搜尋結果

使用者輸入 LLM或 chatgpt 識別腎臟病理切片圖 (時間範圍: all)
轉換句 LLM kidney pathology image recognition, chatgpt kidney histopathology slide identification, Machine learning for kidney disease pathology slide analysis
執行時間 6.70919 秒
花費Token 141
Deep Learning-Based Model Significantly Improves Diagnostic Performance for Assessing Renal Histopathology in Lupus Glomerulonephritis.
深度學習模型顯著提升對狼瘡性腎小球腎炎腎組織病理評估的診斷表現。 Kidney Dis (Basel) / / 2022-09-28

評估腎小球病變對確診腎小球腎炎和評估腎臟疾病至關重要。新模型MRPS利用深度學習技術分析腎臟組織影像，準確進行分割和特徵提取。此模型可辨識重要預測因子、進行評分，且在區分不同疾病嚴重程度方面表現卓越。MRPS提供量化且可重複的方式評估腎臟疾病，尤其對狼瘡性腎炎的診斷和預後評估有幫助。 PubMed DOI

Deep learning applications for kidney histology analysis.
深度學習在腎組織分析中的應用。 Curr Opin Nephrol Hypertens / / 2024-03-20

腎臟病理學利用深度學習改進研究和診斷，有望革新病理學實踐。深度學習模型應用於預測腎臟疾病進展和診斷疾病，但仍需更多證據和現實測試。深度學習有潛力提升腎臟組織學分析，對腎臟病理學研究和臨床診斷有幫助，未來仍有更多潛力可挖掘。 PubMed DOI

Deep learning automation of MEST-C classification in IgA nephropathy.
深度學習自動化在IgA腎病中的MEST-C分類。 Nephrol Dial Transplant / / 2023-11-16

研發了一個神經網路工具，能自動評估IgA腎病的MEST-C分級。研究顯示，這個工具在辨識和分級腎臟病變方面表現出高準確性，對M、E、S、T和C分數有強大預測能力。結果與病理學家評估高度一致，尤其S和T分數對預測不良結果有幫助。這研究顯示深度學習在自動評估IgA腎病肾脏病理上有潛力。 PubMed DOI

Time for a full digital approach in nephropathology: a systematic review of current artificial intelligence applications and future directions.
腎病理學全面數位化的時代：目前人工智慧應用及未來發展的系統性回顧。 J Nephrol / / 2024-04-01

腎病理學中的AI應用快速增加，尤其在影像分析和非腫瘤樣本上。合作跨領域專家對開發有效AI工具至關重要。研究主要在美國進行，並朝向更複雜的任務，如深度學習多染色分類。 PubMed DOI

Automated evaluation with deep learning of total interstitial inflammation and peritubular capillaritis on kidney biopsies.
腎臟活檢中間質總炎症和周管血管炎的深度學習自動評估。 Nephrol Dial Transplant / / 2023-12-17

研究使用卷積神經網路評估腎臟活檢中的炎症和血管炎，結果顯示神經網路在偵測白血球和血管方面表現優異，準確度高。研究指出自動化評分與視覺評分高度相關，且神經網路預測與病理學家評分相符。對於免疫球蛋白A腎病患者，炎症程度與腎功能相關。總結指出人工智慧在腎臟病理學中有潛力提供準確評估和預後預測。 PubMed DOI

Deep learning-based segmentation and quantification of podocyte foot process morphology suggests differential patterns of foot process effacement across kidney pathologies.
基於深度學習的足細胞足突形態分割和量化，暗示腎臟病變中足突消失的不同模式。 Kidney Int / / 2023-05-24

一種名為AMAP的新型深度學習方法已被開發，可利用顯微鏡影像詳細分析腎臟濾過屏障的變化。這種方法能準確測量各種腎臟疾病中的足細胞足突，提供疾病進展和潛在個人化治療選項的見解。AMAP可能成為改善腎臟疾病診斷和治療的寶貴工具。 PubMed DOI

Recognition of intraglomerular histological features with deep learning in protocol transplant biopsies and their association with kidney function and prognosis.
深度學習在移植活檢中辨識腎小球內組織特徵及其與腎功能和預後的關聯。 Clin Kidney J / / 2024-02-20

