文献日推
文章平均质量分 95
罗小罗同学
医学人工智能方向在读硕士,更多信息请关注同名公众号〖罗小罗同学〗
展开
-
人工智能在【肿瘤生物标志物】领域的最新研究进展|顶刊速递·24-06-08
这篇文章是关于一种新型的深度学习辅助监测技术,该技术基于表面增强拉曼光谱(SERS)免疫分析法,用于监测HER2(人表皮生长因子受体2)过度表达的乳腺癌患者接受曲妥珠单抗(Trastuzumab,也称Herceptin®)治疗的效果。曲妥珠单抗是一种靶向HER2的药物治疗,对于转移性乳腺癌非常有效,但一些患者可能对该药物产生抗性,因此监测其疗效至关重要。研究团队开发了一种基于SERS的免疫分析法,通过检测患者尿液中肿瘤衍生的外泌体生物标志物来监测曲妥珠单抗的疗效。原创 2024-06-08 12:22:27 · 764 阅读 · 0 评论 -
人工智能在肿瘤预后预测中的最新研究进展|顶刊精析·24-06-07
这篇文章是关于使用深度卷积神经网络自动分割经激光间质热疗(LITT)治疗的脑内病变的研究。LITT是一种治疗颅内肿瘤或放射坏死的方法,它允许组织诊断、细胞减量和快速恢复系统治疗。治疗后,消融组织保留在原位,导致特征性的LITT后水肿,这与临床状况暂时恶化有关,并使LITT后反应评估复杂化。训练一个基于nnU-Net的自动分割模型,用于在T1加权图像上自动分割LITT治疗病变的对比增强病变体积(CeLV)。对2015至2023年间在单一中心接受LITT治疗的肿瘤或放射坏死患者进行回顾性。原创 2024-06-07 11:02:08 · 1203 阅读 · 0 评论 -
人工智能在肿瘤细胞分类中的应用|顶刊速递·24-06-06
这篇文章是关于一种名为的创新分类程序的研究,该程序结合了AIEgen荧光染料、深度学习算法和(SAM),用于精确识别癌细胞。AIEgen-Deep通过显著减少80%-90%的手动注释工作量,展示了在识别癌细胞形态方面的显著准确性,在26,693张八种不同细胞类型的图像上达到了75.9%的准确率。在健康细胞与癌细胞的二元分类中,该模型显示出增强的性能,准确率为88.3%,召回率为79.9%。该模型能有效区分健康细胞(成纤维细胞和白细胞)和不同类型的癌细胞(乳腺癌、膀胱癌和间皮瘤细胞)原创 2024-06-06 06:38:01 · 970 阅读 · 0 评论 -
顶刊速递·人工智能在食管癌领域最新进展|24-06-05
这篇文章是关于一项前瞻性、随机对照研究,该研究探讨了深度学习如何协助检测食管癌及其癌前病变。研究由Shao-wei Li等人进行,发表在《》期刊上,于2024年4月17日上线。食管癌是全球第七大常见癌症,食管鳞状细胞癌(ESCC)约占食管癌病例的90%,尤其在亚洲部分地区的发病率更高。早期食管癌在内镜或手术治疗下有较好的5年生存率,但许多患者在症状出现后才发现病情已进展到晚期。因此,提高早期ESCC的检测率是一个挑战。研究者开发了一个基于深度卷积神经网络(CNN)的系统,用于检测食管癌和癌前病变。原创 2024-06-05 01:14:10 · 1195 阅读 · 0 评论 -
人工智能在病理组学中的发展历程概述|24年6月·顶刊速递·06-04
这篇文章讨论了在病理学领域应用深度学习技术的最新进展,特别是在弱监督学习框架下对整个切片图像(Whole Slide Images, WSIs)进行分析的研究。文章强调了病理学在现代医学,尤其是癌症治疗中的核心作用,但指出传统的显微镜诊断方法一个世纪以来几乎没有变化。随着数字病理学的出现,通过数字切片扫描仪将玻璃切片数字化,为病理学家提供了一个潜在的新标准,使得计算病理学领域得以发展。文章着重介绍了一种基于多实例学习。原创 2024-06-04 00:39:18 · 968 阅读 · 0 评论 -
讲座PPT分享|医学人工智能开始进入黄金时代|24年6月·讲座速递·06-03
(个人经历打个码,希望大家更多的关注内容)这一页主要介绍自己的社交传媒矩阵,知乎主要分享的是考研期间的笔记,公众号主要分享的是文献相关的资料,B站则是分享一些不方便用文字展示的教程,CSDN则偏向于发布偏技术型的推文。四个平台,基本覆盖科研需要,方便更多的人获取优质资源,快速获取知识。我研究的是AI&鼻咽癌,又因为我是面向临床医生做的报告,所以我先讲临床背景。(经验丰富的老师,看到我的研究方向,应该就能把我培养单位猜出来了,哈哈)原创 2024-06-03 18:44:33 · 1439 阅读 · 0 评论 -
