摘要:深度神经网络是新一代人工智能技术，其在自然语言处理、学习能力、计算机视觉上将机器的认知能力推向了新的高度。目前，深度神经网络在医学影像中的应用主要集中在发现异常、量化测量和鉴别诊断3个方面，基于深度神经网络的医学影像研究已涉及放射影像、病理图像、超声影像、内镜影像等多个领域。深度神经网络在一些任务场景中已展现出与医师相当甚至超越医师的表现。在人工智能技术高速发展的大环境下，医师群体应客观冷静地看待技术、科学严谨地评价技术、积极开放地参与技术的提升与应用，成为技术的驾驭者，走向人工智能技术辅助下的医疗服务未来。

摘要:罕见病的发病率极低，但其总体患病人数不少。罕见病引起的病变后果严重，对患者及其家庭和社会造成了沉重负担。虽然当前利用基因测序技术、临床决策支持系统结合人工智能技术辅助临床进行遗传病诊断的研究火热，但临床诊断罕见病仍是非常大的技术挑战。本文简要综述了罕见病临床决策系统，旨在分析人工智能技术在罕见病中的发展现状和挑战。

摘要:中医研究和发展存在两大难题：传承难和临床服务能力低。随着人工智能技术在医学领域应用的逐渐成熟，在国家推动中医发展的战略背景下，构建全生态中医知识库和智慧系统将改善中医传统传承模式，提升中医临床服务能力。同时，完善中医智能化的相关法律法规将会推动智慧中医发展，进一步提升中医服务能力，最终实现面向基层的涵盖中医知识构建与分析的智慧中医体系，为我国智慧中医推广提供新模式。

摘要:近年来，微创外科获益于电子信息技术的进步及创伤小、恢复快等传统外科无法比拟的优势，迅速兴起并蓬勃发展，成为外科智能化发展的萌芽。医疗需求的不断提高、外科智能化的不断进步、新技术发展的逐步积累，特别是人工智能技术的突破，最终外化为智能外科的诞生。智能外科可以将外科实践的自动化水平提升到新高度，并将改变外科医师的思维模式，催生新的外科模式与新的医疗产业。智能化技术将改变外科医师的业务逻辑，外科医师因此必须具备复合化的能力。

摘要:肺癌是发病率和死亡率最高的恶性肿瘤，严重威胁人类健康，因此提高肺癌的诊疗效率至关重要。人工智能技术为肺癌的诊治带来了新思路，目前大量研究集中于肺部肿瘤的早期筛查、诊断、治疗和病程管理，以及研发基于深度学习的计算机辅助诊断系统，并取得了显著效果。本文系统阐述了人工智能技术在肺部肿瘤早期筛查、病理诊断、预后评估、手术导航和免疫治疗等方面的研究进展，相信人工智能技术必将为肺癌的诊治带来新的机遇，并将有助于提高肺癌患者的总生存率和生活质量。

摘要:基于病理切片图像的人工智能技术促进了医学发展，而病理人工智能技术的发展得益于数字化全玻片。全玻片数字化能提供大量可任意放大和方便标注的数据，利于深度学习，极易临床推广应用。数字化全玻片不仅可应用于人体病理，其在动物和植物病理方面也可发挥重要作用。本文系统性探讨了数字化全玻片结合人工智能技术在病理识别、特征提取、动物模型和植物形态学方面的应用潜力，旨在为数字病理的临床实践提供新的思维方式。

摘要:中医诊疗技术现代化必须借助现代科学技术的发展。以中医辨证论治理论为核心、现代中医诊断技术为支持，借助人工智能技术将文献数据的中医诊疗决策内容信息化、智能化。通过病证临床诊断、治疗、疗效评价决策方法，病证诊疗结合、中西医数据汇通，建立现代中医诊断技术与中医智能诊疗系统，建立符合中医自身特点的诊疗技术体系，最大限度发挥人机结合优势，最终建立具有辨证论治内涵的智能中医诊疗决策系统，为中医临床诊疗提供智能决策辅助支持，探索创新中医病证诊疗模式。同时，中医诊疗技术智能化研究也将进一步促进中医诊疗规律的提升和总结，加速中医诊疗技术跨越发展，解决中医诊疗模式现代化发展的主要问题，推动中医现代化发展。本文就目前中医诊疗技术与人工智能技术结合的现状及趋势作一阐述。

