Jan, 2023

随机数字人现已开始招募进行体外成像试验 —— 生成数字队列的方法和工具

PDF
TL;DR通过计算机模拟收集信息对医疗设备性能进行评估的计算研究在评估新技术方面具有显著的资源和时间节约优势，需要数字化人体模型来进行，本文回顾了获取数字人体的最新方法和工具的发展。
发现论文，激发创造
  • 基于人工智能的体外临床试验：综述

    本文系统综述了三个主要主题：临床模拟，个体化预测建模和计算机辅助试验设计，重点关注机器学习在这些应用中的应用，讨论了 AI 在实际应用中 in silico 试验的挑战和机遇。

    Sep, 2022

  • 基于知识的体外模型和数据集，用于对多种乳房特征、病变明显性和剂量的乳房照射检查 AI 进行比较评估

    通过使用合成图像数据集，我们提出了一种评估医学成像人工智能模型的方法，并发现模型性能随乳房密度增加而减小，随质量密度增加而增大，并在低于乳房类型的推荐剂量的曝光水平下获得了最高性能。

    Oct, 2023

  • 计算病理学中健康数字孪生的应用视角

    数字健康孪生可以定义为物理人的虚拟模型，由临床、分子、治疗参数、传感器数据和生活条件组成；与计算病理学相结合，有助于创建计算模型；数字临床试验的集成，必须考虑隐私保护措施。

    Nov, 2022

  • XCAT-2.0: CT 扫描衍生的个性化数字模型综合库

    通过深度学习分割模型和自动器官分割控制的三种形式，释放出 2500 多个计算幻影，形成了一种精细解剖建模的复杂方法，有望推进虚拟成像试验，促进医学成像技术的全面可靠评估。

    May, 2024

  • 基于仿真的心血管模型推理

    通过模拟、逆问题和统计推断方法，研究了心血管系统的仿真，估计心血管生理参数的不确定性，并发现新的临床生物标志物。同时，讨论了心血管模拟对实际数据分析的应用和局限。

    Jul, 2023

  • 利用物理信息的自我监督学习创建的非侵入性医学数字孪生体

    通过构建数字孪生病程模型，我们提出了一种使用非侵入性患者健康数据来识别数字孪生模型参数的方法，借助物理信息的自监督学习算法，我们应用该方法在无监督疾病检测和模拟临床试验中的心脏血流动力学方面展示了其实用性。

    Feb, 2024

  • 放射影像中的合成数据：现状与未来展望

    通过综述合成图像数据在人工智能辅助放射学领域的关键技术、主要应用领域以及质量控制评估问题，我们发现合成数据在解决现有数据不足问题上具有巨大潜力，但还需要进一步的研究工作才能实现其全部潜能。

    May, 2024

  • 医疗保健中的合成数据

    本文旨在介绍模拟器生成数据在医疗保健领域的应用与潜在优势，同时指出了其存在的潜在风险和问题。

    Apr, 2023

  • 用于疾病建模的数字孪生生成器

    患者的数字孪生是描述其健康状况随时间演变的计算模型。我们描述了一种可以学习临床轨迹条件生成模型的神经网络架构，称为数字孪生生成器（DTGs），通过改变训练集并调整超参数，该架构可以为 13 种不同症状的患者生成准确的数字孪生。通过引入通用的架构，我们旨在解锁机器学习方法在更大的数据集和更多症状上的可扩展性，以便可以为世界上的任何患者创建数字孪生。

    May, 2024

  • 非成像医学数据综合用于可信 AI 的全面调查

    这篇论文旨在综述数据合成算法特别是针对非成像医疗数据的应用，并提供详细的算法、评估、限制和未来研究方向等综合性描述，以提高医疗人工智能的数据质量和可靠性。

    Sep, 2022