Bidirectional Mamba
PulseAugur coverage of Bidirectional Mamba — every cluster mentioning Bidirectional Mamba across labs, papers, and developer communities, ranked by signal.
-
AI模型利用脑电图数据推进阿尔茨海默病诊断
研究人员开发了两种利用脑电图 (EEG) 数据诊断阿尔茨海默病的新方法。一种方法 GraM-Diff，利用图-曼巴扩散框架生成合成脑电图数据，提高了分类准确性和鲁棒性，尤其是在数据稀缺的情况下。第二种方法利用了一个名为 Large Brain Model (LaBraM) 的基础模型，该模型在大量脑电图数据上进行了预训练，当与随机森林分类器结合使用时，能够使用短脑电图片段高精度地区分健康个体和痴呆症患者。这两种方法都展示了先进的 AI…
-
双向 Mamba 模型提高了协作者选择的准确性
研究人员引入了一种新颖的双向 Mamba 驱动模型，旨在提高可信协作者的选择。该模型通过评估长期设备行为并考虑历史协作中的正向和反向时间依赖性，解决了当前方法的局限性。通过构建设备图并在时间段内聚合行为特征，双向 Mamba 模型产生了稳定、可靠的长期评估，在准确性方面优于基线方法，并能更好地选择协作者以完成任务。
-
FermatSyn利用SAM2和Mamba推进医学图像合成
研究人员开发了FermatSyn，一种新颖的多模态医学图像合成方法，旨在提高全局解剖一致性和局部细节。该系统包含一个使用LoRA+的基于SAM2的先验编码器，用于解剖知识；一个分层残差下采样模块和跨尺度集成网络，用于保留精细细节；以及一个具有约束螺旋扫描策略的双向Fermat扫描Mamba，以最小化方向偏差。在多个医学成像数据集上的实验表明，FermatSyn在图像质量指标和结构一致性方面表现优越，下游分割任务与使用真实图像训练相比没…
-
新AI框架通过X射线重建儿科颅骨CT
研究人员开发了PSCT-Net，一种用于从稀疏双平面X射线重建儿科颅骨3D CT扫描的新型框架。该方法通过整合几何感知特征和可微分反向投影过程来解决现有技术的局限性，以减少深度模糊并改善骨边界定义。该框架还包括一个注意力引导投影（AGP-3D）模块和一个双向Mamba（BiM-3D）模块，以增强空间对应关系和捕获体积依赖性。为了支持其开发和评估，创建了一个名为PedSkull-CT的新数据集，该数据集专门为儿科颅骨成像而策划。