摘要:深度学习技术的迅猛发展为辅助医师进行高精度的疾病诊断提供了新的方法和思路。本文综述了医学疾病诊断领域常用的深度学习模型，即卷积神经网络、深度信念网络、受限玻尔兹曼机和循环神经网络模型的原理及特点；然后从肺癌、乳腺癌、糖尿病视网膜病变等几种典型的疾病出发，介绍了深度学习技术在疾病诊断领域的应用；最后基于目前深度学习技术在疾病诊断中的局限性提出了未来发展方向。

摘要:医学影像技术在疾病的检测、诊断和治疗中起着重要作用。由于人类专家经验的不稳定性，机器学习技术有望辅助研究人员和医师以提高影像诊疗的准确性和减少医疗资源的不均衡性。本文系统概述了深度学习技术的一些方法，介绍了医学影像学中的深度学习技术的应用研究，同时讨论了深度学习技术在医学影像中的局限性。

摘要:近年来人工智能技术发展迅速，应用范围不断扩大。在医学领域，人工智能技术已在影像学、病理诊断、疾病管理、药物研发、手术导航等诸多方面崭露头角。肝脏肿瘤是我国常见疾病，人工智能技术在这一领域的研究和应用前景广阔。本文概述了人工智能技术在肝脏肿瘤的影像学和病理诊断、预后判断、治疗方案选择、手术辅助等方面的研究进展，并展望人工智能技术在肝脏肿瘤个体化、精准化诊治的推动作用。

摘要:新药研发是一个系统工程，周期长、成功率低。传统药物研发在于发现疾病相关的有效靶点，借助各种技术进行小分子（或大分子）的筛选与设计。人工智能技术在医学多个领域已取得显著进展，其在新药研发领域能整合大量高通量组学数据、网络药理学数据和图像等高维表型数据，进行有效靶点的筛选和药物设计，节省药物研发成本，缩短药物研发时间。本文探讨了在新一代人工智能技术驱动下的药物发现过程，旨在为新药研发提供参考。

摘要:"互联网+"的飞速发展和大数据技术的广泛应用为人工智能技术的发展奠定了基础。基于强大的深度学习理论与技术，人工智能技术已在医学专家问答、中医医学影像切割和分类、中医四诊客观化等众多领域取得了突破。中医药传承发展迫切需要解决的问题是效率的提高，而人工智能技术已在数据挖掘、智能诊疗、智能学习、诊疗指南构建等方面促进中医药的全面发展，如何更进一步通过人工智能技术促进中医药传承发展是需要思考的重要问题。

摘要:目的 利用深度学习方法自动提取眼底白内障特征，构建白内障自动分类器，并可视化分析深度网络中间层特征的逐层变换过程。方法 基于临床眼底图像，使用深度卷积神经网络（CNN）从输入数据的原始表示直接学习有用的特征，对比分析CNN自动提取的特征与预定义特征的性能表现。然后利用反卷积神经网络（DN）量化分析CNN各个中间层的特征，进一步研究输入图像中对CNN的预测贡献最大的像素集，探究CNN表征白内障的具体过程。结果 使用深度学习方法构建的分类器在四分类任务中达到0.818 6的平均准确率。与现有的预定义特征集相比，利用深度CNN自动提取的特征集能提供更好的白内障特征表示。CNN中间层特征呈现从低级抽象到高级抽象的分层变换，如梯度变化到边缘，然后到边缘状发散结构的组合，最后到血管和视神经盘信息的高级抽象，这种变换过程与临床检测白内障的诊断标准相吻合。结论 基于深度学习的分类器在性能表现上优于现有分类器。该方法对检测其他眼病也可能具有潜在的应用前景。

