- PSC-CPI: 高效且可泛化的多尺度蛋白质序列 - 结构对比用于化合物 - 蛋白相互作用预测
提出了一种新颖的多尺度蛋白质序列 - 结构对比 (CPI) 预测框架 (PSC-CPI)，通过在蛋白质序列和结构之间进行内部模态和交叉模态对比，从多个尺度捕捉了蛋白质序列和结构之间的依赖关系，并且具有良好的模型普适性。
- 领域知识和多模态对智能分子性质预测的影响：一项系统调查
综合审视和数量分析基于各种基准的最新深度学习方法，我们发现融合分子信息不仅能提高分子属性预测回归和分类任务的准确性，还能通过同时利用 1 维和 2 维信息的 3 维信息大幅增强分子属性预测进展，在药物研发中具有重要指导意义。
- 带有门控卷积和上下文重建损失的全景图像修复
基于深度学习的方法在全景图像修复任务中显示出令人鼓舞的结果，但现有方法难以区分有效像素与无效像素并找到适当的参考区域，从而导致修复结果中出现伪影。针对这些挑战，我们提出了一种全景图像修复框架，包括一个面部生成器、一个立方体生成器、一个附属分 - 从手绘草图生成高质量医学影像
通过在 StyleGAN 的潜在空间中学习表示素描并生成医学图像，我们提出了一种实用的自由手绘到图像生成模型（Sketch2MedI）。与其他模型相比，我们的模型在生成咽部图像方面表现出卓越的性能，在各种指标上都具有高质量和逼真的效果。
- 基于一致性增强的深度多视图对比学习的聚类
通过对比学习构建一致增强的深度多视图聚类方法（CCEC），该方法通过多个视图之间的语义连接块保存一致信息，并通过谱聚类增强聚类过程的一致性。实验证明该方法在五个数据集上相比最先进方法具有更好的效果和优越性。
- 各种基于深度学习的文档图像二值化方法的公正评估
文档图像二值化是文档分析领域重要的预处理步骤，但没有进行系统比较。本研究通过相同评估协议评估了不同深度学习方法在各种 DIBCO 数据集上的表现，发现 DE-GAN 在 DIBCO2013 数据集上效果最好，DP-LinkNet 在 DIB - 鱼眼相机畸变校正方法的全面综述
鱼眼相机的畸变修正方法进行了综述，包括多项式畸变模型、全景映射、网格映射、直接方法和基于深度学习的方法。文章强调了每种方法的优点、限制和最新进展，以帮助读者根据自己的具体需求做出明智的决策。
- 深层 Radon 先验：用于稀疏视图 CT 重建的完全无监督框架
我们提出了一个名为 Deep Radon Prior (DRP) 的全无监督框架，通过将神经网络作为一个隐性先验引入迭代方法中，解决了现有方法中的一些限制。该方法在逐步优化神经网络的多个阶段中，在 Radon 域中缩小了欠约束成像协议的解空 - 深度展开网络与空间对齐的多模态 MRI 重建
通过在多模态磁共振成像 (MRI) 的重建过程中适当嵌入空间对齐任务，利用深度展开网络来解决模态间不对齐的问题，本文提出了一种新颖的具有空间对齐能力的深度展开网络 (DUN-SA)，并通过终端到终端的训练，展示了优于现有方法的重建性能。
- LightBTSeg: 一种利用超声图像进行乳腺肿瘤分割的轻量级模型
我们提出了一种轻量级乳腺肿瘤分割的双路径联合知识蒸馏框架 LightBTSeg，通过使用深度学习方法和知识蒸馏技术，在乳腺超声图像中实现高性能的肿瘤分割。
- 通过侧链扩散概率模型预测蛋白质结合的突变效果
利用未标记的实验蛋白质结构，通过基于表示学习的方法，我们提出了 SidechainDiff，它利用了 Riemannian 扩散模型来学习侧链构象的生成过程，并且可以给出蛋白质结合界面上突变的结构背景表示。通过利用这些学习到的表示，我们在预 - 多级感知边界引导网络用于超声图像中乳腺病变分割
提出了一种 PBNet 方法，由多级全局感知模块（MGPM）和边界引导模块（BGM）组成，用于从超声图像中分割乳腺肿瘤。在 MGPM 中，建模了单层特征图中体素之间的长程空间依赖关系，然后融合了多级语义信息以提高模型对非增强肿瘤的识别能力。 - 准确且轻量级的去雾方法：多接受野非局部网络和新型对比正则化
提出了一种基于多接收域非局部网络（MRFNLN）的图像去雾方法，该方法利用深度学习方法提取有用特征，并通过多流特征注意力块（MSFAB）和交叉非局部块（CNLB）实现对图像去雾的优化，同时引入了新颖的细节聚焦对比正则化（DFCR）以提高模型 - 决策融合网络与感知微调的缺陷分类
表面缺陷检测是工业检测中的重要任务，本文提出了一个决策融合网络 (DFNet)，通过融合语义决策和特征决策来增强网络的决策能力，同时引入感知微调模块 (PFM) 来对前景和背景进行微调，并通过一个内外分离权重矩阵来解决标签边缘不确定性的影响 - HiT: 基于分层 Transformers 的建筑物映射
深度学习方法在遥感影像中自动建筑物映射方面得到广泛研究。本文提出了一种简单且新颖的基于 Hierarchical Transformers 的建筑物映射方法 HiT，通过增加一个多边形头并行于分类和边界框回归头的两阶段检测结构实现了从高分辨 - 永乐宫壁画独特巨幅修复的 3M 混合模型研究
提出了一个名为 3M-Hybrid 的模型，用于恢复永乐宫壁画，通过利用高频和低频特征的互补学习、整合预训练的 Vision Transformer 模型和多尺度多角度策略，改善了大尺寸壁画恢复过程中的缝隙和结构失真问题，取得了显著的实验结 - 基于标签高效的对比学习模型的三维心血管免疫荧光图像核的检测与分类
我们提出了一种基于可标注效率的对比学习模型（LECL），用于在 3D 免疫荧光图像中检测和分类各种类型的细胞核，该方法克服了使用点注释进行训练时的困境，并采用扩展的最大强度投影方法解决了多个 z 堆叠帧引起的问题。我们在心血管数据集上进行了 - LogGPT：基于日志的异常检测的 ChatGPT 探索
通过 ChatGPT 的语言解释能力，本研究提出了基于 ChatGPT 的 LogGPT 框架，旨在探索将大规模语料库的知识转移应用于基于日志的异常检测。在 BGL 和 Spirit 数据集上，通过与三种基于深度学习的方法进行比较，实验评估 - AdvMono3D：具有深度感知的鲁棒性对抗式高级单目 3D 物体检测
我们提出了一个名为 DART3D 的鲁棒性深度感知对抗训练方法，用于单目 3D 对象检测，通过设计迭代退化攻击和基于不确定性的残差学习方法，提高了模型对对抗攻击的鲁棒性，在 KITTI 3D 数据集上的实验中，在 Easy，Moderate - 水下自主机器人系统在水产养殖应用中的应用
发展基于机器人的自动网状缺陷检测系统，用于水产养殖网笼的实时检测和不同缺陷的识别，旨在降低成本，提高质量和操作便利性。