『壹』 盧煜明研究成果
在牛津大學攻讀醫學期間，盧煜明對傳統的產前孕婦診斷檢查方法——羊膜穿刺術，提出了質疑。他思考能否利用孕婦自身的血細胞進行檢測，經過幾個月的深入研究，他發現孕婦血細胞確實含有胎兒的DNA，然而含量非常微小，無法直接用於醫學診斷。盡管多年努力，他在提升孕婦血細胞中胎兒DNA含量方面並未取得突破。與此同時，美國的一個研究團隊也在這一領域投入巨資，但同樣只能在40%的孕婦血細胞中檢測到胎兒DNA。
一次關於癌症研究的論文發表，啟發了盧煜明的思路。他意識到，癌細胞在人體血漿中釋放DNA的現象與胎兒在母體內相似。因此，他決定將研究重心轉向孕婦血漿，尋找胎兒DNA。令人驚訝的是，他在血漿中發現了男性DNA，這是由於母親體內不存在男性DNA，因此只能是來自胎兒的證據。
盧煜明的發現證實了母親血漿中存在胎兒DNA，並發展出一套精確分析和測量這一現象的新技術。他揭示了這一未被廣泛認知的自然規律，如胎兒DNA濃度與懷孕期的關系以及產後清除速度等，對產前診斷領域產生了深遠影響。盧煜明的研究項目在國際基本醫學領域中具有里程碑意義，對未來的產前診斷技術進步具有重要推動作用。
在血漿DNA研究領域，盧煜明的貢獻卓著，他在全球頂尖期刊如《新英格蘭醫學雜志》（IF38.6）、《柳葉刀》（IF21.7）、《PNAS》（IF10.5）和《美國人類遺傳學雜志》（IF12.3）上發表了107篇被SCI收錄的論文，其中73篇影響因子超過5，12篇在IF10以上，7篇IF20以上，1篇IF35以上。這些論文的總引用次數達到1199次，被他引次數為857次。他的研究成果已獲得7項國際專利，並在40次國際學術會議上進行了報告。
盧煜明（LO Yuk Ming Dennis）是分子生物學的臨床應用專家。尤其致力於研究人體內血漿的DNA和RNA。盧煜明最重大的研究成果為1997年發表的《母親血漿中胎兒核酸的探索與應用》。
『貳』 基因晶元發展歷史
在基因晶元領域，俄羅斯科學院恩格爾哈得分子生物學研究所和美國阿貢國家實驗室（ANL）的科學家們提出了用雜交法測定核酸序列（SBH）新技術的想法，當時用的是多聚寡核酸探針。與此同時，英國牛津大學生化系的Sourthern等在載體固定寡核苷酸及雜交法測序上取得了國際專利。這些技術儲備下，1994年在資助下研製出了一種生物晶元，用於檢測地中海病人血樣的基因突變，篩選了一百多個外地中海貧血已知的突變基因。這種生物晶元的基因解碼速度比傳統方法快1000倍，成為一種快速測序方法。
生物晶元目前處於激烈的市場競爭狀態。Packard儀器公司專注於以凝膠為基礎的中等密度的晶元，而Affymetrix公司則成功應用了光導向平板印刷技術直接在矽片上合成寡核苷酸點陣的高密度晶元，領先於晶元分析領域。該公司與惠普公司合作，開發出專用掃描儀，同時開發出平行通過幾塊晶元的流路工作站和計算機軟體分析系統，組成一套完整的晶元製造、雜交、檢測掃描和數據處理系統。
歐洲公司也投入競爭，如GeneticCo．UK研製出QBot點樣器、Q-Pix克隆挑揀儀及Q－Fill制晶元設備。Sequenom推出250位點的Spectrochip並採用質譜法測讀結果。德國腫瘤研究所則用就位合成的肽核酸低密度探針晶元進行表達譜及診斷研究。DNA晶元在基因序列分析、基因診斷、基因表達研究、基因組研究、發現新基因及各種病原體的診斷等生物醫學領域展現出巨大的應用前景。
1997年，世界上第一張全基因組晶元——含有6166個基因的酵母全基因組晶元在斯坦福大學Brown實驗室完成，標志著基因晶元技術迅速在全球得到應用。
基因晶元(genechip)（又稱DNA晶元、生物晶元）的原型是80年代中期提出的。基因晶元的測序原理是雜交測序方法，即通過與一組已知序列的核酸探針雜交進行核酸序列測定的方法，在一塊基片表面固定了序列已知的八核苷酸的探針。當溶液中帶有熒游標記的核酸序列TATGCAATCTAG，與基因晶元上對應位置的核酸探針產生互補匹配時，通過確定熒光強度最強的探針位置，獲得一組序列完全互補的探針序列。據此可重組出靶核酸的序列。
