Hypertension： 机器学习模型精准预测青年高血压转归!
近日，阜外医院宋雷教授与北京航空航天大学周晟瀚教授团队在Hypertension杂志在线发表研究，应用新的机器学习算法，对青年高血压数据建模预测高血压相关终点事件并取得良好的预测效果。
中国循环杂志 - 高血压 - 2020-03-23
Radiology：机器学习实现肾上腺肿块的全自动分割和分类
机器学习作为一种新兴的手段及策略，可协助医生进行自动化图像分析和诊断性能的改善。其中，监督下的机器学习算法需要通过对感兴趣的解剖结构的标记和/或轮廓的准确注释。
MedSci原创 - 机器学习，肾上腺肿块 - 2023-01-19
Sci Transl Med：新机器学习方法ARTEMIS绘制人类癌症重复元件图谱，助力癌症早期检测和组织溯源
以上分析揭示了人类癌症重复元件图谱的广泛变化，并提供了一种无创检测和表征癌症的方法，这可能有利于癌症患者的早期检测和疾病监测。
测序中国 - 癌症，重复元件图谱 - 2024-04-24
AI机器学习预测癌症患者对免疫治疗的疗效反应
而目前临床上确定癌症患者对ICB治疗是否有效的检测方法的准确性非常有限。从精准医学的角度来评估和实施免疫治疗
阎影 - 癌症，机器学习 - 2022-02-21
机器学习的黄金年代，早期癌症治愈率或达98%
2016年，全球新发癌症数量超过1400万人，并导致了900万人的死亡。癌症在发达国家中已成为主要死亡原因之一，美国每年逝世的5个人当中有一人是因癌症致死。根据美国抗癌协会和国际癌症协会数据，所有的癌症都是越早治疗、治疗效果越好。癌症的早期发现，可以为病理诊断和治疗赢取更多的时间，能极大提高治愈率与患者生存周期及质量。癌症的早期筛查是个万亿级别的市场。资本市场的火爆，得益于近十余年基因测序技术的迅
海投联盟 - 机器学习，早期癌症 - 2017-06-06
全球八家机器学习智能服务，其中或助力医疗发展
机器学习是未来人工智能的核心技术，但是机器学习存在很大的技术壁垒。全球领先的公司，以及一些新兴公司对此进行了探索，试图通过提供智能机器学习的解决方案提升现有的预测算法。但是机器学习需要大量的工作来保证其正确性，包括清除数据、建立基础结构、测试和再测试模型以及最终部署算法。
MedSci原创 - 云计算，机器学习，智能 - 2015-04-12
Circulation：采用机器学习预测心肌梗死风险的可能性
Than等人计划通过机器学习将这些变量结合起来，以提高患者个体的风险评估。采用机器学习算法（心肌-缺血-损伤-指数[MI3]），将年龄、性别和匹配的心肌肌钙蛋白I浓度综合起来，在3013位患者中进行测试，在7998位疑诊心肌梗死的患者中进行验证。
MedSci原创 - 机器学习，心肌梗死，MI3 - 2019-09-18
机器学习分类方法在医学诊断中应用——基于R的实现
机器学习，是不是高大上？是不是很艰深？其实，这一切并不难，只要你掌握R语言。现在小编为大家全面展示不同的机器学习的方法的实际应用1．引言随着统计科学的日益发展，其对其他学科的渗透作用日益增强，数据分析方法在医学、生物学、社会学等各个学科中得到了广泛的应用，本文试图对收集到的某个临床医学数据运用决策树
MedSci原创 - 机器学习，诊断 - 2016-07-13
《自然》子刊：机器学习提升心肌梗死诊断新方法
作者使用机器学习方法将心肌肌钙蛋白指标和临床特征结合起来，并开发了一个临床决策支持系统，称为急性冠状动脉综合征诊断和评估(CoDE-ACS)，该系统使用机器学习模型来计算单个患者心肌梗死的概率。
小桔灯网 - 心肌梗死 - 2023-07-12
Diabetes Care：机器学习优化糖尿病和冠心病的亚型
在T2DM和ASCVD患者中，聚类分析确定了四个临床上不同的群体。进一步的心血管表型是有必要的，以告知患者护理和优化临床试验设计。
MedSci原创 - 冠心病，T2DM，ASCVD - 2021-11-01
Stroke：深度学习在脑卒中患者中检出半暗带组织的价值
急性缺血性脑卒中介入治疗患者的选择主要依赖于动态磁敏感对比磁共振成像（DSC-MRI）或计算机体层灌注成像（CTP）。动态磁敏感对比磁共振成像需要注射对比剂才能完成检查，而计算机体层成像灌注又会产生高
MedSci原创 - 脑卒中，磁共振成像，动脉自旋标记，CTP - 2020-03-19
European Radiology：机器学习在识别IPF影像学进展方面的价值
CT在IPF的诊断中起着核心作用，ATS/ERS/JRS/ALAT的官方IPF临床实践指南指出，如果CT上出现典型的寻常间质性肺炎（UIP）模式，则认为没有必要进行肺活检。
MedSci原创 - 间质性肺病，IPF，机器学习 - 2023-01-21
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。有些时候，模型对于输出结果质量的简单程度的比例，会与你的期望相差甚远，而这还仅仅是其中一点。有如此令人震惊结果，许多人认为是因为RNNs非常难训练（事实上，通过多次试验，我得出了相反的结论）。一年前：我一直在训练RNNs，我多次见证了它们的强大
MedSci原创 - 递归，神经网络，机器 - 2015-09-04
机器学习里的贝叶斯基本理论、模型和算法
我今天想和大家分享的是，在深度学习或者大数据环境下我们怎么去看待相对来说比较传统的一类方法——贝叶斯方法。它是在机器学习和人工智能里比较经典的方法。
中国人工智能学会通讯 - 机器学习，贝叶斯 - 2017-04-04
为您找到相关结果约500个
