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
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?
您的打赏,是对我的鼓励
请访问这里提交评论