关键词 "预测" 的搜索结果， 共 24 条, 只显示前 480 条
AI marketing platform for swift, personalized campaigns. ZEPIC是AI驱动自动化营销平台。基于统一数据和渠道，帮助营销人员建立更深层次的客户联系。平台的核心是AI引擎Zenie，提供从数据管理到活动交付的端到端营销自动化服务。ZEPIC提供跨电子邮件和WhatsApp渠道的全方位营销能力。ZEPIC提供受众细分、全渠道互动、团队邮箱和实
上海交通大学清源研究院的研究人员提出了PathoDuet框架，针对病理切片图像的特点，设计了跨尺度定位和跨染色迁移两个预训练任务，有效利用了图像放大倍数和染色方式之间的关联性。PathoDuet在结直肠癌分型和免疫组化标记物表达预测等任务中优于现有方法。此外，通用病理基础模型UNI[39]在超过100万张诊断切片上进行了大规模无监督学习，并在34个任务中展现了卓越的性能。该模型支持分辨率无关分类、
香港中文大学的生物医学团队为8个特定的眼科图像模态设计编码器，并为不同任务设计解码器，整合超过50万名患者的340万张图像，训练了眼科疾病基础模型VisionFM。该模型在多个眼科疾病诊断任务上超过基线方法，准确率接近中级眼科医师。该模型还具备强大的数据泛化能力，能够扩展到新的图像模态和设备，甚至能从眼底图像预测青光眼进展和颅内肿瘤。
Aignostics公司发布了目前最大规模的腹部CT数据集AbdomenAtlas。该数据集涵盖了广泛的人群特征及多种设备类型，共收录了来自112家医疗机构的20,460例三维CT影像。研究团队由10名放射科医生组成，采用人工智能辅助标注方法，完成了67.3万个高质量解剖结构掩码的标注工作。他们首先对5,246例影像中的22种解剖结构进行人工标注，随后利用半自动化流程，由放射科医生优化模型预测的标
基于深度学习的组织学和基因组学多模态整合，以改善癌症起源预测
组织病理学图像评估对于癌症诊断和亚型分类至关重要。用于组织病理学图像分析的标准人工智能方法专注于优化针对每个诊断任务的专门模型 。尽管此类方法已取得一些成功，但它们对由不同数字化协议生成的图像或从不同人群采集的样本的普遍性通常有限。在此，为了应对这一挑战，我们设计了临床组织病理学影像评估基础 (CHIEF) 模型，这是一个通用的弱监督机器学习框架，用于提取病理影像特征以进行系统的癌症评估。CHIE
开发能够学习通用且可迁移的 H&E 千兆像素全切片图像 (WSI) 表征的自监督学习 (SSL) 模型，在计算病理学中正变得越来越重要。这些模型有望推进诸如小样本分类、切片检索和患者分层等关键任务。现有的切片表征学习方法通常通过将切片的两个不同增强图像（或视图）对齐，将 SSL 的原理从小图像（例如 224x224 的图像块）扩展到整张切片。然而，最终的表征仍然受限于视图有限的临床和生物多样性
可解释和可调试的知识：图表提供了可查询、可视化和更新的人类可导航的知识视图。 快速、低成本、高效：设计用于大规模运行，无需大量资源或成本要求。 动态数据：自动生成和优化图表以最适合您的领域和本体需求。 增量更新：支持数据演变时的实时更新。 智能探索：利用基于 PageRank 的图形探索来提高准确性和可靠性。 异步和类型化：完全异步，具有完整类型支持，以实现强大且可预测的工作流程。 F
Kimi-Audio，这是一个开源音频基础模型，在音频理解、生成和对话方面表现出色。此存储库包含 Kimi-Audio 的官方实现、模型和评估工具包。 通用功能：处理语音识别（ASR）、音频问答（AQA）、音频字幕（AAC）、语音情感识别（SER）、声音事件/场景分类（SEC/ASC）和端到端语音对话等多种任务。 最先进的性能：在众多音频基准测试中取得 SOTA 结果（参见评估和技术报告）。
在本研究中，我们推出了 MiMo-7B 系列模型，这一系列模型从零开始训练，专为推理任务而生。我们基于 MiMo-7B-Base 进行的强化学习实验表明，我们的模型拥有非凡的推理潜力，甚至超越了规模更大的 32B 模型。此外，我们还对冷启动的 SFT 模型进行了强化学习训练，最终形成了 MiMo-7B-RL，它在数学和代码推理任务上均表现出色，性能堪比 OpenAI o1-mini。 我们开
FramePack 是一个渐进式生成视频的下一帧（下一帧部分）预测神经网络结构。 FramePack 将输入上下文压缩为恒定长度，以便生成工作量不受视频长度的影响。 即使在笔记本电脑 GPU 上，FramePack 也可以使用 13B 模型处理大量帧。 FramePack 可以使用更大的批量大小进行训练，类似于图像扩散训练的批量大小。
Nexus-Gen：图像理解、生成和编辑的统一模型，开源届的GPT-4o平替 待办事项 发布训练和推理代码。 发布模型检查点。 发布技术报告。 发布训练数据集。 什么是Nexus-Gen Nexus-Gen 是一个统一模型，它将 LLM 的语言推理能力与扩散模型的图像合成能力协同起来。为了对齐 LLM 和扩散模型的嵌入
