A Novel Approach for Testing Water Safety Using Deep Learning Inference of Microscopic Images of Unincubated Water Samples
该论文提出了一种名为 DeepScope 的深度学习系统,通过分析未培养水样的显微图像,在无需 24-72 小时病原体培养的情况下,以每测试 0.44 美元的成本和超过 98% 的时间缩减,实现了秒级的高精度(93% 准确率)水质安全检测。
2 篇论文
该论文提出了一种名为 DeepScope 的深度学习系统,通过分析未培养水样的显微图像,在无需 24-72 小时病原体培养的情况下,以每测试 0.44 美元的成本和超过 98% 的时间缩减,实现了秒级的高精度(93% 准确率)水质安全检测。
本文提出了一种名为 DeltaGateNet 的新框架,通过引入双向 Delta 模块显式建模神经激活与抑制的不对称性,并结合门控时间卷积模块捕捉长程依赖,从而在多个驾驶疲劳数据集上实现了优于现有方法的鲁棒且泛化性强的 EEG 疲劳识别性能。