『叄』 ECCV 2024 | 提升GPT-4V、Gemini檢測任務性能，你需要這種提示範式
浙江大學、上海人工智慧實驗室、香港中文大學、悉尼大學和牛津大學的研究者們提出了一種新方法，旨在提升多模態大模型在檢測任務中的性能。這個名為DetToolChain的方法，通過設計視覺提示，直接在圖像中繪制以縮小視覺信息和文本信息之間的差距，同時將精細的檢測任務分解為簡單任務，並通過chain-of-thought逐步優化檢測結果。DetToolChain包含兩部分關鍵設計：全面的視覺處理提示和全面的檢測推理提示。它適用於各種檢測任務，包括開放詞彙檢測、描述目標檢測、指稱表達理解和定向目標檢測。
DetToolChain的框架包含四個步驟：Formatting、Think、Execute和Respond。在Formatting階段，任務的原始輸入格式轉化為指令模板，作為多模態大模型的輸入。Think階段將復雜檢測任務分解為更簡單的子任務，並從檢測提示工具包中選擇有效的提示。Execute階段按順序迭代執行特定的提示。Respond階段運用模型自身的能力，監督整個檢測過程並返回最終響應。
視覺處理提示包括Regional Amplifier、Spatial Measurement Standard和Scene Image Parser。Regional Amplifier旨在增強多模態大模型對感興趣區域的可見性，提供更明確的參考，如疊加尺子和指南針。Scene Image Parser標記預測的物體位置或關系，利用空間和上下文信息實現對圖像的空間關系理解。
檢測推理提示則幫助多模態大模型解決潛在問題並檢查預測結果。Problem Insight Guider突出困難問題並提供有效的檢測建議，Spatial Relationship Explorer和Contextual Object Predictor確保檢測結果符合常識，Self-Verification Promoter增強多輪響應的一致性。
實驗結果表明，在open vocabulary detection和指稱表達理解任務上，使用DetToolChain的方法顯著提升了GPT-4V和Gemini模型的性能。在RefCOCO、RefCOCO + 和 RefCOCOg數據集上，DetToolChain在zero-shot條件下展示了優越的指稱表達理解和定位性能。
『肆』 英國入境最新規定1月需持72小時內陰性檢測證明
最近英國的疫情的形勢非常的嚴重，而在最近英國也宣布了入境人員必須持72小時內陰性檢測證明，防止病毒再次進入英國。而且檢測報告的翻譯件將不被接受，必須是原件。關於英國入境最新規定如下。
更多最新關於從國外回國隔離政策以及機票信息，可以下載：心神旅行app
心神旅行下載地址：http://m.k1u.com/az/2341.html
長按二維碼，查看大圖，然後長按識別二維碼下載
據最新消息，英國首相鮑里斯上周在唐寧街新聞發布會上表示，政府將「採取措施，確保我們對進入英國的人進行檢測，防止病毒再次進入英國」。
而英國交通部也表示，他們正在考慮要求國外旅客入境時提供核酸檢測陰性證明。「入境前進行檢測等額外措施，有助將新確診的輸入量減至最低。」
根據英國政府網最新信息，英國時間2021年1月18日凌晨4點起，入境英格蘭地區、或登機前需要出示72小時內的陰性新冠檢測證明。違者將罰500鎊。
除核酸檢測陰性證明外，還需在抵達英國前48小時內在網上填寫英國公共衛生旅客定位表。所有從不在英國政府旅行走廊名單上的地方抵達的人，仍必須自我隔離10天。
