AI医疗

人工智能支撑智慧医疗,下一步我会逐步探索AI医疗的领域。

虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理、精神健康、可穿戴设备、风险管理、病理学

写病历太慢了?|一次输入一段话|试试“微软拼音输入法”的”快速输入”

实现: 键盘:jw 输入:既往体健,无遗传性及感染性疾病史,无疫水接触史,父母均健康。   第一步:设置-语言 第二步:语言-首选语言-中文-选项 第三步:键盘-微软拼音-选项 第四步:微软拼音-词库和自学习 第五步:用户自定义的短语-添加或编辑自定义短语 第六步:添加用户自定义的短语-添加 第七步:添加短语   第八步:添加成功 第九步:测试 键盘:jw 输入:既往体健,无遗传性及感染性疾病史,无疫水接触史,父母均健康。  

医学图像生成对抗网络(MI-GAN)|论文解读

论文:Generative Adversarial Network for Medical Images (MI-GAN) 深度学习算法可为不同的机器学习和计算机视觉任务提供最新的结果。为了在给定任务上表现出色,这些算法需要大量的数据集进行训练。但是,深度学习算法缺乏通用性,每当在较小的数据集上进行训练时,特别是在处理医学图像时,都会出现过度拟合的问题。对于医学成像中的监督图像分析,由于图像数据的注释是由医学专家手动完成的,因此具有图像数据及其相应的带注释的地面实况既昂贵又费时。在本文中,我们提出了一种新的医学影像生成对抗网络(MI-GAN)。MI-GAN生成合成医学图像及其分割的蒙版,然后可将其用于医学图像的监督分析中。特别地,我们提出用于视网膜图像合成的MI-GAN。所提出的方法比现有技术更好地产生精确的分割图像。所提出的模型在STARE数据集上实现了0.837的骰子系数,在DRIVE数据集上实现了0.832的骰子系数,这是两个数据集上的最新性能。