Nov, 2022

有限、异构数据的深度神经进化：运用小型虚拟池化图像集的神经母细胞瘤脑转移概念证明应用

PDF
TL;DR本研究旨在将深度神经进化算法（DNE）应用于来自不同机构的图像数据集中，以解决人工智能在放射学中的过度拟合和泛化问题，并应用于分类磁共振成像中的神经母细胞瘤脑转移。结果表明，该算法在虚拟的汇总图像数据集上取得了接近完美的分类准确性，为实现临床可行的人工智能提供了重要的贡献。
artificial intelligenceradiologydeep neuroevolutionneuroblastomageneralizability
发现论文，激发创造
  • 深度神经进化在脑转移疾病的病情进程评估中的直接应用

    本研究通过深度神经进化 (DNE) 技术，实现对转移性脑疾病进行智能分类，旨在为肿瘤的进展或缩小提供全面且自动化的评估方式。研究结果表明，该方法在小型训练集下取得了较高精度。

    Mar, 2022

  • 通过进化策略在 MRI 中检测脉络膜转移的不确定性量化

    在这项研究中，我们采用 DNE 方法训练了一个简单的卷积神经网络 (CNN)，用于眼部 MRI 图像的二分类，目的是区分正常眼睛和转移性肿瘤 (称为脉络膜转移)。通过应用这些模型到测试集，我们建立了一种用于不确定性量化的集成方法，发现主观特征能解释不确定性较高的图像，凸显了不确定性量化在基于 AI 的放射学分析中的重要性。

    Apr, 2024

  • 基于人工蜂群算法优化的深度卷积神经网络在生物医学成像中的应用

    提出了一种名为 Chimera Algorithm 的新型混合神经进化算法，用于生成从头开始的模型并优化前期给定的架构，以更好地适应任务，该算法在两个自然图像和医疗图像数据集上验证，并且超过了 Transfer Learning 模型的性能。

    Feb, 2024

  • 深度学习模型在临床 MRI 数据外分布中的可靠性：多中心研究

    本研究利用 3117 个来自多个老年痴呆研究队列和记忆门诊的 MRI 扫描图像，通过在训练数据中加入更广泛的图像分布来考察深度学习模型在诊所数据集中的泛化能力，进而探究深度学习模型对于不同扫描仪、协议和疾病群体的影响。研究发现，更广泛的训练图像可以提高模型的泛化能力，并且未来的深度学习研究需要在多个外部队列上进行评估，以得到可靠的结果。

    Nov, 2019

  • 用异质损失函数处理癌症的不同受试者和同一受试者变异性

    应用深度学习方法诊断白血病在发展中国家医疗中具有巨大的潜力，但由于数据稀缺和难以捕捉的异质性，深度学习模型需要应对过拟合的风险，本研究提出了一种异质性损失和非正统集成策略，取得了 C-NMC2019 数据集上 B-ALL 分类方面的最佳结果。

    Mar, 2020

  • 利用少量数据将机器学习诊断模型适应新的人群：临床神经科学研究结果

    通过加权的实证风险最小化方法，在多个神经影像研究中利用机器学习模型诊断老年痴呆症（AD）、精神分裂症（SZ）和估计脑龄，实现了对数据的泛化和预测，具备较好的鲁棒性。

    Aug, 2023

  • 利用深度神经进化算法从功能磁共振邻接矩阵预测原发性脑肿瘤分级

    本研究使用深度神经进化法训练卷积神经网络，通过功能性连接判别人脑肿瘤类型 (HGG/LGG)，在仅使用 30 个邻接矩阵进行训练的情况下，取得了理想的测试集准确性，并发现网络学到了高度复杂的特征。

    Nov, 2022

  • 内科手术癌转移深度学习鉴别系统的研发

    本文研究了人工智能系统在手术期间识别腹膜表面转移瘤方面的作用，发现在仿真环境下，深度学习手术辅助系统能够比直接手术更加准确的识别腹膜表面转移瘤，可以在一定程度上降低误识别率并提高手术成功率，但需要在多机构临床环境下进一步研究。

    Jun, 2023

  • 神经母细胞瘤预测分类的多目标深度学习方法

    使用深度学习架构 CDRP 并结合高通量转录组数据进行诊断和预测，优于临床算法对于神经母细胞瘤的预后，为正确的肿瘤治疗策略提供了重要的分析依据。

    Nov, 2017

  • 一个动态深度神经网络用于多模态临床数据分析

    本文介绍了 AdaptiveNet 重复神经网络的体系结构，以处理电子病历的多个事件列表，并应用于风湿性关节炎的疾病进展预测，优于传统基线方法。

    Aug, 2020