神经网络从入门到精通——从神经元到深度学习
图1 人脑神经网络 神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向–深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法，同时也可以更好地帮助你理解深度学习技术。本文以一种简单的，循序的方式讲解神经网络。适合对神经网络了解不多的同学。本文对阅读没有一定的前提要求，但是懂一些机器学习基础会更好地帮助理解本文。 神经网络是一种模拟人脑的神经网络以期能够实现类
博客 - 神经网络，深度学习 - 2016-04-01
European Radiology：深度神经网络的患者CT全自动定位
深度学习（DL）在多个医学图像分析任务的自动化方面表现出色，包括分割、计算建模、辐射剂量学、扫描范围选择、低剂量成像和方案优化。在CT扫描中使用DL来自动定位病人的情况非常少，到目前为止只有少数研究。
网络 - 深度学习，深度神经网络 - 2023-11-02
European Radiology：如何使用卷积网络量化腹部脂肪？
肥胖的定义是异位腹部或皮下脂肪组织过多，与许多其他疾病如糖尿病、冠心病、代谢综合征和许多类型的癌症密切相关。
MedSci原创 - 腹部脂肪，卷积神经网络 - 2024-04-02
Nat Med：吴恩达教授利用神经网络诊断心率不齐
近日，吴恩达团队在 Nature Medicine 上发表了一项研究，开发了一种深度神经网络，可基于单导程 ECG 信号分类 10 种心率不齐以及窦性心律和噪音，性能堪比心脏病医生。
MedSci原创 - Nature，Medicine，吴恩达，神经网络 - 2019-01-11
递归神经网络（RNNs）在机器深度学习中的奇妙应用
递归神经网络（RNNs）有一些不可思议的地方。从花几十分钟训练我的第一个婴儿模型（相当随意挑选的超参数）开始，到训练出能够针对图像给出有意义描述的模型。
MedSci原创 - 递归，神经网络，机器 - 2015-09-04
European Radiology:深度神经网络实现儿童颅脑MR成像的“又快又好”！
现阶段，磁共振成像（MRI）已被广泛用于捕捉小儿神经影像学的结构或功能变化，最常用的序列之一是3D MPRAGE序列。然而，与其他成像方式相比，MRI需要更长的扫描时间，使其难以在儿童中广泛应用。由于
MedSci原创 - 磁共振成像，深度神经网络 - 2022-08-05
JAMDA：NEAT人工神经网络对鉴别易跌倒老年人有效
为此，我们研究的主要目的是研究三个人工神经网络即MLP、调整后的MLP、NEAT，利用一系列与社区老年人跌倒因素相符合的临床特征，测试它们区分经常跌倒与不经常跌倒老年人的有效性（人工神经网络，简写为ANNs，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接
MedSci原创 - 跌倒，NEAT，人工神经网络 - 2015-03-28
Circulation：深度神经网络自动判读超声心动图心室壁运动异常
深度神经网络自动判读超声心动图检查可以支持临床报告和提高效率。虽然既往研究已经使用静止图像评估了心脏结构的空间关系，该研究旨在通过结合空间和时间信息来开发一个用于视频分析的深度神经网络，并进行检测，以
MedSci原创 - 超声心动图学会，深度神经网络，心室壁运动异常 - 2020-10-24
Invest Ophthalmol Vis Sci：深度学习的神经网络算法检测视网膜病变！
美国加利福尼亚州圣何塞市圣克拉拉谷医疗中心眼科和斯坦福大学生物医学数据科学系的Lam C近日在Invest Ophthalmol Vis Sci发表了一项重要的工作，他们开发了一种自动化的方法来定位和辨别视网膜图像中的多种类型的特征。这套方法使用有限的数据进行训练，中间没有编码特征提取的算法。因为有的疾病的数据有限，所以可以将此算法推广到少数疾病检测的步骤中。
MedSci原创 - 视网膜病变，神经网络算法，自动化，智能化 - 2018-01-31
递归神经网络(RNNs)基本原理及最新进展
摘要 递归神经网络(Recurrent Neural Network, RNNs)的研究最近取得了很大进展，成功应用包括手写识别、语音识别、自然语言处理以及计算机视觉等一系列问题。本文介绍了递归神经网络的基本原理与近期进展，并对若干代表性工作进行了回顾。导读 递归神经网络（RNN）是目前最流行的几种深度学习网络结构之一，因其递归处理历史信息和建模历史记忆的功能特点而特别适用于处理时间、空间
知乎 - 递归神经网络，RNNs - 2016-08-27
当你生病时，你会选择机器还是医生｜对话神经网络先驱特伦斯
来看一道选择题。深陷某种疑难杂症的你面临两个诊断结果和两套治疗方法：第一个来自一台通过验证的机器，通过视觉影像输入，它能够针对你的病症进行诊断并给出相应疗法；第二个则来自一个有经验的专业医生。你会相信谁？“我会毫不犹豫地选择相信机器，不管这个医生有多优秀。”作出这个回答的是特伦斯·谢诺夫斯基（Terrence Sejnowski），深度学习领域的先驱者和顶级AI科学家，NIPS基金会主席，上世
大数据文献 - 生病，机器，医生 - 2019-12-04
NATURE：大脑发育的神经网络建模，有助于理解脑部疾病的神经发育根源
该系统让研究人员有机会在培养的细胞中研究和修饰大脑发育的关键方面，有助于他们理解正常的大脑发育和某些疾病（如自闭症谱系障碍和精神分裂症）的神经发育根源。
Nature自然科研 - 神经，大脑 - 2017-04-28
Radiology：胸片神经网络学习在充血性心力衰竭中的价值
本研究旨在检验以生成可视化原理（GVRs）作为胸部征象神经网络学习的工具来评价充血性心力衰竭（CHF）的价值。
MedSci原创 - 胸片，神经网络学习，充血性心力衰竭 - 2019-04-13
为您找到相关结果约500个