人工智能与【肿瘤免疫微环境】结合,探索免疫治疗的新方向|24年6月·顶刊速递·06-02
这篇文章是一项关于前列腺癌(Prostate Cancer, PCa)的研究,标题为《》,作者为Xiaojie Bian等人,发表在《Advanced Science》期刊上。研究主要探讨了前列腺癌的异质性,以及肿瘤微环境中肿瘤细胞与基质细胞之间的相互作用。研究背景前列腺癌是全球男性最常见的恶性肿瘤之一,具有高度的异质性。肿瘤微环境中的细胞生态系统复杂,但目前对这种异质性如何被肿瘤和基质细胞塑造的了解还很有限。研究方法:研究者整合了来自前列腺癌患者和健康对照组的单细胞RNA测序、空间转录组学和大量。原创 2024-06-02 09:06:30 · 1060 阅读 · 0 评论 -
人工智能如何解决医学数据样本类别不平衡的问题?【24年6月|顶刊速递·06-01】
这篇文章是关于使用深度学习技术来检测大型不平衡数据库中的MRI图像伪影的研究。文章首先介绍了MRI在诊断和研究神经系统疾病中的重要性,以及图像伪影如何影响MRI的实用性。传统的质量评估依赖于耗时且主观的视觉检查,因此自动化检测方法的需求日益增长。研究者提出了一种基于深度学习(DL)的算法,特别是利用了3D AlexNet网络结构,结合蒙特卡洛(MC)dropout技术来生成概率和不确定性估计,以改进对伪影的检测。概念验证(Stage I)原创 2024-06-01 15:10:05 · 825 阅读 · 0 评论 -
人工智能在消化道肿瘤中的最新研究【24年五月|顶刊速递·05-31】
这篇文章是发表在《Nature Reviews Gastroenterology & Hepatology》上的一篇关于肝癌研究和患者管理中人工智能(AI)应用的综述。作者们讨论了AI在肝癌领域的快速发展以及其在临床实践中的应用潜力。摘要肝癌在全球范围内发病率和死亡率高。AI技术已在某些肿瘤类型(如结直肠癌筛查)中获得批准用于临床。AI能够分析肝癌的组织病理学、放射学和自然语言,并能取代手工任务,获取临床数据中的隐藏信息。然而,对于肝癌,这些应用很少转化为大规模临床试验或临床批准产品。原创 2024-05-30 21:02:59 · 1177 阅读 · 0 评论 -
一文带你了解最新【医学AI顶刊】如何实现它们的临床故事|24-05-30
文献速递这个想法,从2024-05-15提出,到如今,马上就半个月了,所以我决定来写一个月底特刊。为了尽可能多的吸引到老师和同学的关注,所以我选择的文章并不全是我自己课题相关的,但是,基本都是5月最新发表的。我知道你们忙,没有时间看,我不怕麻烦,所以你们只需要点个关注,就能看到最新的文献,何乐而不为之呢?如果要是怕错过推文的提醒,也可以加群,每天我都会把推文转发到群里。交流群欢迎大家来到【医学AI】交流群,本群设立的初衷是提供交流平台,方便大家后续课题合作。原创 2024-05-30 08:53:35 · 862 阅读 · 0 评论 -
临床故事想好了以后,如何挑选合适的算法去实现?【代码库分享|24-05-30】
计算病理学领域,人工智能,尤其是深度学习算法,已开始辅助显微镜图像数据的评估。然而,尽管过去十年在计算病理学领域发表了成千上万的研究论文,但只有少数算法被其他研究人员重新使用,更少的算法进入了常规的临床工作流程。算法无法在临床环境中广泛应用的主要原因是**缺乏可重复性和可重用性。此外,深度学习算法使用有限的原因之一是泛化差距算法在训练数据上的表现通常比在外部测试数据上更好**。部分原因是由于组织病理学数据的固有异质性,包括染色协议的变异性以及在不同的病理学实验室中使用不同的扫描器。原创 2024-05-30 08:47:13 · 871 阅读 · 0 评论 -
人工智能在乳腺癌领域的最新进展|【医学AI·文献速递·05-29】
这篇文章介绍了一项旨在开发基于机器学习的非侵入性预测模型的研究,以评估乳腺癌患者腋窝淋巴结转移情况。研究人员收集了2012年至2021年间接受手术的乳腺癌患者的临床资料,包括乳腺特异性伽马成像(BSGI)和超声图像。利用机器学习方法,结合BSGI特征和超声参数,建立了预测模型。结果显示,支持向量机(SVM)模型表现最佳,AUC值为0.794。研究还建立了在线计算工具,使医生能够方便地预测患者腋窝淋巴结转移的风险。原创 2024-05-29 11:36:09 · 886 阅读 · 0 评论 -
