-
基于扩散细化标签高效分割的叶脉层次结构解析:数据集与方法创新
本研究针对植物叶片脉序层次结构分析缺乏专用数据集的瓶颈,首次发布了包含5,057张高清扫描图像和三级脉序标注的HALVS数据集。团队创新性地提出融合部分监督语义分割(PSSS)与去噪扩散标签细化(DDLR)的标签高效分层分割框架,通过PSSS生成高置信度伪标签,DDLR利用扩散模型优化三级脉序的拓扑结构完整性。该方法在低标注成本下显著提升三级脉序分割性能,并开创性地探索了跨物种学习范式,为复杂层次模式分割提供了创新解决方案。
来源:Plant Phenomics
时间:2026-01-06
-
铜(I)吡唑啉配合物与中性氮、硫元素的螯合作用:研究其合成方法、结构特征、生物分子相互作用、细胞毒性以及分子对接性能
吡唑啉配体L1-L3通过酸催化缩合合成,与Cu(I)磷配体前驱体反应生成配合物C1-C3,X射线晶体学显示变形四面体构型。UV-Vis、荧光和圆二色谱证实DNA部分插入结合,与BSA结合常数1.977×10⁵-5.528×10⁵ M⁻¹,分子对接显示对猫爪酶、猫啮齿酶和猫梨酶抑制活性,体外细胞毒性实验表明配合物比自由配体更高效且优于顺铂。
来源:Journal of Molecular Structure
时间:2026-01-06
-
利用硫醇-烯点击化学技术制备光致变色棉织物:氢键对织物综合性能的增强作用
光致变色棉织物通过引入含羧胺基团的spiro[2H-1苯并吡喃-2',2'-吲哚](SPMA)分子,利用点击化学形成共价键,显著提升变色响应速度(2秒内)、耐疲劳性(85%以上性能保留)及机械稳定性,氢键网络增强结构稳定性并促进异构化。应用场景包括紫外线防护、动态图像切换、信息加密和免墨书写。
来源:Journal of Photochemistry and Photobiology A: Chemistry
时间:2026-01-06
-
综述:基于生物传感器的抗生素检测研究进展:创新应用、挑战与可持续解决方案
抗生素检测技术综述,探讨生物传感器在环境、食品及医疗中的进展,整合纳米材料与AI提升灵敏度及便携性,分析基质干扰、检测限等挑战,提出跨学科优化需求。
来源:Microchemical Journal
时间:2026-01-06
-
利用二维金属有机框架(MOF)支撑的类氧化酶超小铂纳米颗粒(Pt NPs)的纳米结构,实现快速高效的酸磷酸酶比色检测方法
针对传统酸磷酸酶(ACP)检测方法操作不便、测量不稳定及耗时过长的问题,本研究开发了一种基于Pt@Cu-TCPP NS纳米酶的双模式(UV-Vis与智能手机RGB)高效检测法,采用两步流程实现4.5分钟快速检测,灵敏度达0.044 mU/mL,并成功应用于含有人血清样本的验证实验。
来源:Microchemical Journal
时间:2026-01-06
-
基于中红外光谱技术,开发用于预测中国荷斯坦奶牛牛奶中脂肪酸含量的预测模型,并分析其变化特征
脂肪酸组成预测及影响因素分析:基于全国范围牛奶样本的中红外光谱结合偏最小二乘回归算法,建立了14种脂肪酸(TFA、SFA、UFA、MUFA、MCFA、LCFA等)的预测模型,验证显示RPD_CV均>1.4。进一步分析表明,parity(产次)、泌乳阶段、季节、分娩季节及乳腺细胞计数(SCC)水平显著影响脂肪酸含量,夏季经产牛的UFA和MUFA含量较高,多数脂肪酸在泌乳第35-65天达低峰值,SCC水平升高导致MCFA、C6:0、C8:0和C12:0含量显著下降。研究为牧场优化饲养管理、疾病防控及指导乳品加工提供数据支持。
来源:Microchemical Journal
时间:2026-01-06
-
利用人工智能辅助的近红外光谱技术识别商业肉丸产品中虚假的“清真”标签
本研究利用手持式微-近红外光谱仪(885–1679 nm)结合人工智能技术,分析1000份肉丸样本(500份清真认证、500份非认证),通过多变量分析(PCA、PLSDA、LDA)、机器学习(SVM、KNN、ANN)和深度学习(CNN、AlexNET、ResNET)模型优化光谱特征提取,最终实现100%准确率区分真伪清真产品,验证了AI辅助微-NIR技术作为高效、低成本的清真认证检测工具的可行性,为供应链监管提供新方案。
来源:Microchemical Journal
时间:2026-01-06
-
CAVGO:一种基于类自适应方差引导的梯度优化方法,用于实现鲁棒的领域泛化
本文提出类自适应方差引导优化(CAVGO)方法,通过整合方差引导的锐度感知最小化与类自适应标签平滑,有效缓解跨域优化中的收敛不一致问题,显著提升模型在异构数据分布下的鲁棒性和迁移能力,实验验证优于现有方法。
来源:Neurocomputing
时间:2026-01-06
-
基于特征的层级专业化方法在异构联邦学习中的应用
标签异质性联邦学习中的动态分层更新与细调方法,通过分析类激活图自动分离通用层和专用层,在医疗影像数据集上验证了性能优势。
来源:Neurocomputing
时间:2026-01-06
-
基于解耦超球面变分自编码器与对比几何优化的自适应深度聚类方法
本文提出ADS-VAE(自适应解耦超球面变分自编码器)这一创新深度生成聚类框架,通过将潜在表征解耦为聚类潜变量(z(c))和生成潜变量(z(g)),分别采用冯·米塞斯-费希尔混合分布(vMFMM)先验和幂球面分布(Power Spherical)先验,有效解决了传统方法在超球面数据(如L2归一化向量)上聚类效果不佳、潜变量纠缠及聚类数需预设等问题。结合对比学习中的对齐(alignment)与均匀性(uniformity)正则化,以及基于熵的后剪枝策略,该模型在ImageNet-50等基准数据集上展现出优越的聚类性能。
来源:Neurocomputing
时间:2026-01-06