- SemioLLM:大型语言模型在癫痫研究中的符号学分析评估
本研究通过对临床数据库中的文本描述进行测试,评估了最新的大型语言模型在癫痫诊断中结合内部知识和推理的能力,并提供了首个对当前 SOTA 大型语言模型在癫痫医学领域的综合评估结果,强调了它们利用患者病史中的非结构化文本辅助诊断过程的能力。
- 神经 MRI 采集的人工智能综述
磁共振成像(MRI)与人工智能(AI)的复兴密切相关。通过利用 AI 在大规模优化和模式识别方面的能力,创新方法正在改变 MRI 采集流程,包括规划、序列设计和纠正采集伪影。这些新兴算法在增强采集步骤的效率和吞吐量方面展示了重要潜力。本综述 - 可解释机器学习提升疾病预测能力:COVID-19 及未来应用
COVID-19 和可解释机器学习在呼吸系统疾病预测中的应用,对未来研究和临床实践具有重要意义。通过综述各种机器学习模型,探索其能够整合现有临床领域知识和学习新信息的能力,以提高卫生管理系统的准备和应对能力,改善患者预后和减轻呼吸系统疾病对 - 评估医学应用中的大型语言模型:一项调研
综述医学领域中大型语言模型评估的现状、挑战以及将其负责地整合到临床实践中所需的持续研究和创新。
- 重新思考模型原型设计:通过 MedMNIST + 数据集集合
该研究提供了一个全面的基准测试,用于多样化评估医学图像分类的常见卷积神经网络和 Transformer-based 模型,并发现计算效率高的训练方案和现代基础模型在减少昂贵的端到端训练和资源精细的方法之间具有潜力。此外,研究结果表明,较高分 - 零样本心电图分类的多模态学习与测试时临床知识增强
通过多模态学习心电图记录和相关报告,提出了一种 Multimodal ECG Representation Learning (MERL) 框架,可通过文本提示进行零样本心电图分类,消除对下游任务训练数据的需求,并使用 LLM 来利用外部专 - 立体定向放射治疗发展概述
立体定向放射治疗(SBRT)是一种将高能射线聚焦于肿瘤病灶区域的三维空间技术,可以降低周围正常组织接受的剂量,有效提高肿瘤的局部控制率,降低并发症的可能性。本文讨论了 SBRT 的背景、放射生物学基础、关键技术和主要设备,并展望了其未来发展 - 医学中的大型语言模型调查:进展、应用和挑战
大型语言模型(LLMs),如 ChatGPT,因其卓越的人类语言理解和生成能力而受到广泛关注。因此,在医学领域应用 LLMs 以协助医师和患者护理成为人工智能和临床医学中一个有前景的研究方向。本调查旨在全面介绍 LLMs 在医学领域目前的进 - 医学图像分析中的不确定性量化综述:概率和非概率方法
综合机器学习医疗模型在临床实践中的应用仍然不理想,缺乏证据证明其可靠性进而限制了其广泛应用。本文综述了用于各种医学图像任务中开发的机器学习模型的不确定性量化方法,包括概率和非概率方法,以全面调研与不确定性量化相关的研究。该综述对医学图像的分 - MedMine:基于预训练语言模型的药物挖掘研究
自动药物挖掘是当前热门话题,本文通过对预训练语言模型进行微调,研究了其在医疗临床实践中的应用,并比较了各模型的优缺点及对不同实体类型和临床事件的表现差异,这些发现有助于未来的研究和改进。
- 迈向乳腺 X 线摄影图像的自动语义分割
通过深度学习框架,我们在常规乳腺 X 线照片上提出了一个大型私有化分割数据集,并进行了大量实验以考虑不同的深度学习模型结构,从而准确地分割了乳头、胸肌、纤维腺体组织和脂肪组织,展示了该框架可以整合到临床实践中。
- CVPR面向医学图像分割的体积无监督域适应框架:基于切片方向连续跨模态
使用自注意力图像翻译、不确定性约束下的伪标签改进和三维自我训练的简单而有效的 SDC-UDA 框架通过无监督域适应在医学图像领域中可以实现病态标记数据从一个成像模态到具有无标签标签的另一个成像模态的转换,其在分割精度和在切片方向上连续性上均 - 循环 AI—— 通过运用折叠性能的不一致来功能化监控自动医学图像分割流水线
通过在不同的数据集中训练不同的子模型,利用其不一致性来确定一个模型的置信度并使用人为干预值来确定是否需要人工审查,从而提高机器学习在临床实践中的应用。
- MLHOps: 物联网医疗运营中的机器学习
本文介绍机器学习在医疗保健领域中部署和维护的可靠、高效、可用和道德化的过程,包括基础概念、数据准备、数据工程和工具等,在从策划到落地实现全过程提供指导。
- 用 EfficientNet 算法分类不同类型的癌症
本文使用 EfficientNet 算法对脑肿瘤、乳腺癌、胸癌和皮肤癌进行分类,并使用公开可用的数据集,在保证一致性和可比性的基础上进行预处理。实验结果表明,EfficientNet 算法在各种癌症数据集上均取得了高准确度、精确度、召回率和 - 基于人工智能的软式上肢外骨骼康复系统概述:描述性综述
该论文研究了智能外骨骼在康复中的应用和发展趋势,强调了软性外骨骼的优势,并提倡研制适应不同患者和实际临床需求的智能、人性化和便携式外骨骼设备。
- 利用不完整影像数据进行脑肿瘤分割
本研究研究使用深度学习算法应对医院实际应用中出现的图像数据不完整情况的影响,检验 MRI 数据的有效性以诊断脑肿瘤,并证明基于不完整图像数据进行的深度学习分割模型可以在临床实践中应用。
- CVPR基于 Transformer 的多尺度上下文匹配和聚合技术,用于多对比度 MRI 超分辨率
提出一种名为 McMRSR 的新型网络,它使用 Transformer 技术建模具有复杂解剖结构的区域中的长程依赖关系,通过开发一组创新的 Transformer 技术,包括多尺度上下文匹配,多尺度聚合机制等技术,完善了多对比度 SR 重建 - ACL基于词图引导的放射学检查结果摘要
本文提出了一种新颖的自动印象生成方法,其中从发现中构建词图以记录关键词及其关系,然后设计了一个词图引导的总结模型 (WGSum) 来生成印象。实验结果表明,我们的方法在两个数据集上取得了最先进的结果,这进一步证实了我们的方法的有效性和可行性 - 学习不确定性并将其纳入算法延迟以实现安全的计算机辅助诊断
提出了一种名为 LDU 的算法,将经常出错的诊断疑点和病人推荐给人类专家以避免错误诊断的风险,该算法在深度神经网络进行计算编码的辅助下,在医疗实践中可以显著减少诊断错误的风险。