Zeyu Zhang
PulseAugur coverage of Zeyu Zhang — every cluster mentioning Zeyu Zhang across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
作者撤回一项关于乳腺癌预测的研究论文
一篇题为 PathoHR 的研究论文已被其作者 Zeyu Zhang 撤回。该论文提出了一种使用高分辨率病理图像进行乳腺癌生存预测的新型流程。它整合了 Vision Transformer (ViT) 以增强特征提取，并评估了用于表示学习的相似性度量。该研究旨在证明，增强后的小图像块可以实现与原始大图像块相当或更好的预测精度，同时降低计算成本。
-
SegKAN模型将医学图像分割精度提高了1.78%
一篇研究论文介绍了一种新颖的模型SegKAN，该模型专为高分辨率医学图像分割而设计，特别适用于CT扫描中的肝脏血管。该模型利用卷积网络结构增强图像嵌入，以减少噪声并防止梯度问题。它还将块之间的空间关系转换为时间关系，解决了传统Vision Transformer模型在捕获位置数据方面的局限性。实验表明，与现有的最先进方法相比，SegKAN的Dice分数提高了1.78%，证明了其在分割长距离物体方面的有效性。
-
新的SSS方法使用SAM-2增强医学影像分割
研究人员开发了SSS（半监督SAM-2），一种利用SAM-2特征提取能力的半监督医学影像分割新方法。该方法旨在通过利用未标记的医学图像来增强全监督模型的特征支持，从而提高分割性能。该方法包含一个判别性特征增强机制和一个集成物理约束与滑动窗口（PCSW）的提示生成器，以满足SAM-2的提示要求。在ACDC和BHSD数据集上的实验表明，SSS在BHSD上达到了53.15的优越Dice分数，优于现有的最先进方法。
-
新框架应对代码大语言模型和回测中的数据污染问题
两篇新的研究论文解决了大语言模型数据污染的关键问题，特别是在代码生成和回测场景下。第一篇论文介绍了TRACER，一个旨在检测代码中指示污染的语义相似性的框架，即使对于GPT-5等模型也能达到高精度。第二篇论文提出了Shapley-DCLR和TimeSPEC，通过关注驱动决策的声明并确保预测仅基于截止日期前的知识，来衡量和缓解大语言模型回测中的时间污染。