远程医疗中的 AI: 基于深度学习的虚拟诊断解决方案评估
该论文通过引入系统分类法,对 AI 增强的虚拟现实应用于医疗保健领域进行了全面调查,将相关技术和应用细分为三个类别,即可视化增强、与 VR 相关的医学数据处理和 VR 辅助干预,为对这些技术进行更全面的理解和评估提供了一个框架。据我们所知,这是首次对医疗环境中的 AI 增强虚拟现实系统进行系统调查,为未来研究奠定了基础。
Feb, 2024
本研究介绍了一种基于人工智能 (AI) 的 CDSS (临床决策支持系统) - Aifred Health, 针对重性抑郁症患者的治疗选择和管理,探讨了平衡临床工作流程和鼓励最终用户信赖的实现挑战,同时提出在构建,验证,培训和实施 AI-CDSS 过程中应该考虑的关键问题和建议。
Mar, 2023
本文综述了深度学习在医学成像领域的应用,阐述了医学成像的特点、临床需求和技术挑战,描述了深度学习是如何应对这些问题的,其中包括网络结构、稀疏和噪音标签、联邦学习、可解释性、不确定性量化等内容。此外也介绍了常见的数字病理学和胸部、脑部、心血管和腹部成像等几个临床案例,最后展望了未来研究的方向。
Aug, 2020
通过观察和对中国 6 个农村诊所的 22 名医生的采访,本文报道了 AI-CDSS 系统(“Brilliant Doctor”)的设计与当地流程的不一致、技术限制和可用性障碍,以及与 AI-CDSS 的透明度和可靠性有关的问题。尽管存在这些紧张关系,所有参与者对 AI-CDSS 的未来都表示积极的态度,特别是通过 “医生的 AI 助手” 在临床环境中实现人工智能协作的未来。最后,我们利用研究结果讨论了在发展中国家的农村临床环境中设计 AI-CDSS 干预的影响。
Jan, 2021
本文讨论了人工智能在医疗领域中的应用,特别是在医学图像分析中的最新进展、现有标准以及应用人工智能所需考虑的伦理问题和最佳实践。我们探讨了人工智能的技术挑战和伦理挑战,以及在医院和公共组织中部署人工智能的影响和关键技术措施。最后,我们提出了未来解决人工智能在医疗应用中的伦理挑战的建议和方向。
Apr, 2023
通过使用临床多样性数据和虚拟生成的医学影像,开发和评估了基于深度学习人工智能模型进行新冠病毒 COVID-19 诊断的人工智能模型,并进行了相关影像试验以评估疾病程度、辐射剂量和影像模态等因素对人工智能性能的影响。研究突出了数据集特征和疾病程度对 COVID 评估的重要影响,以及虚拟影像试验技术在开发有效的人工智能算法评估和促进诊断实践转化中的相关性和潜在作用。
Aug, 2023
近期人工智能的进展使其在初级医疗服务中得到广泛应用,解决了医疗保健领域的需求供应失衡问题。Vision Transformers(ViT)已成为最先进的计算机视觉模型,受益于自注意力机制。然而,与传统的机器学习方法相比,深度学习模型更复杂,常被视为黑匣子,这可能导致人们对其运作方式的不确定性。可解释的人工智能(XAI)是指解释和解读机器学习模型内部运作及其决策的方法,这对医疗领域的决策过程尤为重要。本综述总结了最近 ViT 的进展和解释性方法,以了解 ViT 的决策过程,实现医疗诊断应用的透明性。
Sep, 2023
本文系统评估了人工智能及深度学习在新生儿学中的应用,包括算法开发和挑战,并总结了 96 篇文章的优缺点和可能的新模型方向,提出了将人工智能整合到新生儿重症监护中的路线图。
Feb, 2023
人工智能在医疗保健领域产生了显著影响,特别是通过生成模型在医学图像生成、数据分析和诊断方面的应用。这篇文章探讨了生成模型在智能医疗设备中的应用,以提升诊断速度和准确性,改善医疗服务质量和效率并降低设备成本,实现了医学图像生成、数据分析和诊断的突破。此外,将生成模型与物联网技术结合,可以实现实时数据分析和预测,提供更智能的医疗服务,帮助远程医疗。挑战包括计算需求、伦理关注和特定场景的限制。
Jun, 2024