Nov, 2023

INSPECT: 肺栓塞诊断和预后的多模态数据集

PDF
TL;DR通过整合三维医学影像和电子健康记录，我们引入了 INSPECT 数据集，其中包含 19402 名患有肺栓塞（PE）风险的患者的匿名长期记录，以及多个结果的基准标签，为评估多个重要 PE 相关任务的基线建模方法提供了一个基准。
artificial intelligencemedicinemultimodal medical datasetspulmonary embolisminspect dataset
发现论文，激发创造
  • RadFusion: CT 和 EHR 的多模式肺栓塞检测的性能和公正性基准测试

    通过整合医学影像和电子健康记录，可以提升肺栓塞分类性能和稳健性，并在不引入不必要误差的情况下，在受保护子群体之间全面评估公平性属性。

    Nov, 2021

  • PE-MVCNet：肺栓塞预测的多视角和跨模态融合网络

    为了提高患者的生存率，该研究提出了一种多模态融合方法来检测肺栓塞。通过集成 CT 肺血管造影和电子病历数据，该方法融合了图像和临床信息，取得了显著的预测效果，从而超越了仅使用单个数据模式的模型。

    Feb, 2024

  • 基于计算机断层扫描血管造影和临床数据的肺栓塞死亡率预测

    通过使用 CTPA 成像、临床数据和 PE 严重指数（PESI）评分来预测 PE 的死亡率，研究采用深度学习模型来预测 PE 的死亡率，并将疾病相关的成像特征和 / 或临床变量纳入 DL 模型中进行预测，结果表明多组学 DL 模型在 PE 存活预测中的 c-index 值明显高于仅使用 PESI 指数的模型。

    Jun, 2024

  • 肺栓塞标注的特征增强对抗半监督语义分割网络

    本研究提出了一种基于 HRNet 的特征增强的敌对半监督语义分割模型，通过添加少量未标记图像实现了对不同数据集的适用，从而自动标注计算机断层扫描肺动脉造影（CTPA）图像中肺栓塞病变区域的位置。与当下的标准模型相比，该模型在 mIOU、Dice 系数和灵敏度方面实现了显著优化。

    Apr, 2022

  • 从常规电子健康记录中整合成像和潜在临床特征的纵向多模态变压器用于肺结节分类

    使用基于 Transformer 的多模态策略，将电子健康记录中的临床特征和胸部 CT 扫描图像进行无监督解开耦合，并利用时间 - 距离缩放的自注意力来共同学习其表达式，从而实现 SPN 分类的高效准确。

    Apr, 2023

  • 计算机断层扫描肺动脉造影影像的深度学习：一种肺栓塞检测的双重方法

    通过深度学习技术，结合关注引导的卷积神经网络和集成技术，对肺栓塞进行诊断，以提高准确度和病理捕捉率。

    Nov, 2023

  • PECon: 提升 CT 和 EHR 数据特征对齐以改进肺栓塞诊断的对比预训练

    使用对比学习的肺栓塞检测方法（PECon）结合患者 CT 扫描和电子健康记录，旨在提高两种模态之间特征表示的对齐性，从而改善肺栓塞的诊断效果，并通过实验结果表明该方法在 RadFusion 数据集上表现优于现有技术，得到了 0.913 的 F1 分数，0.90 的准确率和 0.943 的 AUROC。

    Aug, 2023

  • MELINDA: 生物医学实验方法分类的多模态数据集

    本文介绍了一个新的多模态生物医学实验方法分类数据集 MELINDA，并使用各种最先进的自然语言处理和计算机视觉模型进行了基准测试和分析，结果表明多模态模型优于单模态模型，但仍需要改进，特别是在视觉和语言语义互相理解和转化方面以及在处理低资源域时。该文还发布了数据集和基准测试，以便未来的多模态学习研究，特别是针对科学领域的应用的目标改进的激励。

    Dec, 2020

  • 一款全面易用的多领域多任务医学影像元数据集（MedIMeta）

    通过将机器学习技术与医学图像分析领域相融合，本研究介绍了一种名为医学图像元数据集的新型多领域、多任务元数据集，该元数据集包含 19 个医学成像数据集，涵盖 10 个不同领域和 54 个医学任务，并且采用相同的格式标准化，可在 PyTorch 或其他机器学习框架中直接使用，经过技术验证证明了其实用性，在完全监督和跨领域少样本学习基线上取得了良好的效果。

    Apr, 2024

  • 基于人工智能的电子健康记录和影像数据融合方法

    这篇综述研究了使用人工智能技术将多模式医疗数据进行融合，以开发不同临床应用的 AI 方法。通过对 34 个相关研究进行数据提取和分析，发现多模式融合模型在诊断和预测疾病等临床应用方面显著优于单一模式模型。

    Oct, 2022