本文综述了医学成像技术中使用人工智能特别是深度学习方法如卷积神经网络来协助医生快速而准确地诊断疾病。

Jun, 2023

计算机辅助诊断是一个快速发展的医学成像研究领域。本文综述了在计算机辅助诊断中应用机器学习和模式识别的算法，以检测包括肝炎、糖尿病、肝病、登革热和心脏疾病在内的多种疾病，以提高疾病检测的精确性和支持决策过程的客观性。

Jul, 2023

本文评估了医疗成像和分析技术在 COVID-19 中的作用，并介绍了最新的人工智能 (AI) 技术，如 AI - 强化的图像采集和精准的感染区分，以支持医疗专家进行有效的决策和治疗。本文还着重于探讨如何整合 AI 技术，优化常见的 X 射线和计算机断层扫描 (CT) 等临床工具，从而更好地抗击 COVID-19。

Apr, 2020

该研究探讨了机器学习和自动化机器学习在医学图像分析中的应用，通过使用神经架构搜索和迁移学习等技术来改善人类专家和计算机系统的诊断准确性。

Jun, 2023

该论文着重介绍了使用机器学习以增强 COVID-19 诊断中的医学影像学方法，例如深度学习可以在几分钟内无需人工干预准确地区分肺部的损伤。此外，机器学习可以辅助放射科医生做出更精确的临床决策，例如检测和区分不同呼吸系统感染以及在 CT 和 X 射线图像中分割感染，即使损伤的大小和形状不同。该文章批判性评估了在 CT 和 X 射线图像的分割、分类和检测中使用的机器学习方法，这些方法被广泛应用于临床和医院设置中以在各个方面详尽地呈现肺部情况。普遍预期这项技术将继续在医疗保健领域占据核心地位，并推动防疫工作的进一步进展。

Jan, 2024

展示了一种集成可靠、快速部署的先进 AI 系统，用于自动分析 CT 图像以检测 COVID-19 感染概率，并通过分类和分割组件减少医生检测时间，提高 COVID-19 检测效率。AI 系统还通过锚集相似性分配 3D CT 扫描的感染概率，提供解释性，协助医生及时确认和隔离感染患者。

Mar, 2024

提出一个基于深度学习和 ChatGPT 的决策支持系统来辅助医疗保健机构和病人进行诊断、治疗和管理健康情况。该系统包含三个阶段：数据收集和标注，模型训练和诊断报告生成，可以提高决策能力，降低成本和提高医疗机构的能力，通过大量的实验得出自动诊断通过医疗图像具有良好的性能。

May, 2023

研究探讨了使用人工智能技术对 X 射线图像进行分割的框架，将数据进行预处理和清洗后，利用 SegNet 和 Residual Net 方法对 X 射线图像进行分割，实验结果表明，所提出的方法在所有已知的参数方面表现更好

May, 2024

本文介绍医学影像信息学的基本概念，包括图像处理，特征工程和机器学习，并讨论了计算机视觉和深度学习技术的最新进展，以及它们如何用于开发用于疾病检测、诊断和预测模型的新量化图像标记。通过涵盖医学影像信息学的基础知识，为理解信息学在医学中的作用及其对患者护理的潜在影响提供了基础。

Jun, 2023

本教程论文旨在从基础概念、深度学习算法、工具和框架，方法开发和图像分析等方面，为医学影像处理与分析领域的新手提供基础概述，并使用公共数据提供样例任务，并针对方法开发和图像分析提供了最佳实践建议，旨在助力研究者克服初学阶段的挑战。

Apr, 2023