混合类型对话生成领域的新突破：基于少样本学习的研究 人工智能（Artificial Intelligence, AI）的一个重要目标是构建能够进行多种自然语言对话的人工智能代理。目前，行业和学术界长期以来一直期待设计出能够同时处理开放域对话（Open-Domain Dialogue）和任务导向对话（Task-Oriented Dialogue）的对话模型，这种多技能、多类型对话的融合形式被称为混合类型对话（Mixed-Type Dialogue）。然而，尽管已有不少研究尝试解决这一问题，但大多数研究依赖于构建大规模人工标注数据集，标注成本高昂，同时严重限制了实际应用场景中的可行性。为解决这一难题，Zeming Liu（刘泽明）等人发表了一项重要研究，他们首次提出了少样本混合类型对话生成（Fe...
深度学习中非对称双任务协同模型改进部分标签学习的研究 研究背景 在深度学习领域，监督学习已成为众多人工智能任务的核心方法。然而，训练深度神经网络需要大量准确标注的数据，而这类数据的构建往往成本高昂且耗时。弱监督学习（Weakly Supervised Learning）作为一种有效的替代方法近年来引起了广泛关注，其中部分标签学习（Partial Label Learning, PLL）是弱监督学习的一种典型问题。它假定每个训练实例被一个候选标签集（Candidate Label Set）标注，该标签集中包含真实标签和若干错误标签。由于候选标签中存在标签歧义问题，部分标签学习成为一个充满挑战的领域。 在部分标签学习的研究中，一个关键目标是消解这种标签歧义，正确识别每个样本的真实标签。以往的方法...
大型语言模型在PET影像报告中的应用：一项结合检索增强生成模型的单中心试验研究 随着人工智能技术的迅猛发展，大型语言模型（Large Language Models, 以下简称LLM）的零样本学习能力和自然语言处理能力在医学领域引发了广泛关注。尽管LLM已经在某些医疗领域显示出改进效率和效果的潜力，但在核医学尤其是PET（正电子发射断层扫描）影像报告的应用尚属探索初期。这项研究由来自韩国首尔大学医院和首尔大学医学院的Hongyoon Choi博士及其团队完成，研究成果发表于《European Journal of Nuclear Medicine and Molecular Imaging》。 研究背景及问题陈述 PET影像在多种医学领域中应用广泛，其临床价值体现在疾病诊断、疾病分期以及疗效...
研究助力皮肤癌诊断的新方法：基于光声成像与水平集分割算法的研究 近年来，随着全球人口老龄化和环境变化，皮肤癌的发病率逐年攀升。皮肤癌已成为重要的公共卫生问题，其中主要的非黑色素瘤类型包括鳞状细胞癌（Squamous Cell Carcinoma, SCC）和基底细胞癌（Basal Cell Carcinoma, BCC）。其中，基底细胞癌是最常见的一种。据统计，美国每年约有430万例新的基底细胞癌病例。尽管这种癌症死亡率较低，但对患者的生活质量和医疗资源造成了巨大挑战。 基底细胞癌的临床诊断和治疗仍存在诸多问题。传统的肿瘤边界评估方法主要依赖组织病理学（histopathology），这种方法虽然精准，但需通过活检等侵入性手术获取样本，并且需要耗费大量时间。此外，诸如光学相干断层成像（Opt...
生成性人工智能在核医学的突破性应用：探讨合成骨显像图像的潜力及其在深度学习中的应用 背景与研究问题 近年来，人工智能（Artificial Intelligence, AI）的快速发展，引领了医学影像分析的革新。例如，深度神经网络（Deep Neural Network）在疾病诊断、解剖结构分割、患者预后预测及治疗反应评估等领域展现了巨大潜力。然而，这些技术的广泛应用通常依赖于规模庞大且精确标注的数据集。然而，在医学领域，获取如此大规模的标注数据集既昂贵又耗时，尤其是在涉及患者隐私保护时数据共享受到严格限制。数据的有限性导致深度学习模型在真实场景中的表现不理想，难以泛化。这种困局在需要跨多中心汇总数据的分布式研究中表现尤为明显。 另一方面，生成性人工智能（Generative AI）的崛起为...
