深度学习
美国明尼苏达大学的研究发现，使用数据科学工具可以增强传统的磁共振成像（MRI）重建方法，从而实现与深度学习相当的图像重建质量。这项研究有望提高MRI的效率和准确性，为医疗影像领域带来新的突破。
一项新研究发现，谷歌开发的深度学习系统在使用胸部X光片检测活动性肺结核方面与放射科医生的表现相当。这项研究有望在全球卫生领域中发挥重要作用，帮助缓解肺结核的全球流行病负担。
一项由梅奥诊所领导的研究表明，一种结合深度学习框架的人工智能（AI）模型可以提高结直肠癌（CRC）患者复发和生存预测的准确性。这项研究对于改善患者的治疗效果和生存率至关重要。
最新研究表明，基于标准MRI训练的深度学习工具可以帮助神经放射学家诊断和分类脑肿瘤，从而提高诊断准确性和敏感性。这项研究是利用人工智能技术进行医学影像和肿瘤检测的最新尝试之一。
哈佛大学和华盛顿大学医学院的研究人员开发了一款基于深度学习的人工智能软件，可用于设计具有不同功能的蛋白质，其中一些可用于制造药物、疫苗和医疗治疗。这种软件可通过从蛋白质数据库中提取数据来训练神经网络，从而生成新的蛋白质序列。
研究人员开发了一种深度学习模型，可以根据婴儿在9至18周龄的自发运动有效预测脑瘫。这项研究有助于早期干预和最小化并发症。
