2023年国自然医学科学部人工智能及大模型相关课题项目汇总

本文主要是介绍2023年国自然医学科学部人工智能及大模型相关课题项目汇总,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2023年8月24日,国家自然科学基金委员会发布《关于2023年国家自然科学基金集中接收申请项目评审结果的通告》

根据公告,2023年国家自然科学基金共资助资助面上项目20321项、重点项目751项、重点国际(地区)合作研究项目74项、青年科学基金项目22879项、优秀青年科学基金项目630项、优秀青年科学基金项目(港澳)25项、国家杰出青年科学基金项目415项、创新研究群体项目43项、地区科学基金项目3538项和外国学者研究基金项目109项(包括外国优秀青年学者研究基金项目50项、外国资深学者研究基金项目59项)。

国家自然科学基金作为国家支持基础研究的主渠道之一,被广泛视为衡量基础研究实力和原始创新水平的重要标志。

对于医院来说,国家自然科学基金项目数量和资助经费在一定程度上反映了医院的基础研究水平,衡量高校和科研院所人才队伍建设和科学研究水平的重要标志。得到国家自然科学基金的支持,代表着符合国家的科研需求和方向,而立项数量的不断增长,则是医院综合科研实力不断提升的体现。

其中人工智能+医学的课题方向成为了2023年国自然中标项目中重要的研究方向。下面就由“科研之心”对2023年国自然医学科学学部的中标项目中有关人工智能及大模型相关的课题汇总,统计如下:

图片

图片

图片

图片

图片

图片

图片

图片

为了便于阅读,将项目标题单独拎出来如下:

