Jun, 2023

应用人工智能于癌症组织成像的研究与早期检测的现状

PDF
TL;DR本文旨在回顾和概述当前人工智能在癌症组织成像方面所做的工作，提出了五个主要的任务模型，并讨论了这些方法面临的挑战和用于癌症预防和治疗的适应性。
发现论文，激发创造
  • 数字与计算病理学的人工智能

    数字化组织切片和人工智能，特别是深度学习的快速进展，推动了计算病理学领域的发展。这篇综述总结了计算病理学领域近期的方法学进展，重点介绍了这些发展如何使临床实践自动化，并可发现新的生物标志物。作者还提供了未来展望，指出该领域将扩展到更广泛的临床和研究任务，并涉及越来越多样化的临床数据模态。

    Dec, 2023

  • AI 与病理学：引导治疗和预测结果

    本文介绍了数据分析方法、计算能力和传感器的结合，可实现定量细胞层面上的多尺度分析，着重论述了针对人类组织分析的一类 AI 方法 —— 组织病理学，旨在定量表征疾病状态、患者预后预测和治疗指导的应用挑战。

    Jun, 2022

  • 运用人工智能技术进行乳腺癌检测：系统文献综述

    本研究系统地综述了过去使用深度学习和机器学习进行基因测序或组织学影像检测和治疗乳腺癌的相关工作，并为将来的研究者提供了建议。

    Mar, 2022

  • 卵巢癌组织病理学中的人工智能：一项系统综述

    该研究旨在评估人工智能在卵巢癌诊断和预后中的应用研究，结果显示有限的研究表明所有模型存在高风险和不确定性，建议未来研究需采用更加透明全面的报告和改进性能评估，从而提高其可重复性。

    Mar, 2023

  • 骨转移分析中的人工智能：当前进展、机遇与挑战

    医学影像分析中广泛应用人工智能技术，特别是在骨转移的分析中，机器学习方法取得了有希望的性能，具有显著的潜力提高临床效率，应进一步研究和验证其临床性能并促进其融入常规临床实践。

    Apr, 2024

  • 利用人工智能搜索归档的组织病理学图像进行全癌种诊断共识

    本研究证实数字病理学结合人工智能可以用于疾病诊断以及提高诊断准确率并通过相似案例的可视化检查和计算机多数表决来帮助病理医生。在该研究中，通过搜索最大的公共存储库之一，本文显示出当足够的可搜索案例数量可用于每种癌症亚型时，计算机一致性似乎可以用于诊断。

    Nov, 2019

  • 计算肿瘤病理学中机器学习方法的综述、挑战和前景

    本研究综述了计算病理学在肿瘤筛查、诊断和预后应用方面面临的挑战和前景，给出了从病理和技术角度的图像预处理方法和基于机器学习的方法，以及在乳腺、结肠、前列腺、肺和各种肿瘤疾病场景中应用计算病理学的情况。

    May, 2022

  • 基于人工智能的组织病理学图像癌症检测和分类：系统综述

    本研究通过系统文献综述，总结了癌症诊断的最新技术，关注了人工智能及其在自动癌症诊断方面的发展，总结了相关文献，并对其局限性提出了新的研究方向。

    Jan, 2022

  • 数字病理学中 XAI 的调查

    本文针对数字病理学领域提出了透明的人工智能算法（XAI）进行调研，将当前一些 XAI 技术与数字病理学的特定需求相结合，以指导未来的研究努力，建立跨学科讨论的共同基础。

    Aug, 2020

  • 正电子发射计算机断层扫描中人工智能的解剖学和生理学

    人工智能在核医学领域的影响正在迅速增长，研究人员和临床医生力图将人工智能应用到 PET，临床医生将很快发现自己参与到从图像重建到增强报告的分子成像链的人工智能应用中，这种人工智能在 PET 成像中的不断扩大的存在将导致对与人工智能不熟悉的教育资源的更大需求。本文的目标是为那些不熟悉人工智能的人提供现代人工智能核心原理的图文指南，重点关注在 PET 成像中最有可能遇到的方面。我们描述了卷积神经网络、算法训练，并解释了常用的 U-Net 在分割和图像合成中的组件。

    Nov, 2023