Oct, 2023

临床记录中的转移瘤检测的参数高效方法

PDF
TL;DR此研究的目标是通过三种方法自动检测自由样式计算机断层扫描（CT）放射学报告中的转移性肝病，我们的研究表明，使用泛化语言模型、半监督学习和多任务转移学习方法可以提高模型的性能。
metastatic liver diseasecomputed tomography radiology reportsknowledge transfergeneric language modelssemi-supervised learning
发现论文，激发创造
  • 具有模型解释能力的肝转移 AI 辅助病灶检测框架

    该研究提出了一种结合人工智能系统的诊断方法，该方法可以协助医生评估 CRC 的转移，并通过模型的可解释性提供模型推理的解释。

    Jul, 2019

  • 基于分类的自适应分割流水线：多囊肝和结直肠癌 CT 图像转移的可行性研究

    通过使用深度学习分类器将图像自动分类并将其路由到适当的分割模型，本研究旨在探索构建一个工作流的可行性，以高效地处理不同病理图像。我们希望通过我们的工作流能够准确地分割具有不同病理学的图像。我们的自适应分割工作流在总肝脏分割任务上与通用单一分割模型相比取得了显著的统计改进（非参数 Wilcoxon 符号秩检验，n=100，p 值 <<0.001）。这种方法适用于广泛的情景，并在分割流水线的临床实施中应该是有用的。

    May, 2024

  • 肝部 CT 扫描中超高性能病变检测和虚假阳性去除的级联方法

    开发了一个二阶段的肝癌检测管道，其中高灵敏度探测算法在第一阶段发现尽可能多的病变提议，而第二阶段的病变重新分类算法则尽可能删除尽可能多的虚警。

    Jun, 2023

  • 半监督的 ViT 知识蒸馏网络与风格转移归一化用于结直肠肝转移生存预测

    我们提出了一个自动预测肠癌患者结直肠癌肝转移的病理预后的端到端方法，利用 H&E 和 HPS 染色的组织学切片；我们使用生成对抗网络对切片进行标准化，采用半监督模型进行组织分类，使用注意力机制加权不同区域进行分类，训练预后模型并在 258 名患者上进行了评估，结果证明我们的方法在预测生存和治疗时间反应方面具有优越性，可推动精准医学在管理结直肠癌肝转移患者中的进展。

    Nov, 2023

  • CT 中骨病变的弱监督检测

    开发了一种自动检测 CT 体积中骨病变（溶骨性、硬化性和混合性）的方法，通过代理分割任务使用 2D 切片生成弱 3D 分割掩模，然后使用训练好的 3D 全分辨率 nnUNet 模型进行分割和检测，实现了 96.7％的精确度和 47.3％的召回率。

    Jan, 2024

  • 利用肝脏 CT 扫描在结直肠癌基因突变分类中的应用

    该研究使用人工智能分析计算机断层扫描（CT 扫描）图像，并提出了一种基于深度学习的方法，以准确识别结直肠癌患者肝脏远处转移所涉及的突变和基因组突变诊断，其 F1 评分为 0.73。

    Jan, 2024

  • ScanNet: 一种快速稠密的滑片图像扫描框架，用于乳腺癌转移的检测

    本文研究了利用卷积神经网络的计算机诊断技术在乳腺癌病理学中的应用，从组织样本的全幅图像中快速自动检测淋巴结转移的新方法，并且在 2016 年 Camelyon Grand Challenge 的数据集上取得了优异的性能，不仅比其他同类方法检测肿瘤定位的速度更快，而且在 WSI 分类任务上超越了人类表现。

    Jul, 2017

  • 融合低剂量 CT 为基础的放射组学和代谢组学用于早期肺癌筛查支持

    通过机器学习技术应用于低剂量计算机断层扫描辐射学和代谢组学，本研究开发了一种方法来识别肺实质内的潜在恶性肿瘤病变，以支持肺癌筛查。

    Sep, 2023

  • 淋巴结转移癌症检测的半监督学习

    用逐步的方式查找转移组织的任务通常很具有挑战性，这篇研究提出了使用基于深度卷积神经网络的半监督学习方法的模型来自动分析肿瘤病理扫描图像中的前哨淋巴结状态，表现比标准 CNN 基准表现更好，并在 PatchCamelyon 数据集上进行了验证。

    Jun, 2019

  • 脊柱转移的基于学习的骨质分类方法

    基于 CT 图像的多任务学习方法，通过自适应学习从易到难的方式，提高脊柱转移病骨质分类的性能，并在脊柱切片和椎体水平上表现出较大的优势。

    Feb, 2024