基于机器学习的心脏大血管手术后谵妄预测模型研究

基于PET/CT的深度学习模型预测弥漫大B细胞淋巴瘤分子亚型的研究

基于机器学习的急性颅内动脉粥样硬化性大血管闭塞的诊断模型构建及干预策略研究

基于中医诊疗多元信息智能关联方法的糖尿病大血管病变病证数字化表征与演变规律研究

肺磨玻璃结节演进不同阶段的多模态无创预测模型建立

基于眼外观三维重建的智能眼病筛诊模型研究

利用深度学习构建前列腺癌时序性CBCT剂量偏差干预和预警模型

基于多参数心脏磁共振心衰患者机器学习风险预警模型的研究

基于智能影像的低级别脑胶质瘤术后风险分层决策模型构建

基于多模态MRI和DenseNet深度学习构建TAO激素抵抗预测模型的研究

阿尔茨海默病早期认知功能下降病情演化临界预警模型研究

基于舌脉象多模态信息融合的NSCLC证候诊断与疗效评价模型研究

基于多尺度模型研究抗新冠病毒药物在人群中的效果

数字化三维斜视度测量模型构建与全病程智能监测应用

基于循环肿瘤细胞与多模态影像的肝癌超进展智能预测模型构建及验证

基于机器学习和影像学多参数融合的心血管不良事件风险预测模型研究

基于视觉-语言预训练模型的肺腺癌血供状态分层影像诊断系统的建立

基于cfDNA甲基化的机器学习模型在结直肠癌早期诊断中的研究

基于影像-病理多模态深度学习的三阴性乳腺癌预后模型及应用研究

基于反复妊娠丢失“外周——局部”交互作用机制探讨的妊娠结局AI预测模型构建

基于产前超声深度学习模型预测胎儿22q11缺失风险的应用研究

基于新一代深度概率模型的智能分子生成新方法及其应用研究

基于可解释人工智能模型的内镜下结直肠癌浸润深度的研究

基于多模态大数据构建糖尿病视网膜病变风险预测模型的方法学研究

基于LSA三维形变模型和深度学习的OPG-CBCT跨模态图像预测方法研究

基于深度学习多模态融合与多任务联合技术构建证素辨证智能迭代进化新模型

基于MRI-PET/CT图像特征构建局部晚期鼻咽癌诱导化疗决策的人工智能模型

基于舌苔宏蛋白质组学的人工智能胃癌高危人群识别模型构建及验证研究

基于人工智能的学龄前儿童近视发生发展多模态融合风险预测模型研究

基于弱标注下生成对抗网络的超高分辨力CT传导聋病因分类模型研究

基于深度学习的右心声学造影PFO-RLS和P-RLS智能诊断模型的构建

基于多模影像及多维信息时序特征的减重患者中长期骨强度预测模型研究

基于纵向脑血管病变影像数据的AI量化模型评价脑影像异常及脑卒中风险

联合病灶识别与临床模型预测的机器学习融合算法在甲真菌病诊断中的研究

基于深度学习挖掘免疫微环境和分子分型特征构建乳腺癌多模态预后分析模型

基于生长轨迹的儿童性早熟风险因素早期识别与临床鉴别诊断的纵向数据预测模型研究

基于深度学习的多模态磁共振成像构建脑胶质瘤TERT启动子突变预测模型研究

融合知识图谱与深度学习构建临床数据和先验知识联合驱动的中风病智能辨证决策模型

基于靶向纳米微泡超声造影视频的人工智能模型预测药物摄取及免疫治疗效果

基于右室重构时空演进异质性的深度学习模型精准预测肺动脉高压所致右心衰竭

基于头面部微动作的非自杀性自伤行为深度学习早期筛查模型构建及联动干预研究

精神分裂症阴性症状经颅磁刺激治疗效应遗传影像学器学习预测模型研究

基于影像学及深度学习算法构建颅内动脉瘤血管内介入治疗术后不良转归的预警模型

硅藻18S rDNA用于溺死地点推断人工智能预测模型的构建及法医学应用研究

基于术前影像和穿刺病理图像构建多模态融合甲状腺乳头状癌淋巴结转移预测模型

基于联邦学习和CT影像构建可解释性模型量化IB-IIA期非小细胞肺癌复发风险研究

基于视网膜影像基因组学的阿尔兹海默症智能筛查模型构建及机制研究

硅藻18S rDNA用于溺死地点推断人工智能预测模型的构建及法医学应用研究

基于混合交叉Transformer的宫颈癌多模态图像形变配准研究

基于三维WSI视觉Transformer模型预测宫颈癌免疫治疗疗效及其生物学机制研究

基于图卷积和Transformer构建跨模态神经网络多塔预测模型辅助UC中医诊疗决策的方法研究

基于MRI-血清学指标及Transformer神经网络早期精准预测药物性肝损伤急性肝衰竭的研究

基于MIXED Transformer和DS-TransUNet构建嵌入椎旁肌退变量化模块的体内校准骨密度模型检测骨质疏松的可行性研究。

科研之心,致力于探索AI大模型与科研结合。科研之心为您提供最新的AI资讯、最实用的AI工具、最深入的AI分析,帮助您在科学研究中发掘AI的无限潜力。

这篇关于2023年国自然医学科学部人工智能及大模型相关课题项目汇总的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/281808

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

这15个Vue指令,让你的项目开发爽到爆

1. V-Hotkey 仓库地址: github.com/Dafrok/v-ho… Demo: 戳这里 https://dafrok.github.io/v-hotkey 安装: npm install --save v-hotkey 这个指令可以给组件绑定一个或多个快捷键。你想要通过按下 Escape 键后隐藏某个组件,按住 Control 和回车键再显示它吗?小菜一碟: <template

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

如何用Docker运行Django项目

本章教程,介绍如何用Docker创建一个Django,并运行能够访问。 一、拉取镜像 这里我们使用python3.11版本的docker镜像 docker pull python:3.11 二、运行容器 这里我们将容器内部的8080端口,映射到宿主机的80端口上。 docker run -itd --name python311 -p

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

sqlite3 相关知识

WAL 模式 VS 回滚模式 特性WAL 模式回滚模式(Rollback Journal)定义使用写前日志来记录变更。使用回滚日志来记录事务的所有修改。特点更高的并发性和性能;支持多读者和单写者。支持安全的事务回滚,但并发性较低。性能写入性能更好,尤其是读多写少的场景。写操作会造成较大的性能开销,尤其是在事务开始时。写入流程数据首先写入 WAL 文件,然后才从 WAL 刷新到主数据库。数据在开始

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

在cscode中通过maven创建java项目

在cscode中创建java项目 可以通过博客完成maven的导入 建立maven项目 使用快捷键 Ctrl + Shift + P 建立一个 Maven 项目 1 Ctrl + Shift + P 打开输入框2 输入 "> java create"3 选择 maven4 选择 No Archetype5 输入 域名6 输入项目名称7 建立一个文件目录存放项目,文件名一般为项目名8 确定

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}