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。     

医学图像深度学习处理方法的研究进展

由于医学图像数据爆炸式增长,传统依靠医生人工对医学图像进行分析诊断,不仅工作效率低下,工作量大,还容易误诊、漏诊。随着人工智能(artificial intelligence,AI)技术的发展与应用,机器学习(machine learning,ML),尤其是深度学习(deep learning,DL)在医学图像分析领域发挥着越来越重要的作用。本文对DL在医学图像自动分割和分类识别中的研究进展进行综述,为DL在解决医学图像分析诊断方面提供有益参考。     

人工智能在泌尿疾病诊断中的应用现状与趋势

近年来,随着数据储存、图像处理、模式识别和机器学习等技术的进步,人工智能在泌尿疾病的诊疗方面得到了广泛的应用。基于影像学和组织病理学等海量的生物医学大数据,人工智能技术可以让医务工作者对泌尿系肿瘤、泌尿系结石、泌尿系感染、泌尿功能异常和勃起功能障碍等几类泌尿疾病的诊断更为精准,让治疗更加个性化。然而,目前人工智能诊疗大多处于研究阶段,在实际的应用中尚存在一些问题。本文以辅助诊断为线索,对人工智能方法在前列腺癌、膀胱癌、肾癌、尿路结石、尿频、勃起功能障碍等常见泌尿疾病的应用和研究情况予以综述,并进一步探讨其存在的问题和未来发展方向。     

人工智能在口腔疾病诊断中的研究进展

人工智能（AI）作为一种新兴的科学技术逐渐渗透到各个专业领域并开拓未知之地。目前,AI在医学领域推动智能医学的迅速发展,是现代医学未来的发展方向之一。文章简要阐述了AI的基本概念,综述了AI在口腔外科领域、口腔内科领域、口腔修复学领域、口腔正畸学领域诊断口腔疾病的发展现状和存在的问题及未来展望。现阶段AI辅助诊断处于初级阶段,随着临床诊疗数字化技术和便携式实验室诊断仪器的研发,将扩大AI学习的数据来源,使得数据不仅仅局限于传统的影像资料,还包括疾病生物标志物、各类光谱信号、大数据文本资料等,甚至是打破数据之间的壁垒,利用各类数据整合出混合数据库,建立临床大数据疾病预警系统,诊病于未病之时。     

人工智能在医学影像诊断中的应用研究

随着计算机技术、电子工程学以及统计学等学科的发展,人工智能(AI)在医学领域取得突破性进展,诊疗智能化成为重要发展趋势[1-3]。结合医学应用需求和AI功能来定义,即智能机器执行与人类智能有关的活动,如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等[4]。数据密集是医学研究的一大特点,尤其在影像学、遗传学等领域.     

培养医学生机器学习的实践素养

机器学习(ML)正快速发展为可辅助特定医学决策的临床人工智能(AI)系统.但是,目前ML面临临床数据不均一性高、临床任务机器转化难度大等限制因素.未来"智能"医生应当主导围绕临床目标和临床数据的医学和AI的创新.因此,在医学生实习或住院医师培训中以案例学习的形式,加入对ML所需最小样本量的估算和数据高级特征的临床解读等...     

人工智能及机器学习在心血管疾病中的应用

人工智能(AI)及机器学习(ML)因其独特的优势逐渐在医学领域得到了较为广泛的应用。在心血管疾病中,该技术在处理电子病历记录中繁杂的数据,预测分析疾病发展及预后,自动分析和识别心血管影像学及心律失常,发现疾病新亚型等方面已经取得了一定进展。AI及ML在心血管疾病研究中潜力巨大,将会为心血管领域带来全新的突破。     

机器学习在抑郁症辅助诊断中的应用进展

随着抑郁症诊疗技术的发展,各种抑郁症相关的临床数据量急速扩增,机器学习技术恰好适用于大数量、多维度、多模态的数据,通过机器学习技术自动学习抑郁症诊疗数据中的特征,利用数据特征对抑郁症进行疾病诊断、疗效预测,达到抑郁症辅助诊断的目的。本文从机器学习在不同种类临床数据上应用的角度对文献进行了系统性分析,总结了机器学习在抑郁症辅助诊断领域的通用研究流程及常用研究方法,并展望未来的研究方向以及面临的挑战。     

