本研究提出PathVis混合现实可视化平台，旨在解决数字病理学中超大规模全切片图像的局限性。该平台通过自然手势、眼动和语音命令提升病理学家的互动体验，并结合人工智能提高诊断的精准度和效率，减轻认知负担，增强工作效率。

本研究提出了一种基于深度学习的猴痘自动检测框架，采用Xception架构和非洲秃鹫算法，猴痘皮肤损伤图像分类准确率达到97.53%，显著提升了诊断效率和可解释性。

全球医疗资源紧张，医生短缺问题严重。分级诊疗模式和人工智能的结合可提升诊断效率。华威大学等研究团队提出KG4Diagnosis框架，通过全科医生与专科医生的协作，构建医学知识图谱，增强诊断能力，解决医疗系统的复杂性。AI辅助诊断在多个领域已取得进展，未来有望提升医疗服务质量。

2024年国际人工智能顶会录用3,032篇论文，录取率为23.4%。昆明理工大学与中国海洋大学的研究团队提出了一种新型未对齐医学图像融合方法BSAFusion，解决了多模态医学图像的特征对齐和融合问题，显著提升了诊断效率，对医学影像处理领域具有重要意义。

本文研究了运动质量测量，利用机器学习技术评估脑瘫患者的运动。通过强化学习和神经架构搜索，提出了多种优化方法，提升了运动数据的质量和诊断效率，展示了深度学习在医学领域的应用潜力。

本研究探讨了视觉语言模型在医学图像分析中的应用，提出了MedPromptX和M4CXR模型，以提高胸部X光诊断的准确性。通过多模态数据整合和对话分析，开发了D-Rax工具，帮助临床医生提升诊断效率。同时，研究分析了大型语言模型在疾病诊断中的局限性，并提供了未来研究的指导方针。

本文介绍了3D牙科CBCT数据集CTooth+的建立及其在牙齿分割中的应用，评估了多种先进的分割策略和AI技术在牙科成像中的潜力，旨在提高牙科诊断和治疗的效率与准确性。

基于深度学习的COVID-DA方法通过特征适应和分类器分离有效检测COVID-19患者，显著提高了诊断效率。研究表明，无监督域适应框架在COVID-19检测中表现优于现有技术。

本研究旨在利用人工智能系统提高紧急科室医生的诊断效率和准确性。通过开发基准测试MIMIC-ED-Assist评估AI系统在建议实验室检查方面的能力，同时减少等待时间和正确预测重要结果。研发的ED-Copilot通过预训练的生物医学语言模型编码患者信息和强化学习算法，提高了预测准确性，并将平均等待时间从4小时减少到2小时。