Bose–Einstein condensate
PulseAugur coverage of Bose–Einstein condensate — every cluster mentioning Bose–Einstein condensate across labs, papers, and developer communities, ranked by signal.
-
新方法改进了脑组织学中纤维束的分割
研究人员开发了用于分割示踪剂组织学数据中纤维束的新方法，这是理解大脑连接性的关键步骤。该研究将 BCE 和 Dice 等传统像素重叠损失与 clDice、Betti matching 和 Topograph 等拓扑感知函数进行了比较，并利用了冻结的 DINOv3 基础模型。为了超越简单的重叠来更好地评估分割质量，引入了一种名为 Excess32 的新空间诊断指标，该指标测量了注释纤维束周围容差带之外的预测像素。该指标显示，仅靠检测指标…
-
深度学习研究揭示中医舌诊的关键原理
研究人员进行了一项综合消融研究，以理解深度学习模型在传统中医舌诊中的有效性。该研究使用TongueDx2数据集和合并数据集评估了20多个模型版本，比较了各种骨干架构、损失函数、增强策略和训练方法。主要发现表明，ConvNeXt-Tiny是最具参数效率的骨干网络，BCE损失优于Asymmetric Loss，而约束颜色增强对性能至关重要。研究还强调了弱组集成替换优于概率平均的好处，以及数据缩放的显著影响，同时警告不要扩展标签维度，这可能…
-
新AI方法保留患者结构，以实现更好的生理信号泛化
研究人员开发了一种新颖的患者感知对比学习方法，旨在提高生理信号模型训练的泛化能力。该方法专门解决了个体患者内部不同的基线模式带来的挑战，这些模式会阻碍模型在未见过个体上的性能。通过仅将同患者、同类别的片段形成正例对，该方法在区分类别时保留了患者的个体差异。该技术在IRIDIA-AF数据集上展示了优越的患者结构保留能力，并实现了0.989的高患者独立接收者操作特征曲线下面积（AUROC），突显了跨患者稳健泛化能力对每位被试几何一致性的重要性。