PulseAugur
实时 22:29:30
English(EN) Linking spatial biology and clinical histology via Haiku

Haiku模型整合空间生物学、组织学和临床数据

研究人员开发了Haiku,一种新颖的三模态对比学习模型,旨在整合生物医学研究中的分子、形态学和临床数据。Haiku在来自3000多名患者的空间蛋白质组学和组织学图像的大型数据集上进行训练,为这些多样化的数据类型创建了一个共享的嵌入空间。这使得先进的跨模态检索成为可能,改进了下游分类和预测任务,并允许零样本生物标志物推断,其性能优于现有的单模态方法。 AI

影响 展示了一个整合复杂生物学数据的新框架,有望加速转化医学的发现。

排序理由 这是一篇详细介绍新模型及其在特定生物医学任务上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Haiku模型整合空间生物学、组织学和临床数据

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yan Cui, Jacob S. Leiby, Wenhui Lei, Dokyoon Kim, Yanxiang Deng, Aaron T. Mayer, Zhenqin Wu, Alexandro E. Trevino, Zhi Huang ·

    Linking spatial biology and clinical histology via Haiku

    arXiv:2605.00925v1 Announce Type: cross Abstract: Integrating molecular, morphological, and clinical data is essential for basic and translational biomedical research, yet systematic frameworks for jointly modeling these modalities remain limited. Here we present Haiku, a tri-mod…