研究人员使用一种称为图形神经网络的深度学习算法创建了一个模型，将化学结构映射到气味描述符。该模型可以成功预测人类如何描述新的气味，并有可能用于数字化气味。本项目的主要气味图是开源的，文章中提供了该项目...

在研究眼部疾病时，专家们会使用眼部内部的详细图片，但是创建这些图像既困难又耗时。本文提出了一种新的方法（DDPM）和一个数据集（ReTree），使得创建和分析这些图像比以前更加简单和快速。DDPM方法和ReTree数据集...

生物技术公司Recursion利用人工智能和超级计算机预测可能导致新药的化学相互作用。该公司表示，它现在每周进行大约220万次实验，并使用AI模型生成了25个宽字节的数据。如果其中任何一种化合物被证明有用，需要数年时...

研究人员引入了一种名为vox2vec的创新方法，该方法通过自我监督学习，能够在体素（3D像素）级别更好地理解医疗图像，如CT扫描图。研究结果显示，与领域内的其他技术相比，vox2vec表现出色，提供了一种更高效的解决方...

最新的一项研究论文介绍了一种新的方法，以更好地从医疗图像和相应的书面报告中学习。不同于以往的方法，这一方法专注于详细的图像-报告链接，并采用独特的手段在图像和报告之间重建和交换信息。该方法的创新之处在...

本文介绍了一种深度学习工具——CAT-ViL，该工具能够对手术视频进行详细的解答并进行可视化。这是一项实质性的创新，将极大地帮助医学生和初级外科医生的学习和实践。通过CAT-ViL工具，用户可以通过查询特定的手术步骤...

CNET探索了全身AI扫描在革命性预防性医学中的潜力。它强调了AI技术驱动的成像技术如何能够检测出疾病的早期迹象，并提供个性化的健康洞察，从而实现更加主动和有针对性的医疗干预。

该研究介绍了一种新的方法称为'体积融合'（Volume Fusion，VF），它可以在不需要大量预标注数据的情况下训练三维医学成像模型。研究表明，结合新的网络结构，VF能够提高不同身体部位医学图像解读的准确性。