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 38 / 191 页
其他行业 · AI应用
基于病理图像的乳腺癌肿瘤分类
乳腺癌诊断通常依赖昂贵的分子检测方法，这在资源有限的环境中可能成为障碍。为解决这一挑战，北卡罗来纳大学的研究人员开发了一个深度学习系统，用于分析乳腺癌肿瘤的数字病理图像。通过在卡罗来纳乳腺癌研究的500多张图像上训练系统，他们旨在自动对肿瘤进行分级和雌激素受体（ER）状态分类。该算法在区分低-中级和高级肿瘤方面达到了82%的准确率，与经验丰富的病理学家相当。这一创新不仅简化了预后任务，还有可能识别出需要进一步基因组检测的患者，显著改善欠发达地区的患者护理。
北卡罗来纳大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
AI驱动的肺癌病理平台
研究人员开发了一个基于深度学习的平台，用于数字化肺组织样本的自动分析。多类组织分割算法筛查癌症，区分11种组织类型（包括肿瘤、间质和淋巴组织），并提供区域的细胞细节。该平台旨在克服肿瘤学家手动检查耗时且主观的问题。
科隆大学医学院与科隆大学医院 · 未披露
更新于 2026年7月
其他行业 · AI应用
基于AI的前列腺癌检测与分级
病理学家工作负荷增加和癌症诊断的变异性是肿瘤学领域的重大挑战。为解决这些问题，26个组织合作开发了一种基于AI的解决方案，利用深度学习从穿刺活检样本中检测和分级前列腺癌。通过训练两个深度神经网络将图像块分类为良性或恶性并分配Gleason分级，系统汇总结果实现全面的全切片诊断。该创新影响深远，准确率范围达0.997至0.999，不仅超过人类病理学家的准确率，还提高了敏感性和患者安全性，最终成为临床环境中有价值的决策支持工具。
国际研究合作（26个组织） · 未披露
更新于 2026年7月
其他行业 · AI应用
无创乳腺癌转移检测
研究人员开发了一个定制的4D卷积神经网络（4D CNN），通过分析时间序列MRI（DCE-MRI）和临床数据，判断乳腺癌是否已扩散至附近淋巴结。该模型为前哨淋巴结活检（SLNB）提供了一种无创替代方案，SLNB是一种有风险的外科手术。该模型仅关注原发肿瘤的数据，减少了额外成像的需求。
德克萨斯大学西南医学中心 · 未披露
更新于 2026年7月
其他行业 · AI应用
AI辅助术中脑肿瘤诊断
密歇根大学在手术室面临重大挑战：传统脑肿瘤诊断方法需要30-40分钟，延误关键手术决策。为此，研究人员开发了一种基于深度学习的成像技术——受激拉曼组织学（SRH），利用卷积神经网络（CNN）对新鲜切除标本的数字图像进行实时分类。该创新方法将诊断时间缩短至3分钟以内，使神经外科医生能够更快做出更明智的决策。CNN模型分类准确率达94.6%，已成功应用于500多例患者，成为神经外科一线诊断工具。
密歇根大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
蛋白质-蛋白质相互作用的AI建模
普渡大学的研究人员发现，准确建模蛋白质-蛋白质相互作用是一个重大挑战，而这些相互作用对于理解生物过程和药物开发至关重要。为此，他们开发了DOVE（基于体素的深度神经网络对接诱饵选择），这是一个开创性的系统，采用3D卷积神经网络分析虚拟蛋白质界面。这一创新方法标志着生物信息学的重大进步，可能是该领域首次成功应用具有3D特征的深度学习。DOVE获得的见解有助于设计更有效、更具针对性的药物，以阻断特定的蛋白质相互作用，最终为抗击各种疾病做出贡献。
普渡大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
实时皮肤科分类系统
在皮肤科领域，准确识别皮肤癌的挑战导致初级保健医生与专科医生之间存在显著差异，敏感度分别为0.45和0.97。为解决这一问题，NVIDIA开发了一个参考应用，利用Clara AGX开发套件，集成YOLOv4目标检测模型，实时识别摄像头画面中的痣。然后由EfficientNet分类模型将这些痣分类为良性、未知或黑色素瘤。该自动化系统旨在消除诊断中的人为偏差和主观性，为早期检测提供更可靠的工具。尽管目前仍是研究原型，但它有潜力提高早期黑色素瘤检测率，最终改善患者预后和生存率。
NVIDIA · 未披露
更新于 2026年7月
其他行业 · AI应用
AI增强脑癌预后
准确预测脑癌预后，特别是胶质瘤患者，传统上依赖专家的主观评估，导致结果存在差异。为解决这一问题，西北大学和埃默里大学的研究人员开发了一种深度学习算法，整合了胶质瘤组织样本的显微图像和基因组数据，实现了更客观、系统的数据提取。该创新模型在预期寿命预测方面显著改进，甚至优于高度专业化的医生。这种AI增强方法不仅提高了胶质瘤的预后准确性，还有望适用于癌症组织学以外的各种医学成像和生物医学应用。
西北大学与埃默里大学 · 未披露
更新于 2026年7月
其他行业 · AI应用
为视障用户自动生成图像描述
Facebook发现视障用户在平台上难以理解视觉内容，通常只能获得极少的图片信息。为解决这一问题，该公司开发了一项创新功能，利用先进的目标识别技术和深度学习模型，自动生成详细的图像文本描述。通过训练模型识别物体以及活动、背景等上下文元素，Facebook旨在提升依赖屏幕阅读器的用户体验。该举措影响深远，它改变了视障用户与信息流互动的方式，提供更丰富、更具信息量的描述，从而促进平台的包容性和用户参与度。
Facebook · 未披露
更新于 2026年7月
其他行业 · AI应用
通过视网膜扫描早期检测痴呆症
早期痴呆症检测的挑战在于症状的微妙性，容易被忽视，导致诊断和治疗延迟。为此，国际研究合作组织开发了Eye-AD，一个利用高分辨率OCTA视网膜扫描识别阿尔茨海默病和痴呆症早期迹象的深度学习框架。通过整合卷积神经网络（CNN）和图神经网络（GNN），Eye-AD有效检测与认知衰退相关的视网膜血管层微小变化。这一创新的影响显著，Eye-AD在内部数据集上达到了0.9355的准确率，提供了一种快速、非侵入性且成本低廉的筛查方法，使医疗专业人员能够更早干预并改善患者预后。
国际研究合作组织 · 未披露
更新于 2026年7月