Dengue virus
PulseAugur coverage of Dengue virus — every cluster mentioning Dengue virus across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI框架使用视觉Transformer和GRU检测蚊子传播疾病
研究人员开发了一种新颖的混合框架，用于检测蚊子传播的疾病，特别是识别登革热病毒感染的蚊子。该系统集成了YOLO 11M模型进行初始蚊子识别和背景去除，然后使用视觉Transformer (ViT) 进行特征提取。最后，使用卷积GRU (ConvGRU) 分类器进行分类，该分类器在性能上优于其他循环神经网络模型。这种基于ConvGRU的方法实现了88.88%的准确率，有效地捕捉了蚊子运动中的空间特征和时间依赖性，从而实现了可靠的行为分析。
-
新型TREA-Net模型利用有限数据改进登革热预测
研究人员开发了TREA-Net，这是一种新颖的网络，旨在预测历史数据有限地区的登革热发病率。该模型通过环境时间序列易感-感染-康复（Environmental Time-Series Susceptible-Infected-Recovered）模型的预测来增强现有的神经预测骨干网络，学习一种轻量级的残差校正，可以从数据丰富的地区迁移到数据稀疏的地区。TREA-Net的设计可适应具有不同数量位置的监测系统，并且仅需要学习两个全局参数即…
-
Kimi K3 对比 Claude Fable 5：速度与推理深度之争
一项对 Kimi K3 和 Claude Fable 5 进行的基准测试揭示了性能上的显著差异。Claude Fable 5 的响应速度更快，平均延迟为 37.1 秒，而 Kimi K3 为 108.0 秒。然而，在数学问题的中间步骤验证方面，Kimi K3 的表现更为一致。两种模型都成功完成了编码任务和约束推理，但 Kimi K3 报告了更多的推理 token。
-
Kimi K3 在代码方面表现出色，数学方面滞后；Fable 5 在智能体任务方面领先
Moonshot 的 Kimi K3 模型在前端代码生成方面取得了顶级排名，超越了 Claude Fable 5 和 GPT-5.6 Sol 等模型。然而，Kimi K3 在复杂的数学任务方面表现明显逊色，得分约为 39%，而 OpenAI 和 Anthropic 的领先模型的得分接近 90%。在智能体知识工作基准测试中，Kimi K3 仅次于 Fable 5 排名第二，但其运营成本和任务完成时间远高于竞争对手。
-
新的长记忆水库计算增强了登革热预测能力
研究人员开发了一种新颖的长记忆水库计算框架，以改善登革热预测，特别是在数据稀疏的情况下。所提出的系统将专用的长记忆和短记忆回声状态网络（ESNs）与岭回归读出相结合。引入了两种变体：分数阶ESN（fESN）和小波ESN（wESN），其中fESN结合了分数阶动力学，wESN使用小波平滑来捕捉远程依赖性。与各种登革热数据集和预测范围上的统计和深度学习基线相比，这两种变体都表现出优越的性能。
-
中国法院判处三人承担责任，此前一男子通宵饮酒后死亡
中国一家法院裁定，三人需赔偿一名朋友的家人，该朋友在通宵饮酒和打麻将后死亡。事件发生在2025年10月，地点在乌鲁木齐，死者与朋友和一家麻将馆老板通宵打麻将并饮酒至凌晨。尽管努力确保他安全回家，但醉酒男子最终死亡，法院因此判定了责任并责令赔偿。
-
气候变化对疾病的影响难以量化，归因科学提供了途径
尽管科学家们清楚地认识到，气温升高和降雨模式改变正在扩大登革热和西尼罗河病毒等疾病的传播范围，但他们仍在努力量化气候变化对传染病的具体影响。归因科学利用气候模型比较当前气候与假设的工业化前气候下的疾病动态，正成为分离气候特定贡献的关键方法。早期研究表明，气候变化导致了相当一部分登革热病例，并延长了西尼罗河病毒等疾病的传播季节，为公共卫生资源分配和问责制提供了关键数据。
-
气候变化导致热带疾病在美国大陆蔓延
登革热和疟疾等热带疾病在美国大陆的出现日益增多，已超越了其历史上的热带据点。美国CDC的《新发传染病》杂志最近记录了洛杉矶县一起为期七周的登革热传播链，凸显了这一转变。此次疫情共确诊14例，表明环境条件越来越有利于持续的本地传播，而全球旅行和气候变化可能加剧了这一趋势。