精选前沿论文
多模态深度学习在早期癌症诊断中的应用研究
本研究提出了一种基于多模态深度学习的新型癌症早期诊断框架，整合医学影像、基因组学和临床数据，在肺癌、乳腺癌和结直肠癌的早期检测中达到了96.7%的平均准确率，显著优于传统单模态方法。
查看论文全文 →基于Transformer的医学影像分割模型MedSegFormer
MedSegFormer模型采用改进的视觉Transformer架构，针对CT、MRI和X光影像的分割任务进行了优化，在多个公开数据集上实现了最先进的分割性能，同时参数量减少了35%，推理速度提升了2.4倍。
查看论文全文 →生成式AI在个性化药物分子设计中的突破
研究团队开发了一种新型的生成对抗网络(GAN)模型，能够根据患者特定的基因组和蛋白质组数据，设计具有高度选择性的药物分子。在针对罕见病的药物筛选中，成功率比传统方法提高了8倍。
查看论文全文 →联邦学习在保护隐私的多中心医疗AI研究中的应用
这项多中心研究展示了一种基于联邦学习的医疗AI训练框架，能够在保护患者隐私的前提下，利用分布在不同机构的医疗数据训练高性能诊断模型，为跨机构医疗AI协作提供了可行方案。
查看论文全文 →