深度学习与健康信息学用于智能监测和诊断
摘要：卫生信息学是指利用信息技术设计和提供医疗服务之间的连接。它涉及使用多层深度学习技术的神经网络对复杂数据进行数据使用、验证和传输的综合医学分析。例如，谷歌引入了“DeepMind”健康移动工具，集成和利用医学数据以提升专业医疗服务。伦敦摩菲尔德眼科医院引入了DeepMind研究算法，包括几十种视网膜扫描属性，而DeepMind UCL则使用CT和MRI扫描工具进行癌细胞组织的识别。Atomise利用深度学习神经网络分析药物和化学品，以确定准确的临床前处方。卫生信息学使医疗护理智能化、互动化、成本效益化和可获得性高，尤其是通过深度学习应用工具来检测疾病的真实原因。神经网络工具的广泛应用导致不同医学学科的扩展，降低数据复杂性，并利用目标点标签数据检测器增强3-4D重叠图像，支持数据增强、非监督学习、多模态和迁移学习架构。多年来，卫生科学专注于人工智能工具的护理交付、慢性病管理、预防/健康、临床支持和诊断。他们的研究成果通过心脏信号计算机辅助诊断工具（CADX）和其他多功能深度学习技术来进行心脏停跳诊断，并提供护理、诊断和治疗。卫生信息学提供通过医学图像监测人体器官的结果，对间质性肺疾病进行分类，检测图像结节进行重建和肿瘤分割。新兴的医学研究应用催生了能够处理放射学、眼科学和牙科诊断的临床病理人级性能工具。这项研究将评估方法、深度学习架构、方法、生物信息学、指定功能要求、监测工具、人工神经网络、数据标记和注释算法，以及控制数据验证、建模和不同疾病诊断的智能监测卫生信息学应用。
作者：Amin Gasmi (SOFNNA)
论文ID：2208.03143
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2022-08-08