• AI医疗
• AlphaFold

AI医疗

https://github.com/albarqouni/Deep-Learning-for-Medical-Applications

基于深度学习的医疗影像论文汇总

https://mp.weixin.qq.com/s/vtJUM94oYpN_h3Sdg3exLQ

张益肇：AI+医疗，微软有哪些布局？

https://mp.weixin.qq.com/s/mkYVhiwQJwcXxUdBVUvU8w

体素科技丁晓伟：医疗影像的哲学三问

https://mp.weixin.qq.com/s/aGc8Y8I_Xt0837H0MUVL-g

CMU副教授马坚：精准基因组数据和智能医疗最新进展

https://mp.weixin.qq.com/s/1E9gunSpgYt5xl9Q_uQNJg

使用深度学习进行医疗影像分析：文件格式篇

https://mp.weixin.qq.com/s/uy3MNxyT5nQIVsfWkXnL5Q

结合生成式与判别式方法，Petuum新研究助力医疗诊断

https://mp.weixin.qq.com/s/1A6p672z4Yz__MF6TWORSw

备战医疗大赛必看！

https://mp.weixin.qq.com/s/DuFvVmcyazyUYxyoekh38w

邓侃解读：深度学习病历分析前沿进展

https://mp.weixin.qq.com/s/QB5d6HwAcT7DiVQbmoD8qg

AI研发新药真有那么神？可能哈佛、斯坦福和阿斯利康实验室都在吹牛

医药方面的AI应用，也是AI的一个潜在的应用领域。这篇文章敢把各个大学鄙视一番，还是有些干货的。

https://mp.weixin.qq.com/s/ZMw12BJuexG0xM8OwWUc4w

谷歌《Cell》论文：使用深度学习，直接对细胞影像生成荧光标记

https://mp.weixin.qq.com/s/OkZdmBvSeMEsZbJyoZQvBQ

深度学习+基因组学：破译人类30亿碱基对

https://mp.weixin.qq.com/s/RBBdPLvSYy5Ss4mOU-in4Q

用深度学习方法修复医学图像数据集

https://mp.weixin.qq.com/s/aSCTrmfYEE7Dc1uPkg0fZg

百度提出NCRF：深度学习癌症图像检测效率再提升

https://mp.weixin.qq.com/s/fqHTGcmTZ91lXbhcrUQNcg

弱监督学习在医学影像中的探索

https://mp.weixin.qq.com/s/aRipNkT2BSc5NefB9k4rEA

Nature Medicine论文展示DeepMind眼疾诊断里程碑：临床专家级、“解决“黑箱问题

https://mp.weixin.qq.com/s/NyRiLMDDADoOsa1Os9xcMw

Neuromation新研究：利用卷积神经网络进行儿童骨龄评估

https://mp.weixin.qq.com/s/0IAdT2cP_OIGwwXmMaCFfw

如何利用深度学习诊断心脏病？

https://mp.weixin.qq.com/s/YgH6iiKPZ-FCflikAqAakw

点内科技、华东医院及上海交大合著论文：3D深度学习在CT影像预测早期肿瘤浸润方面超过影像专家

https://mp.weixin.qq.com/s/q8iljb3GPgmdJUeF9kMvlA

AI进军新药发现研究？这99页slides了解一下

https://mp.weixin.qq.com/s?__biz=MzU2OTA0NzE2NA==&mid=2247500351&idx=1&sn=f7280dd8e62a535cd3b8e82fd20e2eda

