跳到主要内容
检索

Ludwig-Maximilians-Universität München

12 篇关联报道

订阅更新
  1. Nature Genetics

    儿童脑瘤预后不再只看亚型:MANTIS用甲基化谱给出10年个体生存曲线,c-index最高0.80

    儿童髓母细胞瘤与室管膜瘤的治疗要在复发风险与放疗长期副作用之间取舍,而现有临床指标和分子亚型只能给出群体层面的风险。MANTIS以全基因组DNA甲基化芯片数据和基因级拷贝数变化为输入,用神经网络输出诊断后10年的个体化生存概率曲线,在独立临床试验队列中c-index最高达到0.80 ± 0.07,高于现有临床指标和仅用亚型的模型。同一框架扩展出的治疗效应模型进一步标出约60%的平均风险髓母细胞瘤患者,在接受较低剂量颅脊髓照射时未检测到显著生存劣势(P = 0.683)。

  2. bioRxiv

    流动细胞也能看清细胞器:三帧结构光加自监督重建,每秒约720个细胞达约118纳米

    超分辨成像流式细胞术(SR-IFC)把结构光照明显微镜搬进连续流动的微流道:每个细胞只取三帧相移图像,沿流动方向由物理调制提升分辨率,横向缺失的细节由仅用本样本数据训练的网络补出。在100纳米荧光珠上,SR-IFC沿流动与横向分别达到约118纳米和110纳米分辨率,而同一批珠子的宽场成像为222至227纳米;在2048×320像素读出下,理论吞吐上限约为每秒720个细胞。

  3. arXiv

    梯度下降的隐式偏好不再只由初始化决定:步长把极限解推向带扰动的加权L1极小点

    深层线性对角网络的训练极限此前只在梯度流(步长趋于零的连续版本)下被刻画,隐式偏好完全由初始化决定。该分析把离散的梯度下降与随机梯度下降本身写成受扰动的镜像梯度下降,在任意层数下证明迭代点收敛,并把极限解刻画为一个以扰动后初始化为参数的凸极小问题。扰动幅度随步长线性缩小,极限因此对应加权L1极小化,权重同时依赖初始化、步长与整条迭代轨迹。

  4. Nature Methods

    空间蛋白组学不再依赖商业软件:开源流程把取样速度提高约百倍,还能按细胞邻域取样

    深度视觉蛋白组学(DVP)此前缺少开源端到端流程,限制了推广与系统评测。openDVP把图像处理、细胞表型、激光显微切割与质谱蛋白组学串成模块化流程,并提供无需图像分析经验的快速通道。在胎盘、早期肺癌与复发乳腺癌三份存档组织上,按细胞邻域取样比逐细胞取样快约100倍,蛋白鉴定数平均提高26%。

  5. 阿尔茨海默病分类模型不再把年龄当捷径:残差化去偏让认知正常与轻度认知障碍组的年龄相关性接近零

    在三个独立队列的结构MRI上,阿尔茨海默病分类模型会把年龄当作捷径:年龄越大,被赋予的患病风险越高。把年龄效应在特征空间里做线性残差化(PMDN)后,认知正常与轻度认知障碍组的年龄—预测相关性降到接近零,平衡准确率0.71、Brier分数约0.22,且折间波动明显小于对抗训练方案CF-Net。事后校准进一步压低概率误差,但等渗回归与贝叶斯分箱这类非参数方法效果最好。

  6. arXiv

    多视角3D场景不必逐层算完:GeoGR压到一成算力,仍保住95%以上性能

    多视角3D视觉语言模型把场景拆成32个视角后会产生六千多个视觉token,推理开销很大。GeoGR分两级压缩:投影端把跨视角观测合并成体素token,并按语义显著性与空间覆盖挑选,未选中的体素特征并入上下文锚点;LLM端只在中间层窗口内计算视觉token,低相关token可跳过整层但保留隐状态,到锚点层重新评分并可回归。在LLaVA-OneVision-7B与Video-3D LLM-7B上,它分别保留稠密模型95.2%和96.8%的性能,LLM预填充与首token时延明显加快。

  7. 41位国际专家系统检索922篇文献后,把急性加重定义从IPF扩展到全部纤维化间质性肺病,并提出“急性呼吸恶化”新框架

    一个由41位国际多学科专家组成的工作组系统检索了截至2025年3月17日的922篇文献,将2016年仅针对特发性肺纤维化(IPF)的急性加重(AE)定义修订为适用于全部纤维化间质性肺病(fILD)的AE-fILD定义(以弥漫性肺泡损伤为核心,伴或不伴机化性肺炎),并提出“急性呼吸恶化(ARW)”这一更广的概念框架以涵盖非DAD所致的急性呼吸恶化,同时汇总了流行病学、危险因素、预后与治疗证据,并讨论了AE作为临床试验终点的可行性。

  8. arXiv

    同一观测对应多个有效动作时,CVAE 的 KL 正则与流模型的 Lipschitz 平滑度决定策略能否保留多模态,而主流机器人仿真基准其实几乎单模态

    该工作形式化定义了行为克隆中的多模态,证明潜变量策略保留示范模态需要潜表示携带动作条件信息、过强的后验—先验正则会压制该信息,动作空间生成策略则受基分布到动作映射的 Lipschitz 常数限制,并在合成多模态导航、真实机器人双模态组织抓取任务上验证这些机制,同时用基于 GMM 模态聚类的诊断发现 Push-T、UR3、LIBERO、Meta-World 等标准仿真基准的条件多模态很有限、确定性回归仍有竞争力。

  9. CNN+FoF 混合流水线在宇宙学 N 体模拟中以约一个数量级加速识别暗物质晕,最高分辨率下粒子分类指标超过 98%

    该工作提出并验证了一条混合流水线:先用三维卷积神经网络(基于 D3M 的 VNet 架构,输入位移与速度共 6 通道)把每个模拟粒子二分类为晕成员或非晕成员,再用高度并行化的 Friends-of-Friends 算法把预测为晕成员的粒子聚成独立暗物质晕;训练数据由 GADGET-4 生成、以 ROCKSTAR 结果作标签,在最高分辨率 L100-N1283 配置下粒子分类各项主要指标均超过 98%,最终晕表纯度总体超过 95%、在 5×1011 M⊙ 以上完备度稳定在约 93%,晕质函数与参考结果一致到 5% 以内,并忠实重建内部密度剖面,相对 ROCKSTAR 取得约一个数量级的加速。

  10. bioRxiv

    潜空间生成式搜索实现大规模未开发生物分子相互作用的从头设计

    该工作提出潜空间生成式搜索(latent generative search)用于结合蛋白设计,在推理阶段以奖励引导搜索驱动 Proteina-Complexa 生成模型,该模型在连续潜空间中同时协同设计序列与结构、从而省去逆向折叠步骤;在超过一百万个设计的多重噬菌体展示筛选中,它比所测试的其他方法产生更多经实验验证的结合蛋白,其协同设计序列优于事后重设计,并在治疗性受体、一种病毒附着蛋白和胞内信号靶点上获得高亲和力结合蛋白,还首次生成能结合游离碳水化合物的从头蛋白,其中一例可区分血型抗原。