摘要:目的 探索神经网络结合显微高光谱成像识别乳腺癌组织的可行性和应用价值。方法 采用显微高光谱成像技术采集乳腺癌组织的图像数据，使用基于神经网络的显微高光谱乳腺癌组织图像分析方法，实现乳腺癌组织的自动分类和区域划分。提出数据预处理方法以提高图像的信噪比，利用神经网络训练图谱信息识别乳腺组织病变区域并突显以利于可视化。结果 基于神经网络的显微高光谱的乳腺组织识别分析方法同时利用了图谱两个方面的特征，获得了比传统彩色病理图像更好的识别结果。结论 基于神经网络的显微高光谱乳腺组织图像分析方法可以提供特征性的样本信息，是传统彩色病理图像的有效补充。在神经网络分析方法的支持下，将显微高光谱成像技术应用于乳腺癌组织的分析具有一定的应用前景。

摘要:目的 针对医疗服务机器人目标识别中特征匹配准确率低、实时性差等问题，提出一种基于评分框架的基于网格的运动统计（SF-GMS）特征配准算法。方法 SF-GMS算法使用网格对特征点邻域进行分割，统计每个邻域中特征点的数量，设置评分框架函数，根据邻域特征点数量和评分阈值判断特征匹配准确性。结果和结论 与典型性特征配准算法随机采样一致性（RANSAC）算法相比，SF-GMS算法能有效提高特征成功匹配率，并具有较好的实时性；对光照视角、遮挡、仿射、比例尺度缩放和旋转等环境变化具有较好的稳定性，能满足模拟医院病房场景下服务机器人自主导航的需求。

摘要:目的 针对深度学习在舌象分类中训练数据量大、训练设备要求高、训练时间长等问题，提出一种基于迁移学习的全连接神经网络小样本舌象分类方法。方法 应用经ImageNet海量数据集训练后的卷积Inception_v3网络提取舌象点、线等有效特征，再使用全连接神经网络对特征进行训练分类，将深度学习网络学习到的图像知识迁移到舌象识别任务中。利用舌象数据集进行训练、测试。结果 与典型舌象分类方法K最近邻（KNN）算法、支持向量机（SVM）算法和卷积神经网络（CNN）深度学习方法相比，本实验使用的两种方法（Inception_v3+2NN和Inception_v3+3NN）具有较高的舌象分类识别率，准确率分别达90.30%和93.98%，且样本训练时间明显缩短。结论 与KNN算法、SVM算法和CNN深度学习方法相比，基于迁移学习的全连接神经网络舌象分类方法可有效提高舌象分类的准确率、缩短网络的训练时间。

摘要:目的 采用基于深度学习的胃癌病理切片分割算法实现对癌症区域的识别。方法 以U-Net网络为基本架构设计更深层次的胃癌病理切片分割算法模型Deeper U-Net （DU-Net）。采用区域重叠分割法将数据集分割成若干小块图片，然后利用预先训练好的DU-Net网络模型对分割的小图片块进行初次分割，并使用图片分类器清除假阳性样本，重新合成新样本。采用重复学习的方法使用新样本进行多次重复训练，将得到的结果应用全连接条件随机场（CRF）进行后续处理。最终得到胃癌分割图片并验证结果。结果 经过3次重复学习后，DU-Net网络模型的平均精度为91.5%，平均交叉联合度量（IoU）为88.4%；相比于未经重复学习的基础DU-Net模型，其平均精度提升了5.6%，平均IoU提升了2.9%。结论 基于深度学习的胃癌病理切片分割算法实现了精准的分割，提高了模型的泛化能力和鲁棒性，可用于辅助胃癌病理诊断。

