![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文献阅读
文章平均质量分 92
Tina姐
微信公众号【医学图像人工智能实战营】,医学图像处理领域,坚持已实践为主,手把手带你做项目,打比赛,写论文。
展开
-
文献分享:医学影像基础模型在脑肿瘤辅助诊断中的应用:一项试点研究
目的:建立全脑多对比 MRI 自监督基础模型,并评估其在辅助诊断脑肿瘤方面的性能。方法:在这项回顾性研究中,通过自监督学习,利用 57,621 个增强型头部磁共振成像扫描结果开发了基础模型,其辅助任务是交叉对比语境恢复,并采用了两种不同的内容遮罩方案(dropout schemes)。在预训练基础模型的基础上构建了下游分类器,并针对脑肿瘤检测、鉴别和分子状态预测进行了微调。准确率、灵敏度、特异性和 ROC 曲线下面积(AUC)等指标用于评估性能。结果。原创 2024-05-21 16:53:33 · 749 阅读 · 0 评论 -
顶刊 Radiology2023 Top10文章排行榜发布:ChatGPT霸占5席!医学前沿必读
2023年是《Radiology》创刊100周年。我们遵循着David Bluemke博士的传统,定期公布我们杂志的前十名文章榜单。这些榜单分别根据文章的引用次数、下载次数以及Altmetric评分来排名。每个榜单公布前10名文章令人惊讶的是,结合ChatGPT的文章竟然霸占榜首,我们一起来看看~原创 2024-03-01 10:24:46 · 1103 阅读 · 0 评论 -
医疗AI发展的三个时代是什么?
基础模型和生成式人工智能代表了人工智能能力的一场重大革命,为改善医疗保健提供了巨大的潜力。如今,医疗保健领导者正在就人工智能做出决策。虽然任何启发式方法都会忽略细节并失去细微差别,但 AI 1.0、2.0 和 3.0 的框架可能对决策者有所帮助,因为每个时代都有着根本不同的能力和风险。原创 2024-02-23 00:55:03 · 841 阅读 · 0 评论 -
SCI 1区论文:Segment anything in medical images(MedSAM)[文献阅读]
医学图像分割是临床实践中的一个关键组成部分,有助于准确诊断、治疗计划和疾病监测。然而,现有的方法通常针对特定的模式或疾病类型,在各种医学图像分割任务中缺乏可推广性。在这里,我们介绍了MedSAM,这是一个基础模型,旨在通过实现通用医学图像分割来弥合这一差距。该模型是在大型医学图像数据集上开发的,有1570263对图像-掩码对,涵盖10种成像模式和30多种癌症类型。我们对86个内部验证任务和60个外部验证任务进行了全面评估,证明了比模态专家模型更好的准确性和稳健性。原创 2024-02-08 16:16:13 · 1409 阅读 · 0 评论 -
SCI 2区论文:医疗保健中心训练有素的脑膜瘤分割模型的性能测试-基于四个回顾性多中心数据集的二次分析
背景:CNN在磁共振成像脑膜瘤分割方面取得了最先进的结果。然而,从不同机构、协议或扫描仪获得的图像可能会显示出显着的域转移(domain shift),从而导致性能下降并在实际临床场景中挑战模型部署。客观的:本研究旨在调查训练有素的脑膜瘤分割模型在不同医疗保健中心部署时的实际性能,并验证增强其泛化能力的方法。方法:这项研究在四个中心进行。2015 年 1 月至 2021 年 12 月期间,共有 606 名患者进行了 606 次 MRI 入组。原创 2024-01-19 22:07:03 · 947 阅读 · 0 评论 -
2024年MIA最新生成综述:基于深度学习的MRI/CT/PET合成【文献阅读】
由于复杂且非线性的域映射,两种图像模态之间的转换存在困难。与传统图像合成方法相比,基于深度学习的生成建模在合成图像对比应用中表现出更好的性能。本调查全面回顾了2018年至2023年期间基于深度学习的医学图像转换在伪CT(pseudo-CT)、合成MR(synthetic MR)和合成PET(synthetic PET)方面的研究。我们概述了最常用的用于医学图像合成的深度学习网络。此外,我们对每种合成方法进行了详细分析,重点关注它们基于输入域和网络架构的多样化模型设计。原创 2024-01-12 18:44:38 · 1413 阅读 · 1 评论 -
Radiology 谈人工智能在放射学领域的10个预测方向 [文献阅读]
人工智能(AI)和信息学正在改变放射学。十年前,没有哪个专家会预测到今天放射人工智能行业的蓬勃发展,100多家人工智能公司和近400种放射人工智能算法得到了美国食品和药物管理局(FDA)的批准。不到一年前,即使是最精明的预言家也不会相信这些算法可以创作诗歌,赢得美术比赛,并通过医学委员会的考试。现在,当我们庆祝我们专业的旗舰期刊《Radiology》成立一百周年时,这些成就已经成为我们的现实。令人畏惧的转型时刻可以使我们解放思想,梦想更大。基于此,以下是关于放射学中人工智能和信息学未来的10个预测。原创 2023-11-15 22:08:06 · 423 阅读 · 1 评论