医学专题
如何将卷积神经网络（CNN）应用于医学图像分析：从分类到分割和检测的实用指南
引言 在现代医疗领域，医学图像已经成为疾病诊断和治疗规划的重要工具。医学图像的类型繁多，包括但不限于X射线、CT（计算机断层扫描）、MRI（磁共振成像）和超声图像。这些图像提供了对身体内部结构的详细视图，有助于医生在进行准确诊断和制定个性化治疗方案时获取关键的信息。 1. 医学图像分析的挑战 医学图像分析面临诸多挑战，其中包括： 图像数据的复杂性：医学图像通常具有高维度和复杂的结构
医学图像数据集与竞赛
1、数据集:一文道尽医学图像数据集与竞赛 https://www.cnblogs.com/yumoye/p/10512460.html 2、【医学影像系列：一】数据集合集 最新最全 https://blog.csdn.net/qq_31622015/article/details/90573874 3、医学数据集及机器学习项目 https://blog.csdn.net/weixin_4
MOELoRA —— 多任务医学应用中的参数高效微调方法
人工智能咨询培训老师叶梓 转载标明出处 在医疗场景中，LLMs可以应用于多种不同的任务，如医生推荐、诊断预测、药物推荐、医学实体识别、临床报告生成等。这些任务的输入和输出差异很大，给统一模型的微调带来了挑战。而且LLMs的参数众多，导致微调过程中时间和计算资源的消耗巨大。针对这些问题，来自西安交通大学、香港城市大学、腾讯YouTu Lab等机构的研究者们提出了一种新颖的参数高效微调框架——MOE
基于医学图像配准软件 ANTs（Advanced Normalization Tools）提取脑图像数值并与临床量表计算相关
前言： 神经影像学与临床评估的结合正在革新我们对神经精神疾病的理解。本博客聚焦于如何利用先进的医学图像配准软件ANTs（Advanced Normalization Tools）提取脑图像数值，并将其与临床量表进行相关性分析。 目录 一、准备掩模（Mask) 二、准备T-value map T-map 和 Z-map的转化 比较同一结果的T-map和Zmap 三、提取Mask
机器学习在医学中的应用
🎈边走、边悟🎈迟早会好 机器学习在医学中的应用是一个广泛且复杂的领域，涵盖了从基础研究到临床应用的多个方面。以下是一个万字总结的结构性思路，分章节深入探讨不同应用场景、技术方法、挑战与未来展望。 1. 引言 背景与发展：介绍医学领域的数字化转型以及机器学习的兴起，探讨其在医学中的潜力。机器学习的基本概念：简要介绍机器学习的基本原理、分类（监督学习、非监督学习、强化学习等）和常用算法（
2-79 基于matlab的卷积稀疏的形态成分分析的医学图像融合
基于matlab的卷积稀疏的形态成分分析的医学图像融合，基于卷积稀疏性的形态分量分析 (CS-MCA) 的稀疏表示 (SR) 模型，用于像素级医学图像融合。通过 CS-MCA 模型使用预先学习的字典获得其卡通和纹理组件的 CSR。然后，合并所有源图像的稀疏系数，并使用相应的字典重建融合分量。最后，实现融合图像计算。程序已调通，可直接运行。 2-79 卷积稀疏的形态成分分析 - 小红书 (xi
AI在医学领域：谷歌的HeAR生物声学模型
声学非语义属性的语音可以使机器学习模型执行诸如情绪识别、说话者识别和痴呆检测等副语言任务。脑卒中、帕金森病、阿尔茨海默病、脑瘫和肌萎缩侧索硬化症（ALS）等脑血管和神经退行性疾病也可以使用非语义语音模式，如发音、共鸣和发声等来检测和监测。与健康相关的非语义声学信号不仅限于对话语音数据。来自呼吸系统气流的健康相关声学线索，包括咳嗽声和呼吸模式等声音，可以用于健康监测。例如，临床医生使用
![[医疗 AI ] 3D TransUNet：通过 Vision Transformer 推进医学图像分割](https://i-blog.csdnimg.cn/direct/d32a0be7130540f293c4066cc9f1ccf5.png#pic_center)
[医疗 AI ] 3D TransUNet：通过 Vision Transformer 推进医学图像分割
[医疗 AI ] 3D TransUNet：通过 Vision Transformer 推进医学图像分割’ 论文地址 - https://arxiv.org/pdf/2310.07781 0. 摘要 医学图像分割在推进医疗保健系统的疾病诊断和治疗计划中起着至关重要的作用。U 形架构，俗称 U-Net，已被证明在各种医学图像分割任务中非常成功。然而，U-Net 基于卷积的操作本身限制了其有效建模