摘要:目的 通过基于特征提取的深度卷积神经网络，结合关键区域特征和人口学信息，评估儿童骨龄。方法 自动识别左手X线图像数据，对图像进行预处理，使用基于深度神经网络的X线图像分析方法，实现左手关节骨龄17个关键区域特征的自动提取，再将骨龄影像特征与临床大数据（人口统计、性别）融合训练骨龄评估模型，测试模型的评估效能。结果 使用基于深度学习的特征区域提取方法比传统图像分析方法可以更好地提取特征信息，结合临床信息从另一维度补充了骨龄发育信息。基于多维度数据特征融合的骨龄评估模型检测得到的骨龄平均绝对误差为0.455，优于传统方法和仅端到端的深度学习方法。结论 相较传统的机器学习特征提取方法，基于特征提取的深度卷积神经网络在骨龄回归模型上有更好的表现，结合人口和性别信息可进一步提升基于图像的骨龄预测准确率。

摘要:智能医学影像识别是基于人工智能技术，对X线片、计算机断层扫描、磁共振成像等常用医学影像学技术扫描图像和手术视频进行分析处理的过程，其发展方向主要包括智能影像诊断、影像三维重建与配准、智能手术视频解析等。智能影像诊断和影像三维重建与配准可提高影像识别的效率和质量，为疾病诊断和治疗提供帮助；智能手术视频解析可帮助外科医师学习、理解外科手术，并进一步指导手术过程。目前，对该领域的研究已取得一定的进展，正在逐步走向临床应用。本文就智能医学影像识别取得的进展进行总结，并对该领域的发展前景进行展望。

摘要:形态学评估和特殊染色评分系统是目前基础和临床科研的重要组成部分，对于判断药物疗效和基因干预效果非常重要。然而，目前的视觉评分系统主观性强、重复性差、准确率低，极易出现漏诊和误诊。基于深度学习的人工智能技术有望克服这一问题，利用卷积神经网络能准确提取与肿瘤患者疗效和预后相关的内部特征，如肿瘤-间质比、神经侵犯和淋巴细胞空间分布；图像化和数字化显示药物干预疾病进展的疗效，同时能对与临床治疗、分型和预后相关的分子标志物进行定量化和自动化评分。人工智能技术应用于组织和细胞形态学评估后，将会推动临床药物评价和基础科研评价的一致性、重复性和准确性，有望进一步推动医学科研的发展。

摘要:人工智能技术在临床医学领域已取得突破性进展，如诊断、影像、疾病分期分级等。电子病历蕴含疾病描述、诊断、检查、治疗等大量临床数据，在医学专家和信息学家的共同参与下，利用人工智能技术挖掘电子病历数据的研究急剧增加。虽然该方法目前存在一些局限性，但与传统人工研究相比其具有更快速、经济、方便等优势，有望更好地服务于人类健康医学事业的发展。本文对利用人工智能技术挖掘电子病历数据的现状，包括相关技术、具体实例、局限性等进行综述。

摘要:近年来，人工智能技术在医学领域的应用成为现代科技的研究热点。将人工智能技术应用于眩晕疾病的诊断不仅可以节约医疗资源，还能及时诊治眩晕。因此，本文通过概述眩晕疾病人工智能专家诊疗系统"Vertigo""ONE"和其他人工智能方法，分析人工智能技术在眩晕诊断领域的应用进展，总结多种人工智能方法应用于眩晕疾病的优点和缺点，并对人工智能技术在眩晕疾病诊疗中的发展前景进行了展望。

摘要:人工智能技术在疾病诊断、病理分析、新药研发等方面应用广阔，将人工智能技术与护理专业结合，制定相应的专家系统、智能辅佐设计和决策支持系统等将提高社会、经济的综合效益。本文总结了人工智能技术在护理领域各方面的研究进展和运用现状，针对临床护理、护理教育及延伸护理等子领域分别阐述了目前人工智能技术的研究及应用情况，为进一步的研究工作提供参考。