colon
PulseAugur coverage of colon — every cluster mentioning colon across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法优化手术连续体机器人的解剖结构和灵巧性设计
研究人员开发了一种新的方法来优化手术连续体机器人的设计，重点关注机器人的灵巧性以及它将操作的具体解剖结构。该方法引入了一个称为“可达体积灵巧实体角”（Reachable Volumetric Dexterous Solid Angle, RVDSA）的度量标准，用于量化机器人在避开碰撞的同时到达目标体积内各点的能力。该方法应用于双手机器人以优化结肠手术，与仅为体积覆盖而优化的设计相比，RVDSA 提高了 78%。
-
Agentic AI 绘制了跨人体组织的保守蛋白质网络
研究人员开发了一个能够分析不同人体组织和体液中蛋白质共丰度的 AI 框架。该 agentic AI 系统被用于检查 41 种组织的所有可能的成对组合，发现了跨越 406 个组织对的 1,833 个保守的共丰度簇。分析揭示了意想不到的关系，例如皮肤和骨髓之间的联系比相邻的骨骼和骨髓之间的联系更强，并确定了疾病的潜在机制假设，包括脑-肠轴和肝脏-骨髓应激反应轴。
-
病理学中的AI：专家主张使用器官特异性模型而非通用模型
最近一篇文章提出为计算病理学开发器官特异性嵌入模型，挑战了为所有病理学任务创建大型通用基础模型的普遍趋势。作者认为，每个器官独特的生物学和形态学特征需要专门的AI模型，就像人类医学分为专科一样。跨不同器官训练单一模型可能会导致妥协，为了更广泛的适用性而牺牲至关重要的器官特异性细节。仅在单一器官的组织病理学图像上训练的器官特异性模型，有可能为各种下游临床应用提供更有意义的表示，从而在病理学中实现更可靠的AI系统。
-
新框架将 2D 模型适配于 3D 和 4D 分割
研究人员开发了 SAM+D，一个旨在将 SAM 和 SAM2 等 2D 基础模型适配于 3D 体积分割和 4D 时空分割任务的新颖框架。这种参数高效的方法引入了两个轻量级模块：深度路由 LoRA (Depth-Routed LoRA) 和深度移位模块 (Depth Shift Modules)，它们能够实现跨切片特征交换和空间自适应更新，同时保持大部分预训练参数冻结。SAM+D 在 3D 分割的医学成像基准测试和 4D 分割的细胞追踪…