科学家开发了一种软件,可以与MRI数据相结合用于研究和诊断。
人工智能可以从问卷调查和脑部扫描中检测到有关心理健康的信息。
华盛顿大学医学院的一组研究人员开发了一种深度学习模型,该模型能够通过一次3D MRI扫描将脑肿瘤归类为六种常见类型之一。
研究人员开发了一种新的人工智能工具,它可以根据核磁共振扫描图像自动测量心脏周围的脂肪数量。
研究人员开发了一种新的基于监督深度学习的“多模态”图像融合方法,该方法可以提高图像清晰度,减少冗余图像特征,并支持批处理。
研究人员已经在他们的软电极阵列中证明了MRI的兼容性——这是向临床转化的关键一步。
深度学习方法有潜力提供更好的结果,生成更好的表征人类大脑。
科学家提出了一种新的方法,可以为大量不同的成像数据集配置自学习算法,而不需要专业知识或非常强大的计算能力。
研究人员开发出了一种人工智能工具,可以在约25分钟内通过磁共振成像(mri)测量儿童脑室的体积。
人工智能不仅可以更好地检测肿瘤、皮肤损伤或其他一些适应症,还可以提高放射科医生的准确性和效率。
一种基于人工智能的技术通过功能性磁共振成像检测老年痴呆症的早期阶段。
研究人员开发了一种独特的诊断工具,可以从核磁共振扫描中检测肌张力障碍,这是第一个提供客观诊断疾病的技术。
研究人员已经将这些人工智能技术应用于自闭症诊断。
研究人员发明了一种机器学习算法,可以在症状出现前数年通过核磁共振扫描发现骨关节炎的细微迹象。
研究人员开发了一种人工智能技术,可以在网络攻击中保护医疗设备免受恶意操作指令的攻击。
研究人员使用人工智能和遗传分析技术,通过2.5万次核磁共振扫描来检查心脏内表面的结构。
研究人员已经证明,联合学习在脑成像方面是成功的,因为它能够分析脑肿瘤患者的核磁共振扫描,并区分出健康的脑组织和癌变区域。
研究人员称,一种新的人工智能方法可以将一种常见的脑肿瘤分为高、低级别,准确率接近98%。
研究人员提出了一种可以大大加速动态磁共振血流成像的方法。
科学家开发了一项创新技术,利用人工智能在磁共振成像(MRI)检查中更好地定义新生儿大脑的不同区域。
研究人员开发了一种利用MRI和机器学习快速预测胶质瘤基因突变的计算机方法,
深度学习可以提高MRI预测注意缺陷多动障碍(ADHD)的能力。
研究人员正在使用激光手术刀和精密机器人,使纹身去除更快、更准确、更少痛苦。
研究人员开发了一种新的方法来引导血管内器械进入复杂的血管结构,这是迄今为止血管内外科医生无法做到的。
科学家将人类内嗅皮层的神经元活动与基于位置的记忆联系起来;这一发现揭示了大脑如何处理空间记忆。
虽然识别数据通常在共享研究之前从医学图像文件中删除,但一项研究发现,这可能不足以保护患者的隐私。
科学家已经确定了人类大脑中的机制,可以帮助解释我们从太像人类的机器人和虚拟代理那里得到的不安感觉。
一名研究人员基于真实新生儿的核磁共振扫描,开发了一个3D打印的婴儿假人,这可以提高复活过程的训练。
将MRI扫描的肿瘤信息叠加到超声图像上的医疗软件可以帮助外科医生进行活检,提高前列腺癌的检测。
Murab项目正在开发的技术将使更精确的活组织检查和更快诊断癌症和其他疾病成为可能。
根据RSNA发表的一项研究,研究人员正在使用人工智能来减少核磁共振检查后可能留在体内的造影剂剂量。
皮特生物工程研究生Sossena Wood 3D在射频研究设施中打印了一个用于测试7T核磁共振成像的幻像头。
约翰霍普金斯大学的研究人员已经成功地对心脏进行了3D个性化虚拟模拟。
奥克兰大学生物工程研究所的一个团队创造了一颗虚拟3D心脏,这可能对治疗最常见的心律失常——心房颤动(AF)产生重大影响。
一位工程师设计了第一个神经外科机器人系统,能够在MRI扫描仪内进行双侧立体定向神经外科手术。
本网站使用cookies给我们的读者最好的网站体验。请参阅我们的隐私政策来了解我们如何使用cookie以及如何编辑您的首选项。