.png){kind=icon}
返回
Artificial Intelligence in Hematology
.png){kind=icon}
PRE
AI
DOI：10.1007/s12288-025-02244-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人工智能（AI）已作为强大的资源在医疗保健领域用于诊断和管理。然而，成功的AI部署依赖于用于数字医学图像预处理和分析的完善软件，以及用于分类和解释的深度学习算法。深度机器学习在识别和解释电子健康记录或数字足迹中的异常方面发挥着关键作用。在过去的十年中，AI在血液学领域产生了显著影响，特别是在细胞、分子和遗传分析方面。显著例子包括在分类外周血涂片方面达到超过95%的准确率，以及在检测细胞级特征和分割任务方面报告超过94%的精确-召回率。当使用多模态诊断工作流程时，在区分骨髓增生异常综合征亚型方面报告的准确率超过95%。需要认识到，基本的血液学诊断仍然依赖于显微镜图像分析和流式细胞术二维图的评估，这可能导致解释不准确。尽管如此，已取得显著进展，包括基础模型、基于转换器的架构和生成扩散模型的发展，以及组学数据的整合，这些可能在将来有助于克服现有局限性。
Keyword:
Artificial intelligence
Hematology
AI
Clinical hematology
Deep learning
Machine learning
期刊
I
IF:
0.6
论文数:
312
被引数:
1.2K
机构
引用论文
The Growing Impact of Natural Language Processing in Healthcare and Public Health自然语言处理在医疗保健和公共卫生领域的日益增长的影响
OAAI
OAAI分享收藏Deep learning can predict microsatellite instability directly from histology in gastrointestinal cancer深度学习可以直接从胃肠道肿瘤的组织学中预测微卫星不稳定性.png)
NATURE MEDICINE
OAAI
NATURE MEDICINEIF50
OAAI分享收藏Artificial Intelligence-Assisted Diagnostic Cytology and Genomic Testing for Hematologic DisordersCELLSOAAI
CELLSIF5.2
OAAI分享收藏
查看更多内容