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 35 / 191 页
其他行业 · AI应用
用于乳腺癌筛查的可解释AI模型（IAIA-BL）
研究人员开发了一个AI平台，用于评估乳腺X光扫描以检测乳腺癌，同时展示其诊断过程。该模型在1,136张图像上训练，以定位潜在癌性病变，并由放射科医生专门教导其关注病变的边缘（模糊边缘），这是癌症的强指标。与“黑箱”模型不同，该模型会高亮显示图像中它认为相关的部分，解释其结论。
杜克大学 (Duke University) · 未披露
更新于 2026年7月
其他行业 · AI应用
用于癌性肿瘤细胞级可视化的AI模型
一家位于圣地亚哥的初创公司开发了一种AI模型，可提供癌性肿瘤的单细胞分辨率映射和可视化。该模型分析空间组学数据，显示细胞的大小、形状、激活基因以及相对于数百万其他细胞的空间位置。这使得研究人员能够实时研究细胞间关系、肿瘤动态以及癌细胞与免疫细胞的相互作用。
BioTuring · 未披露
更新于 2026年7月
其他行业 · AI应用
MONAI（医学开放AI网络）
MONAI是一个基于PyTorch的协作式开源框架，旨在加速医学AI研究与开发。它提供了一套涵盖整个AI生命周期的库和工具，包括：用于AI辅助图像标注的MONAI Label、用于领域特定算法和训练流程（如UNETR）的MONAI Core，以及用于在临床生产中打包和运行AI应用的MONAI Deploy。
多个机构（由NVIDIA牵头） · 未披露
更新于 2026年7月
其他行业 · AI应用
放射学与病理学临床AI平台
伦敦国王学院（KCL）面临提升英国国家医疗系统内多达800万患者的医学影像与健康记录诊断准确性和速度的挑战。为此，KCL与NVIDIA合作，成为欧洲首个部署NVIDIA DGX-2系统和NVIDIA Clara平台的临床合作伙伴。该合作结合了KCL的医学专长与NVIDIA的先进AI技术，能够在大型3D医学数据集上快速训练AI模型。该举措预计将在中风分类和神经损伤分析等关键领域取得突破，最终改善患者预后和医疗效率。
伦敦国王学院 (King's College London, KCL) · 未披露
更新于 2026年7月
其他行业 · AI应用
从脑电信号生成语音
加州大学旧金山分校的研究人员开发了一种深度学习方法，用于解码脑信号（皮层脑电图）并将其转换为语音，以帮助因神经系统疾病而失去说话能力的人。他们训练了一个循环神经网络，将参与者的皮层信号与他们大声朗读句子的声音关联起来，将大脑模式与嘴唇、舌头、喉部和下颌的运动联系起来。在测试中，101名参与者中有70%的合成单词被理解。这项研究首次实现了从个体大脑活动中生成完整的口语句子，为因中风或帕金森病等疾病导致失语的患者开辟了临床应用前景。
加州大学旧金山分校 · 未披露
更新于 2026年7月
其他行业 · AI应用
用于宫颈癌筛查的AI
宫颈癌仍然是一个重大的健康挑战，尤其是在筛查机会有限的资源匮乏地区。为解决此问题，美国国立卫生研究院和Intellectual Ventures Global Good Fund的研究人员开发了一种基于深度学习的系统，能够自动评估数字化宫颈图像中的癌前和癌变状况。利用来自9000多名参与者的约3万张图像数据集，该系统采用Faster R-CNN算法准确检测宫颈并评估癌症概率。该创新的影响深远，其性能优于传统人工判读和细胞学检查，为一种经济高效、可及的筛查方法铺平了道路，有望显著改善服务不足人群的早期检测率。
National Institutes of Health (NIH) & Intellectual Ventures Global Good Fund · 未披露
更新于 2026年7月
其他行业 · AI应用
头颈癌自动放疗计划
研究人员开发了一种深度学习过程，自动从图像中识别口咽（咽喉）肿瘤的精确大小和位置，并确定正确的放射剂量。这一过程称为勾画，传统上耗时且不同医生之间差异很大。AI解决方案旨在减少偏差、最小化医生间差异，并防止损伤健康组织。
University of Texas MD Anderson Cancer Institute · 未披露
更新于 2026年7月
其他行业 · AI应用
唇读AI系统
通过唇部运动准确解读口语的挑战长期以来是一项复杂任务，通常需要专业唇读专家的技能。为解决此问题，Google DeepMind和牛津大学的研究人员开发了一种先进的深度学习系统，在近5000小时的BBC电视节目上训练，使其能够通过观察唇部运动学习并解码超过10万个句子。该创新的影响显著：AI系统实现了令人印象深刻的准确率，约50%的单词无错误标注，远超人类唇读专家12.4%的准确率。该技术有望增强助听器、在公共场合实现无声听写、改善嘈杂环境中的语音识别，从而改变通信可及性。
Google DeepMind & University of Oxford · 未披露
更新于 2026年7月
其他行业 · AI应用
用于MRI中多发性硬化症病灶检测的AI
准确检测和分割MRI扫描中多发性硬化症（MS）病灶的挑战传统上依赖人工过程，耗时且易变。为解决此问题，美国国立卫生研究院和约翰霍普金斯大学的研究人员开发了一种利用卷积神经网络的深度学习算法。这种创新方法自动化了病灶检测过程，显著减少了分析所需时间并提高了可重复性。该算法在超过210次MRI扫描上训练，实现了90.48分的人类水平准确率，可在几秒内快速分割。最终，该技术旨在为医疗专业人员提供更可靠的数据，以指导患者治疗决策，改善MS患者的预后。
National Institutes of Health (NIH) & Johns Hopkins University · 未披露
更新于 2026年7月
其他行业 · AI应用
基于肿瘤切片的高精度肺癌诊断
纽约大学医学院的研究人员发现，从组织病理学切片中准确诊断肺癌是一个关键挑战，传统上依赖人类病理学家。为此，他们开发了一种基于Inception v3模型的卷积神经网络深度学习算法，使用3000张图像的数据集进行训练。该算法在区分两种常见肺癌类型时达到了97%的准确率，在区分正常组织与肿瘤组织时准确率接近99%。这一进展不仅展示了CNN在提高诊断精度方面的潜力，还为病理学家提供了有价值的辅助工具，最终改善了肺癌诊断的患者预后。
纽约大学医学院 · 未披露
更新于 2026年7月