标签: 机器学习

细胞分选对诊断和早期干预至关重要，已从传统方法发展到精密的微流控技术。然而，微流控产生的海量成像数据需先进计算方法处理。机器学习（尤其是计算机视觉和深度学习）可实现自动特征提取和实时分类，提升分选精度并加速诊断。本文综述了微流控与机器学习的融合，探讨其协同作用、挑战及未来展望。

标签: 微流控细胞分选 机器学习 深度学习 细胞分类

卡内基科学研究所研究人员联合国际团队，将先进化学技术与人工智能结合，从古老岩石中发掘古代生物微弱的化学“低语”。通过机器学习识别生物分子指纹，分析400余样本准确率超90%，将可检测古代生命化学信号时间跨度翻倍，为地球早期生物圈研究及地外生命探索提供新方法。

标签: 人工智能 化学低语 古代生命 机器学习 生物标志物

河流向海洋输送的磷对生态系统健康和粮食安全至关重要。一项研究通过机器学习分析了1980-2019年全球420条主要河流的磷通量，发现全球总量看似平衡，实则北半球因水坝拦截而下降（西欧-16.2%、东亚-8.7%），南半球因化肥使用和森林砍伐而上升（南非+15%、马来群岛+20.3%）。小型河流磷通量上升的数量几乎是大型河流的两倍，可能加剧水体富营养化和渔业威胁，需针对性管理。

标签: 人类活动 全球变化 机器学习 水体富营养化 河流磷通量

科学家绘制出全球最详细的3D建筑地图GlobalBuildingAtlas，结合卫星图像与机器学习，覆盖地球97%的建筑（27.5亿栋），为城市规划、灾害风险评估、气候模拟等提供新可能。

标签: 三维建筑地图 全球建筑图集 卫星图像 机器学习 灾害风险评估

研究发现，许多常见污染物（如农药、阻燃剂等）会影响肠道细菌，可能使其产生抗生素耐药性，增加感染治疗难度。团队开发机器学习工具预测化学物质对肠道健康的风险，强调需关注污染物对肠道菌群的影响。

标签: 化学污染物 抗生素耐药性 机器学习 肠道健康 肠道细菌

精神病性障碍的异质性导致诊断不稳定。本研究利用COBE机器学习框架分解脑电功能连接，发现个体化连接能捕捉异质性并更准确预测症状，共享连接可区分双相障碍、精神分裂症及分裂情感障碍（准确率79.3%），且与血清素系统和星形胶质细胞相关，为客观诊断工具提供方向。

标签: 功能连接 双相情感障碍 机器学习 精神分裂症 精神病性障碍

未来火星漫游车或配备人工智能辅助软件，用于搜寻这颗红色星球上过去生命的迹象。机器学习算法能帮助识别远古岩石中的生命痕迹，拓展科学家在地球及地外寻找生命的途径。

标签: 人工智能 机器学习 火星漫游车 生命痕迹 远古岩石

与许多人工智能领域类似，计算机视觉的突破性应用依赖机器学习，通过互联网收集的大量数据训练模型，这使得人脸识别、活动识别及视觉搜索引擎等系统广泛应用，但也引发了涉及用户、数据提供者和开发者的诸多伦理问题。

标签: 互联网数据 伦理问题 机器学习 计算机视觉

自然资源部第二海洋研究所与中科院南京地理与湖泊研究所团队，结合激光卫星（LIDAR）数据与机器学习，填补南大洋冬季碳观测空白，发现此前估算遗漏近40%冬季CO₂释放量，提出“三圈框架”，助力提升全球碳预算准确性。

标签: 三圈框架 南大洋 机器学习 激光雷达 碳循环

人工生命领域研究类似能动性等类生命现象如何在计算机模拟中自组织。在元胞自动机中，一个关键问题是：能否从无身体、大脑等初始状态，通过环境规则自组织出稳健的‘个体’？本研究结合机器学习的多样性搜索、课程学习和梯度下降算法，实现了此类‘个体’的自动化搜索。结果表明，该方法能系统找到元胞自动机中自组织基础能动性的环境条件——即局部结构可移动、对外部障碍做出连贯且高度稳健的反应、维持自身完整性，并能很好地适应新环境。这为人工智能和合成生物工程开辟了新视角。

标签: 人工生命 元胞自动机 多样性搜索 感觉运动能动性 机器学习