disease diagnosis | BriefGPT

关键词disease diagnosis

搜索结果 - 30

深度非对称混合模型用于无监督细胞分割
自动细胞分割是疾病诊断和药物研发中越来越重要的工具，本文提出了一种新的非对称混合模型用于无监督的细胞分割，该模型在细胞分割的性能上胜过现有的最先进的无监督模型约 2-30%（p<0.05）的提升。
PDFa month ago
基于完全同态加密的机密保护疾病分类器
我们提出了一种结合完全同态加密和深度学习的框架，用于安全和私密的诊断系统，通过在加密输入数据上处理问题与回答的模型，实现了严格的安全性和隐私保护，同时在性能上几乎没有损失。
PDF2 months ago
光学相干断层扫描血管造影中视网膜特征的数量化表征
该研究通过使用生成式机器学习技术将视网膜层析成像转化为视网膜层析血管成像，从而有可能绕过使用专门的层析血管成像设备的需求，该方法利用了生成式对抗网络框架，研究验证了转化后图像的质量，并通过对比原始图像评估了新型图像的可行性，结果表明该方法对
PDF2 months ago
利用论证要素支持的方法检测生物医学摘要中的应用领域
通过使用 PubMedBERT 预训练模型，进一步研究生物医学出版物中的论证要素，以改进特定领域的文献检索，例如疾病诊断或药物开发的问题。
PDF3 months ago
QMix: 质量感知混合噪声的鲁棒性视网膜疾病诊断学习
通过 QMix 噪声学习框架，在混合噪声下学习出一种鲁棒的疾病诊断模型，能有效处理医学图像数据集中的噪声，提高对混合噪声的稳健性和泛化能力。
PDF3 months ago
一种面向临床的多层次对比学习方法用于低质量医学图像疾病诊断
提出了一种临床导向的多级对比学习框架，旨在增强模型提取病变特征和区分病变与低质量因素的能力，从而能够更准确地诊断低质量医学图像的疾病。
PDF3 months ago
用受控潜在扩散模型修正心脏成像偏差
基于心脏磁共振成像的深度学习解决方案在疾病诊断和预后方面的进展受到高度不平衡和有偏训练数据的阻碍。为了解决这个问题，我们提出了一种通过基于敏感属性（如性别、年龄、体重指数和健康状况）生成合成数据来缓解数据集中固有的不平衡问题的方法。我们采用
PDF3 months ago
ICCV超越你所见：使用种族健康不平等社会决定因素对多标签胸部 X 射线分类进行子群交叉公平性的实证分析
通过使用深度学习模型，本研究在疾病诊断方面取得了重要进展，在使用胸部 X 射线上具有很大潜力。然而，这些模型中存在的固有偏见可能导致预测准确性在不同保护组之间存在差异。为了实现准确的诊断结果并确保在交叉组之间公平性，我们提出了一个框架，用于
PDF3 months ago
医学图像配准及其在视网膜图像中的应用：一项综述
医学图像配准对疾病诊断和治疗至关重要，能够合并不同时期、不同角度或不同模态下捕获的多样信息。本文系统综述了传统和基于深度学习的医学图像配准方法，并重点关注了视网膜图像配准的最新进展及其面临的挑战，同时提供未来研究的见解和展望。
PDF3 months ago
使用 PathFormer 进行高准确性疾病诊断和高复现性生物标志物鉴定
通过使用信号网络、先验知识和组学数据，我们提出了一种名为 PathFormer 的新型 GNN 模型结构，以对生物标志物进行排序和预测疾病诊断，相较于现有的 GNN 模型，在高度准确的预测能力方面有着显著优势（与现有的 GNN 模型相比，在
PDF5 months ago
MICA：通过多级图像概念对齐实现可解释性皮肤病病变诊断
通过使用黑盒深度学习方法，并结合可解释的人工智能和基于概念的方法，在医学图像分析领域提出一种多模态可解释疾病诊断框架，以实现模型可解释性、高性能和标签效率的平衡。
PDF6 months ago
自适应平滑激活以改善来自放射学扫描的疾病诊断和器官分割
本研究提出了一种新的激活函数，称为自适应平滑激活单元（ASAU），专为优化梯度传播而设计，从而提高了卷积神经网络在医学图像分析中的效能。我们将这个新的激活函数应用于医学图像分析中的两个重要和常用的任务：CT 和 MRI 中的自动疾病诊断和器
PDF7 months ago
临床机器学习中的有效性问题：间接数据标注使用共识定义
机器学习在医学疾病诊断这一关键应用领域存在一个有效性问题，当训练数据中的目标标签通过间接测量确定时，若基础测量数据包括在输入数据表示中，则机器学习模型只会学会复原已知目标定义，导致模型在与其类似的测试数据上表现完美，但在现实世界中，当定义的
PDF8 months ago
机器学习在临床疾病诊断中的重要性：综述
通过分析当前文献，本研究提供了关于机器学习在疾病诊断方面的最新方法和性能指标的深入了解。
PDF8 months ago
医疗数据的多模态融合架构启用缺失模态
本研究旨在开发一种对医疗数据具有鲁棒性的高效多模态融合架构，并进一步提高疾病诊断的性能。实验证明，我们提出的多模态融合架构有效地融合了三种模态并对缺失模态表现出较强的鲁棒性。该方法有望扩展到更多模态以增强模型的临床实用性。
PDF9 months ago
多模态推荐系统中的疾病并发症预测
基于深度学习的推荐系统在医学领域的应用有限，本研究利用两种深度学习推荐系统方法（神经协同过滤和深度混合过滤）对已知患者共病进行疾病诊断，结果表明，模型在所有 ICD-9 编码上的性能较好（准确率约为 90%，命中率 @10 约为 80%），
PDF10 months ago
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。
PDFa year ago
基于金属氧化物气敏阵列与机器学习在复杂混合物挥发性有机化合物分析中的应用
本文提出了一种具有三个金属氧化物电极的传感器阵列，采用机器学习方法，在混合物中识别四种不同的挥发性有机化合物，证明该阵列利用所提供的算法可以分类和预测四种气体的浓度，从而用于疾病诊断和治疗监测。
PDFa year ago
利用 GrabCut 和生成对抗串行自编码器进行辣椒病害图像重建诊断
本研究提出了一种基于 Gan 的辣椒疾病自动检测系统，具有高性能的图像评分计算方法，并将三个结果通过一个判别器同时分类，该方法表现比以前的研究更好。
PDFa year ago
MM使用 AACR GENIE 数据集训练的液态神经网络（LTC）识别神经纤维瘤肿瘤
本研究提出了一种可解释的人工智能方法，通过血液测试和病原变量对患有神经纤维瘤病的患者进行诊断，并使用逻辑回归和解释性刺激提供了一种解释模型和黑盒模型。通过评估 AACR GENIE 项目数据集，证明该方法的准确率高达 99.86％。该方法为
PDFa year ago