人工智能在肺癌领域的最新进展|【医学AI·顶刊速递·05-28】
这篇文章是一项关于非小细胞肺癌(non-small cell lung cancer, NSCLC)的单细胞和空间转录组学分析研究。研究团队由Marco De Zuani、Haoliang Xue、Jun Sung Park等人组成,他们从25位未接受治疗的肺腺癌和鳞状细胞癌患者中收集了大约90万个细胞进行分析。研究发现肿瘤生态系统中存在多种免疫细胞类型,尤其是髓系细胞,在疾病进展中扮演重要角色。研究结果揭示了抗炎性巨噬细胞与NK细胞/T细胞之间的负相关关系,以及肿瘤内NK细胞的细胞毒性降低。原创 2024-05-28 09:32:56 · 909 阅读 · 1 评论 -
人工智能在鼻咽癌领域的最新应用|【医学AI·论文速递·05-27】
这篇文章的标题是《》,作者是YuChen Zhang, YiShu Deng, QiHua Zou等人,发表于2024年5月21日的《》期刊上。文章的主要内容是关于使用人工智能(AI)系统和磁共振成像(MRI)技术来辅助诊断和预测自然杀伤/T细胞淋巴瘤(NKTCL)的预后。AI系统在MRI图像评估中提供了额外的优势。诊断系统有助于鼻咽部病变的鉴别诊断。预后系统预测NKTCL的预后,并可能协助治疗优化。原创 2024-05-27 01:06:38 · 752 阅读 · 0 评论 -
人工智能+跨癌种分析,能否解决医学数据样本量小的问题?【医学AI|顶刊速递|05-26】
这篇文章是一项关于肿瘤免疫的泛癌种蛋白质基因组学研究,它揭示了肿瘤免疫微环境中的多种免疫亚型,并探讨了它们与DNA变异、治疗反应和患者特征之间的关联。研究者通过对超过1000个肿瘤样本的蛋白质基因组学分析,发现了七种免疫亚型,这些亚型跨越了十种癌症类型。DNA变异与免疫亚型相关,并影响蛋白质组学特征。免疫亚型中的激酶激活表明了潜在的治疗靶点。数字病理学揭示了与免疫亚型相关的细胞浸润。肿瘤微环境(TME)是癌症生态的关键组成部分,其中免疫和基质细胞可以以依赖于上下文的方式促进或限制恶性状态。原创 2024-05-26 09:20:20 · 521 阅读 · 0 评论 -
继“三级淋巴结”之后,再看看“单细胞”如何与AI结合【医学AI|顶刊速递|05-25】
这篇文章是一项关于人类胰腺癌前病变(PanINs)的三维基因组图谱研究。研究团队利用机器学习驱动的三维组织重建技术(CODA),对46个大体正常的人类胰腺组织样本进行了分析,以单细胞分辨率重建了三维组织结构。研究发现,尽管PanINs体积小且在人体中难以接近,但它们是胰腺癌最常见的前体病变。人类胰腺中PanINs的数量、尺寸和连接性在以前是未知的,本研究通过三维分析揭示了这些特征。平均每立方厘米胰腺组织中有13个PanINs,估算正常成人胰腺中存在数百个PanINs。原创 2024-05-25 12:08:59 · 1164 阅读 · 0 评论 -
【医学AI顶刊·05-22速递】探索癌症预后的新方向:AI与三级淋巴结的结合
这篇文章是关于三级淋巴结构(Tertiary Lymphoid Structures, TLS)在肿瘤免疫中的作用和其在临床应用中的前景的综述。文章首先介绍了TLS的基本概念,它们是类似二级淋巴器官(Secondary Lymphoid Organs, SLOs)的免疫细胞群聚体,具有相似的功能。TLS在大多数癌症类型中通常与抗肿瘤免疫反应相关,但有时也表现为促肿瘤免疫反应。TLS功能的异质性主要由肿瘤浸润性淋巴细胞。原创 2024-05-22 10:47:03 · 1200 阅读 · 0 评论 -
【医学AI顶刊·05-21速递】单细胞|免疫分析|肠道菌群|主流算法性能比较|GPT4辅助论文撰写
这篇文章是关于单细胞数据分析的未来发展,特别是使用参考图谱映射技术的快速自动化分析。文章由Mohammad Lotfollahi、Yuhan Hao、Fabian J. Theis和Rahul Satija撰写,发表在《Cell》上。随着单细胞数据集的快速增长,将新数据映射到经过良好整理的参考图谱上的工作流程,为生物学界提供了巨大的应用前景。原创 2024-05-21 08:24:05 · 1026 阅读 · 0 评论 -
Nature Medicine·DEPLOY模型:从病理学图像直接预测DNA甲基化,破解CNS肿瘤诊断难题!
