Application of artificial intelligence in cancer diagnosis and nano tumor medicine

癌症 癌症医学 深度学习 纳米医学 精密医学 转化式学习 背景(考古学) 人工智能应用 纳米技术 医学 人工智能 机器学习 材料科学 计算机科学 内科学 心理学 病理 古生物学 教育学 纳米颗粒 生物
作者
Junhao Wang,Guan Liu,Cheng Zhou,Xinyuan Cui,Wei Wang,Jiulin Wang,Yixin Huang,Jinlei Jiang,Zhitao Wang,Zengyi Tang,Amin Zhang,Daxiang Cui
出处
期刊:Nanoscale [The Royal Society of Chemistry]
卷期号:16 (30): 14213-14246
标识
DOI:10.1039/d4nr01832j
摘要

Cancer is a major health concern due to its high incidence and mortality rates. Advances in cancer research, particularly in artificial intelligence (AI) and deep learning, have shown significant progress. The swift evolution of AI in healthcare, especially in tools like computer-aided diagnosis, has the potential to revolutionize early cancer detection. This technology offers improved speed, accuracy, and sensitivity, bringing a transformative impact on cancer diagnosis, treatment, and management. This paper provides a concise overview of the application of artificial intelligence in the realms of medicine and nanomedicine, with a specific emphasis on the significance and challenges associated with cancer diagnosis. It explores the pivotal role of AI in cancer diagnosis, leveraging structured, unstructured, and multimodal fusion data. Additionally, the article delves into the applications of AI in nanomedicine sensors and nano-oncology drugs. The fundamentals of deep learning and convolutional neural networks are clarified, underscoring their relevance to AI-driven cancer diagnosis. A comparative analysis is presented, highlighting the accuracy and efficiency of traditional methods juxtaposed with AI-based approaches. The discussion not only assesses the current state of AI in cancer diagnosis but also delves into the challenges faced by AI in this context. Furthermore, the article envisions the future development direction and potential application of artificial intelligence in cancer diagnosis, offering a hopeful prospect for enhanced cancer detection and improved patient prognosis.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
1秒前
Rrrr完成签到,获得积分10
1秒前
yuanzigreat发布了新的文献求助10
2秒前
如生发布了新的文献求助10
2秒前
abc完成签到 ,获得积分10
2秒前
无花果应助小白果果采纳,获得10
2秒前
冰冰发布了新的文献求助10
3秒前
小蘑菇应助典雅的迎波采纳,获得10
3秒前
发嗲的雨筠完成签到,获得积分10
3秒前
思源应助不踩油门采纳,获得20
3秒前
4秒前
wgy发布了新的文献求助10
4秒前
君子兰完成签到,获得积分10
4秒前
miemie66完成签到,获得积分10
4秒前
YUU完成签到,获得积分10
5秒前
火箭完成签到,获得积分10
6秒前
布丁完成签到 ,获得积分10
6秒前
热情冰凡完成签到,获得积分10
7秒前
Rrrr发布了新的文献求助10
7秒前
8秒前
清脆松完成签到,获得积分10
8秒前
LYQ完成签到,获得积分10
8秒前
文章要有性价比完成签到,获得积分10
9秒前
Vesper完成签到 ,获得积分10
9秒前
賢様666完成签到,获得积分10
9秒前
奋斗慕凝完成签到 ,获得积分10
9秒前
标致的小霸王完成签到,获得积分10
9秒前
10秒前
wenrui发布了新的文献求助10
11秒前
辛桥完成签到,获得积分10
11秒前
11秒前
TIANTIAN完成签到,获得积分10
12秒前
冰冰完成签到,获得积分10
12秒前
pms完成签到,获得积分10
13秒前
13秒前
甜橙完成签到 ,获得积分10
14秒前
Gauss应助顺利毕业采纳,获得30
14秒前
不做大哥好多年完成签到,获得积分10
14秒前
埮埮完成签到,获得积分10
14秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3155301
求助须知:如何正确求助?哪些是违规求助? 2806126
关于积分的说明 7868151
捐赠科研通 2464545
什么是DOI,文献DOI怎么找? 1311866
科研通“疑难数据库(出版商)”最低求助积分说明 629777
版权声明 601862