机器学习
美国明尼苏达大学的研究发现,使用数据科学工具可以增强传统的磁共振成像(MRI)重建方法,从而实现与深度学习相当的图像重建质量。这项研究有望提高MRI的效率和准确性,为医疗影像领域带来新的突破。
Freenome与Oracle Cerner网络合作,推出Sanderson研究,利用多组学平台和真实世界数据,旨在提高多种癌症的检测和治疗效果。该研究将使用传统和真实世界数据生成临床验证证据,以改进平台的肿瘤分类和风险预测模型。
一项新研究表明,采用众包方法开发的机器学习模型可以改善量化类风湿性关节炎患者的放射学关节损伤的努力。这篇文章介绍了如何通过机器学习来改善医学影像、慢性疾病管理和临床决策支持等方面的挑战和限制。
Mayo Clinic的研究人员使用机器学习技术,预测孕妇分娩过程中的变化模式,以此来判断分娩是否会对母婴产生良好的结果。这些预测模型可以帮助医生和助产士做出更加个性化的医疗决策,同时也可以作为远程医疗的工具,帮助医生将农村或偏远地区的患者转诊到适当的医疗机构。
本文介绍了放射学中人工智能和机器学习模型中偏见的原因,并提供了避免这些问题的策略。本文是三部曲系列的第一部分,重点介绍数据处理。
Mayo Clinic的研究人员正在使用AI算法计算分娩风险,以减少剖腹产和并发症的发生率。他们开发了一种名为Software as a Medical Device(SaMD)的设备,可以分析分娩期间妇女的变化模式。
最新研究表明,机器学习工具可以利用围手术期数据准确预测术后并发症和手术持续时间。这项技术有望帮助医生更好地评估手术风险,提高手术成功率,降低医疗成本。
莱斯大学的生物医学信息学和数据科学项目获得了410万美元的NIH拨款,将支持8名博士生和5名博士后每年进行跨学科培训,重点关注人工智能和机器学习在生物医学领域的应用。
澳大利亚CSIRO国家科学机构的科学家们开发了一种机器学习工具,可以预测患者的恶化,从而提醒医护人员采取干预措施,避免患者死亡、心脏骤停或进入ICU。
一项概念验证研究表明,机器学习模型可以在肝移植或相关治疗之前预测早期肝细胞癌患者的肿瘤复发。该研究收集了120名患者的MRI、临床和实验室数据,使用机器学习模型进行预测,以确定最佳治疗方案和肝移植的资格。