- 无需训练的图像风格对齐技术用于手持式超声设备上的自适应领域偏移
通过 Training-free Image Style Alignment (TISA) 框架,本研究旨在解决手持式超声设备在医学诊断中的使用局限性问题,通过样式对齐手持设备数据和标准设备数据,实现无需额外训练的手持设备图像推理,用于临床 - 基于算法的糖尿病视网膜病变诊断应用
描述了一种包括眼科学图像的处理和分析的自动糖尿病视网膜病变诊断方法,使用形态学算法来识别视盘和特征病变,通过神经网络和深度学习算法对眼科图像进行分析,提高疾病早期检测的效率。
- 基于人工智能的印戒细胞诊断:现状与未来调查
通过对深度学习驱动的代表性算法进行分析和比较,并讨论开放问题和未来趋势,本文回溯性研究有助于相关领域的研究人员,特别是那些没有医学科学背景的人,不仅能清晰地找到 SRC 分析的大纲,还能获得智能诊断的前景,从而加快智能算法的实践和应用。
- ICLR大型语言模型执行诊断推理
通过将思路链式提示(CoT)拓展到医学推理领域,我们提出了诊断推理 CoT(DR-CoT)。实证结果表明,通过仅向仅训练于一般文本语料库的大型语言模型提供两个 DR-CoT 实例来指导,诊断准确性提高了 15%。此外,在领域外情景中,该差距 - ACLCoAD:基于症状和疾病协作生成的自动诊断
引入了一个名为 CoAD 的新型疾病和症状协作生成框架,通过对多个关键创新的整合来改善 AD,并在各类数据集上展示得到了平均 2.3% 的改进。
- ChatGPT 智能诊断开启医学影像潜能
提出一个基于深度学习和 ChatGPT 的决策支持系统来辅助医疗保健机构和病人进行诊断、治疗和管理健康情况。该系统包含三个阶段:数据收集和标注,模型训练和诊断报告生成,可以提高决策能力,降低成本和提高医疗机构的能力,通过大量的实验得出自动诊 - 通过多模态多阶因子融合进行抑郁症诊断和分析
本文提出了一种多模态多阶因素融合 (MMFF) 方法,能够很好地利用不同模态之间的高阶交互作用,从而进行抑郁症的自动诊断,并且能够解释模型的融合机制。在两个最近流行的数据集上进行了广泛的实验证明,相比其他现有方法,我们的方法具有更好的性能。
- 基于隐喻概念映射的分层注意力网络用于可解释的推特抑郁症检测
在 Twitter 上进行自动检测抑郁症能够帮助个人在寻求心理健康专业人员帮助之前,以私密和方便的方式了解自己的心理健康状况。本文提出了一种基于描述性模型的新型抑郁症检测模型,该模型结合了分层注意机制和前馈神经网络,在支持心理语言学研究的同 - DDXPlus: 自动医学诊断新数据集
本文提出了一个大规模的综合数据集,包括大约 1.3 百万患者的诊断、症状和先决条件的差异诊断,用于自动症状检测和自动诊断系统的训练,以帮助医生更好地了解这些系统的推理。
- AAAIDiaformer: 症状序列生成自动诊断
通过考虑医生和病人之间的对话,我们将自动诊断重新定义为症状序列生成任务,并基于变压器(Diaformer)提出了一个简单而有效的自动诊断模型,采用症状注意机制和三种无序的训练机制来提高自动诊断的准确性。在三个公共数据集上的实验结果表明,Di - ChestX-Det10:胸部 X 光检测数据集
该研究提供了一个名为 ChestX-Det10 的新基准,包括大约 3,500 个显微镜图像的 10 种疾病 / 异常的框注释。这个基准可以用于胸部 X 光的疾病分类和定位研究。
- 使用面向细节的胶囊网络结构识别 CT 扫描中 COVID-19 病灶,可匹敌放射科医生的水平
本研究提出了一种名为 “Detail-Oriented Capsule Networks (DECAPS)” 的网络结构,通过结合胶囊网络和多种架构改进,自动诊断放射学影像下的新型冠状病毒肺炎 (COVID-19)。DECAPS 使用倒置动 - MM使用深度学习方法进行自动医学诊断的低成本设备原型
本研究利用深度神经网络和卷积神经网络,设计了一种低成本的设备原型,能够通过输入症状和个人背景信息进行自动诊断,实现对多种疾病的有效诊断和治疗,准确率高达 90%。该工具能够为全球人们提供低成本的重要诊断和治疗手段。
- 基于卷积神经网络的电子病历辅助诊断
本文提出了一种基于卷积神经网络的临床智能决策方法,可以自动从电子病历中提取高级语义信息,然后进行自动诊断,结果表明这种方法是可行和有效的。
- ICML功能评估的决策树 - 最差和期望成本的同时优化
通过自适应查询变量值评估离散函数的策略的设计,该算法可以同时实现预期和最坏情况下的对数逼近,即使在计算费用较高的情况下,该算法也可以作为一种自动诊断和主动学习的解决方案。