這項研究使用卷積神經網絡來自動分割移植活檢中的腎小球細胞和毛細血管，以評估它們與移植功能的相關性。結果顯示某些細胞密度與腎功能參數之間存在關聯。將這些細胞進行自動分割可能成為未來移植器官失敗風險的潛在標誌。 PubMed DOI

Deep Learning-Based Automated Imaging Classification of ADPKD.
基於深度學習的自動影像分類技術在ADPKD中的應用。 Kidney Int Rep / / 2024-06-20

開發了一種基於深度學習的方法，可自動根據腹部MRI影像將患者分類為1或2類，用於Mayo影像分類模型（MICM）。該方法表現優異，對兩個類別皆有高準確度、精確度和召回率。可解釋的人工智慧（XAI）方法透過突顯貢獻區域，增強了分類結果的可解釋性。這種自動化方法能像人類專家一樣精確地分類患者，對臨床試驗和管理ADPKD患者可能非常有價值。 PubMed DOI

Development of a multiple convolutional neural network-facilitated diagnostic screening program for immunofluorescence images of IgA nephropathy and idiopathic membranous nephropathy.
發展多卷積神經網路輔助診斷篩檢程式，用於IgA腎病和特發性膜性腎病的免疫螢光影像。 Clin Kidney J / / 2023-12-05

開發了一個利用CNNs的診斷程式，可協助免疫螢光（IF）檢測IgA腎病（IgAN）和特發性膜性腎病變（IMN）。這個程式在診斷上表現準確、敏感、特異，比腎病理學家更優。在不同醫院的影像測試中穩定表現，勝過經驗不足的醫師。這個程式可能成為協助診斷IgAN和IMN的寶貴工具。 PubMed DOI

Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases.
在患有法布瑞症、微小變化和糖尿病腎病的患者腎臟活檢中，利用深度學習自動估計足細胞寬度的發展。 Kidney Int / / 2024-02-07

一種新的自動化技術利用深度學習已被開發出來，用於估計腎臟疾病中的足細胞足突寬度（FPW）。這個模型能夠準確地測量電子顯微鏡圖像中的FPW，並已在各種患者群體中進行驗證。這種方法比傳統技術更快速、更易取得，使其成為研究和臨床應用中的寶貴工具。 PubMed DOI

Ultrasound localization microscopy of the human kidney allograft on a clinical ultrasound scanner.
臨床超聲掃描儀上的人類腎移植物超聲定位顯微鏡檢查。 Kidney Int / / 2023-05-04

慢性腎臟疾病是個大問題，每年有超過百萬人因此喪命。現有的診斷方法有限，但超聲定位顯微鏡（ULM）可以提供高解析度的腎臟微血管影像，對腎臟移植很有幫助。ULM可以比傳統多普勒更清楚地顯示腎臟血管，雖然還有挑戰，但ULM可以辨識更細微的血管並測量速度。研究指出ULM有潛力成為評估腎臟微血管的工具，或許能在慢性腎臟病患者中找到生物標誌。 PubMed DOI

Morphometric analysis of chronicity on kidney biopsy: a useful prognostic exercise.
腎臟活檢中慢性變化的形態計量分析：一項有用的預後評估。 Clin Kidney J / / 2024-02-11

腎臟活檢樣本中的慢性變化可透過形態計量學準確量化，提升評估效能。不同病患群體已接受形態計量分析，並探討常見方法，總結與慢性變化相關的腎臟疾病結果。利用人工智慧影像處理工具可自動註釋，實現日常臨床實踐中的形態計量分析。 PubMed DOI

Advancing the application of the analytical renal pathology system in allograft IgA nephropathy patients.
在移植物IgA腎病患者中推進分析性腎臟病理系統的應用。 Ren Fail / / 2024-03-06

基於卷積神經網絡的ARPS系統在原發性免疫球蛋白A腎病患者中成功應用，並在移植物免疫球蛋白A腎病患者中表現良好。研究顯示ARPS能準確識別病變和細胞，並與病理學家評估一致。數字病理特徵與臨床數據相關，ARPS在預後預測方面有潛力。 PubMed DOI

Interpretable machine learning model integrating clinical and elastosonographic features to detect renal fibrosis in Asian patients with chronic kidney disease.
整合臨床和彈性超聲特徵的可解釋機器學習模型，用於檢測亞洲慢性腎臟病患者的腎纖維化。 J Nephrol / / 2024-02-05

