【工具资源】药物研发平台；物理符号优化平台；手术视频可视化解答

在 AI for Science 的规模化推广过程中，低门槛使用且开源的高性能工具至关重要。一方面，科研人员能够通过上手使用，更加直观地了解 AI 的能力；另一方面，当团队中缺乏交叉学科人才时，已有工具能够减少科研人员探索 AI 应用的成本，加速研究进程。

HyperAI超神经将持续整理易用的 AI4S 工具资源，如果大家发现好用的工具，也欢迎以后台留言的形式分享给我们！

本期介绍的工具资源有：

* AI-Rad Companion：提供多模式成像决策支持

* Physical Symbolic Optimization：物理符号优化

* CAT-ViL：实现手术视频可视化解答

* FoodRoom：追踪食物中的成分

* BioMap：创新药物研发平台

AI-Rad Companion 由 SIEMEMS-Healthineers 推出，可以提供多模式成像决策支持，帮助医生减少基础的重复性工作，提高医学影像解读的准确度。此外，该工具能够自动识别胸部 X 光片中的异常，如肺部结节，提高放射科医生的工作效率。

工具地址：

https://www.siemens-healthineers.com/digital-health-solutions/ai-rad-companion

Physical Symbolic Optimization (PhySO) 是一个为物理学建立的符号优化包，通过学习单元约束，利用深度强化学习从物理数据中恢复分析符号表达式，在试图推导物理模型的分析特性时非常有用。

开源地址：

https://github.com/WassimTenachi/PhySO

CAT-ViL：实现手术视频可视化解答

医科学生在学习外科手术时，经常要依靠资深外科医生和专家为他们答疑解惑。然而，专家往往忙于临床和学术工作，时间紧迫。针对于此，CAT-ViL 基于深度学习，能够对医生的手术视频步骤进行可视化解答，帮助年轻医生更好地理解和掌握复杂的手术步骤，提升医疗行业的教学效率。

工具地址：

https://github.com/longbai1006/CAT-ViL

FoodRoom 能够追踪食物中的蛋白质、脂肪、碳水化合物、卡路里含量，进行食品质量自动检测，记录每日的三餐。

开源地址：

https://github.com/Nagim123/FoodRoom