深度学习
一项新的研究显示，通过监督式深度学习方法和EEG检测，可以更早地检测到与谵妄状态相关的脑电波变化，这将有助于提高临床医生的诊断能力，减少谵妄造成的疾病负担和经济成本。
GE Healthcare的Sonic DL利用神经网络加速磁共振成像图像采集，已获得FDA认证。该技术可以在单个心跳中获得高质量的心脏影像，大大减少了患者的不适感和呼吸困难，是心脏MRI领域的一项重大突破。
美国西奈山医学中心的研究人员开发了一种基于深度学习技术的心电图分析模型，可将心电图解读成语言，有望改善心脏疾病的诊断效果。该模型名为HeartBEiT，可用于诊断数据有限的心脏疾病，为医疗行业提供了新的解决方案。
人工智能在医疗保健领域有着巨大的潜力，可以提高医学诊断和治疗的水平，优化人力和技术资源的分配，改善患者的预后和治疗选择。然而，任何应用人工智能的方法都必须是有意义的，能够改善临床护理，而不是仅仅作为一种“新玩具”而被部署。
本文介绍了Kaiser Permanente、Intermountain Healthcare和Clalit Health Services等医疗机构如何利用人工智能来改善医疗服务。文章探讨了医疗AI在数字化变革中的作用，以及推动医疗AI规模化应用的障碍和解决方案。
最新研究发现，人工智能在诊断、预测、区分和分割胰腺癌方面具有高精度，预示着它在未来的作用。这篇文章介绍了研究人员如何使用机器学习、深度学习和神经网络等技术，分析了相关数据和影像，以提高胰腺癌的诊断效率和质量。
研究人员开发了一种基于人工智能的工具，用于评估银屑病的严重程度，旨在为患者长期慢性疾病的自我管理提供便利。
最新研究表明，一种名为DeepGlioma的基于人工智能的诊断筛查系统可以使用快速成像技术检测癌性脑肿瘤的基因突变，有望提高诊断和治疗效果。该系统结合了深度学习和刺激拉曼组织学成像技术，能够高精度地定义分子亚型，为医生提供更准确、更及时的诊断和治疗建议。
美国南卡罗来纳医学大学的研究人员开发了一种深度学习方法，可以利用电子病历中的临床文本识别肝硬化患者。
研究人员开发了一种深度学习工具，可在六年内预测有或没有重要吸烟史的个体的肺癌风险。这种工具可通过分析LDCT扫描来预测肺癌风险，可帮助更广泛的人群进行肺癌筛查。
