首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

【犀牛鸟·学问】高成本标注背景下医疗数据的高效使用(201905)——CCF-腾讯犀牛鸟基金线上学术报告

近年来,深度学习被广泛应用在医学影像分析的相关任务上,并获得巨大的性能提升。众所周知,深度学习需要大量数据来拟合巨大的参数空间,然而在大部分医疗场景中,获取高质量的医疗数据、以及高质量的标注是相当困难的。因此,应对医疗数据小样本特性,充分挖掘医疗数据的结构化信息,成为近年来学术界关注的热点。本次分享就是针对这一背景的一些尝试,主要从挖掘医疗数据的独有特性提升分割性能以及利用医疗数据的结构化先验训练自监督模型等角度切入,以期为大家提供若干可以参考的思路。 报告时间:2019年7月23日 19:30-21:0

05

深度 | CMU 邢波教授团队最新成果:利用 AI 自动生成医学影像报告

AI 科技评论消息,近日,由卡内基梅隆大学机器学习系副主任邢波教授创立的 Petuum 公司近期发表了几篇论文,介绍了如何使用机器学习自动生成医学影像报告,从而更好地辅助医生做治疗与诊断。 医学影像在临床实践中被广泛应用于诊断和治疗。专业医师阅读医学影响并撰写文字报告来描述自己的发现。对于没有经验的医生来说,撰写报告很可能会出错,对于人口众多的国家的医生来说,这样的工作又耗时又枯燥。为了解决这些问题,邢波教授的团队研究了医学影像报告的自动生成,作为人类医生更准确高效地生成报告的辅助工具。 为了应对这些挑战,

06

业界 | 探索系统化技术产品,科大讯飞深度布局医疗行业

机器之心原创 作者:邱陆陆 近日,科大讯飞智慧医疗事业部总经理陶晓东与常务副总经理鹿晓亮接受了媒体采访,回答了关于讯飞部署人工智能 + 医疗的战略意义、相关产品的研发与落地情况、主要技术突破以及在过程中遇到的挑战等问题,以下是机器之能对采访内容进行的整理。 「中国医疗资源总量不足、分布不合理、优质资源匮乏。看病难、看病贵的问题的核心表现为供需矛盾」,在去年的一次新闻发布会上,卫计委副主任王培安这样向公众解释我国医疗行业现存的问题。同时,在资源严重不足的情况下,医护人员宝贵的时间也并没有得到有效地利用。

05

中文多模态医学大模型智能分析X光片,实现影像诊断,完成医生问诊多轮对话

最近,通用领域的大语言模型 (LLM),例如 ChatGPT,在遵循指令和产生类似人类响应方面取得了显著的成功,这种成功间接促进了多模态大模型的研究和发展,如通用领域的多模态大模型MiniGPT-4、mPLUG-Owl、Multimodal-GPT和LLaVA ,然而,此类多模态大模型却很少出现在医学领域的研究中,阻碍了相关研究发展。visual-med-alpaca虽然在医学多模态大模型方面做出了一些很有成效的工作,然而其数据为英文诊断报告,不利于促进中文领域医学多模态大模型的研究发展。为此,我们开发了XrayGLM以解决上述问题。XrayGLM在医学影像诊断和多轮交互对话上显示出了非凡的潜力。

01

重磅综述:精神分裂症的神经影像生物标志物

摘要 精神分裂症是一种复杂的神经精神综合征,具有不同的遗传、神经生物学和表型特征。目前,没有客观的生物学指标——即生物标志物——用于指导诊断和治疗决策。神经影像学对精神分裂症中的生物标志物的探索提供了良好的方向,因为它可以捕捉分子和细胞疾病靶点或脑回路中的表型变异。这些基于生物标志物的机制或许能直接表征疾病过程的病理生理学基础,因此可以作为真正的中间或代替物。有效的生物标志物可以验证新的治疗目标或途径、预测反应、帮助患者选择治疗、确定治疗方案、并提供个性化治疗。本文讨论了一系列机制上合理的神经影像学生物标志物候选物,包括多巴胺过度活跃、N-甲基-D-天冬氨酸受体功能减弱、海马过度活跃、免疫调节障碍、连接障碍及皮质灰质体积减少。本文主要研究精神分裂症的风险、诊断、目标参与和治疗反应的假定神经影像生物标志物。最后还突出强调了为满足需求的领域,并讨论了推进生物标志物探索的策略。

03
领券