可视化深度学习揭示基因如何影响细胞特征生物医药
美国研究人员开发出一种过程可获取的深度学习计算机新算法，能够揭示细胞的内部活动。相关论文3月6日在线发表于《自然—方法》。 人工智能可以执行多种通常需要人类完成的复杂任务，比如面部识别、语言翻译和玩游戏。深度学习网络也称人工神经网络，它们越来越多地被用于生物数据分析自动化。 深度学习模型的一个挑战是它们的“黑箱”性质，也就是说无法轻易鉴定一个模型执行某项任务时的过程。 在生物应用方面，调查深度学习模型如何识别和处理所分析的数据的能力或许可以帮助研究者更好地理解这些数据背后的生物学。 加州大学圣地亚哥分校的Trey Ideker及同事通过将一个深度学习算法的结构映射在已知细胞内分子系统的结构上，创建了一个“可视的”人工神经网络。研究人员表示，一旦模型完成训练，它便能够预测遗传变化的生理影响。 此外，由于模型的组分均可获取，它也能让科学家更好地理解基因与生理特征关系背后的机制。研究人员指出，一个可视......阅读全文
深度学习复兴：向人工智能迈进
它是未来的一部分，我们才刚刚开始。图片来源：BRUCE ROLFF 3年前，美国加利福尼亚州山景城神秘的谷歌X实验室的研究人员从YouTube视频中提取了1000万个静态图像，并将其输入“谷歌大脑”——由1000台计算机构成的网络，从而试图像一个蹒跚学步的孩子一样吸收这个世界的信息。经过3
人工智能进入“深度学习+”阶段
虽然从底层技术看，ChatGPT并不算创新，但其社会影响远远超出了预期。这款由美国人工智能公司OpenAI开发的聊天机器人，2022年11月推出后火遍全球，成为史上增长最快的消费者应用程序。 让机器和真人自由对话，一直是人工智能领域的重要目标之一。ChatGPT的爆火背后，其实是深度学习技术的
Nature揭示：压力如何影响健康
过去已有诸多研究证明，压力与患41种自身免疫性疾病（包括类风湿性关节炎、牛皮癣、克罗恩病等）的风险增加36%有关。压力太大还会增加罹患心血管疾病的风险，甚至导致动物寿命缩短。 近日，美国麻省大学医学院的神经生物学教授Mark Alkema博士的实验室也完成的一项关于压力的研究，揭示了“战斗或逃
Autophagy：中科院研究揭示学习记忆功能相关基因
中科院生物物理所张宏课题组最近在权威期刊Autophagy上发表了题为“The autophagy gene Wdr45/Wipi4 regulates learning and memory function and axonal homeostasis”的研究论文，报告了他们在Wdr45/W
Science：新研究揭示短串联重复序列如何影响基因表达
几十年来，科学家们已经知道，“垃圾 DNA（junk DNA）”实际上起着至关重要的作用：尽管基因组中的蛋白编码基因提供了构建蛋白的蓝图，但是基因组中的一些非编码部分，包括以前被认为是 “垃圾DNA”的基因组区域，似乎可以提高或降低这些基因的表达。但人们一直不清楚某些非编码区域如何影响基因表达水
深度学习框架可预测锂电池寿命
近日，华东理工大学机械与动力工程学院、先进电池系统与安全重点实验室教授栾伟玲课题组与国家级高层次人才、华东理工大学讲席教授陈浩峰合作，在全球交通科学与技术领域期刊《交通电动化》发表论文，首次提出用于锂电池寿命预测相关的可解释性深度学习框架。 在锂电池寿命预测领域，建立全面的电池老化模型是项艰巨
人脸检测发展：从VJ到深度学习（五）
在过去十几年的探索过程中，涌现出的特征不胜枚举，这里只选取了部分比较有代表性和反映了人们探索思路的特征进行举例。这里所有列举的特征都有一个共同的特点：都由科研工作者根据自己的经验手工设计，这些特征的设计反映了人们对问题的理解和思考。虽然随着不断的改进，设计出的特征已经日臻完善，但直到现在
人脸检测发展：从VJ到深度学习（六）
还有一种比较典型的结构是树形的级联结构，从形状上来看其和金字塔式的级联结构是一样的，也是从上往下分类器的数目逐层增多，区别就在于树形的级联结构中没有同一层分类器之间的横向连接，只有相邻层分类器之间的纵向连接，即一个窗口在同一层上不会由多个分类器进行分类，而会直接被送往下一层或者被排除。树
人脸检测发展：从VJ到深度学习（三）
