这是复旦大学2023.12.28开放出来的数据集和论文，感觉很宝藏，稍微将阅读过程记录一下。 Zheng Q, Zhao W, Wu C, et al. Large-scale Long-tailed Disease Diagnosis on Radiology Images[J]. arXiv preprint arXiv:2312.16151, 2023. 项目主页：https://qia

摘要 本篇论文主要还是采用CNN，因为CNN广泛应用到很多领域（2017年），还是因为可用数据的有限，所以采用数据增强【简单的数据扩充】，最终使分类准确率从77.54%提升到86.88%数据增强 for wearable sensor data (1) 通过扰动窗口或事件的位置来增加数据 (2) 抖动法、缩放法、裁剪法、旋转法、置换法、震级翘曲法和时间翘曲法CNN架构 总结 因为GAN是2016

摘要 在本文中，我们专注于在面向任务的对话环境中使用加强学习（RL）方法来学习自动疾病诊断。与常规的RL任务不同，疾病诊断的动作空间（例如，症状）很大，尤其是当疾病数量增加时。但是，现有的方法针对该问题采用了一个flat RL策略，该策略通常在简单任务中效果表现很好，但在诸如疾病诊断之类的复杂情况下面临重大挑战。为此，我们提出将一个两级分层策略整合到对话策略学习中。高级策略由一个名为master

完美人类假设：一类人，具有最完美的基因组，享受最健康的环境和饮食，同时拥有最健康的思想情绪，最终以最长的寿命，自然死亡。 自然死亡是自然生命最终的归宿，这是写在目前基因组里的铁律！   不管科技如何发展，人最终都会追求生命的拓展和延续，所以医学总体是不可能败落的，只是医学的部分低价值的工作会被淘汰。 疾病的研究似乎永远没有尽头，疾病本质就是健康的异常，鉴于健康的生命活动的复杂性，任何一个局部发生

遗传病系列文章-1 标题（英文）：Answer ALS, a large-scale resource for sporadic and familial ALS combining clinical and multi-omics data from induced pluripotent cell lines标题（中文）：Answer ALS，一种用于散发性和家族性 ALS 的大规模资