-
病理数据分析，谷歌有一个ar加深度网络，实时分析
-
CT图预测结节还是肿瘤（主要是比赛使用）
-
最新的文章，通过CT结合rna数据分析患者免疫治疗受益状态
-
新文章，通过病理数据预测突变
-
谷歌开发的call snp方法
-
谷歌之前发布了自动染色病理图，发表在Cell上，
-
老年痴呆预测，糖尿病导致眼病等等，这些我看过但并没有深入研究
-
乳腺癌恶性病变分析
-
基因组学的深度学习:简明概述（5篇）
-
MICC大会相关结果，主要集中在CT图像方面的结果（5篇）
-
吴恩达的团队发表论文，通过MRNet网络结构预测膝关节磁共振影像检验结果；
-
使用的是X光的数据预测十四种癌症类型分类；
-
诊断抑郁症的模型，可以快速平移到手机上；
-
Alpha Fold 项目
-
通过深度网络学习识别遗传病的精神疾病：
-
通过深度网络判别心电图效果
-
2019年年初的Nature对于人工智能应用医学方面的指导性文章
-
几篇主要新的网络策略处理细胞核分割的（图像分割相关的问题-3篇）
-
一篇使用深度网络应用的RNA的可变剪切位点预测的文章
-
通过细胞形状及其他特征区分生存曲线
-
最大的HER（电子病历）的发表的文章
-
使用CT数据预测免疫疗法
-
新英格兰上一篇对于机器学习和深度学习综述的文章
-
谷歌通过LUNA16等数据集做的早筛癌症模型发表在nature medicine
-
对病理图分形并且结合NLP进行报告生成
-
通过病理图预测MSI结果
27.使用若监督模型预测及分类病理图