疾病 - AI在线

AI成像新标准，仅1%原始数据可达最佳性能，通用医学基础模型登Nature子刊

编辑 | 白菜叶经过大规模预训练的基础模型已在非医学领域取得了巨大成功。然而，训练这些模型通常需要大量全面的数据集，这与生物医学成像中常见的较小且更专业的数据集形成鲜明对比。德国弗劳恩霍夫数字医学研究所（Fraunhofer Institute for Digital Medicine MEVIS）的研究人员提出了一种多任务学习策略，将训练任务数量与内存需求分离开来。他们在多任务数据库（包括断层扫描、显微镜和 X 射线图像）上训练了一个通用生物医学预训练模型 (UMedPT)，并采用了各种标记策略，例如分类、分割和

CVPR 2021 | 时间序列疾病预测的因果隐马尔可夫模型

本文是对发表于计算机视觉和模式识别领域的顶级会议 CVPR 2021的论文“Causal Hidden Markov Model for Time Series Disease Forecasting（时间序列疾病预测的因果隐马尔可夫模型）”的解读。该论文由北京大学王亦洲课题组与深睿医疗等单位合作，针对时间序列疾病预测的问题，提出了因果隐马尔可夫模型描述疾病的动态发展过程，并使用基于 VAE 的变分框架进行学习。通过对图像隐空间进行解耦，去除疾病无关因子与疾病预测的伪相关关系，从而提高预测的准确率和鲁棒性。