Jul, 2023

人体数字孪生：一项总体规划

PDF
TL;DR本文综述了人体 DT 的现状和未来前景，并提出了发展人体 DT 的五级路线图，涵盖可穿戴设备、数据收集、数据分析和决策系统等组成部分的发展。文章还强调了必要的支持、安全、成本和伦理考虑，以确保人体 DT 的负责和有效实施。该提议的路线图为指导未来发展提供了框架，并为人体 DT 的未来提供了独特视角，促进了这个快速发展领域的新的跨学科研究和创新解决方案。
human body dthealthcarewellnesswearable devicesdata analysis
发现论文，激发创造
  • 迈向人类数字孪生：定义与设计 -- 调查

    人类数字化双胞胎（HDTs）是一种新兴的技术，具有从医疗保健到体育等领域的重要潜力。本文通过提出一个跨领域的 HDTs 定义以及从相关挑战中提出的十一个关键设计考虑因素，将该领域的最新进展整合在一起，为未来的开发者提供指导。

    Feb, 2024

  • 物联网健康中的生成式人工智能驱动人体数字仿真：一项综合调查

    物联网、医疗、人类数字孪生、生成式人工智能、物联网医疗是研究的关键词，本文重点介绍了生成式人工智能驱动的人类数字孪生在物联网医疗领域的应用和实现方法，包括数据获取、通信、管理、数字建模和数据分析等方面，以及个性化健康监测、诊断、处方和康复等典型物联网医疗应用，并探讨了未来的研究方向。

    Jan, 2024

  • 数字孪生：人类的定位在哪里？

    本文提出了一个 Digital Twin 级别的概念框架（ Levels of Digital Twin），以帮助实践者规划 DT 部署，明确目标和可交付成果，并制定战略愿景。框架可帮助回答人与 DT 合作时 DT 可以扮演哪些角色以及这些角色可以自动化到何种程度的问题，并通过案例说明了框架的有用性。

    Jan, 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

  • 数字孪生：从概念到实践

    本文提出了一个数字化框架，通过权衡每个层次的利弊，制定数字孪生系统的评价标准，评估所选数字孪生系统对组织流程、策略和价值创造的影响，来帮助实践者选择数字孪生系统中的适当复杂度，同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。

    Jan, 2022

  • 数字孪生脑：生物智能与人工智能之间的桥梁

    近年来，神经科学和人工智能的进展为理解大脑的复杂性以及计算系统对其的模拟提供了前所未有的机会。本文中，我们提出数字孪生大脑（DTB）作为一个桥梁，将生物学和人工智能连接起来。DTB 由大脑结构、底层模型和广泛应用构成。关键是，脑图谱为 DTB 内的大脑网络组织提供了重要约束。此外，我们强调了跨学科领域的联合努力所带来的开放问题，并强调了 DTB 的深远影响。DTB 能够提供对智能和神经系统疾病形成的前所未有的洞察力，这对于推进我们对生物学和人工智能的理解，进一步推动人工通用智能的发展，以及促进精确的精神卫生保健具有重大的潜力。

    Aug, 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

  • 构建和评估数字孪生：一个智能框架用于 DT 开发

    数字孪生的发展代表了一种在受控数字空间中模拟和优化复杂系统的变革性进展，本文介绍了一种智能框架用于构建和评估数字孪生，旨在提高数字孪生在测试算法性能方面的准确性和实用性。

    Jun, 2024

  • 数字孪生在自主驾驶机动系统中的应用探索 —— 新的移动时代

    本篇论文提供了数字孪生在自主车辆工业中的系统评述，重点强调了准确的数据收集、实时分析和高效的模拟能力，以此来提高性能和可靠性，同时探讨了数字孪生的技术挑战和中心技术，并对在智慧城市中自主车辆所使用的不同方法进行了对比分析，最后讨论了数字孪生在自主车辆行业中的应用挑战和限制。

    May, 2023

  • 医疗数字化双生子的控制与人工神经网络

    个性化医学的目标是根据患者的独特特征量身定制干预措施。本研究介绍了一种基于动态信息的神经网络控制器作为对医学数字孪生的控制方法，并通过在两种常用的基于代理的模型类型上进行实验和评估验证了该方法的有效性。

    Mar, 2024