跳到正文
热点事件持续更新

新生儿脑病MRI两阶段检测框架

2 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

《Frontiers in Neuroimaging》发表研究，提出基于新生儿T1/T2加权MRI的两阶段深度学习框架，以3D ResNet模拟临床推理，检测并分级脑病；第二阶段检测脑病的AUC为0.919±0.024，并可区分髓鞘化延迟等病变。 研究数据包括566例正常新生儿、56例缺氧缺血性脑病、38例脑积水和27例早产儿等。研究者称，该框架有望辅助新生儿脑病早期筛查与诊断；模型和代码已开源，但上述结果主要来自该数据集。

AI 根据报道生成 · 2 小时前更新

最新进展10月30日 22:43
两阶段深度学习从新生儿 MRI 筛查脑病

报道时间线

沿着报道，了解事件的不同侧面。

10月30日
  1. AGI Hunt
    两阶段深度学习从新生儿 MRI 筛查脑病

    Frontiers in Neuroimaging 发表研究，提出分层两阶段深度学习管线，利用 T1/T2 配对的新生儿脑部 MRI 检测并分级脑病。该框架采用 3D ResNet，可区分髓鞘化延迟等病变，AUC 达到 0.919，有望辅助新生儿脑病的早期筛查与诊断。

  2. AGI Hunt
    新生儿 MRI 脑病分级检测的两阶段深度学习框架：AUC 达 0.919

    一项发表于 Frontiers in Neuroimaging 的研究提出两阶段深度学习框架，从新生儿 T1/T2 加权 MRI 模拟临床推理流程检测脑病，Stage 2 AUC 为 0.919±0.024。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。