人工智能在心律失常领域中的应用进展

近年来,随着机器学习等人工智能方法在医疗领域的广泛应用,医学诊疗模式正在发生巨大变化,其中人工智能在心律失常诊疗过程中的应用值得重点关注。文章着重阐述人工智能在心律失常预测及识别、心脏电生理设备研发与改良、心律失常疾病治疗等方面的进展,展望人工智能在心律失常预警、诊断和治疗方面的广阔应用前景,同时探讨其所面临的挑战。     

人工智能在食管疾病中的应用进展

胃肠道疾病的诊断很大程度上依赖于消化内镜，而人工智能可以通过分析内镜图像、识别病灶和处理大数据集，辅助提高低年资内镜医师的病灶检出率和诊断准确率。人工智能在食管疾病诊断中的研究重点包括病灶识别、预测病变浸润深度及病理诊断等。在本综述中，纳入食管疾病相关的人工智能研究，分析研究结果及临床应用，并探讨该领域存在的问题及未来可能的发展方向。     

深度学习在心电图自动诊断和预测心血管疾病中的应用

心电图是诊断心血管疾病的常用检测方法,然而术语繁多,加之长时程可穿戴心电图监测的应用,对心电诊断的需求剧增.深度学习作为近年来新兴的人工智能技术,在心电领域也有了较快的发展和应用.本文综述了深度学习技术在心电图自动诊断和预测心血管疾病方面的应用.     

深度学习在原发性肝癌相关诊断模型中的应用与前景

深度学习是机器学习通过大量数据训练及分析来模拟人脑的学习行为而获得新的知识和技能。随着医学技术的进步,医学领域积累了大量的数据,对数据的研究有助于深入了解数据内的联系与规律,从而有助于预测人类疾病的发生与预后。深度学习通过找出数据中隐藏的信息,在医学领域中的应用日益突出。原发性肝癌是发病率和死亡率很高的恶性肿瘤,预后差,复发率高,如何早期诊断、及时治疗、预测复发等一直是研究重点之一。本文从肝癌发生风险预测、术后复发与生存风险预测等方面闸述深度学习在肝癌诊断及复发方面的应用进展。     

人工智能在急性缺血性脑卒中影像的研究进展

<正>脑卒中发病率高、致残率高、病死率高，是全球人口死亡第二位原因，致残的第三位原因。急性缺血性脑卒中是脑卒中最常见的类型，占60%～70%，全球年发病人数高达1200万，我国发病率居世界首位，年发病人数达383万^[1-2]。近年来，人工智能快速发展，基于不同的模式识别算法，利用大数据进行监督学习或非监督学习，有助于急性缺血性脑卒中早期缺血改变识别、责任血管定位、梗死和缺血定量及发病时间预测。本研究对人工智能在急性缺血性脑卒中影像的研究进展进行综述。1人工智能常用算法人工智能学习方法种类繁多，其中在医学领域最常用的是机器学习和深度学习。机器学习是应用算法来解析、学习数据，对真实世界中的事件做出决策和预测，其特点在于需要利用大量的数据来训练模型。机器学习传统的算法包括支持向量机、决策树、线性回归、逻辑回归、神经网络等。随着算法的进步及计算机硬件设备的优化，2006年提出的深度学习算法可以建立、模拟人脑进行分析学习的神经网络，并模仿人脑的机制来解释数据，其特点在于试图模仿大脑神经元之间传递，处理信息的模式。神经网络是深度学习主要的算法和手段，核心思想是模拟...     

人工智能在呼吸疾病诊治中的应用进展

随着计算机技术的发展,以专家系统和深度学习为代表的人工智能技术逐渐应用于呼吸疾病的诊治中,特别是以卷积神经网络为代表的深度学习技术。在呼吸系统领域,人工智能技术在疾病流行预测、协助诊断、指导治疗、慢性病管理和预测预后等方面应用成效斐然,成为了临床医生的有力诊断工具。本文就人工智能技术在呼吸系统疾病诊治中的应用、挑战和展...     

血浆微小 RNA-223(miR-223)及叉头框蛋白3a水平与冠心病病人心脏结构变化的相关性研究

人工智能在心电图中的应用是心血管领域正在发生变革的一个重要方向。近年来,先进的人工智能技术,如深度学习,卷积神经网络等,已经实现了对心电图的快速、类似于人类的判读,而多层神经网络可以精确地检测到人类判读者基本无法识别的信号和模式,使心电图成为一个强大的“生物标志物”。大量的数字化心电图已经被用于开发人工智能模型,可检测阵发性心房颤动、左心室功能障碍、心肌病以及高钾血症、瓣膜疾病等异常情况。在这篇综述中,我们总结了人工智能辅助的心电图诊断在心血管疾病中的应用现状,讨论并评估了其临床意义、局限性和发展前景。     

