跳到主要内容
检索

Aarhus University

4 篇关联报道

订阅更新
  1. Science

    大模型写Lean证明,353个Erdős开放问题自主解出9个,单题数百美元

    AlphaProof Nexus把大模型生成与Lean编译器逐步校验接成智能体循环,在353个开放Erdős问题上自主解出9个,其中两题已悬置56年,单题推理成本约数百美元。

  2. 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。

  3. 发表出处待核验

    跨七个精神病学研究领域综述显示:大数据带来机制洞见与跨学科协作,但样本量本身并不保证更精确的估计,临床转化仍存差距

    这篇综述横跨社区与登记调查、队列与生物样本库、电子健康记录、数字表型、脑影像、基因组学及其他组学、随机对照试验七个领域,梳理大数据在精神病学中的进展、约束与未来方向,指出大数据推动了跨学科研究并揭示了精神障碍机制的复杂性、异质性与变异性,但样本量大并不保证估计更精确,从大数据到临床应用的转化仍存在差距,未来需在数据质量与方法严谨性、概念模型与临床问题上同等用力。

  4. HARU-Net:用于锥形束CT边缘保留去噪的混合注意力残差U-Net

    该研究提出HARU-Net,一种混合注意力残差U-Net,在人类下颌骨尸体标本的高分辨率锥形束CT(CBCT)数据上训练,用于低剂量CBCT去噪;其架构在每条跳跃连接中嵌入混合注意力Transformer模块、在瓶颈处设置残差混合注意力Transformer组、并使用残差学习卷积块,报告达到最高峰值信噪比37.52 dB、次高SSIM 0.9557和最低GMSD 0.1084,同时相比基于Transformer的方法计算复杂度显著更低。

已读完全部报道