跳到主要内容
检索

Utrecht University

5 篇关联报道

订阅更新
  1. bioRxiv

    DNA-LLM2Vec把因果DNA解码器改成双向编码器:冻结探针下,增益随任务与骨干而变

    DNA-LLM2Vec把已预训练的因果DNA解码器分阶段改造成冻结的双向编码器:先打开双向上下文,再用掩码下一词预测修补由此产生的不匹配,最后加入编码链不变性与位置不变性的对比视图。在DNAGPT与HyenaDNA两个骨干、七个生物任务族上,收益并非一致,而是取决于任务结构与骨干;裁剪对比学习对增强子—启动子互作和Virus-COVID这类长上下文任务帮助最大,冻结Avg-EPI MCC分别达到27.5%和26.7%。

  2. npj Digital Medicine

    睡眠分期不再挑电极:任意脑电眼电组合都能打分,还能把时间分辨率推到秒级

    睡眠分期长期依赖固定电极组合和30秒一帧的人工标注,跨中心、跨设备的研究难以统一。AnySleep用通道注意力把任意数量的脑电和眼电通道动态融合,在28个数据集、20589份整夜记录上训练与验证,30秒分期性能达到或略超U-Sleep,缺眼电或只剩单通道时仍保持较高水平。把输出时间分辨率提高到秒级后,模型预测的清醒片段与专家标注的微觉醒重叠比例从30秒分期的7.7%升到约2秒时的57.7%。

  3. arXiv

    用流匹配做稀疏视角CT重建:复用速度场把网络评估次数降到7次,重建质量仍与扩散模型相当

    作者提出首个基于流匹配(Flow Matching)的CT重建框架FMCT及其高效变体EFMCT,利用流匹配的确定性ODE采样与数据一致性校正天然兼容、且相邻步预测速度场高度相关的特点,在连续步中复用已算出的速度场以减少神经网络函数评估次数(NFE),并给出理论分析表明复用引入的误差与欧拉离散化同阶、在有限复用步数下累积误差受控;在AAPM与Medical Segmentation Decathlon两个公开CT数据集、20视角与40视角平行束稀疏采样下,FMCT/EFMCT的PSNR/SSIM与扩散类方法相当,而NFE与计算时间显著更低(如AAPM 40视角EFMCT为7次NFE、0.83秒,相对最

  4. medRxiv

    面向临床神经病学预后研究系统评价的风险偏倚评估大语言模型

    该研究采用零样本提示构建了一个模拟人类评审者的LLM流程,用于QUIPS框架下的风险偏倚评估,并将其应用于既往系统评价中纳入的298篇神经病学预后研究文章(涵盖癫痫、创伤性脑损伤、卒中三个领域),结果显示LLM与人类评估者之间的一致性有限(加权kappa=0.22,95%CI 0.12-0.33),而基于小样本(n=5)的初步数据提示其可能不劣于人类评估者之间的一致性(加权kappa=-0.25,95%CI -1.04-0.54),Wilcoxon符号秩检验在四个偏倚领域及总体风险评分上均具有统计学显著性(p<0.05),秩双列相关显示人类评估者倾向于给出比LLM更高的风险评分。

  5. 结合AI结构预测与整合建模解析纳米抗体-抗原复合物

    该研究评估了当前基于机器学习的纳米抗体结构预测方法,并以HADDOCK对多种纳米抗体输入集合与信息条件下的纳米抗体-抗原相互作用建模流程进行基准测试,提出一套以AlphaFold2和ImmuneBuilder预测的纳米抗体结构模型为起点的集合对接流程,在可获得部分表位信息时,该流程在所有生成模型上均取得高于AlphaFold基线的成功率。

已读完全部报道