跳到主要内容
检索

Amrita Vishwa Vidyapeetham

2 篇关联报道

订阅更新
  1. 医学影像分类的解释图不再靠梯度猜:无监督训练让冻结分类器自己检验掩码

    医学影像分类的卷积网络解释图有了新的训练方式:SalientNet不依赖人工标注的显著图,而是要求生成的掩码保留足够信息,让冻结的分类器在受控容差内复现原预测。在BreakHis、Brain MRI ND5和FracAtlas三个数据集上,它相对Grad-CAM、Grad-CAM++和LIME在多数数据集与网络组合中取得更高的忠实度(Win %)和更低的预测下降(Drop %),并在FracAtlas上与医生标注的骨折区域呈现较强空间相关,ResNet-18的平均真值活跃比例最高达0.96。

  2. 综述梳理吲哚类衍生物靶向分枝菌酸合成酶(MmpL3、InhA、KasA/B)的构效关系与合成路线,并指出多数系列尚缺酶学与遗传学靶点验证

    这篇综述系统汇总了吲哚类小分子作为抗结核候选物、靶向分枝菌酸生物合成通路(MmpL3、InhA、KasA/KasB)的设计、合成与生物学评价进展,逐系列列出最优化合物的MIC值(如MmpL3方向的化合物20-22为0.0195 µg/mL、化合物36a为0.024 µM、化合物82的MIC50为0.015 µM;InhA方向的化合物122a为0.39 µM、化合物143f为3.99 µM)与分子对接结果,并指出许多吲哚系列尚缺乏纯化酶IC50/Ki等直接生化抑制数据和耐药突变、靶点过表达等遗传学验证。

已读完全部报道