深入解析基于PSMA PET/CT的多模态深度学习模型以预测前列腺癌患者淋巴结转移 背景介绍 前列腺癌（Prostate Cancer, PCA）是男性中最常见的恶性肿瘤之一，也是导致癌症相关死亡的主要原因之一。在临床局限性前列腺癌患者中，扩展盆腔淋巴结清扫（Extended Pelvic Lymph Node Dissection, EPLND）通常被视为淋巴结分期的最准确方式。然而，这种手术操作范围广，不仅会增加术中和术后并发症的风险，还可能延长手术时间和提高医疗成本。尽管EPLND在淋巴结转移（Lymph Node Invasion, LNI）评估中的作用备受争议，但仍有许多患者因其预测LNI的高效性而需接受该操作。 当前，临床上主要通过预测模型（如Memorial Sloan Ket...
用PET影像与临床数据融合的Transformer模型：预测滤泡型淋巴瘤病理分级与预后的一项多中心数字活检研究 学术背景 滤泡型淋巴瘤（Follicular Lymphoma, FL）是西方国家最常见的惰性非霍奇金淋巴瘤，约占新诊断非霍奇金淋巴瘤的30%。根据世界卫生组织（WHO）的分类，滤泡型淋巴瘤分为三个病理等级（1-3级），等级的划分主要依据每高倍视野（High-Power Field, HPF）中的中心母细胞（Centroblasts）数量。然而，3级又进一步细分为3a级和3b级，其中3b级具有更具侵略性的生物学行为，患者预后较差，其治疗策略与弥漫大B细胞淋巴瘤（Diffuse Large B-Cell Lymphoma, DLBCL）相似。相较而言，1-2级患者通常病情进展缓慢，部...
基于可解释性机器学习的氨基酸PET成像在胶质瘤诊断中的应用研究 学术背景 胶质瘤（glioma）是中枢神经系统最常见的恶性肿瘤之一，其诊断和治疗策略通常依赖于组织病理学分析。然而，组织病理学分析存在侵入性高、耗时长等局限性。近年来，基于医学影像的放射组学（radiomics）技术逐渐兴起，通过从医学图像中提取大量定量特征，结合机器学习（machine learning, ML）算法，能够有效捕捉复杂的影像特征关系，为胶质瘤的诊断和预后评估提供了新的可能性。然而，尽管机器学习模型在胶质瘤预测任务中表现出较高的效率，但其在临床实践中的应用仍受到限制，主要原因在于模型决策过程缺乏透明性，且难以与临床工作流程无缝整合。 为了解决这一问题，可解释性机器学习（explainable machine le...
人工智能增强超快速PSMA-PET在前列腺癌分期中的应用 学术背景 前列腺癌是全球男性中最常见的癌症之一，准确的诊断和分期对于治疗决策至关重要。前列腺特异性膜抗原（PSMA）正电子发射断层扫描（PET）已成为前列腺癌患者的标准检查方法。然而，传统的PSMA-PET扫描时间较长，通常需要20分钟，这限制了患者的检查机会，尤其是在需求日益增长的情况下。为了缩短扫描时间，研究人员提出了超快速PSMA-PET扫描技术，但这种方法往往以图像质量下降为代价。为了解决这一问题，研究人员探索了人工智能（AI）技术在图像增强中的应用，以提高超快速PSMA-PET的图像质量和诊断准确性。 论文来源 这篇论文由David Kersting、Katarzyna Borys、René Hosch和Robert Sei...
基于深度神经网络的微导航显微手术系统——助力白内障手术精确性迈上新台阶 学术背景与研究问题 白内障是全球范围内导致失明的主要原因之一。如今，采用超声乳化术（phacoemulsification）结合人工晶状体植入（IOL）的手术方法已经成为治疗白内障的主要手段。这一方案不仅能够显著提高患者的视觉质量，还能有效降低手术并发症的发生率。然而，手术的效果高度依赖于其精细操作和眼球的空间定位与定向。手术过程中诸如角膜切口的位置、囊膜撕裂（capsulorhexis）的大小和位置、以及人工晶状体的角度对术后视觉恢复至关重要。 目前的眼科手术显微镜大多依赖于手术医生的经验和人工标记。这种方式面临众多挑战，尤其是在遇到复杂临床场景时，例如眼球旋转、视觉场景不完全、角膜畸变或外部遮挡等。此外，已有的商用显...