医学视频中的目标分割一直是医学影像处理的难点之一。近日，研究人员提出了一种名为 Vivim 的新型医学视频目标分割框架，该框架通过采用状态空间模型的方法对时空数据进行高效压缩，从而在更短的时间内实现更加准确...

谷歌DeepMind开发了一个名为AMIE（Articulate Medical Intelligence Explorer）的AI模型，用于协助医疗保健。AMIE在医学文本和对话上进行训练，将提供医学状况的解释，可能有助于诊断。在一项对比试验中，AMIE的表现...

几十年前，一种治疗多种引起身材矮小的疾病的方法，涉及患者接受从人类尸体的脑中提取的生长激素，已被一些年龄仅30多岁的人与阿尔茨海默病联系起来。这种在40年前就被禁止的治疗方法向接收者的大脑传递了不需要的蛋...

SegMamba是一种专为3D医学图像分割设计的模型，它提供了一种比Transformer架构更高效的替代方案。SegMamba采用全卷积神经网络架构，可以对3D医学图像进行有效的分割，尤其是在肿瘤分割方面表现出色。与传统的医学影...

研究人员开发了一种新的多学科协作框架，以提高大型语言模型在医学领域的理解和推理能力。这种方法涉及到AI代理，扮演一起分析、讨论和达成共识的医学主题的角色扮演游戏。

本项目探讨了CLIP预训练范式在医学影像领域的应用，讨论了其适应性、应用和限制。它旨在全面了解CLIP如何增强医学图像分析能力。

SegVol的问世，标志着临床分析迎来了新时代。SegVol是一种用于医学图像分割的通用模型。它在大量CT扫描的基础上进行训练，能够优秀地完成各种各样的解剖类别分割。

根据偏好优化模型是促进ChatGPT普及的突破之一。类似的技术也可以用来提高模型的正确性和真实性，将医学回忆中的错误减少50%以上。