AI在医学领域：在软组织和骨骼肿瘤放射学成像中的应用综述
软组织和骨骼肿瘤（Soft-tissue and bone tumours，STBT）是人体中较为罕见的肿瘤，包括良性和恶性病变。恶性STBT，约占所有肿瘤的1%。这些肿瘤可以发生在任何年龄和几乎所有解剖部位，起源于包括肌肉、脂肪、血管、软骨和骨骼在内的结缔组织细胞。STBT的罕见性以及它们的亚型多样性和不同的临床表现，为准确诊断和预后带来了巨大挑战。 放射学成像（包括核
MedGraphRAG：医学版 GraphRAG
MedGraphRAG：医学版 GraphRAG 提出我的解法思路 MedGraphRAG 大纲解法大纲 解法拆解U-retrieve 双向检索 分析性关联图创意视角MedGraphRAG 对比 传统知识图谱+大模型现在医疗知识图谱的问题MedGraphRAG的三层层级图结构，能不能让普通的医疗知识图谱，实现因果关系、机制解释？因果版 MedGraphRAG 对比 MedGraphRAG 和
超容易出成果的方向：多模态医学图像处理！
哈喽朋友们，今天给大家推荐一个比较容易出成果的方向：多模态医学图像处理。 众所周知，多模态如今火的一塌糊涂，早就成了很多应用科学与AI结合的重要赛道，特别是在医学图像处理领域。 由此提出的多模态医学图像处理融合了多种图像数据，能完美克服单一成像技术的局限性，给我们提供更全面、更准确的医学信息，显著提高诊断精度和治疗效率。 更牛的是，这种技术涵盖了从癌症诊断到神经科学研究等多个医学领域，可以说前
医学装备(即设备全生命周期）管理系统背景及必要性
卓健易控-医学装备(即设备全生命周期）管理系统 目前国内医院针对医学装备的管理长期一直以来处在粗放式管理的状态，医院信息管理系统的建设一直围绕着信息化发展，而国内大部分医疗软件也很少有对医学装备的管理。医学装备管理也是随着医院规模化和规范化而来，因医院各部门的需求专业度高，医院设备管理存在的问题包括管理难度大、信息化系统不完善、设备维护被动、人员专业性不足、缺乏专业工具、设备管理档案不全、设备采
医学记录 --- 腋下异味
逻辑图地址 症状 病因 汗液分泌旺盛：由于天气炎热、活动出汗、肥胖等因素导致汗液分泌旺盛，可引起腋下有异味表现。在这种情况下，建议保持身体清洁，特别是在炎热和潮湿的环境下。可以使用抗菌洗液、喷雾或霜剂来帮助减少细菌滋生，以及使用吸汗剂或穿透气性好的衣物来帮助保持腋下干燥。清洁不及时：出汗后如果未及时清洁腋下，可能导致汗腺分泌物蓄积，通过细菌分解引起异味。建议定期洗澡并彻底清洁腋下区域，特别是
医学记录 --- 腹泻
逻辑图地址 症状 每天3次+ 连续超过2天 病因 饮食不卫生 医治(药材，药量) 首先要补充大量的液体，以免造成身体水电解质絮乱和脱水。可以适当食用米汤、果汁、酸奶、稀饭等流质食物，也可以煮苹果水，补充钾离子。拉肚子期间尽量限制粗纤维的摄入，以免加重腹泻的症状。 三餐规律进食，饮食清淡，不食用高脂油腻的食物，不吃生冷的食物，避免浓茶、咖啡、酒和辣椒等刺激食物，尽量不要吃粗纤维食物和易
6.25世界白癜风日·成都博润白癜风医院获评“成都市医学重点专科”
夏日热情如江潮，勇攀高峰正当时。为激发新质生产力，驱动学术研究引领医院发展，也为了迎接 6.25 世界白癜风日。 6月22日，成都博润白癜风医院隆重举行成都市医学重点专科授牌新闻发布会暨成都市市级继续医学教育项目《难治性白癜风的诊疗变革与创新(C24-01-120000222)》学术会议。众多国内知名皮肤科专家、领导以及相关科研技术人员齐聚一堂，共同激励与探讨医院重点专科建设工作的发展与挑战，推
交叉注意力一脚踹进医学图像分割！新成果精度、效率表现SOTA
为解决传统方法的局限性，研究者们提出了将交叉注意力机制应用于医学图像分割。 交叉注意力机制能更有效地整合来自不同模态/尺度的特征，让模型同时捕捉全局和局部信息，加速学习并减少干扰。这样不仅可以提高分割的精度，还可以减少训练时间，提高分割的效率。 因此这种策略成为了目前医学图像领域的重要研究方向，为我们实现更高的综合性能提供了新的解决思路。 本次分享8种最新的用交叉注意力做医学图像分割的创新方
Contrmix:用于半监督医学图像分割的渐进式混合对比学习