在确定了选择窗口的策略，设计好了提取特征的方式，并学习了一个针对人脸和非人脸窗口的分类器之后，我们就获得了构建一个人脸检测系统所需要的全部关键要素——还有一些小的环节相比之下没有那么重要，这里暂且略去。 由于采用滑动窗口的方式需要在不同大小的图像上的每一个位置进行人脸和非人脸窗口的判别
人脸检测发展：从VJ到深度学习（四）
造成人脸检测速度慢的根本原因还在于输入规模过大，动辄需要处理几十上百万的窗口，如果这样的输入规模是不可避免的，那么有没有可能在处理的过程中尽快降低输入规模呢？如果能够通过粗略地观察快速排除掉大部分窗口，只剩下少部分窗口需要进行仔细的判别，则总体的时间开销也会极大地降低。从这样的想法出发，
人脸检测发展：从VJ到深度学习（一）
这是一个看脸的世界！自拍，我们要艺术美颜；出门，我么要靓丽美妆。上班，我们要刷脸签到；回家，我们要看脸相亲。 当手机把你的脸变得美若天仙，当考勤机认出你的脸对你表示欢迎，你知道是什么魔力让冷冰冰的机器也变得温情脉脉，让呆呆的设备也变得善解人意吗？今天就让我们走近它们的内心，了解这些故事背后的一项
DeepDEP：深度学习构建肿瘤依赖性图谱
大家好呀！今天给大家介绍一篇2021年发表在Science Advances上的文章。全基因组功能缺失筛查揭示了对癌细胞增殖十分重要的基因，称为肿瘤依赖性。然而将肿瘤依赖性关系与癌细胞的分子组成联系起来并进一步与肿瘤联系起来还是一个巨大的挑战。本研究，作者提出了DeepDEP，基于深度学习模型和
深度学习“见顶”不等于AI寒冬
尽管新的算法模型在推动AI向前发展，但并不意味着它们的前景可以预见，也不意味着深度学习“不可救药”。 在当前的第三次人工智能（AI）浪潮之中，深度学习算法被认为是迄今为止“最为重大的AI革命”。此说法或许有所夸大，但深度学习对这一轮AI的大爆发而言的确功不可没。然而，最近以来，关于深度学习算
深度学习算法－助力精准诊断结直肠肿瘤
根据发表在《Life Science Alliance》杂志上的新研究，一种新的深度学习算法可以快速，准确地分析来自结直肠肿瘤的几种基因组数据，以进行更准确的分类，从而有助于改善诊断和相关的治疗选择。 大肠肿瘤的发展方式各不相同，需要接受的药物类型也不同，生存率也大不相同。通常，基于对基因表达
深度学习在雷达中的研究综述（二）
其中， J(w,b) 为对应自编码器代价函数， β 为控制系数性惩罚因子权重。2.3 DBN基本原理DBN是一个概率生成模型，其建立一个观测数据与标签之间的联合分布。并且DBN由多个受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)组成，典型的DBN结构如图4所示。
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。普利茅
深度学习在雷达中的研究综述（一）
深度学习在雷达中的研究综述王俊, 郑彤, 雷鹏, 魏少明 摘要：雷达通过发射天线发射电磁波，经过不同物体反射接收到相应的反射波，对其接收结果进行分析，能得到物体距雷达的位置，径向运动速度等信息，所以对雷达信号的分析具有重要的研究意义。近些年深度学习成为各个领域的研究热点，而在雷达领域同样可通过
基于深度学习的化纤外观缺陷语义分割
摘要： 针对化纤外观缺陷检测使用基于深度学习的语义分割方法，总结了自2014年以来基于深度学习的典型语义分割方法，并在此基础上应用到化纤外观检测项目上，取得了不错的效果。 01 化纤外观缺陷检测背景 化纤作为纺织制造的原料，由化纤生产企业进入下游纺织企业前会收卷形成丝饼，但在丝饼
人脸检测发展：从VJ到深度学习（二）
选好了窗口，我们开始对窗口中的图像区域进行观察，目的是收集证据——真相只有一个，我们要依靠证据来挖掘真相！在处理图像的过程中，这个收集证据的环节我们称之为特征提取，特征就是我们对图像内容的描述。由于机器看到的只是一堆数值，能够处理的也只有数值，因此对于图像所提取的特征具体表示出来就是一个
深度学习在雷达中的研究综述（三）
