Aug, 2022

借助患者数据协助基于深度学习的莱姆病分类器的专家意见引导

HTML
PDF
TL;DR使用深度学习技术来检测红皮病(Erythema Migrans)皮肤病变，这是莱姆病的最常见早期症状之一，同时使用患者数据计算概率分数来协助深度学习模型进行诊断，通过概率模型的验证，可以利用形式概念分析和决策树的方法，使基于图像的深度学习莱姆病预扫描仪更加健壮。
发现论文，激发创造
  • 利用皮肤科医生的知识将卷积神经网络应用于皮肤病诊断

    本文介绍了我们参加ISIC 2017挑战赛中皮肤病变分析与黑色素瘤检测的提交成果，我们的方法为卷积神经网络框架下结合多种分区和分类方法进行自动诊断，使得临床医师的专业知识得以应用。

    Mar, 2017

  • 使用多标签深度神经网络实现皮肤病分类与皮肤病变表征的鲁棒诊断

    本文研究了实现强健的皮肤病诊断的实用方法，并提出一种以皮损为病变类型标签的自动化诊断系统作为目标的方法，并应用卷积神经网络（CNNs）来实现疾病定向诊断和病变定向分类的分类器，并采用来自六个公开皮肤病学大全的75665个皮肤病图像来进行训练与测试，结果证明基于病变定向分类的分类器的效果优于疾病定向的分类器。

    Dec, 2018

  • 使用深度学习方法进行自动医学诊断的低成本设备原型

    本研究利用深度神经网络和卷积神经网络，设计了一种低成本的设备原型，能够通过输入症状和个人背景信息进行自动诊断，实现对多种疾病的有效诊断和治疗，准确率高达90%。该工具能够为全球人们提供低成本的重要诊断和治疗手段。

    Dec, 2018

  • 深度学习系统用于皮肤疾病差异诊断

    本论文介绍了一个深度学习系统（DLS），旨在为临床案例（皮肤照片和相关病史）提供一种皮肤病的鉴别诊断方法，该方法能够区分约占初级医疗保健中皮肤病总数量80％的26种皮肤病，其准确度已被证明与皮肤科医生相当，能够明显增强普通医生的诊断精度。

    Sep, 2019

  • 一种混合深度学习方法用于红斑鳞状病的诊断

    该研究论文提出了一种名为Derm2Vec的混合深度学习模型，用于红斑狼疮等六种皮肤病的诊断，并与传统机器学习方法进行了比较，在真实世界的皮肤病数据集上评估训练得到了最优预测准确率。

    Sep, 2019

  • 基于概念激活向量的深度学习皮肤病变分类器可解释性研究

    该研究使用了一个经过训练的神经网络，通过激活向量概念来介绍了深度学习的医学图像分类器，以验证模型学习和利用类似于皮肤科医师所描述和使用的疾病相关概念，并且进一步开发CAV的神经网络。

    May, 2020

  • EdgeMixup: 改进皮肤病分类和分割的公平性

    该篇论文通过使用 EdgeMixup 数据预处理算法实现了对深度学习模型在诊断皮肤病方面存在的模型偏差进行纠正，并对 Lyme，Tinea Corporis 和 Herpes Zoster 等病变诊断模型的性能进行了比较和分析，其中 EdgeMixup 在减少光之间和暗之间皮肤样本分类准确率差距方面显示出显著的表现优势。

    Feb, 2022

  • 利用BERT和ChatGPT对莱姆病科学文献进行情感分析

    本章提出了一种使用自然语言处理技术进行情感分析的实用指南，重点是介绍如何评估慢性莱姆病话语周围偏见存在的过程，并使用预训练语言模型和机器学习工具验证初步结果。

    Feb, 2023

  • 基于卷积神经网络的人类疾病症状关系探索性分析

    本研究分析通过卷积神经网络和支持向量机预测疾病，并使用K-Means和主成分分析研究了疾病的歧义性，结果表明机器学习可以在疾病早期阶段对疾病进行98-100%准确的诊断。异常症状是诊断疾病的良好代理，同时也提高了疾病预测任务的准确性。

    Feb, 2023

  • MINT: 使多模态和多图像AI模型互动的封装器

    开发了一种名为MINT（模型交互）的包装器方法，能够自动确定在每个步骤中最有价值的信息，为皮肤病预测模型提供多个图像和一组可选的元数据问题，证明了MINT在减少信息输入、保持预测性能以及模拟临床工作流程决策过程方面的效果。

    Jan, 2024