#深度学习#

12篇内容 | 1122人围观

关注话题

话题活跃用户
#插入话题
2022-10-07
#深度学习#在人体中,踝关节是最复杂的关节之一,有多个韧带和肌腱的附着及支撑。在美国,每天大约有10000人出现踝关节损伤,其中最常见的损伤类型是扭伤。磁共振(MR)成像因其软组织对比度最高,已成为评估肌肉骨骼疾病的主要成像方式之一。然而,由于编码时间长,数据采集过程十分缓慢,漫长的扫描时间所带来的是检查费用的增加及病人数量的减少,同时,图像质量也经常受到运动伪影的影响。 随着技术的进步,平行成像(PI)和压缩传感(CS)的发展加速了MR图像的采集。CS减少了K空间的采集线数,并通过迭代重建算法恢复了丢失的数据。多项研究表明,CS和PI的组合可以将踝关节的MR图像采集时间减少20%,而不影响诊断性能。最近,基于深度学习的方法,如卷积神经网络(CNN)和生成对抗网络(GAN)已经显示出加速MR成像数据采集过程的良好效果。
2022-09-22
#深度学习#模型预测进展期#胃癌##新辅助化疗#疗效,这一类采用深度学习的#人工智能#方法,效果应该是可以的,但是,往往不具有可解释性,因此,临床应用未必就OK
2022-06-13
以前MR图像经常会有各种各样的后处理,未来CT也是如此了#深度学习#改变#影像学#
2022-05-07
#深度学习#据估计,喉癌的5年总生存率为54-61%,其中下咽癌的临床预后效果更差。目前,放疗是早期喉癌和下咽癌的首选治疗方法。局部晚期喉癌和下咽癌越来越多地采用化疗放疗来代替手术治疗,以保持喉部功能。因此,早期发现残余和复发的肿瘤可以为后续治疗计划的制动提供参考。 磁共振成像(MR)上的弥散加权成像(DWI)已被广泛应用于肿瘤学中检测肿瘤部位和肿瘤生存能力的评估。研究表明,治疗前、治疗中和治疗后的表观扩散系数(ADC)可作为评估头颈部癌症预后的因素。然而,由于ADC的可重复性和客观性较差,其临床实践中的使用受到了限制。最近,机器学习和深度学习(DL)形式的人工智能已被广泛应用于医学成像。卷积神经网络(CNN)是DL算法之一,通过几个堆叠的卷积层帮助自动检测从医学图像中提取的成像特征。但据我们所知,尚未有研究使用基于MR的CNN对接受头颈部癌症根治性治疗的患者进行预测的模型。
2021-03-28
多任务#深度学习#方法预测#实体瘤#的治疗反应,这是一个大方向!
0
2020-09-28
#深度学习##影像组#学多尺度融合特征的#Covid-19#重症转化预警模型研究,事实上,目前这一块已经做得不错了。通过临床数据结合影像学,就能很好地预测。事实上新冠病人的肺部影像称为大白肺,深度学习能学出什么名堂,高度令人怀疑,还不如利用生化指标(如炎症因子,血小板,白细胞,中性粒细胞等)+临床指标(如年龄,性别,合并症等)+影像学,这样判断重症转化更为靠谱。
2020-09-28
基于#深度学习##混合现实##头颈肿瘤##显微手术导航系统#的研究,这个课题就是新技术的堆积。事实上,显微手术导航系统就相当牛X了,如果通过深度学习技术完善其操作,减少手术中损伤血管和神经,又很牛了。至于混合现实,又是另外一回事,与深度学习结合?给人感觉就是凑份子
2020-09-23
#深度学习#深度学习模型目前仍未充分发挥其潜力,该模型可以为复杂的疾病提供可观的独特信息,然而目前还无法从预测的监管注释中推断出该信息的准确。
2020-09-22
#深度学习#为基础的#人工智能#能逐步改变人类,只是现在还缺少指导手册
共12条页码: 1/1页20条/页