Oct, 2023

云磁共振成像系统：在 6G 和人工智能时代的应用

PDF
TL;DRCloud-MRI 系统整合了分布式云计算、6G 带宽、边缘计算、联邦学习和区块链技术，旨在解决 MRI 数据存储安全、传输速度、AI 算法维护、硬件升级和协同工作的问题，从而提高诊断准确性和工作效率。
magnetic resonance imagingmricloud-mridistributed cloud computingfederated learning
发现论文，激发创造
  • 高效处理和传输的医学影像表达在多站点云中的应用

    本文提出一种基于多重数据结构的医学图像格式表示方法，它在医学图像中保留额外的元数据信息，并使用多层神经网络定义了自己的本体论来帮助分类医学图像中的对象。此外，研究人员还在云端使用 MapReduce 范例来改善数据处理速度，同时提出了一种基于去重的数据压缩方法以优化数据传输，该方案在多站点云环境中测试得到了验证。

    Apr, 2023

  • 医学影像 AI 研发的一体化平台，涵盖数据采集、筛选、标注和预处理

    通过建立医学影像平台，利用收集的来自亚洲的医学影像数据，解决数据不平衡的问题，提供医学人工智能研发所需的数据并合并区块链技术用于数据安全。

    Mar, 2024

  • MRI 数据处理的机器学习技术在不断扩展的规模下的应用

    医学扫描数据、大规模研究、机器学习训练、分布转变和表征学习是本研究论文的主要关键词和主题。

    Apr, 2024

  • CloudBrain-NMR: 一智能云计算平台用于 NMR 光谱处理、重建和分析

    CloudBrain-NMR 是一个智能在线云计算平台，旨在为核磁共振数据的读取、处理、重建和定量分析提供便利，使用并行计算和深度学习算法，无需额外软件，大大缩短了计算时间，提供了完整的处理流程。

    Sep, 2023

  • 数据异常检测增强的早期阿尔茨海默病预测去中心化专家系统的架构

    这项研究介绍了一种颠覆性的分散式专家系统，巧妙地将区块链技术与人工智能相结合，实现对患者提交数据的强大异常检测，从而改进早期阿尔茨海默病的诊断精度。

    Nov, 2023

  • 神经 MRI 采集的人工智能综述

    磁共振成像（MRI）与人工智能（AI）的复兴密切相关。通过利用 AI 在大规模优化和模式识别方面的能力，创新方法正在改变 MRI 采集流程，包括规划、序列设计和纠正采集伪影。这些新兴算法在增强采集步骤的效率和吞吐量方面展示了重要潜力。本综述讨论了神经 MRI 采集中几种重要的基于 AI 的方法，重点关注其技术进展、对临床实践的影响和潜在风险。

    Jun, 2024

  • fastMRI：加速 MRI 的开放数据集和基准

    介绍了 fastMRI 数据集，旨在帮助人们通过提供一个自由获取的数据集和标准评估标准来加速通过机器学习方法进行 MR 图像重建的技术进步。

    Nov, 2018

  • X 光成像、MRI 和核成像案例研究

    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

  • 在基于疫情雾云计算架构中革新医疗图像分析

    通过使用雾计算和改进的卷积神经网络，本研究论文介绍了一种创新的医疗架构，以应对医疗图像分析的挑战，提高分析效率和准确性，进而革新医疗图像分析和诊断技术，改善患者护理和治疗结果。

    Nov, 2023

  • 一份副本足矣：规模化的医学影像数据高效流式传输

    MIST 是一个开源框架，可以从一个高分辨率复制品流式传输医学图像，并在多个分辨率下进行操作，能够显著减少图像基础设施的低效性，同时对于深度学习应用程序也能够保持诊断质量。

    Jul, 2023