Mar, 2024

基于机器学习的移动平台研发与性器病理病因的可视判断性能

PDF
TL;DR使用机器学习算法开发了一个用于分类五种阴茎疾病的模型，该模型在验证数据集上表现出色，目前已在全球范围内使用，有潜力改善对阴茎疾病的诊断服务的可及性。
machine-learningvisual diagnosticpenile diseasesclinical image datasetaccess to diagnostic services
发现论文，激发创造
  • SynthVision - 通过使用合成图像数据，在计算机视觉模型中最大化输出

    使用合成数据和扩散模型快速生成高质量训练数据，构建具有 96% 准确率和 99% 精准度的计算机视觉模型，用于快速检测人乳头瘤病毒生殖器疣。

    Feb, 2024

  • PAD-UFES-20: 一组皮肤病变数据集，包含从智能手机采集的病人数据和临床图像

    本研究针对皮肤病变分析提出计算机辅助诊断系统，提供临床图像数据、病人临床数据以及 6 种不同皮肤病变诊断分类的数据集，以期协助临床医生进行皮肤癌的检测。

    Jul, 2020

  • 使用板块客观评分工具（POST）基于深度学习的尿道板质量自动量化

    本研究使用深度学习算法对 2D 图像上的尿道板质量进行评估，采用基于送分标准的评分工具（POST）和卷积神经网络来预测关键的 POST 地标，可提高韧带下下裂修复中尿道板评价的客观性和再现性。

    Sep, 2022

  • 适应人工智能性病症状检测工具以检测 Mpox：HeHealth 经验

    人工智能应用于疫情管理和医学图像的识别、分类和诊断方面显示出潜力。针对猴痘（Mpox）全球爆发，HeHealth.ai 团队利用现有工具开发了一种借助人工智能方法通过数字筛查对于患有症状的猴痘进行筛查的测试。

    Apr, 2024

  • 一种病理深度学习系统，能够利用皮肤病理学家共识作为基准来分类黑色素瘤样本

    该研究介绍了一种病理深度学习系统 (PDLS)，该系统可以对数码全幻灯片图像进行分类诊断，特别是在诊断黑色素瘤和良性黑色素细胞痣时表现出较高的敏感性与优异的性能，可以帮助病理医生明确合适的病理检查先后顺序，缩短患者等待诊治时间，最终改善患者的生命质量。

    Sep, 2021

  • 基于最先进深度学习模型的基质毒素皮肤病变检测系统，考虑种族多样性

    本研究旨在建立包含 Mpox 和其他感染性皮肤病的图像数据集，利用深度学习模型完成图像分类，研究结果表明使用由 HAM10000 数据集预训练的权重来实现迁移学习能够获得最佳的分类准确度。

    Jun, 2023

  • 病理学中的 TB 级深度多实例学习用于分类和定位

    该研究使用大规模的有标签数据集训练深度学习模型结合 “多示例学习”，以在针生物镜下进行前列腺癌诊断，并获得了很高的 AUC，为计算病理学领域的决策支持系统部署提供了基础。

    May, 2018

  • 开发与验证基于深度学习算法的前列腺癌格里森评分改进

    本研究开发了一个深度学习系统，利用细胞病理医生注释的图像样本对前列腺癌组织学图像进行 Gleason 评分，精度达 0.70，较普通病理医生有较大改善，有望提高患者预后评估准确性，并且可以更细致地描述和量化肿瘤形态学。

    Nov, 2018

  • 智能手机中使用口腔和牙齿 RGB 图像实现口腔疾病较早检测

    我们提出了一种轻量级的机器学习模型，能够在低端设备上高效检测口腔疾病的钙化物质，不依赖于 X 射线图像，可用于远程监测和发展中国家的牙科诊疗。

    Aug, 2023

  • 基于深度学习的植物病害图像检测

    利用 54,306 张植物叶片图像数据，训练深度卷积神经网络以识别 14 种作物和 26 种疾病，并利用全球智能手机渗透率的提高和近期深度学习中的计算机视觉技术，实现智能手机辅助作物疾病诊断的可行性。

    Apr, 2016