人工智能在医学的应用研究进展

人工智能技术的快速发展,得益于大数据、数据库、算法、算力的巨大进步,医学研究是人工智能的重要应用方向。人工智能与医学的融合发展,提高了医疗技术水平与医疗服务效率,为医生与医疗设备有效赋能,更好地服务于患者。特别在此次新冠肺炎疫情中取得的巨大成效,足见人工智能在医疗领域中发挥巨大作用,因此吸引了许多研究者不断深入探索。本文对近年来人工智能在医学方面应用的相关文献进行梳理,基于人工智能技术与医学研究的发展背景,重点论述人工智能在药物研发、辅助诊疗、语音识别和语义理解、健康管理、医院管理等领域的应用进展,分析人工智能在医疗领域应用存在的挑战,最后讨论人工智能在医疗领域的发展趋势。 【关键词】人工智能;医学应用;技术挑战;综述     

人工智能在医学上的应用

人工智能是约30年前在计算机领域中开始的一个新课题,它与生理学、哲学、语言学及计算机有着密切地联系。目前人工智能在医学中的应用已包括:医院管理、药品库、食品运送、图象解析、医疗训练及专家系统。作者在该文中主要介绍了专家系统在人工脏器领域中三大应用: 1.医疗装置上附加的解释程序     

人工智能技术及其在医学诊断中的应用及发展

本文对人工智能技术在常规医学及其医学诊断专家系统中的发展情况作了回顾，并对人工神经网络在医学诊断系统中的应用作了概述，阐明了在医学诊断系统中，主要的困难在于多种疾病的共存现象，即许多病人有着潜伏在自身内部的其它相关性疾病，而制约医学影像专家系统发展的主要原因是高级视觉系统本身的缺陷，即从医学扫描器上获得的图像数据可能是噪声和模糊的。从而增加了专家系统的复杂性，最后对人工智能技术在医学影像诊断系统中的发展前景作了展望。     

人工智能与人工器官

大约30年前,计算机科学领域里开始了一项新课题——人工智能。致力于人工智能探讨的人们必须明确地将人工智能与已有数十年历史的计算机简单数据处理的应用区别开来。一、数据管理被称之为“经典阶段的计算机科学”在医学中的应用范围很有限,仅涉及医务活动的管理。尽管在医学领域计算机应用较为复杂,但医学管理与对一个银行、商业或行政机构的管理并无本质的差别。目前计算机管理技术已成功地用于医院内行政、药品库及食品运送系统。原始数据贮存在数据库内,不论处理系统是否使用了这些数据,数据保持自身固有的意义。一系列的程序得出无可争辨的唯一     

人工智能在医学大数据标准化体系建设中的研究进展

人工智能技术和大数据的飞速发展从各方面影响和改变着传统医学模式,为医学大数据标准化体系建设中病历结构化、多源异构数据标准化、个体化,以及人工智能辅助诊断和实现专家会诊等功能提供了新的可能。本文旨在探索目前人工智能领域内可能应用于医学大数据标准化建设的新技术和新思路,利用人工智能配合现有的互联网技术手段,加速医学大数据标准化体系建设的实现。人工智能作为医学大数据标准化的应用终端,对大数据标准化提出了要求,同时,人工智能新技术的应用在医学大数据标准化体系建设上可以发挥更大的作用,有利于促进区域间的合作和标准统一,尽早达到人工智能与医学行业之间的深度融合,推动人工智能与医学大数据的临床应用。     

人工智能方法在医学图像处理中的研究新进展

目的:随着医学影像智能化诊断的快速发展,为了满足愈加复杂的医学图像分析和处理要求,人工智能方法成为近年来医学图像处理技术发展的一个研究热点。本文对近五年来人工智能方法在医学图像处理领域应用的新进展进行综述。方法:将应用在医学图像处理领域主要的几种人工智能方法进行了分类总结,讨论了这些方法在医学图像处理各分支领域的应用,分析比较了不同方法间的优缺点。结果:人工智能方法应用主要在医学图像分割、图像配准、图像融合、图像压缩、图像重建等领域;包括蚁群算法、模糊集合、人工神经网络、粒子群算法、遗传算法、进化计算、人工免疫算法、粒计算和多Agent技术等;涉及MR图像、超声图像、PET图像、CT图像和医学红外图像等多种医学图像。结论:由于医学影像图像对比度较低,不同组织的特征可变性较大,不同组织间边界模糊、血管和神经等微细结构分布复杂,尚无通用方法对任意医学图像都能取得绝对理想的处理效果。改进的人工智能方法与传统图像处理方法的结合,在功能上相互取长补短,将是医学图像处理技术重要的发展趋势。     

机器学习在骨科诊疗中的应用进展

近年来,人工智能相关技术与医学领域的深度融合使得医工交叉成为热点。骨科疾病诊疗存在数据量大和决策困难等问题。机器学习作为人工智能领域的重要方法,具有对医学大数据自动分析和预测的能力,被广泛应用于骨科等临床学科领域,辅助医生高效地完成疾病诊断和治疗工作。介绍了机器学习在骨科术前、术中和术后诊疗中的应用进展,为探索更加合理的诊治策略提供新的思路。     

医学诊断专家系统进展

专家系统是人工智能领域的重要分支。医学诊断专家系统可以作为医生诊断的一种辅助工具。本文以医学诊断专家系统理论研究、专项医学诊断专家系统和神经网络专家系统等三方面，对医学诊断专家系统的进展进行了回顾。     

医学诊断专家系统进展

专家系统是人工智能领域的重要分支。医学诊断专家系统可以作为医生诊断的一种辅助工具。本以医学诊断专家系统理论研究、专项医学诊断专家系统和神经网络专家系统等三方面，对医学诊断专家系统的进展进行了回顾。     

MicroPACS:一种基于PC机的小型PACS系统的实现

ＭｉｃｒｏＰＡＣＳ：一种基于ＰＣ机的小型ＰＡＣＳ系统的实现１概述数字成像的迅速进步以及计算机能力的改进和信息通讯系统的发展迫切需要那些能对数据进行获取、存储、通讯和处理的综合系统，在医学领域，这种需要尤其是在管理着许多医学图象的放射科感受更为明显，在...     

