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 39 / 191 页
其他行业 · AI应用
用于细胞分割的AI基础模型（VISTA-2D）
NVIDIA开发了VISTA-2D，这是一个通用的AI基础模型，用于对空间组学技术中的二维显微镜图像进行高分辨率、基于实例的细胞分割。这是将分子标记准确归因于正确细胞的关键步骤。该模型采用Transformer网络架构（约1亿参数），融入了SAM预训练权重，并基于MONAI生态系统构建，可在多种成像模态（明场、荧光等）上进行训练。
NVIDIA · 未披露
更新于 2026年7月
其他行业 · AI应用
大脑神经元自动映射
绘制大脑内部复杂连接的任务既耗时又计算密集，通常需要大量人工操作。为解决这一问题，谷歌（Google）与马克斯·普朗克神经生物学研究所（Max Planck Institute of Neurobiology）的研究人员开发了一种深度学习系统，用于自动解读连接组学数据。通过在数千张脑切片二维图像上训练循环神经网络，他们成功以三维格式重建了斑胸草雀大脑的一部分。这一创新方法在七天内完成了1立方毫米脑数据的标注，而传统方法估计需要约10万小时。此外，该算法的准确率比以往方法提高了十倍，显著推动了脑图谱绘制领域的发展。
Google & Max Planck Institute of Neurobiology · 未披露
更新于 2026年7月
其他行业 · AI应用
基于深度学习的前列腺癌检测
研究人员开发了一种先进的深度学习系统，用于从活检切片中更准确地检测前列腺癌。该系统在包含12,160张切片的大型数据集上训练，采用多实例学习（MIL）方法，仅需整体切片诊断，避免了昂贵的像素级标注。这有助于解决发现微小病变的难题，这些病变可能仅占组织表面的不到1%。
康奈尔大学与纪念斯隆凯特琳癌症中心 · 未披露
更新于 2026年7月
其他行业 · AI应用
活人类细胞的预测性3D可视化
研究人员开发了“艾伦整合细胞”，这是一个活人类细胞的预测性3D模型。该模型使用深度学习，在数千个经过荧光蛋白标记的活人类细胞上进行训练，以突出显示细胞核和线粒体等内部结构。然后应用第二个深度学习算法在未标记的细胞中寻找这些细胞结构，使研究人员无需标记即可观察活细胞内部。
艾伦细胞科学研究所 · 未披露
更新于 2026年7月
其他行业 · AI应用
病理学家级别的肺腺癌亚型分类
在达特茅斯诺里斯棉花癌症中心和Hassanpour实验室，研究人员发现准确分类肺腺癌组织学亚型是一个重大挑战，而这对于确定肿瘤分级和治疗方案至关重要。为解决这一问题，他们开发了一个深度学习系统，利用卷积神经网络在手术切除切片上自动进行分类。该模型有效识别肿瘤细胞区域，并聚合分类结果以揭示主要和次要组织学模式。这一创新的影响深远，因为模型的性能与经验丰富的病理学家高度一致，提高了诊断准确性，并可能通过预填充诊断和提供第二意见来简化实验室工作流程。
达特茅斯诺里斯棉花癌症中心与Hassanpour实验室 (Dartmouth's Norris Cotton Cancer Center & Hassanpour Lab) · 未披露
更新于 2026年7月
其他行业 · AI应用
蛋白质结晶的自动识别
在药物发现中，识别蛋白质结晶至关重要，但传统上依赖人工目视检查，往往不准确且耗时。为解决这一问题，谷歌与学术合作伙伴合作，开发了一个深度学习系统，使用卷积神经网络（CNN）在来自MARCO倡议的近50万张图像上进行训练。这种创新方法在识别蛋白质晶体方面达到了94%的准确率，显著提高了评估过程的可靠性。通过自动化这一任务，该系统不仅简化了操作，还降低了忽视关键生物医学发现的风险，最终推动了医学领域的发展。
