共查询到19条相似文献,搜索用时 46 毫秒
1.
医工结合是未来医学发展的趋势,人工智能与大数据的融合将为影像医学翻开崭新的一页。心肌增强超声(myocardial contrast echocardiography , MCE)的临床应用目前处于定性诊断阶段,现有研究表明心肌灌注定量分析优于定性分析,但由于目前的后处理软件操作繁琐,耗时明显,且严重依赖操作者经验水平,其重复性和准确性较差,导致心肌灌注定量分析无法广泛应用于临床。部分研究将人工智能应用于心肌轮廓描记,以自动/半自动方式获取感兴趣区(region of interest, ROI),为心肌灌注定量分析的广泛应用提供可能,本综述旨在回顾人工智能在心肌增强超声心肌轮廓描记的应用研究现状及发展趋势。 相似文献
2.
随着信息革命的快速发展,大数据时代的到来,以深度学习为关键技术的人工智能逐渐成为各国研发投入的重点,目前已发展到应用阶段[1].人工智能定义为计算机具有人类智慧的能力,并能够自我学习,完成需要人类智慧才能完成的任务.人工智能的关键技术是深度学习,模拟人类大脑的神经网络,读取、处理大数据,并找出其中规律,完成特定任务.尽... 相似文献
3.
在医疗领域影像医学是人工智能的主要应用方向之一。在日常诊疗工作中,影像检查的临床需求量巨大,但影像科医师数量的增长和临床经验的积累远不及影像数据的增长速度,AI与影像数据交叉融合,可减轻影像科医师处理海量影像数据的压力。目前,基于超声、X线、CT和MRI数据以深度学习技术为核心,已研发了多种AI辅助影像的定量分析算法,在临床得到广泛的应用,实现了疾病的早期诊断、精准治疗、疗效评估和预测,显著提高影像科医师处理影像信息的效率和准确性,可为临床诊疗提供定量依据。 相似文献
4.
5.
6.
人工智能正在影响着检验医学实验室的日常,从检验标本的采集、传输、检测到检验结果自动审核及综合评估,人工智能技术已经开始渗入到检验医学过程的多个环节,基于智能接口技术的人工智能将加速医学实验室的自动化和标准化建设,以检验大数据和深度学习算法相结合的人工智能技术也将有助于在已有的检验大数据中发现新知识、开发新模型、优化新标... 相似文献
7.
8.
以深度学习(DL)为代表的人工智能(AI)技术已在计算机视觉任务中取得突破性进展。本文从4种常见计算机视觉任务(图像分类、目标检测、物体分割和图像生成)出发,回顾AI技术在医学影像分析中的应用及其发展。 相似文献
9.
人工智能的概念早在19世纪20年代就已提出,随后人工智能技术得到快速发展,近几十年开始应用于医疗领域[1].随着人工智能的价值逐渐被认可,相关研究的数量日益增多.医学影像专业由于具有信息和图像数字化获取的特点而成为人工智能研究的热点学科.其中计算机断层扫描(computer tomography,CT)和磁共振成像(m... 相似文献
10.
超声诊断是心血管疾病最主要的无创影像检查方式,在心脏形态结构及瓣膜功能评估中发挥重要作用,并且具有实时成像、价格便宜、可床旁操作等优点。随着心血管疾病发病率逐年上升,临床对于超声检查的需求与日俱增,传统的超声检查存在不足。因此,迫切需要人工智能技术应用于超声医学,以辅助临床医师进行精准诊疗。智能算法有潜力提高超声诊断的... 相似文献
11.
12.
13.
14.
近年来,人工智能在计算机科学领域快速崛起。医学成像过程中产生了海量图像信息,因此非常适合采用人工智能技术进行相关数据处理。脑卒中患者神经影像在临床诊断、治疗及随访评估中非常关键,人工智能技术在基于脑卒中影像数据的处理和分析中发挥着越来越重要的作用。本文主要回顾人工智能技术在缺血性与出血性脑卒中神经影像应用中的研究进展,重点关注缺血性脑卒中的自动检测、责任脑区缺血状态判断及治疗评估,以及出血性脑卒中的智能诊断、量化分析及治疗评估;同时对基于脑卒中影像智能诊断系统的临床转化应用现状进行分析,探讨当前人工智能在脑卒中神经影像应用过程中存在的主要挑战,并对未来发展前景进行展望。 相似文献
15.
A. Selvarajah M. Bennamoun D. Playford B. J. W Chow Girish Dwivedi 《Current cardiovascular imaging reports》2018,11(6):12
Purpose of Review
This article summarizes the currently available published literature with regard to the applications of artificial intelligence in cardiac computed tomography angiography.Recent Findings
Recent studies and emerging data demonstrate feasibility of artificial intelligence-based high-level image analysis and interpretation tools that will likely enable medical practitioners to achieve more accurate diagnosis of coronary artery disease. Emerging artificial intelligence-based computational modeling methods will assist with pre-operative planning for valve disease. Finally, early but significant work is also being performed in relation to real-time assessment of myocardial perfusion and fractional flow reserve using machine learning.Summary
We anticipate that within the next 5 years, the level of artificial intelligence-driven automation for the analysis and interpretation of cardiac computed tomography angiography will be significantly higher than what is available today. It is also expected that the most productive applications of artificial intelligence in cardiac computed tomography angiography will involve deep learning, utilizing a combination of imaging data and adjunctive data mining to generate more accurate and personalized diagnoses and risk metrics.16.
17.
18.