若想縮短入境後的隔離期，可以選擇在隔離第5天之後自費核酸檢測，檢測結果呈陰性即可解除隔離。
政府表示，所有形式的PCR測試都在接受審核范圍內。而其他形式的測試——包括具有97%的靈敏度和99%的特異性的檢測也將被接受。
可接受的檢測類型
英國政府建議，建議提供以下測試：
滿足特異性≥97%，靈敏度≥80%，病毒載量樣本超過10萬拷貝/毫升
檢測需為以下方式
核酸測試，包括PCR核酸檢測，或牛津大學研發的LAMP核酸檢測;
抗原測試，例如側流抗原檢測(Lateralflowtest)
檢測結果必須包括的信息
檢測結果必須為英語、法語或西班牙語三種語言之一。翻譯件將不被接受，您必須提供最原始檢測結果證書。
它必須包含以下信息：
您的姓名，該姓名應與旅行證件上的姓名一致(yourname)
您的出生日期或年齡(yourdateofbirthorage)
檢測結果(theresultofthetest)
檢測提供者收集或接收測試樣品的日期()
檢測提供者的姓名及其聯系方式()
檢測設備的名稱(thenameofthetestdevice)
檢測結果如不包含以上信息，則提供者可能無法登機;如果抵達時被發現沒有包含以上內容，則將構成刑事犯罪(criminaloffence)，並罰款500鎊。
測試結果可以以列印出的文檔的形式提供，也可以通過電子郵件或簡訊的形式提供，可以在手機上給檢察人員檢查。請確保您的設備已充電以供查看。
如果結果為陽性，則旅行將被禁止。請遵守當地防疫規則進行相應的隔離和治療。
如果結果為不確定，則必須再次進行測試。
『伍』 牛津大學等提出：Point Transformer
Point Transformer論文，由牛津大學、港中文(賈佳亞等)和Intel Labs聯合提出，將自注意力網路引入3D點雲處理領域，顯著提升點雲分類和語義分割任務性能。在S3DIS和ModelNet40數據集上，Point Transformer表現出色，超越了KPConv、InterpCNN等模型。論文的主要貢獻在於設計了適用於點雲任務的自注意力層，構建了自注意力網路來執行語義場景分割、object part分割和對象分類等任務。實驗結果顯示，在具有挑戰性的S3DIS數據集上，Point Transformer在Area 5上的mIoU達到70.4%，領先於現有模型。同時，論文分享了3D點雲學習交流群信息，鼓勵對3D點雲任務感興趣的讀者加入交流。推薦關注CVer知乎賬號和CVer微信公眾號，獲取最新CV論文信息。相關論文和研究包括但不限於Cell-DETR、PED、行為識別全面調研、實時高解析度圖像摳圖網路、量化醫學圖像分割置信度等。這些研究覆蓋了細胞實例分割網路、行人檢測、行為識別、實時車道線檢測、圖像分割技巧、行人重識別方法、實時目標檢測、場景理解、腦腫瘤分割、車輛速度估計、目標檢測改進、知識蒸餾、無人機目標跟蹤、基於深度學習的實時語義分割、即插即用的CNN加速技術、不平衡圖像分類、行人檢測技術、基於深度學習的實時語義分割方法、目標檢測/實例分割系統、醫學圖像分割技術、深度學習的端到端人臉識別技術等。相關代碼已開源，方便研究和實踐應用。
『陸』 什麼是人工智慧AI
AI是主要研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。AI是計算機科學的一個分支，它嘗試了解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域研究包括機器人、語言識別、圖像識別、自然語言處理等。
人工智慧在計算機上實現時有2種不同的方式。工程學方法採用傳統的編程技術，使系統呈現智能的效果，而不考慮所用方法是否與人或動物機體所用的方法相同。另一種是模擬法，不僅要看效果，還要求實現方法也和人類或生物機體所用的方法相同或相類似。