paper:Contrmix: Progressive Mixed Contrastive Learning for Semi-Supervised Medical Image Segmentation | IEEE Conference Publication | IEEE Xplore 摘要:虽然医学图像分割已经取得了令人印象深刻的进展，但它通常受到劳动密集型和昂贵的像素级注释的限制。现有的
医学人工智能项目如何申请基金？
小罗碎碎念 本期推文面向的群体 青年教师有志硕博/博后 尤其适合一直认真追小罗推文的老师/同学，你们会发现自己在看这篇推文的时候，遇到自己领域的项目时，文思如泉涌，仿佛马上就能把本子写好，哈哈。（运用了一丢丢夸张手法，实际效果看个人悟性哈，与小罗无关） 北京市自然科学基金联合基金 昨天吃饭的时候和家里人聊了一下我的课题进展，聊着聊着就扯到最近北京市的基金申报了。由于我
特殊医学用途配方食品注册数据库
在这个追求健康的时代，特殊医学用途配方食品（简称特医食品）已成为众多特殊需求人群的膳食选择。它们不仅满足了特定疾病状态下的营养需求，更是病患康复之路上的重要伴侣。然而，面对市场上琳琅满目的特医食品，如何快速准确地获取它们的注册信息，成为了消费者和专业人士共同关心的问题。 特殊医学用途配方食品有哪些?如何查询？ 据药融云-特殊医学用途配方注册数据库统计，截止2024年4月，共计186款特医食
论文阅读：H-ViT，一种用于医学图像配准的层级化ViT
来自CVPR的一篇文章，https://openaccess.thecvf.com/content/CVPR2024/papers/Ghahremani_H-ViT_A_Hierarchical_Vision_Transformer_for_Deformable_Image_Registration_CVPR_2024_paper.pdf 用CNN+Transformer混合模型做图像配准。可变
GoogleDeepMind联合发布医学领域大语言模型论文技术讲解
Towards Expert-Level Medical Question Answering with Large Language Mod 这是一篇由Google Research和DeepMind合作发表的论文,题为"Towards Expert-Level Medical Question Answering with Large Language Models"。 我先整体介绍下这篇
基于pytorch实现的DenseUnet医学图像分割（腹部多脏器）
1、前言 本章将介绍将densenet的主干网络引入unet中 官方实现的代码：kits19-challenge/network at master · nitsaick/kits19-challenge (github.com) 本章实现的项目目录如下： 主要代码有train、evaluate、predict脚本 2、代码介绍 数据预处理脚本 数据
【机器学习】消息传递神经网络(MPNN)在分子预测领域的医学应用
1. 引言 1.1. 分子性质预测概述 分子性质预测是计算机辅助药物发现流程中至关重要的任务之一，它在许多下游应用如药物筛选和药物设计中发挥着核心作用： 1.1.1. 目的与重要性： 分子性质预测旨在通过分子内部信息（如原子坐标、原子序数等）对分子的物理和化学性质进行预测。这有助于快速从大量候选化合物中筛选出符合特定性质的化合物，从而加速药物筛选和设计的流程。 1.1.2. 传统方法：
利用医学Twitter进行病理图像分析的视觉-语言基础模型| 文献速递-视觉通用模型与疾病诊断
Title 题目 A visual–language foundation model for pathology image analysis using medical Twitter 利用医学Twitter进行病理图像分析的视觉-语言基础模型 01 文献速递介绍 缺乏公开可用的医学图像标注是计算研究和教育创新的一个重要障碍。同时，许多医生在公共论坛上（如医学Twi
医学领域科技查新点提炼方法！---附案例分析
医学领域的查新项目研究范围较广，涉及基础医学、临床医学、中医学、预防医学、卫生学、特种医学等众多与人类健康和疾病有关的科学。查新目的主要包括立项、成果鉴定和报奖，有的期刊投稿也要求作者提供查新报告。 医学领域查新项目的两极化较明显，有的属于长期研究的系列项目，项目负责人多为该领域的科研骨干、学科带头人，研究范围较广，覆盖从基础到临床、从具体研究到诊治标准的制定，项目的综合性和创新性较强；