3.2 基于SAE的SAR图像处理研究SAE的特点是可自动从无标记数据中学习特征，并且给出比原始数据更好的特征描述，进一步通过该学习到的特征得到更好的分类效果。有学者将其应用于地物目标分类、舰船分类以及城市变化检测等场景。并且通过SAE对SAR图像进行分析，其与传统方法相比，展现SAE具有自动学习高
深度学习模型成功识别胚胎发育过程
英国普利茅斯大学牵头的研究表明，一种新的深度学习人工智能（AI）模型可通过视频，识别出胚胎发育过程中发生的事件及其发生时间。29日发表在《实验生物学杂志》上的论文，重点介绍了这种名为“Dev-ResNet”的模型，它能识别出动物胚胎中何时发育出了关键功能，包括其心脏功能、孵化、爬行，甚至死亡。
Nature首次揭示：年龄如何影响癌症？
当随着时间的推移我们的细胞累积损伤并发生慢性炎症时，癌症的风险会随人的年龄而增长。现在由Wistar研究小组领导的一个国际研究小组证实，黑色素瘤中老化的肿瘤细胞与年轻肿瘤细胞表现不同。他们的研究结果发布在4月4日的《自然》（Nature）杂志上。 微环境的改变使得这些老化肿瘤细胞更具转移性，对
海表盐度内部变率特征及其影响获揭示
原文地址：http://news.sciencenet.cn/htmlnews/2021/3/455303.shtm 中国科学院南海海洋研究所研究员杜岩团队联合美国Scripps海洋研究所教授谢尚平和日本东京大学教授Yu Kosaka，研究了全球海表盐度的内部变率特征及其对长期趋势评估的影响，修
版纳植物园揭示捕食信号对蜜蜂学习记忆的影响
在长期共存中，蜜蜂进化出了相应的防御天敌的策略。蜂巢的守卫蜂能够很好地感知捕食者的出现并做出防御行为；野外的采集蜂也能感受到被捕食同伴释放的报警信息素并改变采集策略。在经典的蜜蜂条件反射（Proboscis extension reflex，PER）实验模型中，天敌的气味或同伴的报警信息素是否可
Deep－Genomics：融资1670万美元，它将深度学习带到基因组学
基因组学正在探索DNA变异如何影响特定疾病，使用机器深度学习对DNA和细胞中关键分子的关系进行建模，从而让基因组学的研究更有效。 在用深度学习研究基因组学的时代，Deep Genomics推开了第一扇窗。Deep Genomics，即“Deep Learning + Genomics”，是
界面可视化技术揭示水生植物根际异质性氧环境变化特征
长期以来，利用水生植物控制湖泊污染并重建良好水生态环境一直是湖泊领域中的研究热点。水生植物根系生长发育和生理代谢等活动会导致其在根系附近沉积物中形成不同于非根际环境的根际微生态系统，这决定了各种污染物质的迁移、转化和生物的有效性，被认为是湖泊污染的生态修复的核心区域。因此，开展根际微环境特征研究
新构建！深度脉冲神经网络学习框架“惊蜇”
中国科学院自动化所李国齐研究员和北京大学计算机学院田永鸿教授团队合作构建出深度脉冲神经网络学习框架“惊蜇”。它可以提供全栈式的脉冲深度学习解决方案，能够处理神经形态数据、构建深度脉冲神经网络、部署神经形态芯片。相关研究成果在线发表于《科学进展》杂志。图片来源：中国科学院自动化所脉冲神经网络被誉为第三
基于深度学习的RNA多类型修饰解析算法
中国科学院动物研究所研究员赵方庆团队开发基于纳米孔RNA直接测序技术与深度学习策略的RNA修饰图谱解析算法ORCA。相关研究发表于《自然-通讯》。基于深度学习的RNA修饰系统识别与注释模型 论文作者供图RNA修饰对RNA的剪接加工、出核转运、以及RNA的稳定性和翻译效率有着重要的调控作用。但现有研
基于深度学习的时间序列预测研究获进展
时间序列预测是大规模数据无损压缩和极端天气预报等领域的核心技术。随着应用场景多样化和数据复杂性提升，现有模型在异构数据的统一表达、长序列结构依赖建模、极端天气波动捕捉等方面存在挑战。中国科学院计算机网络信息中心人工智能团队围绕上述挑战开展研究，提出一系列创新算法与模型，并在实际系统部署应用。
深度学习可识别显微照片中的细菌
美国华盛顿大学研究人员开发出一种深度学习软件Omnipose，其能帮助解决在显微镜图像中识别各种微小细菌的挑战。研究结果发表在17日的《自然·方法学》杂志上。 研究人员发现，在大型细菌图像数据库上训练的Omnipose在表征和量化混合微生物培养物中的无数细菌方面表现良好，并消除了其前身可能出现的