organoid
PulseAugur coverage of organoid — every cluster mentioning organoid across labs, papers, and developer communities, ranked by signal.
-
QCell模型通过新颖的查询技术增强了显微镜细胞分割
研究人员开发了QCell，一种新颖的基于查询的模型，旨在改进显微镜图像中重叠细胞的实例分割。该模型利用实例重组模块在潜在空间中推理完整的对象结构，并利用对比查询对齐目标来分离重叠的细胞查询。QCell在现有基准测试中已展现出最先进的性能，并引入了一个新的数据集Organoids，专门用于重叠细胞分割。
-
AI 的局限性促使研究转向生物智能
文章认为人工智能领域已达到瓶颈，并提出真正的进步将来自于对生物系统，特别是人脑类器官的研究。文章强调了在创建和分析这些类器官方面的最新进展，这些类器官正开始揭示诸如折叠等复杂的生物过程。作者认为，这种转向生物智能可能会为理解和潜在复制复杂认知功能开辟新途径，从而超越当前AI的局限性。
-
类器官在预测癌症药物反应方面取得成功
类器官，特别是脑类器官，已在特定科学应用中显示出实用性，这与一些怀疑论相反。一个显著的成功是它们能够预测患者对化疗的反应，一项研究显示在识别胃肠道癌症的无反应者方面具有高准确率。该应用利用了类器官模拟细胞层面药物相互作用的能力。
-
脑类器官成为生物计算平台
科学家们正在探索使用脑类器官进行生物计算，脑类器官是从人类干细胞培养出的活体神经组织。这些类器官能够学习并表现出可塑性，正通过电刺激进行训练。虽然速度还不如硅处理器，但生物计算机因其天然的并行性和事件驱动处理，在能效方面具有潜在优势。目前的应用侧重于医学研究，如药物测试和神经系统疾病建模，但血管化和可扩展性方面仍面临挑战。
-
分析认为，类器官代表着生命科学，而人工智能实际上是死的
文章认为，人工智能实际上是死的，并将其与生物与非生物实体之间的区别相提并论。文章认为，人工智能模糊了人与物之间的根本界限，而这一界限在各种文化中都至关重要。文章认为，实验室培育的类器官是活的，比当前的人工智能更重要的科学发展。
-
研究人员称，实验室培育的微型大脑可能很快超越人工智能
研究人员正在开发人类大脑类器官，这些是实验室培育的神经元簇，有潜力超越当前的人工智能能力。这些类器官被用于各种实验，从控制机器人和玩电子游戏到研究疾病和开发新颖的生物计算系统。科学家们认为，未来的智能可能不是人造的，而是源自活的生物物质。
-
AI模型在类器官图像分割方面接近人类水平
研究人员开发了一种新的复合方法来分割类器官图像，该方法结合了Segment Anything Model (SAM) 和一个特定领域的工具。这种方法旨在精确测量发育中的球状体的尺寸和形状，这对于研究人类疾病和开发治疗方法至关重要。评估表明，尽管现有工具存在困难，但新的复合方法取得了持续且准确的结果，其表现达到或接近人类标注员的水平。