展
本研究提出了一种统一的解释方法，结合了模型依赖和不依赖的解释，用于给定实例的自动决策，生成一组解释。通过无线胶囊内窥镜，验证了该方法的有效性。
- 心理物理机器学习
本文探讨使用韦伯 - 费希纳定律来将其纳入机器学习的损失函数，以提高深度学习网络的性能。
- Social-DualCVAE: 基于社交互动模式感知与双重条件变分自编码器的多模态轨迹预测
本文提出了一种基于双条件变分自编码器的社交多模式轨迹预测模型，该模型可通过学习社交交互模式，以及先前轨迹信息进行轨迹预测，并在流行的轨迹基准测试中表现出优异的性能。
- 对抗 IoMT 数据中的模型反演攻击的分裂梯度分离学习防御
本研究提出了一种名为 PSGL 的方法，通过攻击廓清晰度和深度神经网络的训练过程，并引入贴近梯度方法来防御模型反演攻击，并在公开数据集上取得 14.0％、17.9％和 36.9％的诊断准确率提升。