不用打造影剂也能读出冠脉炎症:非增强CT的FAI评分把零钙化人群的风险分层推进一步
冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量,而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数(FAI)的深度学习流程,该评分与造影版FAI预后表现相当,并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。
冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量,而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数(FAI)的深度学习流程,该评分与造影版FAI预后表现相当,并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。
SynCo 把智能体式数据合成与任务求解建模为耦合的多智能体强化学习问题,用同一在线交互批次同时更新一个合成器和一个解题器:解题器获得逐条 rollout 的正确性奖励,合成器获得由任务质量、答案可靠性与结果接地可教性门控的任务级奖励,二者更新再反馈进下一轮合成。在八个数学推理基准上,SynCo 平均准确率 78.72%,高于冻结合成器变体的 75.85% 与最强外部基线 ScaleQuest-Math 的 74.96%,且增益主要来自初始模型未能解出的题目。
天体物理研究要同时处理快速增长的文献、多波段观测和复杂物理模型,AstroGenesis 把这些环节放进同一个多智能体环境,由 Supervisor Agent 与 Planner/Replanner 协调文献检索、观测数据分析、理论建模和选题。当前实现聚焦耀变体研究,其理论建模智能体借助预训练神经网络代理模型,用自然语言完成宽波段与多信使建模。文献检索在单篇与多篇两类基准上,前五条结果至少命中一篇相关出版物的比例分别为76.6%和79.2%。
该工作提出 VideoGen-Agent,一个通过监督微调加多任务智能体强化学习训练的多模态智能体,在六类视频生成任务(程序性知识、单实体身份、多实体身份、物理仿真、组合场景、多镜头)中协调检索、仿真、生成与验证工具,并构建了 600 条提示的 VABench 基准;在 VABench 上把基础 T2V 生成器 Seedance 1.0 从 56.5 提升到 75.6,换用未在训练中见过的升级生成工具后进一步提升到 86.1,人类评分者在 100 对比较中更偏好该配置。
该研究基于MIMIC-IV数据库中6,382名精神健康诊断患者的16,447份临床记录,用2个大语言模型(DeepSeek-7B、Mistral-7B)与3种词典方法(ClinSent-lexicon、TextBlob、VADER)从患者、医生和一般三种视角标注情感,发现多次入院患者的情感轨迹出现明显方向性变化、出院指导比简要病程记录波动更大、患者视角情感更均衡而医生与一般视角多为中性、大语言模型比词典方法更贴近以患者为中心的标注,并且出院记录情感轨迹在出院后30至90天内死亡的患者中显著比存活者更负面。
已读完全部报道