首页
热心肠日报
文献库
产业库
榜单
关于日报
《肠·道》演讲
往期精彩
《肠·道》2024
《肠·道》2023
《肠·道》2022
《肠·道》2021
《肠·道》2020
《肠·道》2019
《肠·道》2018
《肠·道》2017
关于《肠·道》
肠道大会
热心肠大会
热心肠智库
智库专家
专家动态
智库新闻
关于智库
奖学金
年度人物奖
更多
HOPE
会议信息
科学与艺术
学术专刊
R·AI
周刊
热心肠先生
研究院动态
关于我们
搜索
登录
关闭
手机邮箱登录
扫码登录
微信扫描二维码快捷登录
验证成功,将在
3
秒钟后跳转
已超时,请
重试
关闭
二维码登录
手机登录
邮箱登录
+86
+1
+852
+886
+81
+65
+61
+44
获取验证码
登录 / 注册
关闭
二维码登录
手机登录
邮箱登录
获取验证码
登录 / 注册
computer vision
文章数:1篇
溃疡性结肠炎
机器学习算法预测溃疡性结肠炎严重程度
溃疡性结肠炎(UC)的内镜疾病活动评分在临床应用中具有重要意义,这在临床试验中是必需的,但因为临床试验中需要人类中心阅读者(CR)参与,所以其费用较高且较缓慢。机器学习算法(MLA)使该过程自动化,改善临床护理并促进临床研究。最新发表在Gastroenterology的研究建立一种MLA,用以阅读UC患者全长内窥镜视频(FLEV),并给出内窥镜Mayo评分(eMS)和UC内窥镜严重程度指数(UCEIS)评分。该MLA模型性能优越,可从全长内窥镜视频中预测UC的严重程度。
溃疡性结肠炎
machine learning
computer vision
endoscopic scores
efficacy endpoints