这篇文章是关于在乳腺组织病理图像中自动检测有丝分裂细胞的研究。作者提出了一种新颖的弱监督下的有丝分裂检测模型,该模型由一个候选提议网络和一个验证网络组成。候选提议网络基于图像块学习,目的是将有丝分裂细胞及其模拟物与背景分离,从而显著减少筛选过程中的漏检。然后,这些候选结果被送入验证网络进行有丝分裂细化。双阶段有丝分裂检测模型的整体流程,包括两个主要部分:候选提议网络和验证网络。候选提议网络 (Candidate Proposal Network)这个网络的目的是筛选出可能的有丝分裂细胞目标。原创 2024-05-20 11:03:09 · 949 阅读 · 0 评论 -
医学AI文献速递|当AI遇见生物传感器:如何通过尿液检测乳腺癌药物效果
这篇文章讨论了人工智能(AI)在预测儿童溃疡性结肠炎(UC)治疗反应方面的应用。儿童UC的发病率在全球范围内呈上升趋势,通常表现为广泛的结肠炎,比成人患者更具侵略性,并且急性严重结肠炎和结肠切除的风险更高。因此,预测疾病进程尤为重要,但由于对初始治疗的反应不可预测以及UC的异质性,这仍然是一个挑战。文章强调了为儿童UC患者量身定制个性化治疗方法的重要性,这在目前尚未得到满足。文章提到,组织学缓解被认为是UC治疗的一个目标,与长期有利的结果相关。原创 2024-05-18 09:09:12 · 1076 阅读 · 0 评论 -
AI&免疫治疗速览|当PD-L1失效时,AI&肿瘤浸润性淋巴细胞成为NSCLC患者的新希望;超越抗原依赖:AI预测个性化T细胞受体,加速肿瘤免疫治疗进程
这篇文章是关于膀胱癌中免疫细胞的定量和空间关系及其预后影响的研究。膀胱癌在全球是第十种最常见的恶性肿瘤。研究目标是表征膀胱癌中不同免疫细胞亚群的空间相互作用及其预后角色。研究包括2463例尿路上皮膀胱癌病例,使用BLEACH&STAIN多重荧光免疫组化技术进行染色,并利用神经网络框架进行图像分析。识别了300多种不同的免疫细胞亚群,并表征了它们的空间关系,得出了多种空间相互作用模式。在单变量分析中,39个免疫参数显示出预后意义,其中16个与肌肉浸润性膀胱癌中的pT、pN和组织学分级独立。原创 2024-05-17 07:53:33 · 987 阅读 · 0 评论 -
医学AI最新研究·哈佛医学院·告别切片局限:3D病理如何革新癌症预后
这篇文章是一项发表在《柳叶刀·肿瘤学》()上的多方法分析研究,探讨了年龄对子宫内膜癌女性患者肿瘤学结果的预后影响和因果关系。研究使用了来自三个大型随机试验(PORTEC-1、PORTEC-2和PORTEC-3)的1801名女性的数据分析,包括中风险、高中间风险和高风险子宫内膜癌患者。研究目的是要解决老年女性是否因年龄本身而具有更高的复发风险和癌症相关死亡风险,还是由于随着年龄增长其他风险因素变得更加普遍的问题。研究方法包括统计分析和因果推断,使用了一种称为AutoCI的深度学习因果推断模型。原创 2024-05-15 22:59:29 · 1113 阅读 · 0 评论 -
面对AI,神经病理学家准备好了吗?系统性回顾揭示未来方向
该文献介绍了一种策略——将 2D 和 3D 深度学习模型结合在联邦学习框架中,以准确分割医学图像中的肝脏和肿瘤区域,以检测肝细胞癌 (HCC)。该研究展示了与其他模型相比,所提出的Hybrid-ResUNet 模型的效率和准确性,显示Dice 分数为 0.9433,AUC为 0.9965。联邦学习的使用允许进行大规模的临床试验,同时维护患者隐私,解决数据不平衡问题,并展示本地模型的强大性能。该文献强调了改进联邦学习算法并将其纳入人工智能系统持续实施过程的重要性。该研究的主要贡献包括开发先进的。原创 2024-05-15 10:23:40 · 942 阅读 · 0 评论