Radiology：深度学习与动脉自旋标记
本研究旨在利用深度学习算法改善动脉自旋标记（ASL）灌注图像的准确性和显着性，并将结果发表在Radiology上。
MedSci原创 - 深度学习，动脉自旋标记，灌注 - 2018-02-24
Radiology:卷积神经网络，使评估肺结节每天的体积变化成为可能！
美国国家肺部筛查试验显示，低剂量CT筛查肺癌是一种可降低总死亡率的具有经济效益的检查手段。
MedSci原创 - 肺结节，CT，卷积神经网络 - 2021-06-11
Gastroenterology ：AI图像系统可大大提高结肠镜腺瘤检出率
研究发现，图像分析AI技术可以快速定位息肉，对结肠息肉具有极高的检出率及准确性， 可大大提高结肠腺瘤检出率
MedSci原创 - 结肠癌，息肉，ADR - 2018-06-19
Thorax：一种预测肺结节恶性程度卷积神经网络人工智能工具的外部验证
与布鲁克模型相比，LCP-CNN评分具有更好的辨别力，可以识别更多的良性结节而不会遗漏癌症。
MedSci原创 - 肺结节，人工智能，卷积神经网络，肺癌 - 2020-03-06
PLoS Med：深度学习在肺癌预测中的应用
这项研究结果提供了证据表明，深度学习网络可用于基于NSCLC患者标准治疗CT影像的死亡风险分层。
MedSci原创 - 肺癌，深度学习，预后 - 2018-12-26
JACC：基于心电图的肥厚型心肌病人工智能检测算法
本研究利用12导联心电图对2448例确诊为HCM的患者和51153例年龄性别匹配的非HCM对照者进行卷积神经网络（CNN）的检测。随后，CNN会在612名HCM患者和12788名对照进行验证。
MedSci原创 - 心血管，心电图，肥厚型心肌病 - 2020-02-24
European Radiology：实现丘脑全自动分割的3D卷积神经网络！
丘脑是多发性硬化症过程中最早出现萎缩表现的脑结构之一，基于MRI的丘脑体积是预测从临床孤立的综合征到临床明确的多发性硬化症的一个重要标志。
MedSci原创 - 多发性硬化症，卷积神经网络 - 2023-02-13
Eur Radiol： 想准确地检出CT中的肋骨骨折，又不想看瞎眼，那有什么好办法吗？
放射科医师的眼是保住工作的铁饭碗，然而，有些工作偏偏想砸了他的铁饭碗！
MedSci原创 - CT，人工智能，肋骨骨折 - 2021-01-19
Nat Commun：基于深度学习和形态学的衰老评分系统（Deep-SeSMo）：抗衰老药物筛选的重要工具
由于卷积神经网络（CNN）的发展，图像分类的准确性正在迅速的提高。目前CNN已被应用于广泛的医学研究领域，且图像分类现已在临床中被用作
MedSci原创 - 衰老，抗衰老药物，衰老评分系统，Deep-SeSMo - 2021-01-20
BJU Int：深度学习方法预测前列腺癌的淋巴结转移
最近，有研究人员基于卷积神经网络（CNN）对原发性肿瘤组织进行了分析，开发了一种新的数字生物标志物来预测淋巴结转移（LNM）。
MedSci原创 - 淋巴结转移，前列腺癌，深度学习 - 2021-03-23
![European Radiology：使用[18F]FDG PET/CT实现结节病和淋巴瘤的准确诊断](https://img.medsci.cn/20240430/1714489106926_1605392.png?x-oss-process=image/resize,m_fill,w_250,h_175,limit_0 "European Radiology：使用[18F]FDG PET/CT实现结节病和淋巴瘤的准确诊断")
European Radiology：使用[18F]FDG PET/CT实现结节病和淋巴瘤的准确诊断
卷积神经网络 (CNN) 是一种深度学习编码，由多个卷积和池化层组成，可以从输入图像中自动提取特征图。
MedSci原创 - 淋巴瘤，结节病，18F-FDG PET/CT - 2024-05-01
J Dent Res：AI预测CAD/CAM复合树脂冠的分离
这篇研究的目的是为了评估卷积神经网络(CNN)深度学习法从一个3D口腔扫描仪获取的3维(3D)立体光刻模型捕获的2维影像中预测CAD/CAM CR冠可能分离与否的有效性。
MedSci原创 - AI，冠分离，预测 - 2019-08-07
AI检测皮肤癌准确率比皮肤病学专家还高 服不服？
一项由国际研究小组进行的研究，将经验丰富的皮肤科医生与机器学习系统——深度学习卷积神经网络（Convolutional Neural Network， CNN）)进行对比，比较究竟谁在发现恶性黑色素瘤方面更胜一筹大多数皮肤科医生的表现都优于CNN。该报告发表在《肿瘤学年鉴》(Annals of Oncology)上。来自全世
健康界 - 皮肤癌，AI - 2018-06-14
eClinicalMedicine：浙江大学丽水医院纪建松教授团队开发了一种新型乳腺癌患者前哨淋巴结转移预测方法
该研究聚焦于开发并验证一种基于动态对比增强磁共振图像（DCE-MRI）的深度学习自动化评估工具，能够有效实现术前腋窝前哨淋巴结（SLN）和非前哨淋巴结（NSLN）转移风险的无创精准预测。
iNature - 乳腺癌，前哨淋巴结转移 - 2023-08-26
为您找到相关结果约424个
