关键词 "诊断" 的搜索结果， 共 18 条, 只显示前 480 条
针对临床上各类疑难疾病进行智能诊断，帮助医生参考决策。
由深圳市大数据研究院、国家健康医疗大数据研究院（深圳）、香港中文大学（深圳）联合研发的中文医疗大模型华佗GPT，在香港中文大学（深圳）附属第二医院成功启用。
TCMLLM由北京交通大学计算机与信息技术学院医学智能团队开发的中医药大语言模型项目，旨在通过大模型方式实现中医临床辅助诊疗（病证诊断、处方推荐等）中医药知识问答等任务，推动中医知识问答、临床辅助诊疗等领域的快速发展。目前针对中医临床智能诊疗问题中的处方推荐任务，发布了中医处方推荐指令微调大模型TCMLLM-PR。研发团队整合了8个数据来源，涵盖4本中医经典教科书《中医内科学》、《中医外科学》、《中医妇科学》和《中医儿科学》、2020版中国药典、中医临床经典医案数据、以及多个三甲医院的涵盖肺病、中风病、糖尿病、肝病、脾胃病等多病种的临床病历数据，构建了包含68k数据条目（共10M token）的处方推荐指令微调数据集，并使用此数据集，在ChatGLM大模型上进行大规模指令微调，最终得到了中医处方推荐大模型TCMLLM-PR。
Med-PaLM 是一个大型语言模型 (LLM)，旨在为医学问题提供高质量的答案。我们的第二个版本 Med-PaLM 2 是MedLM 的支撑模型之一。MedLM 是一系列针对医疗保健行业进行微调的基础模型。MedLM 现已面向 Google Cloud 客户开放，这些客户一直在探索从基本任务到复杂工作流程等一系列应用。 Med-PaLM 充分利用了 Google 大型语言模型的强大功能，这些模型已与医学领域接轨，并通过医学检查、医学研究和消费者咨询进行了评估。
开源轻量级通用生物医学视觉-语言基础模型BiomedGPT，则在多种生物医学任务上展现先进性能。BiomedGPT在25项实验中有16项达到先进水平，并在人类评估中表现出色，总结能力接近人类专家。
上海交通大学清源研究院的研究人员提出了PathoDuet框架，针对病理切片图像的特点，设计了跨尺度定位和跨染色迁移两个预训练任务，有效利用了图像放大倍数和染色方式之间的关联性。PathoDuet在结直肠癌分型和免疫组化标记物表达预测等任务中优于现有方法。此外，通用病理基础模型UNI[39]在超过100万张诊断切片上进行了大规模无监督学习，并在34个任务中展现了卓越的性能。该模型支持分辨率无关分类、少样本学习等，并具备对108种癌症类型的泛化分类能力。
FastGlioma 模型是一种用于胶质瘤术中检测的视觉基础模型，通过快速分析新鲜手术组织实现肿瘤浸润的精准评估，在 220 名患者测试中达到92.1±0.9% 的 AUC。该模型显著优于传统引导方法，并在不同患者群体和脑肿瘤类型中表现出一致性和零样本泛化能力。
香港中文大学的生物医学团队为8个特定的眼科图像模态设计编码器，并为不同任务设计解码器，整合超过50万名患者的340万张图像，训练了眼科疾病基础模型VisionFM。该模型在多个眼科疾病诊断任务上超过基线方法，准确率接近中级眼科医师。该模型还具备强大的数据泛化能力，能够扩展到新的图像模态和设备，甚至能从眼底图像预测青光眼进展和颅内肿瘤。
EchoCLIP是一个创新的人工智能模型。它能够分析心脏超声图像并理解专家的诊断解读。该模型即使在没有针对具体任务进行专门训练的情况下，也展现出了优秀的表现。模型在评估心功能和识别心内植入设备上达到良好性能，同时其长上下文变体EchoCLIP-R 在患者识别和跨模态检索等任务中展现了优异能力。这一研究推动了基础模型在心血管影像初步解读中的应用潜力。
通用病理基础模型UNI在超过100万张诊断切片上进行了大规模无监督学习，并在34个任务中展现了卓越的性能。该模型支持分辨率无关分类、少样本学习等，并具备对108种癌症类型的泛化分类能力。
组织病理学图像可以使用 CNN 或 GCN 进行处理，以提高参数效率，也可以两者结合使用。该设置适用于将多种组学模式与组织病理学整合，并可用于改进诊断、预后和治疗反应的评估。
组织病理学图像评估对于癌症诊断和亚型分类至关重要。用于组织病理学图像分析的标准人工智能方法专注于优化针对每个诊断任务的专门模型 。尽管此类方法已取得一些成功，但它们对由不同数字化协议生成的图像或从不同人群采集的样本的普遍性通常有限。在此，为了应对这一挑战，我们设计了临床组织病理学影像评估基础 (CHIEF) 模型，这是一个通用的弱监督机器学习框架，用于提取病理影像特征以进行系统的癌症评估。CHIEF 利用两种互补的预训练方法来提取不同的病理表示：用于图块级特征识别的无监督预训练和用于全切片模式识别的弱监督预训练。我们使用涵盖 19 个解剖部位的 60,530 张全切片图像开发了 CHIEF。 CHIEF 通过在 44 TB 高分辨率病理成像数据集上进行预训练，提取了可用于癌细胞检测、肿瘤起源识别、分子谱表征和预后预测的微观表征。我们使用来自全球 24 家医院和队列的 32 个独立切片集的 19,491 张全切片图像成功验证了 CHIEF。总体而言，CHIEF 的表现比最先进的深度学习方法高出 36.1%，展现了其能够处理在不同人群样本中观察到的领域偏移（domain shift），并采用不同的切片制备方法进行处理。CHIEF 为癌症患者的高效数字病理评估奠定了可推广的基础。
This is an intelligent skin assistant that analyzes skin issues, provides suggestions, and supports image uploads and multilingual Q&A.
医学AI平台
使用值得信赖的语音转文本技术构建语音 AI 医疗保健产品
通过短信或电话主动通知患者取消、提醒和后续事宜
我们的 AI Scribe 可将您与患者的对话转化为结构化的医疗记录，显著节省您的文档记录时间。适用于手机、平板电脑和台式电脑。
NextGen Ambient Assist 使用您的移动设备，在几秒钟内将自然的医患对话转换为结构化的 SOAP 注释。这些注释： 自动放置在患者的 NextGen Enterprise EHR 图表中，等待提供商审核 通过诊断代码、药物和医嘱的相关建议简化现有图表 可以使用关键短语为收藏的模板触发强大的宏 兼容英语和西班牙语的患者与提供者对话
只显示前20页数据，更多请搜索
