Apr, 2024

适应人工智能性病症状检测工具以检测 Mpox：HeHealth 经验

PDF
TL;DR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。
发现论文，激发创造
  • 一种可解释的迁移学习解决方案，用于从智能手机图像中检测 mpox

    本文研究采用深度学习技术基于皮损图像检测猴痘病毒，通过构建数据集，选择最合适的卷积神经网络并进行优化和量化，在移动设备上实现检测，以期在低收入国家等医疗基础设施薄弱的地区提高病毒的早期筛查率。

    May, 2023

  • 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

  • SyMPox: 基于症状的自动猴痘检测系统使用 XGBoost

    采用 XGBoost 算法的独立应用程序 SyMPox，基于症状模式分析并提供准确的 Monkeypox 诊断。

    Oct, 2023

  • 超快、超轻的基于 ConvNet 的智能监测系统，随时随地诊断早期 Mpox

    通过开发一种名为 Fast-MpoxNet 的超快超轻网络，结合关注点特征融合模块和多辅助损失增强策略以优化模型能力，使用迁移学习和五折交叉验证，实现了 94.26% 的准确率和 0.80 的实用性分数，在猴痘早期病情诊断方面达到 93.65% 的召回率，并开发了一个名为 Mpox-AISM V2 的应用系统，能够在不同实际环境下为公众和个人提供准确而实时的诊断。

    Aug, 2023

  • 深度学习技术在猴痘疾病检测中的最新进展调查

    通过对皮肤病变图像进行深度学习方法的自动检测，本文调查了猴痘的诊断，包括深度卷积神经网络、深度卷积神经网络集成、深度混合学习、新开发的视觉变换器。此外，本文还介绍了基准数据集的收集、预处理技术和评估度量。该调查还简要介绍了新兴概念，指出了研究空白、限制和应用，并概述了诊断过程中的挑战。这项调查提供了对深度学习研究的有价值的见解，预计将为研究人员提供一个路径。

    Nov, 2023

  • 基于人工智能的猴痘检测器（AICOM-MP）：适用于资源匮乏环境

    介绍了一种基于人工智能的猴痘检测器，在资源受限设备上运行，达到了最先进的性能，并开放了源代码和数据集以供健康人工智能专业人士集成，为自主移动诊所开发了通用的健康人工智能技术方法，以实现全球范围的通用访问。

    Nov, 2022

  • 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

    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。

    Mar, 2024

  • 利用深度学习模型检测猴痘皮损：可行性研究

    本文开发了一个 “猴痘皮肤病变数据集”，并使用多种预训练深度学习模型对猴痘及其他疾病进行分类，最终实现了一个在线筛查工具。虽然初步结果有所希望，但需要更大样本的数据集以进一步提高模型的泛化能力。

    Jul, 2022

  • MpoxSLDNet：一种新型 CNN 模型用于检测猴痘病变及与预训练模型性能比较

    介绍了一个名为 MpoxSLDNet（Monkeypox Skin Lesion Detector Network）的卷积神经网络模型，用于早期检测和分类数字图像中的天花病毒皮损和非天花病毒皮损，并相比传统预训练模型如 VGG16、ResNet50 和 DenseNet121 在性能指标上提供了卓越的表现，同时对存储空间的需求也显著减少，从而在资源受限的医疗环境中提出了实用的解决方案。

    May, 2024

  • PoxVerifi：一种打击天花病病毒谣言的信息验证系统

    为了解决猴痘相关的虚假信息传播问题，我们推出了 PoxVerifi，这是一个基于 BERT 机器学习模型的浏览器扩展工具，旨在帮助用户评估互联网上任何一个网页的标题准确度，同时也提供了一种有效和可访问的方法来聚合基于社区成员投票的准确度评级，以创建新的标记误传数据集。

    Sep, 2022