人工智能在中医药的研究现状及展望

中医药在世界范围内难以被广泛接受的主要问题是缺少足够客观定量的数据支撑和完备而自洽的理论体系。此外,传统中医术语的模糊性、理论知识的难以理解性、治疗思维的抽象性、中医医案的繁杂性也对中医现代化发展带来了极大的挑战。随着信息技术的日新月异,大数据和人工智能技术为规范中医诊疗数据、构建智能中医诊疗体系以及突破传统中医诊疗模式提供了新方法,进一步推动了中医药智能化的发展。经过半个多世纪的发展,中医与人工智能技术的融合逐步深入,取得了一定的应用成果,如中医药中医信息化数据库、中医四诊采集设备、中医辅助诊疗系统以及智慧中医健康管理等。但就目前而言,中医药智能化发展中仍存在数据标准欠缺、相关制度不够完善、交叉人才匮乏等问题,未来还需进一步建立规范的数据标准,完善数据共享、知识产权、伦理规范等法律法规,加速培养学科交叉复合型人才,创新思维革新医疗模式等,促进人工智能背景下的中医药创新发展。本文从知识发现与机器学习的角度,对人工智能在中医药的研究进展概括总结,以期为中医药智能化提供助力。     

《骨质疏松骨折诊疗指南》推广会暨第二届“方圆工程有我参与”全国演讲赛会议通知

中华医学会骨科学分会和中华医学继续教育视听杂志编辑部2008年共同组织近200名专家开展了"方圆工程"《骨质疏松骨折诊疗指南》制定系列活动。《骨质疏松骨折诊疗指南》发表后,为加强指南推广应用,缩短指南与实践的差距,中华医学会骨科学分会、中华医学     

3D打印在骨科疾病诊疗中的应用进展

近年来3D打印技术发展迅速,在医学领域的应用也越来越广泛,可在产品物理结构不发生改变的情况下进行个性化定制,达到材料与病变部位的匹配。3D打印技术在骨科诊疗中仍处于初级研究阶段,骨科患者通常因其解剖学位置的特殊性及治疗技术的繁琐性使得其治疗难度大大增加,将3D打印技术应用于骨科临床有助于骨科复杂手术的导航,降低手术难度,提高患者手术成功率及预后效果。本研究将对3D打印技术在临床骨科疾病诊疗中的应用进展进行阐述,并对3D打印技术在骨科的应用前景进行展望。     

有限元模型在数字化骨科生物力学分析中的应用

<正>近年来,数字医学技术与骨科临床医学紧密结合,极大地促进了骨科临床诊疗技术的发展。今天的数字化骨科,在计算机的帮助下,充分利用了医学领域多模图像数据,对医学图像信息进行处理后结合立体定位系统,显示和定位人体骨骼的解剖结构,再由计算机规划手术路径,制定合理定量的手术方案,包括在适当的图像监视和立体定位系统下,利用一定的导引系统,使用计算机和医用机器人进行术前模拟手术以及辅助医生完成手术干预。针对不同的骨科疾病,通过数字化手段不仅可以选择手术方式,也极大程度的提高了手术治疗的准确性和安全性。     

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。     

基于机器学习巨大儿预测模型的研究进展

随着医学技术和信息系统的完善,医学领域积累了大量的数据,机器学习是通过应用先进的算法找出数据中隐藏的信息,有助于深入了解人类健康和疾病。巨大儿（出生体质量≥4000 g）增加母婴不良预后,产前准确评估并及时干预意义重大。目前医生腹部的主观估计和超声公式的客观数据对巨大儿的估计均不准确,而基于大数据的机器学习对巨大儿的预测提供了新的方向。本文通过分析机器学习预测巨大儿的各类算法模型、特点和效能,认为机器学习提高了巨大儿的准确性,在精准医疗的背景下有望成为更好地预测巨大儿的方法。     

生物医学信息处理的动态与展望

一、医学人工智能和信息系统 医学信息科学是利用新近发展起来的人工智能技术,藉助于改进数据存取方式和提供医学知识的手段,以咨询、错误监视和解释程序等形式,提供特殊病例的诊断意见,帮助和提高医生的推理能力。 为促进医学人工智能和信息系统这一学科的开发,应在以下两个关键的、相互并行的领域开展研究:     

寸口桡动脉智能脉象采集与分析系统

传统的脉诊信息收集和辩证具有明显的主观特性,影响证候的规范化和标准化。本文提出一种融合了微控制器技术、传感器技术、数字信号处理技术、人工智能等技术的数字化脉诊仪,采用数字化信号表示中医脉诊的信息,针对采集到的脉象信息使用机器学习的有关算法进行脉象的识别和分类,该系统对提升中医临床诊疗的客观性和准确性具有重要的借鉴和参考意义。     

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。