谷歌（与学术合作者） (Google with academic collaborators) · 未披露
更新于 2026年7月
其他行业 · AI应用
多模态AI增强癌症诊断与治疗规划
在斯坦福大学，研究人员发现癌症诊断和治疗规划中的一个重大挑战：传统方法常常忽视来自不同数据源的关键见解。为解决这一问题，他们开发了MUSK，一种多模态Transformer模型，整合了临床文本和病理图像，提高了癌症诊断和治疗策略的准确性。MUSK的影响深远：它在23个病理基准测试中优于现有AI模型，将癌症亚型检测提高了10%，并在乳腺癌生物标志物检测中达到了83%的AUC。这一进步不仅增强了精准肿瘤学，还提高了预测生存结果和免疫治疗反应的可靠性，标志着癌症护理的重大飞跃。
斯坦福大学 (Stanford University) · 未披露
更新于 2026年7月
其他行业 · AI应用
美国手语（ASL）的实时翻译与转译
密歇根州立大学开发了DeepASL，一个用于实时翻译美国手语（ASL）的深度学习系统。这种创新方法允许用户无需在手势间停顿即可无缝交流，特别适用于需要持续翻译服务的聋哑人士。该系统支持“虚拟翻译”等应用，为ASL学习者提供个性化支持和实时反馈。通过促进自然交流，DeepASL显著减少了在医疗紧急等关键情况下的沟通障碍，确保听障人士随时随地有效表达自己。该技术利用先进硬件和软件，包括NVIDIA GPU和TensorFlow，提供这一变革性解决方案。
密歇根州立大学 (Michigan State University) · 未披露
更新于 2026年7月
其他行业 · AI应用
AI辅助肺癌识别与分割
在肺癌诊断领域，病理学家之间的差异可能导致评估不一致，尤其是在显微镜病理图像复杂的情况下。为解决这一挑战，Contextvision和乌普萨拉大学开发了一个深度学习框架，用于辅助肺癌的识别和分割。通过使用基于NVIDIA TITAN Xp GPU和TensorFlow的语义分割网络，该模型达到了80%的准确率，与领域内领先方法相当。评估模型预测的病理学家注意到其在像素级别的惊人精度，表明其具有显著提高诊断可靠性并最终改善患者预后的潜力。
Contextvision 与 乌普萨拉大学 (Uppsala University) · 未披露
更新于 2026年7月
其他行业 · AI应用
含肿瘤脑部MRI的合成生成
研究人员开发了一种基于生成对抗网络（GAN）的模型，用于生成合成但准确可靠的异常脑部MRI图像（含肿瘤）。这解决了医学成像中数据稀缺和不平衡的问题。该模型允许通过改变肿瘤的大小和位置，或将肿瘤置于健康脑部扫描中，来创建多样化数据，这些数据可用于训练其他AI模型进行异常检测。
NVIDIA、梅奥诊所 (Mayo Clinic) 及麻省总医院与布莱根妇女医院临床数据科学中心 (MGH & BWH Center for Clinical Data Science) · 未披露
更新于 2026年7月
其他行业 · AI应用
中风幸存者的双语交流恢复
加州大学旧金山分校在Edward Chang博士的指导下，面临为中风幸存者Pancho恢复交流能力的挑战，他因严重瘫痪失去了说话能力。为此，团队开发了一种神经假体植入物，集成了双语AI模型，该模型解码与言语发音相关的大脑活动。这种创新方法使Pancho能够通过将想法翻译成西班牙语或英语并在屏幕上显示来进行无脚本对话。该系统实现了75%的句子解码准确率，显著改善了类似情况患者的交流。此外，植入物成功长期使用超过四年，证明了该技术的可行性，并表明不同语言的言语产生可能共享共同的神经通路。
加州大学旧金山分校 (University of California, San Francisco, Dr. Edward Chang's lab) · 未披露
更新于 2026年7月