搜索结果: 1-15 共查到“临床诊断学 深度学习”相关记录18条 . 查询时间(0.211 秒)
我国科学家揭示利用骨髓涂片诊断和分型急性髓系白血病的深度学习算法
骨髓涂片 急性髓系白血病 深度学习算法
2024/1/16
中国科学院心理所研发出可实用的阿尔茨海默病脑影像深度学习判别器(图)
阿尔茨海默病 磁共振成像 脑影像
2022/10/22
磁共振成像(Magnetic Resonance Imaging,MRI)是非侵入性的、无辐射的成像技术,广泛应用于脑损伤和脑肿瘤等疾病的临床诊断上。然而,针对阿尔茨海默病(Alzheimer’s Disease,AD)等无法直接依靠人眼判别的脑疾病,基于MRI的辅助诊断进展甚微。这是由于大多数AD分类算法使用较少的训练数据,且数据往往来自少数几个站点,这意味着分类器在应用于其他陌生扫描仪/人群时...
2022年10月19日,中国科学院行为科学重点实验室严超赣研究组在数据科学领域顶级期刊Journal of Big Data (IF=10.835)在线发表题为《基于85,721 个样本构建可实用的阿尔茨海默病脑影像深度学习判别器》的论文。
苏州医工所董建飞课题组在深度学习图像数据建模方面取得研究进展(图)
董建飞 图像数据 医学影像 网络结构
2023/7/21
2022年来,深度学习方法在图像处理中的应用快速发展,特别是对于医学影像,基于深度学习的技术为医生提升诊断效率提供了大量科学和直观的依据。对于医学图像分割,U-Net已成为一种流行且有效的工具,然而,它在分割模糊边界和消除干扰方面仍有明显的不足。 针对上述问题,中科院苏州医工所董建飞课题组的博士生张云楚和董建飞研究员近两年来研究提出了一种“2K折网络(2K-Fold-Net)”、以及基于注意力机制...
近期,中科院合肥研究院智能所智能感知技术中心宋博研究员团队在多模态医学图像处理技术研究方面取得重要进展:团队基于人工智能-深度学习技术的医学影像分析方法研究,开发了同步实现脊柱中心线提取及脊柱侧弯量化评估精确诊断模型,可大幅度提高检测精度和速度。目前该成果发表于医学影像分析顶会-医学图像计算和计算机辅助介入国际会议(The 24th International Conference on Medi...
深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(Diabetic retinopathy,DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面,对深度学习方法在糖尿病视网膜病变诊断中的应用进行了...
日前,郑州大学人民医院王梅云团队与清华大学医学院洪波团队、航天航空学院李路明团队,哈佛大学医学院Martinos影像中心刘河生团队合作,采用深度学习方法解决功能磁共振缺损信号修复难题,研究成果以题为《采用深度学习方法重建个体大脑缺损的血氧水平依赖信号》(Reconstructing lost BOLD signal in individual participants using deep mac...
基于深度学习的乳腺X线摄影钙化检出系统评估
乳腺X线摄影 可疑钙化 钙化检测 深度学习
2020/3/4
探讨基于深度学习的乳腺X线影像钙化检出系统的价值。回顾性分析2013年1月至12月解放军总医院第五医学中心南院区乳腺X线常规检查1 431例患者的5 488幅影像,每例检查均拍摄头尾位(CC)及内外斜位(MLO)图像。通过低年资医师A独立阅片、高年资医师B审核的方式,建立钙化检出的参考标准。采用χ2检验研究不同因素(钙化形态、钙化分布、分类、美国放射学院腺体构成分类、患者年龄)对于深度学习和医师A...
利用深度学习模型判断基线胸部平扫CT肺结节的良恶性
肺结节 深度学习 随访
2020/3/4
基于深度学习肺结节良恶性鉴别诊断模型,探讨基线胸部平扫CT对肺结节良恶性的鉴别诊断价值。回顾性连续纳入东部战区总医院2009年5月至2017年6月在胸部平扫CT上表现为肺结节且有病理证实的130例患者,共纳入136个结节,其中恶性结节86个,良性结节50个。所有患者至少有2次及以上随访胸部平扫CT检查,其中第1次检查为基线检查,病理前最后1次检查为最终检查。使用Dr.Wise Lung Analy...
评估使用常规肺CT扫描数据训练的肺结节良恶性判别深度学习模型,在肺结节靶扫描CT图像上的良恶性分类效能。回顾性分析上海市胸科医院2016年1月至2018年12月间胸部CT扫描发现肺结节并行手术切除的患者923例,共搜集有病理检测报告且在常规扫描和靶扫描数据集上可对应的结节969个。使用基于常规扫描CT数据训练的深度学习良恶性分类模型,对于本研究中搜集的常规扫描和靶扫描数据集进行评测,评估指标包含两...
探讨基于手腕部影像传统关注区域深度学习特征的人工智能骨龄评估技术可行性及效果。选取11 858例本院0~18岁骨龄检测影像数据,随机分成训练集(80%)和验证集(20%),应用深度学习等方法构建基于传统关注的17个特征区域定位模型及骨龄回归模型;另选取本院近期1 229例骨龄影像作为测试集检测其效能。采用平均精度均值(mAP)及平均绝对误差(MAE)分别评价模型定位及骨龄预测的准确性。
开发一种能够自动分辨前列腺多序列MR图像的人工智能(AI)工具。回顾性分析2017年5月至2018年12月华中科技大学同济医学院附属同济医院前列腺多序列MR图像。前列腺多序列MR图像的分类由ResNet18卷积神经网络(CNN)模型来实现。运用深度残差网络提升训练精度和测试精度。所使用的数据集包括19 146张7个前列腺MR序列图像(横断面T1WI、横断面T2WI、冠状面T2WI、矢状面T2WI、...
近日,来自芬兰阿尔托大学(Aalto University)的科学家们通过研究发现深度学习(Deep Learning)方法可以协助临床医生准确诊断糖尿病视网膜病变及黄斑水肿,相关研究成果以“Deep Learning Fundus Image Analysis for Diabetic Retinopathy and Macular Edema Grading”为题,发表在Scientific ...