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 36 / 191 页
其他行业 · AI应用
降低乳腺超声假阳性率的AI系统
研究人员开发了一种弱监督深度神经网络，通过模拟放射科医生的诊断工作流程来提高超声检查中的乳腺癌检测能力。该AI处理检查中的每张图像，为可疑图像分配注意力分数，并汇总信息做出最终诊断。模型在约400万张超声图像的大规模数据集上训练，无需昂贵的人工标注。系统性能与10名委员会认证的放射科医生进行了比较。
NYU Langone Health · 未披露
更新于 2026年7月
其他行业 · AI应用
高通量AI驱动药物发现管线
Innoplexus是一家NVIDIA Inception初创公司，开发了AI驱动的管线以加速药物发现，特别是针对与TDP-43聚集相关的神经退行性疾病。该管线使用专有深度学习方法和自定义神经网络进行蛋白质靶点预测。它利用NVIDIA NIM微服务进行关键阶段：AlphaFold2用于蛋白质结构预测，MolMIM用于生成和优化新分子结构，DiffDock用于预测分子与蛋白质靶点的结合方式。然后通过专有的ADMET（吸收、分布、代谢、排泄和毒性）管线筛选最佳候选分子以评估其性质。
Innoplexus · 未披露
更新于 2026年7月
其他行业 · AI应用
用于癌症治疗监测的自动肿瘤标注
在癌症治疗监测中，肿瘤标注通常由放射科医生使用RECIST方法手动完成，过程劳动密集且主观性强。为应对这一挑战，美国国立卫生研究院（NIH）的研究人员与平安保险公司、英伟达（NVIDIA）合作，开发了一种基于卷积神经网络的深度学习方法。该系统自动完成标注过程，与人类放射科医生相比，显著降低了测量变异性。该技术的影响深远，它提高了治疗监测的准确性和效率，最终为患者带来更明智的治疗决策。系统利用NVIDIA TITAN Xp GPU和PyTorch实现，代表了癌症护理领域的重大进步。
美国国立卫生研究院（NIH）、平安保险公司、英伟达（NVIDIA） · 未披露
更新于 2026年7月
其他行业 · AI应用
AI驱动的医学图像配准
在医学影像领域，将来自不同来源的MRI等多幅图像进行对齐传统上是一项手动且劳动密集型任务，常导致诊断和治疗延迟。为应对这一挑战，IBM的研究人员开发了一种基于生成对抗网络（GAN）的AI深度学习系统，用于自动化图像配准过程。该系统利用NVIDIA Tesla GPU和TensorFlow（cuDNN加速）等先进技术，在不到一秒内实现精确的图像对齐，显著优于传统方法。这一创新不仅提高了图像处理效率，还使医疗专业人员能够将更多时间用于患者护理，最终提升医疗服务质量。
IBM · 未披露
更新于 2026年7月
其他行业 · AI应用
基于组织切片的皮肤癌自动诊断
昆士兰大学的研究人员发现，病理学家面临的一个重大挑战是：每天需要从大量的组织切片中识别癌细胞，这些切片数量可达数百张。为了解决这个问题，他们使用GPU加速的超级计算机训练了一个专门用于皮肤癌诊断的卷积神经网络（CNN）。这一创新方法使网络能够在15分钟内分析30,000张图像，如果没有如此先进的计算资源，这一任务被认为是“难以处理的”。最终的系统在准确性上与人类病理学家相当甚至略胜一筹，从而提高了诊断效率，并支持了医疗专业人员的关键工作。
昆士兰大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
用于医疗边缘AI的Clara应用框架
NVIDIA宣布更新其Clara应用框架，该框架旨在在其EGX边缘计算平台上为医疗保健构建、适配和部署AI驱动的工作流。该框架包括用于隐私保护联邦学习和更快训练的Clara Train SDK、用于编排AI管道的Clara Deploy SDK，以及新的Clara AGX SDK，这是一个用于将AI集成到智能医疗设备（如内窥镜和超声机）中的开发工具包。
NVIDIA · 未披露
更新于 2026年7月
其他行业 · AI应用
自监督计算机视觉模型（SEER）
研究人员开发了SEER（自监督），一个拥有十亿参数的计算机视觉模型，使用十亿张随机、未标记的公共Instagram图像进行训练。通过使用自监督学习，模型学会在图像之间寻找关系，无需人工提供的注释，这有助于减轻数据整理偏差，并能够在标记数据有限的领域（如医学影像）中进行学习。
Facebook AI · 未披露
更新于 2026年7月
其他行业 · AI应用
脑控AI助听器实现说话人分离
研究人员开发了一个用于脑控助听器的深度学习系统，能够自动从群体对话中分离并放大特定说话人的声音。一个深度神经网络被训练用于将混合音频分离成独立的语音流。然后，设备将分离出的语音流与用户的神经数据进行比较，以识别并放大用户正在关注的语音。
哥伦比亚大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
AI驱动的腺体分割用于癌症诊断
香港中文大学的研究人员发现，癌症诊断中的一个重大挑战是：组织图像中腺体的手动分割既耗时又容易出错。为此，他们开发了一个AI驱动的深度卷积神经网络，自动完成腺体分割过程，使病理学家能够更准确地分析单个细胞及其特征，如大小、形状和位置。这一创新不仅提高了诊断准确性，还简化了工作流程，最终改善了患者预后。该系统在2015年腺体分割挑战赛中获胜，展示了其变革癌症图像分析的潜力。此外，使用NVIDIA TITAN X GPU训练模型比传统CPU方法速度提高了100倍，进一步加速了该领域的进展。
香港中文大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
快速术中脑肿瘤诊断
密歇根大学医学院的神经外科医生和病理学家发现，在手术中诊断脑肿瘤存在显著延迟，传统方法需要等待30-40分钟的实验室结果。为了解决这个问题，他们开发了一种由AI驱动的创新成像技术，能够在手术室中实时诊断和分类脑肿瘤。该方法将诊断时间大幅缩短至约3分钟，并在预测肿瘤亚型方面达到90%的准确率。这种基于AI的技术不仅提高了手术效率，还为改善患者预后铺平了道路。一项大规模临床试验将进一步评估该方法与传统实践相比的有效性。
密歇根大学医学院 · 未披露
更新于 2026年7月