128页多媒体计算在医学领域的重要性教程

https://mp.weixin.qq.com/s/MSjtlwC2L3yAmQc_VBBPiQ

同济大学综述论文：基于深度生成模型的药物研发

https://mp.weixin.qq.com/s/bHaXO2G-3B_KnyVGc-2hEg

新开源计算机视觉技术用于新生儿胎龄估计

https://mp.weixin.qq.com/s/H5bnFRSxmwHSdNBPdbsh3w

Petuum新研究助力临床决策：使用深度学习预测出院用药

https://mp.weixin.qq.com/s/z-_CxTQup-g6cAvVDwS-kQ

谷歌开源DeepVariant，之前的经典检测基因变异法将被颠覆

https://mp.weixin.qq.com/s/ojlhC7vGB1r6scKipm0BjA

小样本如何进行深度学习？西北工夏勇教授这一份54页《医学影像小数据深度学习》PPT为你讲解

https://mp.weixin.qq.com/s/ggZZpBPap398yQ1asHD7aQ

深度重建：基于深度学习的图像重建

https://mp.weixin.qq.com/s/uIMJybw4fSxeCPeBTGTA-g

借鉴传染病学原理探索医学图像CNN可解释性

https://mp.weixin.qq.com/s/oNcGYuGwkllINZhvrL6uvQ

体素科技：2018年，算法驱动下的医学影像分析进展

https://mp.weixin.qq.com/s/c1j60gOWh99z-BXWs9qAwQ

Jeff Dean等发文《Nature Medicine》，综述深度学习在医疗领域的应用

https://mp.weixin.qq.com/s/bwcEzq8v72dgak6IUunagw

医学图像分析最新综述：走向深度

https://mp.weixin.qq.com/s/hZp6W4nVuUxe_91nhDi6lw

使用Nucleus与TensorFlow进行DNA测序纠错

https://mp.weixin.qq.com/s/T5ef2rELB3z3vHbVmqgkaw

基于深度学习的生物信息学应用及展望

https://mp.weixin.qq.com/s/kIuUe0Rzcpdm7Sowpe7Tjw

医疗机器学习综述，谷歌Jeff Dean等最新论文

https://mp.weixin.qq.com/s/H-Bm2u6Ld-9QfdHbZDZ4cw

关于GANs在医学图像领域应用的总结

https://mp.weixin.qq.com/s/qhqnAoWa81cdeTY5ywZnnw

医学图像处理与深度学习入门

https://mp.weixin.qq.com/s/Sb0KOr5RVallKevlX0m-SA

医学图像分割（一）——脑区域分割

https://mp.weixin.qq.com/s/b8Cvy5X9jP11biRGm005ow

医学图像分割（二）——心脏分割

https://mp.weixin.qq.com/s/45JOopEwHoNtzF57SxZM1A

医学图像分割（三）——肿瘤分割

https://mp.weixin.qq.com/s/L1c30sTN1CSth_KdORzpVw

用于医学图像分割的主动轮廓线学习模型

https://mp.weixin.qq.com/s/Uh0EI-pTaXK46Zb08_cs0g

智能医疗综述，48页论文详述医学AI最新进展

https://mp.weixin.qq.com/s/9dcq4rTcSvo5kQJ3GjwdTg

医学图像分割专栏之前列腺分割

https://mp.weixin.qq.com/s/UHlY_-mYBLT383TP6Y7Oew

生物数据挖掘中的深度学习综述论文，36页pdf

https://mp.weixin.qq.com/s/w_5-3ViQyBpRVyVe0sHFLw

深度学习生命科学：基因组学、药物发现，238页pdf

https://mp.weixin.qq.com/s/5MbMdMhMvPLCEu32r5l59Q

MedMNIST：上海交大发布医学影像领域的MNIST

https://mp.weixin.qq.com/s/clPpAveascHt7xwPr83HvA

Pair，医学图像标注神器

AlphaFold

https://mp.weixin.qq.com/s/xi_iIr6NdC3QOpjypx3pGg

AlphaGo之后，DeepMind重磅推出AlphaFold：基因序列预测蛋白质结构

https://zhuanlan.zhihu.com/p/415200429

解读AlphaFold优点和不足

https://www.zhihu.com/question/433443455

alphafold2的结果对于毕生研究蛋白质折叠问题的David Baker大牛是否是一个打击？

https://mp.weixin.qq.com/s/ZIw8NQfE8Spv1_RWknhipA

为什么说AlphaFold2足以改变全人类？

---

2016年秋天，许锦波在研究所召开了一个小型报告，邀请了芝加哥大学生物物理系合作者。其中有一位名叫John Jumper的年轻人，听完报告后决定转向深度学习方法。两个月后，他加入Deepmind，成为AlphaFold的团队带头人。

https://mp.weixin.qq.com/s/x0AnmUt5gRYx-ZCEAb1GAg

AI预测蛋白质结构第一人 许锦波：十年冷清终不渝，一个计算生物学的拓荒者

---

施一公从他开始评上院士，就有很多人质疑他的水平不够。他是做啥的？蛋白分子解析的，说的简单一点，就是用冷冻镜解析蛋白结构，这是个苦力活，用冷冻镜观察蛋白结构，从中分析出来一些东西，然后记录一下发篇Nature。这个东西有用吗？据说有用，但是现在还没用上。如果施一公能够把他研究的东西用上，比如说治疗某种疾病？甚至预防某种疾病？或者研发出某种药物等等，那么他当上院士就是当之无愧的，但可惜，目前还没什么用？而且这个理论也不是他提出来的，他只是应用者。

