首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    专访 | LUNA再次夺冠,科大讯飞向世界宣告自己的实力不止于语音

    记者 | 谷磊 近日,科大讯飞可谓喜报连连,除了日益蹿升的股价,技术方面的好消息也不绝于耳。8月7日,科大讯飞在其官方微信公众号上给外界传递了一封喜报,并附以“科大讯飞刷新LUNA医学影像国际权威评测世界记录!”这样振奋人心的标题。 提到科大讯飞,相信很多熟悉这家公司的朋友们会联想到它在语音识别、语义理解、机器翻译等领域的耕耘,但它究竟是什么时候涉足到计算机视觉和智慧医疗领域的呢? 据AI科技大本营了解,讯飞早在2010年开始在视觉领域持续投入,2015年涉足智慧医疗领域,不仅将智能语音技术应用到了医疗

    04

    智慧医疗管理系统解决方案:医药电商系统实现智能化改造

    现在的互联网智慧医疗系统拥有强大的技术优势,支持连接政府、医疗服务机构、医药研发与流通、康养等,构建医疗大健康产业云生态,助力数字化升级。【数商云】医疗系统平台开发服务商依托基础设施能力、人才优势与大数据、人工智能等技术积累,助力医疗大健康产业智慧化升级。我们拥有丰富的产品及解决方案,整合各大互联网技术渠道、视频和支付等产品及合作伙伴的产品服务,为互联网全医疗医药行业提供全流程的医疗大健康解决方案。基于【数商云】公司互联网技术与服务,建立机构与机构之间、机构与用户之间的强连接,助力全方位、全生命周期的智慧医疗管理系统大健康产业发展。通过构建全链条产业生态来打造开放式远程医疗系统平台,构建覆盖医疗、康养、医药、器械、流通、保险、服务等全链条的医疗大健康生态。

    04

    【专家痛陈AI医学影像三大难点】数据规模小、标注质量差、懂算法的不懂医疗

    【新智元导读】中金公司(CICC)此前发布的人工智能相关领域证券研究报告指出,数据获取、数据标注和跨学科人才积累已经成为医疗影像识别进一步推进的三个关键点。深睿医疗 CEO 乔昕更犀利地指出:“目前应用人工智能对某些症像的识别取得了进展, 但是此项技术不论在国内还是国外都还没有开始大规模的临床验证,甚至缺乏验证的技术和科学方法。 ”来自医学界的多位专家则表示,“来自临床的需求是医学影像发展的动力”、“医疗 AI 产品也是医疗产品,是医疗产品就要遵循临床指南和医学路径,不然就不会被医生接受”。 三大难点:数据

    06

    2024年YOLO还可以继续卷 | MedYOLO是怎么从YOLO家族中一步一步走过来的?

    在3D医学影像中进行物体定位的标准方法是使用分割模型对感兴趣的目标进行 Voxel 到 Voxel 的标注。虽然这种方法使模型具有很高的准确性,但也存在一些缺点。为医学影像生成 Voxel 级准确的标注是一个耗时的过程,通常需要多个专家来验证标签的质量。由于标注者之间的变异性,器官或病变的医学术准确的分割可能会出现结构边界不确定的问题,这可能会导致附近组织中包含无关信息或排除相关信息。即使有高质量的标签,分割模型在准确标记目标结构边界时可能会遇到困难,通常需要后处理来填充缺失的内部体积并消除伪预测目标。总之,这使得分割模型的训练成本过高,同时可能会限制下游诊断或分类模型的预测能力。

    01

    【Research】Explore ChestX-ray Dataset

    肺部疾病是威胁现代人健康的重要疾病之一,如何使用快速且廉价的方法对肺病进行诊断是医学界的重要课题。 随着深度学习方法的兴起,世界各地越来越多的研究员在尝试用深度神经网络模型对医学图像进行分析、解释,获得可靠的诊断结果。 目前规模最大的肺部X光数据库ChestX-ray14 是由NIH研究院提供的,该数据库包含 14 种肺部疾病(肺不张、变实、浸润、气胸、水肿、肺气肿、纤维变性、积液、肺炎、胸膜增厚、心脏肥大、结节、肿块和疝气)的 10 多万张 X光前视图(约42G),研究人员对数据采用NLP方法对图像进行标注,1-14类分别对应14种肺部疾病,第15类表示未发现疾病。据称,该数据库标注准确率超过90%。

    04
    领券