Jul, 2023

基于多模态学习的疾病预测

PDF
TL;DR这篇论文提出了一种 NAFLD 诊断系统（DeepFLDDiag），该系统结合了综合的临床数据集（FLDData）和基于多模态学习的 NAFLD 预测方法（DeepFLD）。该数据集包括超过 6000 名参与者的体格检查、实验室和成像研究、广泛的问卷调查和部分参与者的面部图像，对临床研究具有全面和有价值的意义。从数据集中，我们定量分析并选择对 NAFLD 预测最有贡献的临床元数据。此外，所提出的 DeepFLD 模型使用多模态输入（包括元数据和面部图像）来预测 NAFLD，在性能上优于仅使用元数据的方法。令人鼓舞的是，DeepFLD 可以仅使用面部图像作为输入而不是元数据来实现竞争性的结果，为更强大和简化的非侵入性 NAFLD 诊断铺平了道路。
non alcoholic fatty liver diseasenafld diagnosisdeepflddiagmulti-modal learningfacial images
发现论文，激发创造
  • 非酒精性脂肪性肝病患者的深度表型分析及基因因素对复杂疾病的启示

    非酒精性脂肪性肝病（NAFLD）是一种常见的慢性肝脏疾病，其特点是非常量饮酒者肝脏内脂肪过度积聚，包括肥胖、胰岛素抵抗、2 型糖尿病等风险因素。本研究旨在通过人口统计学、临床和遗传特征，为精确医学领域确定 NAFLD 患者的亚组；对 3408 例病例和 4739 例对照组的基因组和表型数据进行分析，采用潜在类别分析（LCA）揭示了 5 个亚组，通过基于 6 个 SNP 变异物和疾病结果的多基因风险评分来分析亚组，研究发现各群组在代谢综合征、肥胖、不同的合并症、心理神经因素和遗传因素上存在差异。

    Nov, 2023

  • 利用潜在扩散模型提高非酒精性脂肪肝疾病分类性能

    综合临床专业知识和深度学习技术，通过利用扩散模型生成的合成图像和真实图像相结合，文中通过基于 NAFLD 分类的实验表明，综合使用效果明显优于仅使用生成对抗网络（GANs）进行图像增广，达到了 0.904 的最佳图像级别 ROC AUC 性能。

    Jul, 2023

  • 一种非侵入性可解释的中医舌象结合 NAFLD 诊断方法

    该研究提出了一种非侵入性、可理解的非酒精性脂肪肝病诊断方法，将患者的生理指标与舌部特征相结合，通过自动学习选择重要特征的能力，实现了 77.22％的准确度，提供了令人信服的解释能力矩阵。

    Sep, 2023

  • 一种可靠且易解释的多视角学习的肝纤维化分期框架

    本研究提出一种基于多视角学习的深度学习方法，利用肝脏的多个子区域来提取更丰富的特征，使用主观逻辑来评估不确定性并应用 Dempster-Shafer 证据理论的明确组合规则来提高预测的准确性，通过在增强 MRI 数据上的评估结果发现，本方法优于现有的多视角学习方法。

    Jun, 2023

  • 深度多模态融合图像和非图像数据在疾病诊断与预后中的应用：综述

    这篇论文综述如何运用多模态深度学习技术提取和汇总多模态信息，以实现更客观、定量化的计算机辅助临床决策，并探讨了其在疾病诊断和预后中的应用、性能表现、挑战和未来发展方向。

    Mar, 2022

  • 用于脂肪肝疾病检测的鲁棒优化的深度特征解耦网络

    通过使用深度学习框架，本文提出了一种创新的方法来消除分类器的识别弱点，提高其平均性能，特别针对医学图像分类、不同类别之间的平衡、脂肪肝、对抗训练等领域展开研究。

    Jun, 2024

  • 具备身体形状的肝脂量化网络

    使用身体形状及深度神经网络精确估计肝脏脂肪含量，并验证了这种方法的有效性，为无创检测肝脏脂肪提供了一种低成本、可行的解决方案。

    May, 2024

  • 利用弃权机制的机器学习自动肝病诊断

    本文提出了一种基于机器学习的解决方案，可以自动检测肝功能异常，使用超声图像进行检测，能够识别预测不准确的情况，成果被 MINAR 数据集检测，证明这种检测方式有良好的分类性能。

    Nov, 2018

  • 利用机器学习进行肝部感染预测分析，以评估神经网络的分析性能和优化技术

    ML algorithms and machine learning optimization are used to evaluate different liver illness datasets and identify the most excellent categorization models by modifying hyperparameters such as Phosphotase, Direct Billirubin, Protiens, Albumin, and Albumin Globulin, essential for minimizing the cost function and visualizing the pattern.

    May, 2023

  • 用于从 sMRI 和 PET 扫描早期诊断阿尔茨海默病的多模态图神经网络

    采用深度学习模型结合多模态数据进行阿尔茨海默病的早期诊断，通过图神经网络框架将结构和功能融合，提高诊断效果。

    Jul, 2023