- 宏观到微观：通过在宏观表情视频上进行预训练来提升微表情识别
微表情识别是近年来备受关注的研究领域，在智能医学和骗术检测等方面具有潜在应用。然而，缺乏标注数据一直以来都是加强基于深度学习的微表情识别方法的主要障碍之一。本文提出了一种广义的转移学习范式，称为宏观表情到微表情（MA2MI）。在该范式下，网 - 图像去卷积中学习点扩散函数可逆性评估
本研究提出一种基于深度学习的图像去卷积方法，通过使用神经网络将点扩散函数（PSF）映射到单位冲激响应上，并通过对比映射后的 PSF 与单位冲激响应的差异来评估 PSF 适用于深度学习辅助去卷积的可能性，研究发现该方法在提高去卷积质量方面表现 - 解读语义分割模型以便进行海岸线检测
利用深度学习语义分割模型对海岸线卫星图像进行分类，以建立对模型的信任并获取关于海岸水体提取过程的新见解。通过排列重要性方法，研究了哪些光谱波段对预测分割掩模最为重要，结果显示 NIR 是最重要的光谱波段，其排列导致准确性下降 38.12 个 - 密集细节点描述的潜指纹匹配
本研究提出了一种基于深度学习的密集细节点描述器（DMD）用于潜指纹匹配，提高了性能并实现了与以往方法相比更具代表性和可解释性。
- 引导式条件扩散分类器（ConDiff）用于增强糖尿病足溃疡感染预测
使用 Guided Conditional Diffusion Classifier（ConDiff）来检测糖尿病足溃疡（DFUs）中的感染性伤口，预防严重并发症和截肢。
- 基于图像深度学习的胸部 X 射线亚临床动脉粥样硬化的检测
通过基于深度学习的系统在普通胸部 X 线上识别亚临床动脉硬化，开发了一个预测冠状动脉钙化分数的深度学习算法，在内、外部验证中表现出良好的诊断准确性和预测动脉粥样硬化心血管疾病事件的负预测价值。
- CVPR多样化且个性化的多评测者医学图像分割
通过深度学习在医学图像分割中解决多评价人医学图像标注模糊边界、不同专家间观察者技能和偏好等固有数据不确定性带来的注释不确定性问题。提出了名为 D-Persona 的两阶段框架，通过训练概率性 U-Net 模型和设计多个基于注意力的投影头实现 - 基于生成式深度学习的超大视场无透镜成像
GenLFI 是一种基于深度学习的图像重构框架，通过利用生成型人工智能，实现了超过 550 平方毫米的实时视场，解决了传统透镜无限制的困境，为生物医学研究中的高通量应用提供了强大的工具。
- 利用历史发电和天气数据的分层时序卷积神经网络进行区域光伏日前功率预测
本文提出了两种基于深度学习的区域太阳能发电预测方法，分别使用单一分层时序卷积神经网络和基于子区域的时序卷积神经网络，通过利用聚合和个体数据，以及区域内的天气数据进行预测。利用 101 个西澳大利亚地点收集的大量数据进行评估，与其他方法相比， - 在 CLIP 嵌入空间中使用基于语言的丢失函数进行红外和可见光图像融合
本文提出了一种基于自然语言表达目标、利用语言表达优势以提高图像融合性能的语言驱动融合模型。通过将相关文本编码为多模态嵌入空间，建立嵌入向量之间的关系表示融合目标和输入图像模态，并通过监督训练导出一种基于语言驱动的损失函数，使实际红外 - 可 - 基于视觉和几何特征的大词汇量阿拉伯口语识别的交叉注意力融合
利用视觉数据识别口型以识别口述单词的技术（lipreading）是研究的热门话题之一，本研究提出了一种基于交叉注意力融合的方法，通过整合嘴部区域的视觉和几何特征来预测阿拉伯语单词的出现，实验证明了该方法在识别阿拉伯语单词方面的有效性和鲁棒性 - 超分辨率遥感图像中云雾消除的扩散增强
该研究提出了一种基于扩散增强的云去除框架，利用超分辨率图像生成和逐层训练策略，实现了对光学遥感图像中云层的准确去除，大幅提高了图像的感知质量和信号保真度。
- AAAI走向可靠的人工智能模型部署：多输入混合用于超出分布检测
我们提出了一种新颖且简单的方法，称为 Multiple Input Mixup（MIM），它可以通过单次 fine-tuning 改善 OOD 检测性能，而无需从头训练模型。我们的方法仅利用 ID 样本生成合成的 OOD 数据，且在 CIF - 元转移的自监督知识：用于创伤后癫痫预测的基础模型
通过深度学习和自我监督学习相结合的训练策略，我们提出了一种基础模型来改善将正常特征推广到临床特征，以实现从创伤性脑损伤后的数据对创伤性癫痫的预测等临床任务，并在神经系统疾病分类任务和零样本学习预测创伤性癫痫的应用中验证了该策略的有效性。
- 时间扭曲入微：学习动力系统的拓扑不变量
我们提出了一个基于数据驱动的、物理上可行的深度学习框架，用于分类动力学区域和表征分支边界，基于提取拓扑不变特征。我们还演示了该方法在分析真实数据中的使用，通过基于单细胞数据，在基因表达空间中恢复胰岛内分泌发育轨迹上的不同增殖和分化动态。我们 - 适用于糖尿病足溃疡检测的领域特定深度学习特征提取器
自主监测和评估糖尿病足溃疡（DFU）是卫生保健中一个亟需关注的领域，本研究评估并确定用于开发深度学习伤口检测网络的最准确的特征提取器，并发现 UNet 和 Efficientnetb3 结合的特征提取器在 14 个网络中表现最佳，可作为糖尿 - 网络范围内快速增强的飓风疏散交通预测：基于交通检测器和 Facebook 移动数据的深度学习方法
通过利用交通检测器和 Facebook 的运动数据，本研究开发了一种数据驱动的交通预测模型，可用于预测飓风撤离期间的交通情况，该模型能提前预测未来交通拥堵情况，为交通管理官员采取积极措施减少撤离延误提供帮助。
- 基于结构的深度学习在解剖尺度上的不确定性分析：白质病变分割
该论文研究了自动化深度学习工具在多发性硬化症患者磁共振成像扫描中的白质病变分割中的不确定性量化作为其可靠性指标。研究探讨了不确定性在结构化输出分割任务中的两个主要方面，并提出了新的衡量不确定性的方法。通过分析来自多中心的 MRI 数据集，结 - 基于深度学习技术的热感人脸图像分类
这篇论文提出了一个实用的深度学习方法，用于热像分类，该方法利用卷积神经网络（CNN）架构（特别是 ResNet-50 和 VGGNet-19）从热像中提取特征，并在热输入图像上应用卡尔曼滤波进行图像去噪，实验结果证明了该方法在准确性和效率方 - 利用视觉语言驱动的图像增强提高公平性
本文提出了一种方法，通过学习语义空间中可解释和有意义的路径来减轻深度学习区分模型中的相关性，以提高公平性。通过编辑受保护特征（如年龄和肤色），将这些路径应用于增强图像，从而改善给定数据集的公平性。