2024 年醫(yī)療 AI 突破盤點，精選 35 篇不可錯過的前沿論文

醫(yī)療 AI 是下一個萬億級市場

原標題：2024 年醫(yī)療 AI 突破盤點，精選 35 篇不可錯過的前沿論文
文章來源：HyperAI超神經(jīng)
內(nèi)容字數(shù)：14315字

AI賦能醫(yī)療健康：2023-2024年前沿論文解讀

本文精選HyperAI超神經(jīng)在2023-2024年期間解讀的35篇AI+醫(yī)療健康領域的前沿論文，涵蓋醫(yī)學圖像分析、疾病診斷、藥物研發(fā)等多個方面，展現(xiàn)了AI技術在醫(yī)療健康領域快速發(fā)展的態(tài)勢。

1. 醫(yī)學圖像分析與分割

1. UniMedI框架：浙江大學和微軟亞洲研究院提出的統(tǒng)一醫(yī)學圖像預訓練框架，打破了醫(yī)學數(shù)據(jù)異構化藩籬，成功整合了2D和3D圖像。

2. Medical SAM 2：牛津大學團隊基于SAM 2框架開發(fā)的醫(yī)學圖像分割模型，將醫(yī)學圖像視為視頻，在3D醫(yī)學圖像分割上表現(xiàn)卓越。

3. MemSAM：深圳大學和香港理工大學提出的超聲心動圖視頻分割模型，將SAM應用于醫(yī)學視頻。

4. M2CF-Net：華中科技大學提出的醫(yī)學圖像分割模型，用于提高干燥綜合征診斷準確性。

5. S2P-Matching：華中科技大學等團隊提出的自監(jiān)督膠囊內(nèi)鏡圖像拼接方法，用于腸胃疾病早期診斷。

6. ScribblePrompt：麻省理工學院提出的交互式生物醫(yī)學圖像分割通用模型，性能優(yōu)于SAM。

7. OBIA數(shù)據(jù)庫：中科院基因組所發(fā)布的開放生物醫(yī)學成像檔案，為全球醫(yī)療從業(yè)者提供共享資源。

2. 疾病診斷與預測

8. DeepDR-LLM：清華大學等團隊構建的面向糖尿病診療的視覺-大語言模型集成系統(tǒng)，可提供個性化糖尿病管理意見及糖尿病視網(wǎng)膜病變輔助診斷。

9. IGI-DL系統(tǒng)：上海交通大學團隊開發(fā)的深度學習系統(tǒng)，通過組織病理學圖像預測腫瘤微環(huán)境信息，提高癌癥預后準確性。

10. MCF模型：中山大學等團隊構建的卵巢癌診斷人工智能融合模型，準確率優(yōu)于傳統(tǒng)生物標志物。

11. AMC系統(tǒng)：上海交通大學團隊搭建的用于抑郁癥初步診斷的自動化大模型對話Agent模擬系統(tǒng)。

12. ROAM模型：清華大學與中南大學合作提出的基于Transformer的精準病理診斷AI基礎模型，用于膠質(zhì)瘤的臨床級診斷。

13. PANDA大模型：阿里達摩院聯(lián)合國內(nèi)外醫(yī)療機構發(fā)布的胰腺癌早期篩查模型。

14. GSP-GCNs模型：中山大學附屬第一醫(yī)院和中科院先進院提出的用于帕金森病診斷的深度學習模型。

15. RETFound模型：倫敦大學學院和Moorfields眼科醫(yī)院提出的視網(wǎng)膜圖像基礎模型，用于眼部疾病診斷和系統(tǒng)性疾病預測。

16. DeepDR Plus：上海交通大學和清華大合發(fā)布的模型，僅基于眼底圖像預測糖尿病視網(wǎng)膜病變進展。

17. MIRS評分系統(tǒng)：美國肯塔基大學等研究人員建立的乳腺癌預后評分系統(tǒng)。

18. 機器學習模型預測冠心病患者死亡率：湖北麻城人民醫(yī)院的研究，利用機器學習模型預測老年冠心病患者一年內(nèi)死亡率。

19. 機器學習模型預測癡呆癥行為和心理癥狀：延世大學的研究，利用機器學習模型預測癡呆癥行為和心理癥狀。

3. 其他應用

20. UniFMIR模型：復旦大學團隊提出的跨任務、多維度圖像增強基礎AI模型，突破熒光顯微成像極限。

21. LucaProt模型：中山大學等團隊提出的深度學習模型，發(fā)現(xiàn)了大量新型RNA病毒。

22. Pianno工具：復旦大學團隊開發(fā)的空間轉錄組語義注釋工具。

23. HEAL框架：Google團隊開發(fā)的用于評估醫(yī)學AI工具公平性的框架。

24. AI輔助肺癌篩查：谷歌AI團隊進行的跨國研究，證實AI輔助肺癌篩查的群體有效性。

25. AI輔助眼底疾病檢測：北京協(xié)和醫(yī)院等多家眼科中心的研究，利用AI輔助13種眼底疾病檢測。

26. AI優(yōu)化觸覺傳感器：浙江大學的研究，利用SVM優(yōu)化觸覺傳感器，提高盲文識別率。

27. AI腦機接口：加州大學舊金山分校和伯克利分校的研究，利用AI腦機接口幫助失語患者重新發(fā)聲。

這些論文展現(xiàn)了AI在醫(yī)療健康領域的巨大潛力，未來AI技術將進一步推動醫(yī)療健康行業(yè)的變革，為患者帶來更好的就醫(yī)體驗。

聯(lián)系作者

文章來源：HyperAI超神經(jīng)
作者微信：
作者簡介：解構技術先進性與普適性，報道更前沿的 AIforScience 案例