TinyVLA是一种面向机器人操控的视觉-语言-动作（VLA）模型，由华东师范大学和上海大学团队推出。针对现有VLA模型的不足，如推理速度慢和需要大量数据预训练，提出解决方案。TinyVLA基于轻量级的多模态模型和扩散策略解码器，显著提高推理速度，减少对大规模数据集的依赖。模型在模拟和真实机器人平台上经过广泛测试，证明在速度、数据效率以及多任务学习和泛化能力方面优于现有的先进模型OpenVLA。T
ChatUI 是阿里团队推出的开源智能对话式 UI 组件库，能帮助开发者快速构建高质量的聊天应用，提供响应式设计、国际化、主题定制等功能。ChatUI 基于阿里巴巴 Alime Chatbot 的最佳实践，用 TypeScript 编写，支持无障碍功能，兼容多种浏览器。ChatUI 提供丰富的组件，如气泡、输入框等，满足不同场景需求。开发者基于简单配置实现多语言支持，打造符合品牌需求的聊天界面。
一、核心技术：自学习和自修复的治疗引擎 PathOS Platform™是Pathos AI 的专有平台，构建于现代数据基础设施之上，能够自动化地进行靶点识别和优先级排序。 核心技术为自学习和自修复的Discovery Engine（发现引擎）： 1、自动靶点识别：利用多种正交方法（orthogonal methods）自动识别和优先排序药物靶点。 2、自适应模型：能够根据新数据进行自我学
技术：小分子抑制剂 疾病领域：纤维化 最新消息：E轮融资1.1亿美元 Insilico Medicine 致力于将人工智能应用于药物研发的每个环节，力求显著缩短研发时间，降低成本，从而为患者带来救命的药物。为了实现这一目标，公司利用新一代人工智能系统，将生物学、化学和临床试验分析紧密结合。其集成的药物研发套件 Pharma.AI 包含 PandaOmics（用于发现和优先排序新靶点）
疾病领域：神经科学和代谢疾病 近期融资：C轮融资4亿美元 最新消息：与礼来公司合作，推进包括MASLD在内的代谢疾病的新型治疗方法 通过生成与患者数据一致的高通量功能基因组数据集，并通过新颖的机器学习方法解读这些数据，insitro 构建了能够加速靶点选择和有效疗法设计的预测模型。这项人工智能辅助药物研发为 insitro 的研发管线奠定了基础，该管线涵盖神经科学和代谢疾病领域的候选
药物研发合作：礼来公司和诺华公司 近期成果：与谷歌DeepMind联合开发AlphaFold3 近期新闻：扩大与诺华的小分子药物发现协议范围 作为著名人工智能研究实验室 Google Deepmind 的姊妹公司，Isomorphic Labs 致力于开发深度学习、强化学习、主动学习、表征学习等领域的尖端计算技术，以解决药物研发中最棘手的一些挑战，以及当今生物、化学和医学研究中一
技术：PI3Kα抑制剂 重大并购活动：收购 ZebiAI 及其机器学习-DEL 技术 最新消息：在PIPE融资轮中获得3000万美元 Relay Therapeutics 的 Dynamo 平台集成了一系列计算和实验方法，旨在针对此前难以解决或未得到充分解决的蛋白质靶点进行药物治疗。为了配合自身的技术，Relay 还于 2021 年收购了ZebiAI 及其机器学习-DEL（ML-DE
专长：分子建模与药物设计。Schrödinger 将基于物理的计算化学与机器学习相结合，以推动药物研发。其先进的分子建模软件不仅供公司内部使用，也供武田制药和百时美施贵宝等合作伙伴使用。Schrödinger 拥有不断增长的内部项目管线，包括肿瘤学和神经病学领域的在研项目，并因突破计算药物设计的界限而备受赞誉。 在比尔及梅琳达·盖茨基金会1000万美元的资助下，Schrödinger于8月开始扩
专长：人工智能和量子力学。XtalPi 将量子物理学与人工智能相结合，预测分子特性并优化候选药物。其 ID4 平台通过提供对溶解度、稳定性和生物利用度的洞察，加速临床前开发。与辉瑞等制药巨头的合作凸显了 XtalPi 在计算化学领域的实力。 XtalPi，又名 QuantumPharm，由三位来自麻省理工学院 (MIT) 的物理学家创立，其许多研究业务在中国开展。该公司融合了量子物理、人工智
专长：RNA 疗法的基因洞察。Deep Genomics 利用人工智能解码基因组数据，并识别 RNA 疗法的靶点。其专有平台 SPIDEX 已为罕见遗传疾病的治疗开发出有前景的候选药物。Deep Genomics 在利用人工智能设计下一代 RNA 药物方面处于领先地位。 2015年，Brendan Frey与Hannes Bretschneider等人成立了Deep Genomics。公司有20
专长：精准医疗的联邦学习。Owkin 利用联邦学习技术，在保护数据隐私的同时，实现协作式 AI 研究。他们在肿瘤学和心脏病学领域的应用已构建出可指导个性化治疗决策的预测模型。Owkin 与领先医院和研究机构的合作进一步扩大了其影响力。 Owkin于2016年成立于法国巴黎，是一家AI驱动的精准医疗公司，由临床医师Thomas Clozel博士与生物学人工智能先驱Gilles Wainrib博士共
专长：模拟细胞相互作用以用于癌症治疗。Turbine 使用人工智能模拟细胞行为，预测药物如何与复杂的生物系统相互作用。他们的模拟研究已确定了针对耐药性癌症的新型治疗策略。
只显示前20页数据，更多请搜索
Showing 1 to 24 of 65 results