我记得有一个科学家说过一句话，具体是谁忘了：“中国科学家目前的状态就是，耗费大量的时间和金钱去验证国外的科学家（他们的国外导师）所提出的理论的正确性，为他们获得诺奖提供证据。”

施一公所做的也是这个工作，包括科大搞量子通信的潘建伟院士，他们所做的就是验证他们老师所提出的理论是否正确，并且应用这个理论做一些实验。

---

颜宁施一公的工作 = 手工织衣服

DeepMind的AlphaFold = 珍妮纺织机

这么几十年，所有的几千名结构生物学家才解析19万个蛋白质，DeepMind一年直接上亿，打破了原有的行业发展。

AlphaFold两个主要大佬Demis Hassabis和John Jumper在2023年获得豪华版诺奖：科学突破奖。

在ChemistryViews网站的一项调查显示，John Jumper也成为全球呼声最高的诺奖建议者名单的科学家，不过从历史来看，诺奖最短获奖时间是6年，因此AlphaFold目前只问世2年，还需要时间来验证其跨时代性。

DeepMind展示了工业化集团攻关的科研形式，相对于传统的一个教授（领主）带几个学生（佃农）的封建式科研形式的优越性。

至AlphaFold2问世之后，各国顶级投资人，政府机构，生物制药企业，原本拨给传统结构生物学的90%以上的经费，划拨给生物AI的实验室。

施一公自己想必也很清楚，用蛋白质结构设计药物这件事情早在半个世纪以前就被提出来了，目前市面上根据蛋白结构设计出来的药物数量为0。

八年前颜宁在解出葡萄糖转运蛋白GLUT1的结构以后说可以设计药物饿死癌细胞，后来又说要饿死疟原虫，八年过去了，药物在哪里呢？除了饿死被他们骗着学生物的学生，啥都饿不死吧……

施一公曾公开表示：压死骆驼的最后一根稻草，是鼓励科学家创业，后来自己却创立了一家制药公司。。。

10年前我读书的时候，我们院系有老师是做核酸检测的，因为那个时候不是啥显学，整个学科被11g抢资源抢的非常苦，简直是仇深似海。

解析晶体结构且只解析晶体结构，是一项复杂的简单工作，是一件体力劳动远多于脑力劳动、重复性极高且成功率不低的技术工作。既然选择了这样的工作，就不要再把自己包装成具有深邃思考的科学大家。

一句话概括施老师颜老师的Research：基于电镜技术的热门蛋白质三维结构的解析工作。

科学大家可能会有很多CNS，但有很多CNS的，不一定就是大科学家。

不料谷歌人工智能程序今年把已知的上亿种蛋白质的结构全破解了，大部分结果和用实验获得的一样好，以后只会越来越好，而且开源谁都能用。于是颜宁的专业就悲剧了，当然不会马上失业，但没前途是肯定的。而她除了解析蛋白结构又不会干别的，没法转行做功能生物学研究，毅然回国当学官、学商是最佳选择。

2000起基本每三年就有诺贝尔化学奖颁给结构生物学成果（2003离子通道，2006真核生物转录，2009核糖体结构，2012 G蛋白偶联受体），自从十年前冷冻电镜成熟运用后一次都没有再发给结构生物学研究，虽然近十年有大量之前无法搞定的重要蛋白/复合物结构都被解出来了。

https://www.zhihu.com/answer/2739900394

如何看待颜宁宣布即将辞去普林斯顿大学教职，全职回国，出任深圳医学科学院创始院长？

https://www.zhihu.com/answer/2737553223

为什么现在网络上对施一公的风评变得这么差？