神经网络比通用解决方案更成功地检测医学图像中的异常。
深度学习算法拾取了比现有方法更准确地拾取分子途径和关键突变的开发。
研究人员开发了一种全息技术，与现有方法相比，可以快速重建高达50倍的加速度的样品的微观图像。
机器学习有助于一些最佳显微镜，以便更好地看到更好，工作更快，并处理更多数据。
现代医学需要比传统的活检针可以提供的更好的质量样品，超声波振荡针可以改善治疗和减少不适。
使用AI和移动数字显微镜，研究人员希望创建筛选工具，可以检测资源限制环境中女性宫颈癌前体。
研究人员开发了一种用于量子级联激光器的设备的大功率，便携式版本，可以在实验室设置之外产生太赫兹辐射。
研究人员Revee重新定位的机器人技术通常用于合成生物学研究，以帮助测试Covid-19。
研究人员开发了一种使用计算机视觉来分析来自癌症患者的组织样本的AI算法。
使用病理学家的计算机科学家培训了AI工具，以确定肺癌的哪些患者在治疗后患有疾病的风险较高。
检查计算染色图像的病理学家无法与传统上染色的幻灯片分开。
用于自动分类的结肠直肠息肉的AI模型可以通过提高效率，再现性和准确性来利用癌症筛查计划。
将人工智能与人类知识结合的新系统承诺更快，更准确的癌症诊断。
为了更好地利用癌症数据进行研究，科学家正在开发一种基于人工智能的自然语言处理工具，以改善文本病理报告的信息提取。
通过向普遍存在的标准光学显微镜添加红外能力，研究人员希望将癌症诊断带入数字时代。
研究人员开发了一种基于人工智能的方法，用于组织病理学诊断和前列腺癌分级。
一种与人工智能算法结合先进的光学成像的新方法可以精确地实时脑肿瘤诊断。
AI已成功发现人类癌症患者病理学图像中的特征，没有注释，人类医生可以理解。
研究人员使用人工智能来开发一种新的分类方法，该方法识别基于化学DNA变化的癌组织的主要起源。
通过新的揭幕3D显微镜，研究人员可以观察细胞如何运作的细节 - 一直到他们的细胞器。
研究人员利用了机器学习能力来协助患肿瘤模式和肺腺癌亚型的挑战性任务。
一种新的超敏诊断装置可以让医生从血液或血浆的液滴中快速检测癌症，导致时间表干预和患者更好的结果。
研究人员开发了一种新的AI驱动平台，可以分析病原体如何用培训的生物学家的精度感染我们的细胞。
柏林健康研究所（BIH）的几个研究群体正在致力于数量打击癌症，比较不同诊断和治疗方法的经验。
本网站使用cookie为读者提供最佳网站体验。请参阅我们的隐私政策要了解我们如何使用cookie以及如何编辑您的首选项。
