相关实验视频

Updated: Mar 12, 2026

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

7.6K

对机器和深度学习技术进行系统审查,以诊断急性淋巴细胞白血病

W Hussain Shah1, S Rafia Fatima2, R Jaimes-Reátegui1

  • 1Departamento de Ciencias Exactas y Tecnología, Centro Universitario de los Lagos, Universidad de Guadalajara, Enrique Díaz de León 1144, Colonia Paseos de la Montaña, Lagos de Moreno, Jalisco, Mexico.

Artificial intelligence in medicine
|March 10, 2026
PubMed

Insights

机器学习和深度学习为诊断急性淋巴细胞白血病 (ALL) 提供先进的工具. 这些人工智能技术显示出提高检测和分类ALL的准确性和效率的潜力,超越了传统方法.

科学领域:

  • 血液学 血液学 血液学
  • 计算生物学 计算生物学
  • 医学诊断 医学诊断 医学诊断

背景情况:

  • 急性淋巴细胞白血病 (ALL) 是一种需要早期诊断的血液癌症.
  • 从正常的淋巴细胞区分ALL细胞是具有挑战性的,因为形态相似之处.
  • 目前的手动诊断方法耗时,容易出现人为错误.

研究的目的:

  • 系统地审查用于ALL检测和分类的传统和深度学习技术.
  • 分析图像预处理,特征提取和爆细胞量化中的方法.
  • 在所有诊断中评估AI的性能和准确性.

主要方法:

  • 审查监督机器学习算法.
  • 分析先进的深度学习架构.
  • 检查所有图像分析和分类中的AI应用程序.

主要成果:

  • 人工智能技术显示出与ALL人类诊断能力相匹配或超过的潜力.
  • 深度学习方法显示出用于自动化和增强ALL诊断的希望.
  • 性能指标突出了AI在爆细胞量化中的准确性.

结论:

  • 人工智能,特别是深度学习,为改善ALL诊断提供了一个有希望的途径.
  • 应对当前的挑战和促进创新对于临床应用至关重要.
  • 未来的研究应该专注于进一步改进人工智能模型以满足临床需求.
抽象的

No abstract available in PubMed .

关键词:
急性淋巴细胞白血病 (ALL)爆细胞检测检测 爆细胞检测血细胞分类 血细胞分类深度学习是一种深度学习.功能提取 功能提取血液学的恶性瘤.图像预处理 图像预处理诊断出白血病的诊断方法是什么机器学习是机器学习.医疗图像分析 医学图像分析

更多相关视频

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma04:09

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma

Published on: October 10, 2018

8.9K
Murine Model of Leukemia Relapse to Induction Chemotherapy for Acute Lymphoblastic Leukemia08:31

Murine Model of Leukemia Relapse to Induction Chemotherapy for Acute Lymphoblastic Leukemia

Published on: October 17, 2025

799

相关概念视频