医学 AI

Forecasting-based Biomedical Time-series Data Synthesis for Open Data and Robust AI

基于预测的生物医学时间序列数据合成用于开放数据和鲁棒AI

Youngjoon Lee, Seongmin Cho, Yehhyun Jo, Jinu Gong, Hyunjoo Jenny Lee, Joonhyuk Kang

机构 * School of Electrical Engineering, KAIST, Daejeon, Republic of Korea（韩国成均馆大学电气工程学院） ； Department of Applied AI, Hansung University, Seoul, Republic of Korea（汉城市立大学应用人工智能系） 纠错

专题命中 生物医学文本 ：biomedical(title,abstract)；分类 cs.LG、eess.SP

AI总结 本文提出基于预测模型的生物医学时间序列数据合成方法，通过高保真复现EEG和EMG信号，提升AI模型性能并促进开放数据共享。

Comments 22 pages

MoReMouse: Monocular Reconstruction of Laboratory Mouse

MoReMouse: 单目重建实验室小鼠

Yuan Zhong, Jingxiang Sun, Zhongbin Zhang, Liang An, Yebin Liu

专题命中 生物医学文本 ：biomedical(abstract)；分类 cs.CV

AI总结 MoReMouse通过创新的合成数据集、变换器架构与三平面表示，实现了高保真小鼠3D重建，提升重建精度与稳定性。

Hierarchical Bayesian spectral analysis of multiple stationary time series

多平稳时间序列的分层贝叶斯频谱分析

Rebecca Lee, Alexander Coulter, Greg J. Siegle, Scott A. Bruce, Anirban Bhattacharya

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出HBEST方法，通过分层贝叶斯估计多平稳时间序列的功率谱，提升计算效率和估计准确性，并应用于心率变异性时间序列以捕捉心血管风险因素关联。

Comments 32 pages, 8 figures

Efficient Optimization of a Permanent Magnet Array for a Stable 2D Trap

高效优化永久磁铁阵列以实现稳定的2D陷阱

Ann-Sophia Müller, Moonkwang Jeong, Jiyuan Tian, Meng Zhang, Tian Qiu

机构 * Division of Smart Technologies for Tumor Therapy, German Cancer Research Center (DKFZ) Site Dresden（智能肿瘤治疗技术部门，德国癌症研究中心（DKFZ）德累斯顿分部） ； Faculty of Computer Science, Dresden University of Technology（计算机科学学院，德累斯顿技术大学） ； Faculty of Medicine Carl Gustav Carus, Dresden University of Technology（卡尔·古斯塔夫·卡尔斯医学院，德累斯顿技术大学） ； Faculty of Electrical and Computer Engineering, Dresden University of Technology（电气与计算机工程学院，德累斯顿技术大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本研究提出了一种基于GPU加速优化算法的2D磁力陷阱，通过优化永久磁铁阵列实现对毫米机器人的高效控制与轨迹跟踪。

Comments 6 pages, 6 figures, IEEE International Conference on Robotics and Automation (ICRA)

Journal ref In 2025 IEEE International Conference on Robotics and Automation (ICRA) (pp. 6666-6671). IEEE

Ensuring Adherence to Standards in Experiment-Related Metadata Entered Via Spreadsheets

通过电子表格输入实验相关元数据时确保符合标准

Martin J. O'Connor, Josef Hardi, Marcos Martínez-Romero, Sowmya Somasundaram, Brendan Honick, Stephen A. Fisher, Ajay Pillai, Mark A. Musen

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 本文提出了一种通过电子表格输入元数据的方法，确保符合社区标准并提供质量控制，应用于生物医学领域。

Journal ref Sci Data 12, 265 (2025)

GP-GPT: Large Language Model for Gene-Phenotype Mapping

GP-GPT：用于基因-表型映射的大型语言模型

Yanjun Lyu, Zihao Wu, Lu Zhang, Jing Zhang, Yiwei Li, Wei Ruan, Zhengliang Liu, Zeyu Zhang, Xiang Li, Rongjie Liu, Chao Huang, Wentao Li, Tianming Liu, Dajiang Zhu

机构 * Department of Computer Science and Engineering, The University of Texas at Arlington（计算机科学与工程系，德克萨斯理工大学 Arlington 分校） ； School of Computing, University of Georgia（计算学院，佐治亚大学） ； Department of Computer Science, Indiana University Indianapolis（计算机科学系，印第安纳大学 Indianapolis 分校） ； Department of Radiology, Massachusetts General Hospital and Harvard Medical School（放射科，麻省总医院和哈佛医学院） ； Department of Statistics, University of Georgia（统计系，佐治亚大学） ； Department of Epidemiology & Biostatistics, University of Georgia（流行病学与生物统计学系，佐治亚大学） ； Department of Environmental Health Science, University of Georgia（环境流行病学系，佐治亚大学） 纠错

专题命中 生物医学文本 ：biomedical(abstract)

AI总结 GP-GPT是一种专为基因-表型映射设计的大型语言模型，通过在基因组和医学遗传学领域进行微调，实现了对遗传信息的高效检索和分析，并在多个任务中超越了现有最先进的LLMs。