案例检索
找到可借鉴的 AI 路径
从真实业务问题出发，筛选与你的行业、规模和场景更接近的案例。
全部案例
共 2287 条，当前第 33 / 191 页
其他行业 · AI应用
基于AI的结直肠癌腺体分割
在GlaS@MICCAI2015挑战赛中，研究团队面临准确分割组织病理学图像中腺体的复杂问题，这对于评估结直肠癌至关重要。为此，他们开发了一种先进的机器学习算法，利用两个深度卷积神经网络，并借助强大的GPU和CUDA、Pylearn2、Theano等框架。这种创新方法显著自动化了腺体分割过程，提高了定量形态学评估和癌症分级的效率。结果，该系统对良性和恶性组织的分类准确率分别达到98%和94%，展示了其在结直肠癌病理诊断中提高精度的潜力。
研究团队（GlaS@MICCAI2015挑战赛） · 未披露
更新于 2026年7月
其他行业 · AI应用
全人脑细胞级神经图谱
印度理工学院马德拉斯分校脑中心面临绘制超过100个人脑细胞级图谱的挑战，该任务产生海量数据，需要先进的处理能力。为此，该中心采用高性能计算平台，利用深度学习技术处理关键任务，如从多千兆像素图像中进行细胞检测和图像归一化。通过使用NVIDIA DGX A100系统，该项目将细胞检测时间从1小时缩短至不到10分钟，能够在420秒内分析25万张图像切片。这种惊人的效率不仅使绘制100个人脑的宏伟目标变得可行，还能在一个月内完成全脑分析，为神经科学的突破性研究铺平道路。
印度理工学院马德拉斯分校脑中心 · 未披露
更新于 2026年7月
其他行业 · AI应用
头部CT扫描异常自动检测
医疗AI初创公司Qure.ai认识到急诊环境中放射科医生可能无法及时诊断或工作量过大的问题。为此，他们开发了一种深度学习技术，可快速筛查头部CT扫描中的关键异常，如出血和骨折。该系统能在10秒内分析一次CT扫描，显著加快患者分诊并促进更快的临床干预。在涉及491次扫描的验证测试中，该技术与三位资深放射科医生相比，准确率高达95%，展示了其在紧急医疗情况下改善患者护理的潜力。
Qure.ai · 未披露
更新于 2026年7月
其他行业 · AI应用
通过脑信号翻译恢复瘫痪患者的语言能力
加州大学旧金山分校（UCSF）的研究人员面临恢复瘫痪患者沟通能力的挑战。由Edward Chang博士领导的团队开发了一种神经假体设备，捕捉与语言相关的脑信号，然后使用自定义深度学习模型将其翻译成文字。这项开创性工作意义重大，因为它首次成功展示了直接从大脑活动中解码完整单词，解码速度高达每分钟18个单词，准确率高达93%。这一进展为增强瘫痪患者的沟通能力带来了巨大希望。
加州大学旧金山分校（UCSF） · 未披露
更新于 2026年7月
其他行业 · AI应用
基于电子健康记录的疾病和药物反应预测建模
西奈山伊坎医学院在Joel Dudley博士的领导下，面临使用电子健康记录（EHR）准确预测患者健康结果的挑战。为此，实验室采用先进的计算方法和深度学习技术，训练神经网络预测疾病进展和药物反应，而无需完整的疾病模型。通过利用NVIDIA TITAN X GPU，团队将算法处理时间从数周或数月大幅缩短至数小时、数分钟甚至数秒。这种快速处理能力对于及时诊断至关重要，并增强了预测模型在临床环境中实时应用的潜力，最终改善患者护理和治疗结果。
西奈山伊坎医学院 (Icahn School of Medicine at Mount Sinai) · 未披露
更新于 2026年7月
其他行业 · AI应用
基于AI的阿尔茨海默病MRI检测
斯坦福大学的研究人员发现，传统方法诊断阿尔茨海默病往往依赖主观评估，可能导致误诊。为解决这一问题，他们开发了一个深度学习系统，利用3D卷积神经网络（CNN）分析MRI扫描，检测阿尔茨海默病及其生物标志物。该创新方法在诊断中达到了94%的准确率，显著提高了阿尔茨海默病检测的可靠性。此外，研究指出海马体是诊断的关键区域，相比以往方法提升了分类性能。这项工作有望推动阿尔茨海默病的早期检测和治疗策略，最终惠及患者和医疗提供者。
斯坦福大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
AI辅助癌症诊断与治疗评估
美国国立卫生研究院（NIH）面临提高癌症治疗诊断准确性的挑战，传统方法往往不足。为此，由科学家Le Lu领导的团队开发了一个AI模型，旨在增强医学图像理解并创建更精确的成像生物标志物。通过利用NVIDIA Tesla GPU和cuDNN加速的Caffe等先进技术，该团队训练的模型显著优于以前的诊断工具。该项目的影响深远，不仅提高了临床医生的决策能力，还弥合了研究创新与实际临床应用之间的差距，最终改善了患者的治疗效果。
美国国立卫生研究院 (National Institutes of Health, NIH) · 未披露
更新于 2026年7月
其他行业 · AI应用
AI辅助放射诊断
美国国立卫生研究院（NIH）面临放射诊断不准确的问题，这可能导致患者护理质量下降，尤其是对于难以获得先进服务的弱势群体。由Ronald Summers领导的团队正在开发基于深度学习和NVIDIA GPU加速的AI辅助软件，以提高诊断准确性。该创新方法不仅旨在减少医生的错误，还希望普及高质量放射学服务的获取。其诊断程序在性能上取得了显著提升，接近普通医生的水平，最终改善了患者预后并促进了医疗公平。
美国国立卫生研究院（NIH） · 未披露
更新于 2026年7月
其他行业 · AI应用
GPU加速的人类大脑连接性分析
牛津大学的研究小组面临分析复杂扩散磁共振成像（dMRI）数据的挑战，这对于理解人类大脑的结构组织至关重要。为了解决这一计算密集型任务，他们开发了一个自定义分析工具包，利用GPU加速，特别是NVIDIA Tesla K80 GPU和CUDA技术。这种创新方法显著加快了dMRI数据的处理速度，使研究人员能够构建详细的大脑“接线图”并估计组织微观结构。因此，这种增强的分析不仅提高了我们对大脑解剖结构的理解，还为阿尔茨海默病和多发性硬化症等神经系统疾病提供了关键见解，最终有助于更好的诊断和治疗策略。
牛津大学 (University of Oxford) · 未披露
更新于 2026年7月
其他行业 · AI应用
实时多AI超声分析流水线
iCardio.ai开发了“超声心动图大脑”平台，使用超过60种机器学习算法同时运行，以提高心脏超声诊断的准确性。该多AI流水线运行在NVIDIA Holoscan上，模拟心脏病专家的工作流程：首先评估图像质量，然后分类心脏视图，识别测量值，并评估主动脉瓣狭窄等异常。通过使用NVIDIA Holoscan的多AI推理模块，实现了约30%的性能提升，能够实时执行多个模型。该平台使用NVIDIA Holoscan SDK和C++/Python API支持iCardio.ai模型。
iCardio.ai · 未披露
更新于 2026年7月