multiple sclerosis | BriefGPT

关键词multiple sclerosis

搜索结果 - 21

机器学习技术对放射学孤立综合征和临床孤立综合征的分类
研究使用机器学习分类方法和多模式 MRI 数据来鉴别多发性硬化症的最早临床表现（临床隔离综合征和放射学隔离综合征），准确率达到 78%。
PDF5 months ago
使用连续多序列 MRI 评估 QCNN-LSTM 在多发性硬化症残疾预测中的有效性
在这项初步研究中，我们比较了三种 Quantum Convolutional Neural Network-Long Short-Term Memory 模型与经典神经网络架构在多发性硬化 (Multiple Sclerosis) 残疾的二
PDF5 months ago
自剪枝图神经网络在多发性硬化患者脑 MR 图像中预测炎症性疾病活动
利用图神经网络对多发性硬化症进行炎症性疾病活动预测，通过三维分割网络检测病灶并提取图像特征，构建患者图，在基于空间接近性连接病灶的基础上，将炎症性疾病活动预测建立为图分类任务，最终通过自动选择最关键的病灶进行预测，其性能优于现有基线方法。
PDF10 months ago
跨临床站点改进多发性硬化症病变分割：一种具有抗噪训练的联邦学习方法
使用联邦学习框架中的标签修正策略，解决多发地点协作中数据隐私和标签噪声的问题，实现多发地点的合作，提高多发地点数据的可靠性，并在多发地点数据上进行广泛实验证明了方法的有效性和鲁棒性。
PDF10 months ago
GAMER-MRIL 识别多发性硬化症相关脑变化
通过结合全脑定量磁共振成像（qMRI）、卷积神经网络（CNN）和解释性方法，提出了一种全新的综合方法 GAMER-MRIL，用于分类具有严重残疾的多发性硬化（MS）患者，并调查相关的病理性脑变化。
PDFa year ago
借助机器学习开发提高与鞘脂醇 1 - 磷酸受体 1 结合亲和力的新型配体
通过细化自动编码器机器学习模型，将化学配方转化为数学向量，并生成超过 500 种基于 siponimod 的分子变体，其中 25 种化合物对 S1PR1 具有更高的预测结合亲和力；筛选这些化合物后，发现了 6 个具有良好药物特性和易合成功能
PDFa year ago
CoactSeg：利用异构数据进行新型多发性硬化症损害分割
提出了一种利用混合数据和纵向关系来改善新型 MS 病变分割的 CoactSeg 模型，并通过大量实验证明了其在新型病变和整体病变分割任务中显著提高的性能。
PDFa year ago
利用不确定性感知因果模型提高基于图像的精准医疗
本研究使用基于贝叶斯的深度学习技术，通过对多发性硬化症患者的 MRI 图像进行数据训练，估计病人的不同治疗方案的后验分布，计算每种治疗方案和任意两种治疗方案之间的个体治疗效应（ITE）并对其不确定性进行评估，从而实现 “精准医学”，并对临床
PDFa year ago
利用多模态深度神经网络预测多发性硬化疾病的严重程度
使用多模态电子病历数据和深度学习框架预测多发性硬化症疾病的严重程度；我们描述了一个基于结构化电子病历数据、神经影像和医学记录的多模态深度学习框架，相比使用单一模态数据的模型，该框架提高了高达 25% 的预测准确度；研究还提供了有关每个数据模
PDFa year ago
基于注意力机制的卷积神经网络在 FLAIR 图像中的多发性硬化症病变分割
使用 FLAIR 影像的卷积神经网络来自动分割多发性硬化症的病变，该方法在测试中表现显著优于其他现有的方法。
PDF3 years ago
多发性硬化 MR 图像的结构因果模型
本研究使用结构因果模型 (SCM) 开发一种可以模拟人们进行多发性硬化症 (multiple sclerosis) 治疗过程中的 MRI 图像变化的方法，为精准医疗提供一种解决治疗优化问题的解决方案。
PDF3 years ago
EMNLP从临床文本中对多发性硬化症严重程度进行分类
通过使用 MS-BERT 模型、MSBC 分类器和 Snorkel 来预测神经病学会诊记录中的 EDSS 分数和各项功能分数，本研究取得了最新的技术成果，并改善了以前仅使用 Word2Vec CNN 和基于规则的方法生成的模型的预测表现。
PDF4 years ago
多发性硬化全脑与病变同时分割对比适应方法
提出了一种对多发性硬化患者进行多序列脑 MRI 扫描的白质病变和正常神经解剖结构同时分割的方法，并通过四个不同的数据集验证了该方法的高鲁棒性。
PDF4 years ago
MM使用图注意力网络从单细胞数据预测疾病状态
用单细胞 RNA 测序结合图注意力网络的方法预测多发性硬化症患者的疾病状态，准确率达 92％，并发现了与预测相关的重要细胞类型和基因。同时，该方法为单细胞数据推断一个新的特征空间，并利用注意力权重学习一个可以在可视化中呈现的新低维度嵌入，这
PDF4 years ago
使用分割置信度卷积神经网络自动检测多发性硬化症病变负荷变化
针对多发性硬化症患者康复过程中的病变检测，本文提出了一种新的自动化分割算法，通过识别病变变化的高确定性来较好地分离稳定型和进展型患者，高于常用的体积变化方法。在个体患者方面，变化的衡量不足以确立无病情进展，直接检测非病变到病变的组织变化是一
PDF5 years ago
使用编码器 - 解码器 U-NET 在 MRI 中合成多发性硬化症病变
本文研究旨在提高监督式机器学习算法的性能，生成合成性多发性硬化症 (MS) 病灶于核磁共振图像。我们提出了一种双输入双输出的全卷积神经网络模型，用于 MS 病灶合成 MRI 影像。使用病灶信息编码为二进制强度层掩膜，并通过对输入影像叠加。实
PDF5 years ago
多尺度卷积堆叠聚合用于鲁棒性白质高信号区域分割
使用多尺度聚合模型来处理大小可变的白质高信号区域 / 损伤的分割任务，在多个数据集上的表现均优于现有的方法。
PDF6 years ago
使用变分自编码器进行 q 空间新颖性检测
文章提出一种基于 VAE 的新颖性检测方法，使用该方法可以检测出多发性硬化症的扩散 MRI 扫描中的异常区域，并且在 MNIST 手写数字数据集上取得了优于现有方法的效果。
PDF6 years ago
使用卷积神经网络的多发性硬化症病变分割中的一次性领域适应
这篇研究分析了针对多发性硬化症患者图像的自动白质病变分割方法的卷积神经网络方法，重点研究了领域适应性对准确性的影响，并评估了在新领域中需要重新训练的最小图像数量和最小图层数量以获得可比较的准确性。
PDF6 years ago
基于级联 3D 卷积神经网络方法的自动化多发性硬化病变分割改进
本文介绍了一种基于三维卷积神经网络的级联模型用于多发性硬化患者影像的白质病变分割方法，并在公共数据集 MICCAI2008 和两个私有临床数据集上进行了精度评估，表现优于其他已知方法。
PDF7 years ago