Apr, 2024

甲状腺癌诊断的放射组学和人工智能进展

PDF
TL;DR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。
发现论文，激发创造
  • 甲状腺癌诊断中的人工智能技术、趋势和未来方向

    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。

    Aug, 2023

  • 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

  • 基于放射学组学的人工智能方法在乳腺癌筛查和诊断中的更新综述

    通过使用人工智能的图像分析方法，如放射学，改善了乳腺癌的早期诊断和分类，提高了乳腺癌患者的护理水平。

    Jun, 2024

  • 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

  • 头颈部肿瘤失败风险的放射组学评估策略

    使用随机森林和重采样技术使用 1615 个影像学特征对头颈癌患者进行放疗风险估计，证明放射学对特定肿瘤结局的风险评估具有重要的临床作用。

    Mar, 2017

  • 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

  • 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

  • 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

  • AI 辅助提升胸部放射照片早期肺癌检测的效率：多读者研究

    本研究评估了商业可用的可解释的 AI 算法在增强临床医生识别胸部 X 光片上的肺癌的能力方面的影响。研究结果表明，使用 AI 算法可以提高肺癌的检测性能，减少漏诊，促进健康公平。

    Aug, 2022

  • 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