医学数据挖掘的技术、方法及应用

医学数据挖掘是提高医院信息管理水平，为疾病的诊断和治疗提供科学的、准确的决策，促进远程医疗和社区医疗发展的需要。本文对医学数据挖掘的关键技术——数据的预处理、多属性信息的融合、挖掘算法的高效性与鲁棒性、提供知识的准确性与可靠性等进行了论述；阐述了基于计算智能的医学数据挖掘方法，介绍了人工神经网络、模糊逻辑、遗传算法、粗糙集理论和支持向量机在医学数据挖掘中的应用；最后对医学数据挖掘的特点和亟待解决的问题进行了总结。     

人工智能技术在肺部影像辅助诊断中的应用进展

肺部影像不仅表现复杂,而且数据量增长迅速,多种因素导致影像科医生任务繁重。人工智能辅助诊断技术的出现恰逢其时,当前的智能诊断算法能够实现肺部病灶检出、分割和性质判断等多种应用模式,不仅有效提升医生诊断的效率、更有望推动分级诊疗、优化医疗资源配置。基于人工智能的肺部影像诊断技术已经从单一特定的疾病诊断逐渐发展到多疾病联合诊断。本文综述人工智能辅助诊断技术的发展背景,分析基于人工智能的肺部疾病诊断的研究现状,最后总结相关算法的优缺点和未来的发展方向。     

生物医学领域人工智能应用的伦理问题

人工智能在生物医学领域的应用正在加速发展,在公共卫生、临床诊疗、健康管理方面展露出广阔的发展前景,同时也引起了许多潜在和现存的伦理困境。目前,讨论比较集中的伦理议题有:1)人工智能的道德地位;2)人工智能应用引起的各种公平性问题;3)个人权利与公共利益之间的张力问题。本文试图对上述议题进行初步的探讨,从平衡的观点出发,提出若干原则供学术界共同讨论和批评。     

卷积神经网络的原理及其在医学影像诊断中的应用

利用卷积神经网络快速高效地对医学影像数据进行分析和处理可以实现医学影像数据快速分类、定位等操作,提高医学诊疗的效率。本研究从卷积神经网络的背景和原理入手,介绍各种类型的卷积神经网络的应用场景和一些常用的卷积神经网络模型,包括残差卷积神经网络、U-net、循环卷积神经网络等及其在医学影像诊断中的应用,最后针对卷积神经网络和人工智能技术讨论了其未来的展望和挑战。     

人工智能在创伤骨科中的应用

新形势、新环境下,创伤骨科医师面临伤情更加复杂、人口老龄化加剧的严峻挑战。随着数据处理能力的飞速发展、医工交叉的深入,人工智能的应用正逐步延伸至医学各相关领域,同样也是未来创伤骨科的发展重要方向,将为创伤骨科面临的问题提出新的解决途径。人工智能将在诊断、处理、教育与研究、系统分析等领域促进创伤骨科的发展。然而,人工智能在创伤骨科的应用离不开数据安全性、稳定性的影响,仍然面临一些问题。本文就人工智能的概念及在创伤骨科中的应用与挑战做一综述,旨在汲取国内外先进的人工智能理念及先进技术,以期提升其在创伤骨科的应用,为患者提供精准化、个性化的诊疗服务。     

人工智能技术在电生理诊断中的应用现状

人工智能理论及技术的不断发展,使其在各行业各领域有着广泛应用。电生理检查通过仪器设备获取人体生物电信号,并以图像形式展现,医师依据图像特征判断和分析疾病。借助人工智能技术自动分析电生理图像信号,能够实现疾病的智能诊断与预测,减少对医师经验的依赖,提升医疗服务水准。本文对人工智能技术在电生理诊断中的研究与应用现状进行综述,为电生理学科的发展提供一定的支撑和参考。     

Expert systems in medicine: a biomedical engineering perspective

Knowledge-based expert systems for medical applications have received considerable attention in recent years. In this review, fundamental terms and notions of artificial intelligence techniques as applied to expert systems are introduced. The most well-known and influential medical expert systems are discussed in detail, and newer efforts are surveyed. A critical comparison of strengths and weaknesses of the systems is made, discussing depth and complexity of knowledge, acquisition of knowledge, user interaction and explanations, knowledge engineering tools, system evaluations, and user resistance. Long- and short-term trends are appraised.     

深度学习在放射学科和麻醉学交叉领域的应用进展

随着互联网和人工智能的应用,很多医疗领域变得更加高效和可靠。现代麻醉学的范畴已经不再局限于手术室内,还包括门诊、内镜科等,这就使麻醉医生的负担进一步加重。放射学科与麻醉学的结合为麻醉手术提供了更精确、更安全和更高效的方法,而深度学习技术的快速发展为该领域带来了许多前沿创新。该文综合归纳了近年来深度学习在该交叉领域的相关研究成果,并对相关应用进行了分类和总结。通过对文献的分析,该文重点讨论了医学影像领域的图像识别和目标定位等具体应用,并探讨了深度学习在麻醉学领域的局限性和未来发展方向。