人工智能在心电图中的应用进展

人工智能是心电诊断领域的研究热点和发展趋势。心电图在心血管疾病的诊断中具有重要作用, 但其准确判读需要相当的专业理论知识。目前, 机器学习在心电图自动筛查、诊断及预测心血管疾病等方面均有较大进展, 在某些领域, 已经实现快速而类似医师的解读。更为重要的是, 多层神经网络能够精准识别肉眼不可见的信号和模式, 使心电图成为一种无创而有效的检查手段。该文主要综述人工智能在心电图中的应用现状, 重点关注心律失常、冠心病、心功能不全及肥厚型心肌病, 并讨论其局限性和未来发展方向。     

深度学习在胸部CT肺结节诊断中的应用进展

肺癌的病死率在全球范围内居恶性肿瘤之首。防治肺癌的关键是早发现和早诊断恶性肺结节, 因此开发一种有效的早期诊断筛查方法是肺癌诊治长期以来的目标。CT筛查的普及可降低肺癌病死率, 但同时对影像诊断在工作量、敏感性、准确性方面也带来了新挑战。近年来, 人工智能在肺结节评估方面取得了显著进展, 其中深度学习是一种正在快速发展的技术, 被认为是医学图像分析领域检测、表征和评估病变的有利工具。本文综述了近年来深度学习在CT扫描肺结节检出和诊断方面的进展, 同时概述了一些局限性和挑战性, 以期提高临床医师在深度学习辅助诊断肺结节中的认识。     

数字医疗在糖尿病管理中的应用进展

数字医疗是基于大数据和人工智能的诊疗方法, 为患者提供基于其数据或基于人工智能原理的机器学习模式, 来预防、管理或治疗疾病。数字医疗在糖尿病管理中的应用越来越广泛, 包括患病风险及并发症风险预测、临床决策支持、运动、饮食管理及患者教育等方面。虽然数字医疗在糖尿病管理中面临着信息安全、数据标准化、设备和网络建设等挑战, 但随着人工智能和机器深度学习的发展, 数字医疗将在糖尿病预测、并发症风险预测、诊疗方案制定等方面发挥更大的作用。     

基于人工智能的肝细胞癌精准影像学诊断和复发预测

人工智能在医疗领域的融合发展迅速,特别在影像医学的诊断、治疗和疗效评估等方面有突破性进展。本文回顾了人工智能在肝细胞癌影像学诊断及其结合临床特征进行疗效评估和预后预测的效能方面的研究进展,展望了在日益增长的临床需求与快速进步的诊疗技术时代,如何将人工智能更好地运用于肝细胞癌影像学实践中。     

人工智能在主动脉夹层影像学诊断与风险预测中的应用

主动脉夹层(AD)严重威胁患者生命健康, 具有极高病死率。AD的生存率与早期诊断、危险因素控制、术后评估及预后预测等密切相关。人工智能作为当今科技发展的前沿技术, 已被广泛应用于医学领域, 并且在AD早期筛查、影像诊断、风险预测等方面都取得了较大进展。该文将对人工智能在AD中的应用作一综述, 对该领域的未来前景进行展望, 并探讨其中存在的问题和改进措施。     

计算机深度学习与智能图像诊断对胃高分化腺癌病理诊断的价值

随着计算机技术的发展,机器学习被深入研究并应用到各个领域,机器学习在医学中的应用将转换现在的医学模式,利用机器学习处理医学中庞大数据可提高医生诊断准确率,指导治疗,评估预后.机器学习中的深度学习已广泛应用在病理智能图像诊断方面,目前在有丝分裂检测,细胞核的分割和检测,组织分类中已取得较好成效.在病理组织学上,胃高分化腺癌因其组织结构和细胞形态异型性小,取材标本表浅等原因容易漏诊.现有的早期胃癌的病理智能图像诊断系统中没有关于腺腔圆度的研究,圆度测量可以将腺腔结构的不规则,腺腔扩张等特征转换为具体数值的定量指标,通过数值大小来进行诊断分析,为病理诊断提供参考价值.     

基于胸部CT的人工智能技术在COPD中的临床应用价值及进展

慢性阻塞性肺疾病(COPD)是一种严重危害人类健康的常见病和多发病。目前对COPD的诊断和严重程度判定主要依赖于肺功能与计算机断层扫描影像结合。传统的人工阅片方式存在着人力负担重、主观性强等缺陷。基于人工智能的深度学习技术通过运用大量已知结果的个体数据进行训练、建立模型,从而对COPD的影像进行精准的识别和评估,大大提...     

