Ubotica开发了一种基于深度学习的解决方案，用于检测视网膜图像中糖尿病视网膜病变指标的存在。
名为EVE的人工智能模型显示出非凡的能力，可以将人类基因变异的意义解释为良性或致病。
最近，Surjo R. Soekadar教授概述了脑机接口当前和未来的应用。
当被要求对气味进行分类时，人工神经网络采用的结构与大脑的嗅觉回路非常相似。
神经网络检测医学图像中的异常比通用解决方案更成功。
深度学习算法比现有方法更准确地获取分子路径和关键突变的发展。
创造类人人工智能不仅仅是模仿人类行为——如果要完全依赖技术，技术还必须能够处理信息或“思考”。
我们可以进行测试和实验，但我们不能总是预测和理解人工智能为什么会这么做。
根据一个国际专家小组的说法，人工智能的发展已经达到了一个关键的转折点。
数据科学家已经使用深度学习来识别针对快速传播的SARS-CoV-2的正确协同药物组合。
研究人员已经使用机器学习来帮助重建纤维材料的三维微ct图像。
由伦敦大学学院(UCL)参与的一个国际团队设计的人工神经网络可以转换来自大脑活动的原始数据，为新发现和技术与大脑的更紧密融合铺平道路。
科学家们已经利用人工智能来训练计算机跟上先进光子源所获取的大量x射线数据。
研究人员首次在假手的指尖上使用液态金属将可伸缩的触觉传感器结合在一起。
研究人员已经开发出一种“语言神经假肢”，它可以让患有严重瘫痪的人用句子进行交流。
埃因霍温理工大学的学生开发了世界上第一架可以传递情感的交互式无人机。
工程师们使用Frontera超级计算机为增材制造开发基于物理的神经网络。
在嘈杂的环境中，助听器或植入助听器的使用者很难理解他们的谈话对象。人工智能可以解决这个问题。
研究人员计划通过尖端技术加速开发治疗脑部疾病的药物。他们正在开发一个基于高密度微电极阵列和人类神经元3D网络的创新技术平台。
利用活细胞的荧光图像，研究人员训练了一个人工神经网络来可靠地识别受腺病毒或疱疹病毒感染的细胞。
首先，数字光纤包含内存、温度传感器和用于推断身体活动的训练过的神经网络程序。
研究人员开发了一种全息技术，与现有方法相比，可以以高达50倍的加速度快速重建样品的显微图像。
研究人员发现，人工智能模型有寻找捷径的倾向。在人工智能辅助疾病检测的情况下，如果应用在临床环境中，这些捷径可能会导致诊断错误。
研究人员利用人工智能教机器人做出适当的人类面部表情反应，这种能力可以在人类和机器人同事和照顾者之间建立信任。
一项新的研究表明，一种人工智能(AI)程序可以准确预测筛查CT检测到的肺结节癌变的风险。
过度适应的大脑:一名研究做梦的新理论的研究人员认为，我们做梦的奇怪之处可能是我们做梦的原因。
神经网络框架可以增加放射科医师在CT扫描上评估肺癌类型的信心，从而提供个体化治疗计划。
机器学习帮助一些最好的显微镜看得更好，工作更快，处理更多的数据。
模拟大脑生物学的神经网络可以被加载到微芯片上，从而实现更快、更高效的人工智能。
Netflix、亚马逊和Facebook使用的强大算法可以“预测”癌症和阿尔茨海默氏症等神经退行性疾病的生物学语言。
深度学习技术优化机器人身体上传感器的布局，确保高效运行。
许多病人错误地使用了吸入器和胰岛素笔。研究人员已经开发出一种系统来减少某些类型的药物的这些数字。
一种名为张量全息术的新方法可以为虚拟现实、3D打印、医学成像等创造全息图，而且它可以在智能手机上运行。新利18官方
研究人员已经成功地让人工智能理解了我们对于面孔吸引力的主观概念。
研究人员开发了一种深度学习工具，为分析用显微镜拍摄的图像提供了新的机会。
本网站使用cookies给我们的读者最好的网站体验。请参阅我们的隐私政策来了解我们如何使用cookie以及如何编辑您的首选项。
