机器学习为生物学和医学研究带来了哪些改变?能解决哪些医学难题?

深度好文:https://www.zhihu.com/question/60067846

目录(更新至2019-06-05):

  1. 病理数据分析,谷歌有一个ar加深度网络,实时分析
  2. CT图预测结节还是肿瘤(主要是比赛使用)
  3. 最新的文章,通过CT结合rna数据分析患者免疫治疗受益状态
  4. 新文章,通过病理数据预测突变
  5. 谷歌开发的call snp方法
  6. 谷歌之前发布了自动染色病理图,发表在Cell上,
  7. 老年痴呆预测,糖尿病导致眼病等等,这些我看过但并没有深入研究
  8. 乳腺癌恶性病变分析
  9. 基因组学的深度学习:简明概述(5篇)
  10. MICC大会相关结果,主要集中在CT图像方面的结果(5篇)
  11. 吴恩达的团队发表论文,通过MRNet网络结构预测膝关节磁共振影像检验结果;
  12. 使用的是X光的数据预测十四种癌症类型分类;
  13. 诊断抑郁症的模型,可以快速平移到手机上;
  14. Alpha Fold 项目
  15. 通过深度网络学习识别遗传病的精神疾病:
  16. 通过深度网络判别心电图效果
  17. 2019年年初的Nature对于人工智能应用医学方面的指导性文章
  18. 几篇主要新的网络策略处理细胞核分割的(图像分割相关的问题-3篇)
  19. 一篇使用深度网络应用的RNA的可变剪切位点预测的文章
  20. 通过细胞形状及其他特征区分生存曲线
  21. 最大的HER(电子病历)的发表的文章
  22. 使用CT数据预测免疫疗法
  23. 新英格兰上一篇对于机器学习和深度学习综述的文章
  24. 谷歌通过LUNA16等数据集做的早筛癌症模型发表在nature medicine
  25. 对病理图分形并且结合NLP进行报告生成
  26. 通过病理图预测MSI结果

你可能感兴趣的:(机器学习,图像处理)