基于深度学习的人工智能技术在结直肠癌医学影像诊断中的应用进展

结直肠癌（CRC）是我国常见的消化系统恶性肿瘤之一,近年来其发病率和死亡率逐年上升。目前,CRC的诊断主要依靠内镜下活检定位和定性诊断,内镜下准确定位和临床分期判断可指导临床医生选择最佳治疗方案,从而改善患者预后。但结肠镜检查的准确率很大程度上取决于内镜医师的技术水平,主观性较强,存在误诊或漏诊情况。近年来,随着机器学习、深度学习和深度神经网络技术在计算机视觉领域的快速发展,基于人工智能的计算机辅助系统在结肠镜检查方面取得了显著进展,不仅能显著提高结直肠息肉的检出效率,还能早期识别T1期CRC,从而避免部分患者接受不必要的手术切除,已成为内镜医生不可或缺的辅助诊断工具。医学影像AI技术在提高CRC的诊断效率方面虽然具有很好的应用前景,但在临床实施中仍面临一些困难与挑战,在临床应用之前必须进行大样本、多中心的模型训练。     

人工智能辅助内镜在消化道早癌筛查应用研究进展

我国各地区内镜医师诊断水平参差不齐，而人工智能因具有高效处理常规劳动、理解语音或图像、协助医学诊断等特点使得其备受关注，尤其是近年来以深度学习为代表的算法在疾病诊断、影像医学、专家系统等方面研究进展成果喜人。现就人工智能在消化道早癌筛查领域方面的现状及进展进行综述，为消化道早癌筛查向精准医学方向发展提供思路。     

深度学习技术在消化系统疾病诊疗中的应用

随着计算机技术和大数据技术的飞速发展,以深度学习(deep learning,DL)为代表的人工智能(artificial intelligence,AI)技术逐渐应用于疾病的诊疗。在消化内科领域,DL在消化道息肉和早癌、肿瘤、溃疡性结肠炎、脂肪肝、肝脏及胰腺肿块等疾病的识别与鉴别、诊断及病情判断预测等方面应用成效斐然,不仅明显提高了疾病诊断准确度,而且能有效预测疾病对治疗措施的反应,为临床诊疗提供决策依据。本文就DL在消化系统疾病诊疗中的应用和展望作一概述。     

基于Web of science的口腔健康素养的研究热点及可视化分析

目的 分析口腔健康素养相关研究领域的研究现状、热点及前沿。方法 以Web of science核心合集数据库为数据来源,检索自建库以来口腔健康素养的相关文献,利用Citespace和VOS viewer对相关研究的国家、机构及关键词等进行分析。结果 本研究共纳入221篇相关文献,发文量总体上逐年增长,美国、澳大利亚、巴西是该领域发文量较多的国家,美国的北卡罗来纳大学、马里兰大学和巴西的米纳斯吉拉斯联邦大学是主要的研究机构,研究学科主要涉及口腔外科学、公共卫生与职业健康学、儿科学等,研究热点集中在产前遗传咨询及健康教育、儿童及学生的口腔卫生评估、女性照顾者的口腔知识评估、父母的口腔健康知识与儿童口腔健康结局指标的关系。本研究预测未来在口腔健康素养快速评估工具的开发及应用、口腔素养健康教育、不同人群口腔健康素养水平与口腔健康状况之间的关系研究等领域有较好的研究前景。结论 近年来口腔健康素养领域研究关注度逐年提高,本文以知识图谱的形式展示口腔健康素养的研究热点及前沿趋势,为今后国内相关研究提供借鉴。     

深度学习在肺结核影像诊断中的应用

肺结核的影像学形态往往呈多样性,因此,如何鉴别诊断肺结核一直以来是常规影像学研究的重点与难点。近年来,深度学习在辅助影像诊断方面有了飞快发展。深度学习擅长识别大量图像数据中的复杂模式,可大大提高医师的诊断准确性及工作效率。笔者将对深度学习在影像诊断及肺结核影像诊断中的应用、不足及展望进行综述。     

消化内镜人工智能：风起与笃行

近年来伴随着数据量的飞跃、运算力的提升和机器学习新算法（深度学习）的出现,人工智能开发应用的热潮再次兴起。作为人工智能医疗应用的热点领域,消化内镜人工智能的研究越来越受到内镜医生的关注,并在国内外多个中心开展。目前消化内镜人工智能研究领域包括胃肠镜、胶囊内镜、共聚焦显微内镜等各种类型,以及包括息肉、炎症、早期癌症等多种疾病。消化内镜人工智能能在病变检出、疾病分类、内镜质量控制等多个方面为消化内镜医生提供帮助,是未来消化内镜发展的必然趋势,但如何让消化内镜人工智能真正进入临床,实现实用化、产业化是目前需要谨慎思考的问题。本文我们将讨论消化内镜人工智能目前的研究现状以及未来发展的一些思考。