自动眼底摄影揭示:视网膜血管特征可预测原发性开角型青光眼的视野进展
基线眼底照片经自动深度学习量化的视网膜血管特征,与原发性开角型青光眼的未来视野下降相关,可作为潜在预后生物标志物,帮助优化患者风险分层。
标签
基线眼底照片经自动深度学习量化的视网膜血管特征,与原发性开角型青光眼的未来视野下降相关,可作为潜在预后生物标志物,帮助优化患者风险分层。
本综述综合了深度学习模型在机器人辅助手术阴道残端缝合中用于技术技能评估与错误检测的证据,重点关注手术技能的客观评价、模型准确性,以及对外科教育和资质认证的启示。

将治疗后第4周的反射式共聚焦显微镜特征与深度学习分析相结合,可无创预测面部特应性皮炎患者对度普利尤单抗的治疗反应。

本研究提出一种深度学习模型,可基于无对比剂 DWI 和 FLAIR 序列生成合成 T-max 灌注图,有望简化卒中影像流程并避免使用对比剂。

MAIPI 深度学习模型基于常规 H&E 染色活检图像,为套细胞淋巴瘤提供了一种新颖且准确的预后工具,可绕过分子检测或专家病理评估需求,从而增强风险分层并支持个体化治疗。

本综述评估了在不可切除性肝细胞癌(HCC)接受转化免疫治疗过程中,结合甲胎蛋白(AFP)反应的深度学习辅助Δ放射组学在MRI上的非侵入性、高精度预测病理完全缓解(pCR)的能力。

《美国医学会杂志·眼科学》(JAMA Ophthalmology)的一项多中心研究介绍了一种使用域迁移技术的深度学习模型,该模型能够准确检测不同OCT硬件供应商的黄斑疾病,具有高阴性预测值,并建立了适用于各种临床环境的稳健分诊系统。

研究人员开发了EEGSurvNet,一种深度生存模型,用于分析常规EEG以预测两年内的癫痫发作风险。该模型在两个月时达到了0.80的AUROC值,并在没有可见癫痫样放电的患者中表现出高疗效。

一种通过深度学习得出的肌肉减少症指标——肌肉-骨骼比(MBR),已被证明能够预测RAS野生型转移性结直肠癌患者对维持抗EGFR治疗的疗效,可能识别出真正从治疗强化中受益的患者。

这篇2020-2025年的叙述性综述(327项深度学习研究)评估了深度学习(DL)在耳鼻喉科诊断、预后、分割及新兴术中应用中的表现,并概述了安全、公平实施的实际步骤。

一种新型深度学习模型能够从视盘照片中预测视网膜神经纤维层厚度,从而实现对眼压升高患者原发性开角型青光眼的风险分层。基线和纵向变化与疾病转化高度相关。

通过视盘照片预测视网膜神经纤维层(RNFL)厚度的深度学习模型可以识别出眼压增高患者中患原发性开角型青光眼(POAG)的风险较高的个体,从而提高早期风险评估和监测疾病进展的能力。
