跳到主要内容
检索

Central South University

11 篇关联报道

订阅更新
  1. bioRxiv

    同一细胞内同时测转录组与三维基因组:scHiR把两套稀疏数据合成一个细胞嵌入

    同时测序单细胞转录组与三维基因组的技术已经能给出同一细胞的配对数据,但两类数据在噪声、尺度和生物学含义上差异很大,此前通常分开分析,各自学到的低维空间也不对齐。scHiR用两个模态各自的编码器把基因表达与染色质接触矩阵映射到同一个超球面潜空间,再分别重建两种信号。在HiRES、GAGE-seq和LiMCA三种技术产生的配对数据上,联合嵌入的聚类表现与单组学方法相当或更好,并在小鼠主嗅上皮数据上把伪时间与发育阶段的Spearman相关从单组学的0.357和0.205提高到0.517。

  2. medRxiv

    胎儿超声早筛不再依赖海量标注:RadarMAE用雷达式掩码预训练,跨院指标下降不超过0.04

    早孕期唐氏筛查的超声图像分辨率低、结构差异大,而罕见异常病例稀少,使常规自监督预训练难以奏效。RadarMAE改用同心圆环与角度扇区交替遮挡的雷达式掩码,迫使网络学习颅面结构的连续曲率与细长形态,在内部队列上取得AUC 0.99、准确率0.97。配合域对抗适配,模型在四家外部医院仅用无标注图像校准,关键指标相对内部的下降被限制在0.04以内。

  3. researchsquare.com

    皮肤微生物组补上参考基因组缺口:45万基因组里近六成物种此前无参考

    人体皮肤微生物组的参考基因组长期偏少,非细菌类群和全球菌株变异尤其缺失。全球皮肤宏基因组数据资源整合了12409份新测序与4396份公开皮肤宏基因组及3077份分离株基因组,重建出452397个宏基因组组装基因组,并新增42758个此前未表征的分类单元。在此基础上,17.1亿条预测蛋白序列被归并为1272886个蛋白家族,其中79434个在Pfam与RefSeq中均无同源命中。

  4. arXiv

    混合变量实验不再只靠结构描述符:LLM排序先验加结构平滑,六项化学与材料任务在固定预算下更快逼近最优

    TagBO把大语言模型给出的候选排序当作任务相关的粗粒度先验,与结构描述符的局部平滑一起构成相似性图,在化学与材料配方等六项混合变量优化任务上,固定评估预算内更快找到高质量候选。

  5. arXiv

    机器人不再照单全收经验:只留成功干预中人工控制段,高精度插装成功率88.24%

    Evo-RL把机器人部署中积累的经验按估计优势筛选后再用于策略微调,在PiperX高精度螺丝插装任务上把尝试成功率从RECAP的57.78%提高到88.24%。

  6. arXiv

    骨架动作识别装上量化插件:白盒攻击成功率从近100%降到个位数,精度与原模型相当

    自监督骨架动作识别的主流对比学习模型此前对对抗攻击几乎没有防御,输入或特征上的微小扰动就能让识别结果大幅失效。QCLR把量化做成可插拔模块,在编码流程的输入和特征两级把连续值映射到离散码本,既吸收小扰动又切断梯度传播;在NTU-60、NTU-120和PKU-MMD上接入SkeletonCLR、AimCLR、ActCLR后,PGD与SMART攻击成功率降到个位数,分类精度保持在与原模型相当的水平。

  7. FedFit 用双向量库参数化与量化把联邦 LoRA 微调的通信量压缩至多 100 倍,困惑度与标准联邦 LoRA 相当

    FedFit 针对联邦微调大语言模型时通信开销大、以及 LoRA 在联邦场景下「乘积之和(SoP)准确但通信贵」与「和之乘积(PoS)省通信但聚合不准」的两难,提出由两个紧凑且不相交的全局向量库重建高维适配矩阵的参数化方式,配合在解耦单库更新与经残差谱聚合校正的联合更新之间交替的优化调度,并叠加分块量化与客户端误差反馈,在 Qwen2.5 模型上取得与标准联邦 LoRA 相当的困惑度,同时压缩比最高提升 100 倍,并给出理论收敛保证。

  8. arXiv

    浙大团队发布 EMem-Bench:2,554 个长程具身任务显示最强模型 Gemini-3-Flash 平均成功率仅 64.2%,其 EMem 记忆系统把 GPT-5.4-mini 提升 23.6 个百分点

    浙江大学 OmniAI 团队提出 EMem-Bench 长程具身记忆基准(2,554 个可执行 episode,覆盖被动观察、动态追踪、交互失败、经验泛化四类任务),并给出外部记忆系统 EMem 与 8B 策略 EMem-8B;评测 16 个开源与专有 MLLM 及多种多模态记忆系统后发现,最强专有模型 Gemini-3-Flash 平均成功率仅 64.2%,多数开源模型低于 45%,而 EMem 在匹配骨干下取得最佳总体表现,使 Mistral-Small-3.1-24B 提升 16.4 个百分点、GPT-5.4-mini 提升 23.6 个百分点,EMem-8B 相对 Qwen3-VL-8B 提升 20.6 个百分点。

  9. 随机森林与SVM-RBF在埃及Wadi Umm Eish El-Zarqa用EnMAP高光谱数据圈定金矿靶区,RF精度完美且高置信靶区多出37%

    该研究在埃及Wadi Umm Eish El-Zarqa地区首次将机器学习与EnMAP高光谱数据结合,用三个已知金矿点的像元光谱训练随机森林(RF)与径向基支持向量机(SVM-RBF)模型,并以0.05光谱概率容差扩充训练集,同时用ALOS-PALSAR DEM提取水系连接上游基岩源与下游砂矿;地面验证显示SVM-RBF总体精度略高(91.8%对89.9%),RF在识别矿化靶区上达到完美精度,且圈定的高置信(概率>80%)潜在矿化靶区比SVM-RBF多37%,水系分析指出3至5级河流为砂矿沉积最佳区带,野外确认存在手工开采且河流沉积物据报每车(约85吨)产金25-30克。

  10. 双参数MRI影像组学联合血清骨转换标志物预测前列腺癌术后骨转移:面向靶向放射性核素治疗的精准筛选

    该研究在一项前瞻性单中心队列中纳入143例临床局限性前列腺癌(cT1-2N0M0)并接受腹腔镜根治性前列腺切除术的患者,术前检测血清骨代谢指标(如骨钙素N端中段片段和碱性磷酸酶)并提取双参数MRI影像组学变量(表观扩散系数均值与Ktrans均值),用多变量逻辑回归整合血清与影像标志物构建预测模型,结果显示整合模型ROC曲线下面积为0.984,显著优于单一生物标志物与影像特征(均p<0.001),决策曲线分析显示临床净获益且校准良好(Hosmer-Lemeshow检验p=0.830),按模型风险分层分为高风险组53例与低风险组90例,两组无骨转移生存差异显著(log-rank p<0.001)。