基于 MGLIA net 的颅内动脉瘤 CTA 图像分割方法：为精准诊疗筑牢数据根基
为解决颅内动脉瘤图像分割算法准确性受限、现有深度学习分割方法缺乏通用性的问题，研究人员开展基于 MobileNet 开发更通用的分割模型 MGLIA Net 算法的研究。结果显示该算法在不同数据集上分割精度更高，为颅内动脉瘤的诊疗提供可靠数据基础。
来源：Scientific Reports 3.8
时间：2025-03-28
基于改进 YOLOv5 的轻量级青稞检测：精准农业的关键助力
为解决无人机图像中青稞穗重叠及高分辨率图像分析计算难题，研究人员开展青稞穗检测研究，改进 YOLOv5 模型精度提升，mAP<sub>0.5</sub>达 93.1%，为精准农业提供支撑。
来源：Plant Methods 4.7
时间：2025-03-26
基于改进 ResNet50 算法的云南切梢小蠹分类新方法，助力森林虫害防治
为解决云南切梢小蠹（Tomicus）准确分类难题，研究人员构建 DEMNet 模型，提升分类精度，为虫害治理提供技术支持。
来源：Scientific Reports 3.8
时间：2025-03-21
基于 YOLOv5 和深度可分离卷积神经网络的两阶段轻量级深度学习框架用于乳腺肿块检测与分割
为解决医学数据隐私与乳腺癌分割难题，研究人员提出两阶段轻量级模型，检测和分割性能优异，可用于浏览器端。
来源：Journal of Imaging Informatics in Medicine
时间：2025-03-16
Light-MDDNet：打破宫颈病变筛查困境，开启实时精准诊断新时代
为解决当前宫颈病变分割算法无法用于大规模快速筛查的问题，河北大学附属医院的研究人员开展了 Light-MDDNet 网络研究。结果显示该网络精度高、速度快。推荐阅读，助你了解前沿的宫颈病变筛查技术。
来源：Scientific Reports 3.8
时间：2025-02-22
基于无人机的MT-YOLO模型检测杂交玉米去雄遗漏雄穗的研究
本研究针对杂交玉米种子生产中去雄遗漏雄穗检测难题，开发基于无人机（UAS）和深度学习的MT-YOLO模型，显著提升检测精度与效率，为农业自动化提供新思路。
来源：Plant Methods 4.7
时间：2025-02-20
基于多尺度通道注意力的皮肤疾病分类模型：突破传统诊断局限，助力智能医疗发展
为解决传统皮肤疾病诊断方法依赖医生经验、主观性强且误诊率高的问题，中国某研究团队开展了基于深度学习的皮肤疾病分类模型研究。该研究提出了一种结合多尺度通道注意力的卷积神经网络模型，通过改进金字塔分割注意力模块和逆残差结构，显著提升了模型在ISIC2019和HAM10000数据集上的分类准确率，分别达到77.6%和88.2%。这一成果不仅为皮肤疾病的精准诊断提供了新的技术手段，也为人工智能在医学影像分析中的应用开辟了新方向，值得相关领域科研人员关注。
来源：Scientific Reports 3.8
时间：2025-02-20
基于混合深度学习模型的农作物病害检测与分类研究
本研究针对农作物病害导致的产量和质量下降问题，开展玉米、水稻和小麦（CRW）病害检测与分类研究，提出一种Slender-CNN模型，准确率达88.54%，为资源受限环境下的精准农业提供有力支持
来源：Plant Methods 4.7
时间：2025-02-14
粤公网安备 44010602000434号