基于新型Pix2Pix生成对抗网络增强框架的MRI脑肿瘤分类

增强型基于MRI的脑肿瘤分类研究:一种新颖的Pix2Pix生成对抗网络增强框架 脑肿瘤是全球范围内一种具有高发病率和致死性的重大健康问题。在全球每年新增数以万计的脑肿瘤病例中,患者生存率低,尤其是恶性脑肿瘤更是面临严峻的治疗挑战。如何通过早期诊断与精准分类脑肿瘤以优化治疗策略成为医学研究的重点。然而,传统基于人工分析的影像诊断耗时且易出错,而近年来快速发展的人工智能(AI)和深度学习(DL)技术为脑肿瘤的自动化诊断带来了曙光。 本研究由Near East University的Efe Precious Onakpojeruo等学者完成,研究成果发表于《Brain Communications》(2024, DOI:10.1093/braincomms/fcae372)。该研究提出了一种基于P...

将人工智能衍生软件在肺结节测量精确度和准确性提高中的潜力转化为对临床实践的影响—模拟研究

基于人工智能软件提升计算机断层扫描中肺结节测量精度的潜在改进对临床实践的影响——模拟研究 背景介绍 肺结节的准确测量对肺癌的检测和管理至关重要。结节尺寸是现有指南中风险分类的主要依据。然而,不同医生手动测量的结果可能存在很大差异。本研究探讨了人工智能(AI)辅助软件在肺结节测量中的潜在改进,以及其与手动测量相比对临床管理的影响。 肺结节是胸部计算机断层扫描(CT)中常见的发现,约95%的肺结节是良性的,但其余的可能是癌性的,需采取进一步行动。肺结节的大小和生长速度与其恶性风险有很强的相关性,因此准确测量肺结节的大小和生长速度是当前肺结节及肺癌诊断和管理路径中的关键要素。 文章来源 本文由Mubarak Patel(MSc)、Peter Auguste(PhD)、Jason Madan(PhD...

颈部转移性淋巴结的自动分割方法:基于纵向MRI的自蒸馏掩码图像transformer

颈部转移性淋巴结的自动分割方法:基于纵向MRI的自蒸馏掩码图像transformer

自蒸馏的掩码图像transformer在纵向MRI中的潜力——自动分割颈部淋巴结转移 报告介绍 在肿瘤放疗中,自动分割技术承诺提升速度并降低手工分割带来的读者间差异。在放射肿瘤学临床实践中,精确快速的肿瘤分割对于患者的个性化治疗至关重要。Ramesh Paudyal等来自Memorial Sloan Kettering Cancer Center的研究人员开展了这一项研究,旨在实现并评估“屏蔽图像变压器”(masked image modeling using vision transformers,即SMIT)算法在口咽部鳞状细胞癌患者的纵向T2加权MRI图像中的颈部淋巴结转移的自动分割精度。 这篇论文发表在《BJR|Artificial Intelligence》2024年第1期。这项研...

单细胞ATAC-Seq数据的基因集合评分算法基准测试

基因集合评分工具对单细胞ATAC-seq数据的基准测试 作者: Xi Wang, Qiwei Lian, Haoyu Dong, Shuo Xu, Yaru Su, Xiaohui Wu 单位: Pasteurien College(苏州大学苏州医学院),厦门大学自动化系,福州大学数学与计算机科学学院 通讯作者: xhwu@suda.edu.cn 期刊: 《Genomics, Proteomics & Bioinformatics》 发布日期: 2024年2月9日(在线公布) 导论 转座酶可及染色质测序(ATAC-seq)是一种强大且常用的表观基因组技术,通过测序分析全基因组范围内的染色质可及性。近来,单细胞ATAC-seq(scATAC-seq)技术使得研究单细胞中的染色质可及性成为可能,...

蛋白质结构预测:挑战、进展与研究范式的转变

蛋白质结构预测:挑战、进展及研究范式的变化 蛋白质结构预测是一个吸引了生物化学、医学、物理学、数学和计算机科学等多个领域研究者的重要跨学科研究课题。研究者们采取了多种研究范式去解决同一个结构预测问题:生物化学家和物理学家试图揭示蛋白质折叠的原理;数学家,尤其是统计学家,通常从假设给定目标序列的蛋白质结构概率分布开始,然后找到最可能的结构;而计算机科学家将蛋白质结构预测视为一个优化问题——寻找具有最低能量的结构构象或最小化预测结构与天然结构之间的差异。最近,深度学习在蛋白质结构预测中也取得了巨大成功。在这篇综述中,本文呈现了一项对蛋白质结构预测努力的调查。我们比较了不同领域研究者采用的研究范式,重点是深度学习时代研究范式的转变。 作者简介及论文出处 本文由Bin Huang, Lupeng K...

集成AI工具通过盲超扫描预测孕龄的诊断准确性

基于盲超声扫描的AI工具估算妊娠年龄的诊断准确性 背景介绍 妊娠年龄(Gestational Age, GA)的准确评估是良好孕期护理的基础,但通常需要通过超声检查实现。然而,许多低资源地区缺乏足够的超声设备,这使得GA的准确评估变得十分困难。近年来,硬件和人工智能(Artificial Intelligence, AI)在医学图像分析中的进步,为广泛使用这一诊断工具提供了契机。本研究基于一个深度学习AI模型,开发了一个低成本、无需高端配置的电池供电设备,旨在评估其在非专业用户手中估算妊娠年龄的准确性。 研究来源 这篇研究由Jeffrey S. A. Stringer, MD及其团队撰写,作者来自于北卡罗来纳大学、赞比亚大学等机构。该研究于2024年8月1日在线发表于《JAMA》。 研究流程...