Aug, 2023

甲状腺癌诊断中的人工智能技术、趋势和未来方向

PDF
TL;DR人工智能技术在甲状腺癌的诊断中发挥着重要作用，将大数据分析与机器学习相结合，帮助医生评估甲状腺癌预后和决定患者的恶性风险。本论文总结了大量与人工智能技术在甲状腺癌诊断中相关的文章，通过新的分类方法整理了这些技术，并比较了不同数据集的特征，讨论了这一领域的进展和挑战，并展望了未来的发展方向。
发现论文，激发创造
  • 机器学习与视觉变换器在甲状腺癌诊断中的应用：一项综述

    利用机器学习和大数据分析，特别是采用 transformers 评估甲状腺癌（TC）预后和确定个体恶性风险，该综述文章介绍了人工智能算法、框架目标和计算环境构建的新分类方法，以及对可用的 TC 数据集的审查和对比，强调了 AI 工具在辅助甲状腺癌的诊断和治疗中的重要性，特别关注 transformers 在医学诊断和疾病管理中的持续重要性，并探讨了该领域的进展和持续的障碍，最后还探讨了该研究领域的未来方向和重点。

    Mar, 2024

  • 甲状腺癌诊断的放射组学和人工智能进展

    人工智能和放射学成像技术结合应用于甲状腺癌诊断的研究综述了相关研究，并强调了标准化努力的重要性。

    Apr, 2024

  • 从数据到洞见：甲状腺癌研究中的先进应用综述

    甲状腺癌研究中应用的人工智能方法和机器学习应用的全面综述及分类，为该领域的进一步研究和管理提供有价值的见解。

    Jan, 2024

  • 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

  • 利用人工智能进行头颈部癌症患者的诊断和预测

    该研究提出使用机器学习和深度学习自动进行头颈部肿瘤分割、患者预后预测等医学任务，并比较了基于 ViT 和卷积神经网络的模型，同时提出了两个新的架构，其中 ViT 模型的预测与分割结果优于集成模型，该成果最终在 HECKTOR 2021 挑战赛预测任务中获得胜利。

    May, 2023

  • 乳腺癌诊断：可解释人工智能（XAI）技术的全面探索

    乳腺癌是全球妇女最常见的恶性肿瘤之一，需要改进诊断方法以获得更好的临床结果。本文全面探讨了可解释人工智能（XAI）技术在乳腺癌检测和诊断中的应用，通过与机器学习和深度学习模型的整合，尤其是与 SHAP、LIME、Grad-CAM 等 XAI 方法，分析乳腺癌数据集及其 AI 处理方式，强调 XAI 可以提高精确诊断和个性化治疗方案，讨论了实施这些技术的挑战，以及在临床环境中评估 XAI 有效性的标准化指标的重要性。该文章通过详细分析和讨论旨在凸显 XAI 在复杂 AI 模型和实际医疗应用之间搭建桥梁的潜力，从而建立医疗专业人员之间的信任和理解，改善患者的预后效果。

    Jun, 2024

  • 关于甲状腺结节诊断可解释人工智能的可信性探究

    本研究使用最先进的可解释人工智能方法，如核密度估计和密度图来解释甲状腺结节诊断应用程序中黑匣子的人工智能模型的预测，以提高医学决策过程的透明度和可理解性，并评估医生和患者对于该模型决策的 XAI 解释的信任度。

    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

  • 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

  • 应用人工智能于癌症组织成像的研究与早期检测的现状

    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。

    Jun, 2023