利用機器學習演算法分析CKD患者的腎臟纖維化程度，XGBoost模型表現優異，AUC達0.97。SHAP方法有助於解釋模型輸出，顯示腎小球過濾率對預測影響最大。這有助於臨床醫生制定CKD患者的治療策略。 PubMed DOI

Prognostic prediction of idiopathic membranous nephropathy using interpretable machine learning.
可解釋的機器學習在預測特發性膜性腎病的預後中的應用。 Ren Fail / / 2023-10-27

透過電子病歷開發了一個機器學習模型，可以預測特發性膜性腎病（IMN）的預後。使用418名IMN患者的數據，建立了五種機器學習算法的預測模型，其中以梯度提升機（LightGBM）模型表現最佳，準確度高。同時，也找出了影響IMN預後的重要風險因素，例如抗磷脂酶A2受體水平和免疫球蛋白G4水平。這個模型有助於個別化管理IMN患者。 PubMed DOI

Development of a novel combined nomogram model integrating deep learning radiomics to diagnose IgA nephropathy clinically.
結合深度學習放射組織學的新型綜合評分模型發展，用於臨床診斷IgA腎病。 Ren Fail / / 2023-11-13

研究開發了一個結合超級微血管成像（SMI）、深度學習、放射組織學特徵和臨床因素的預測模型，可以區分免疫球蛋白A腎病（IgAN）和非IgAN。經驗證後，發現此模型在準確區分兩種情況上表現優異。這個結合式預測模型可協助醫生為腎病患者制定更明確的治療方針。 PubMed DOI

Establishing a differential diagnosis model between primary membranous nephropathy and non-primary membranous nephropathy by machine learning algorithms.
利用機器學習演算法建立原發性膜性腎病與非原發性膜性腎病之間的鑑別診斷模型。 Ren Fail / / 2024-07-23

這項研究評估了四種深度學習分類演算法——決策樹、隨機森林、支持向量機和極端梯度提升（Xgboost），用於500名原發性腎小球疾病患者的原發性膜性腎病（PMN）鑑別診斷。結果顯示，322名患者為PMN，178名為非PMN。Xgboost模型表現最佳，對PMN的敏感度達92%，特異度達96%。因此，這項研究成功建立了PMN的鑑別診斷模型，Xgboost是臨床上最有效的選擇。 PubMed DOI

Molecular MR Imaging of Renal Fibrogenesis in Mice.
小鼠腎臟纖維生成的分子磁共振影像。 J Am Soc Nephrol / / 2023-08-20

這項研究探討了在兩種慢性腎臟疾病的小鼠模型中使用MRI和特定探針來檢測腎臟纖維化。結果顯示，使用以維持組織結構的蛋白質為靶標的MRI可能是一種有用的非侵入性方法，用來測量和檢測腎臟纖維化。 PubMed DOI

Monoclonal Gammopathy of Renal Significance: A Molecular Middle Earth between Oncology, Nephrology, and Pathology.
單克隆球蛋白對腎臟的重要性：腫瘤學、腎臟學和病理學之間的分子中土。 Kidney Dis (Basel) / / 2023-01-11

腎臟穿刺活檢對於確診MGRS和辨識需治療的腫瘤克隆患者至關重要。這是腎臟科醫師和腎病理學家的挑戰，強調對分子層面的理解。利用MALDI-MS影像等蛋白質組學技術有助於診斷和預後。數位病理學平台提供第二意見、數據庫和增強報告，提升醫師知識水平，改善患者護理。本篇評論聯繫MGRS臨床問題與腫瘤腎臟學的分子景觀。 PubMed DOI

The Number and Size of Individual Kidney Medullary Pyramids is Associated with Clinical Characteristics, Kidney Biopsy Findings, and CKD Outcomes among Kidney Donors.
腎髓錐體的數量和大小與腎臟捐贈者的臨床特徵、腎臟活檢結果和慢性腎臟病結果相關。 J Am Soc Nephrol / / 2024-02-10

研究開發了深度學習演算法，能快速又精確地分割腎臟影像中的髓質金字塔。結果顯示腎臟結構特徵與臨床因素有關，對慢性腎臟疾病機制提供了洞察。大的皮質體積與較佳的腎臟健康相關，大的金字塔則與較高的腎臟問題風險相關。金字塔數量與患者特徵相關。研究顯示腎臟結構變異可能影響腎功能和疾病風險。 PubMed DOI