okEasiCSDeep：利用表面肌电信号识别颈椎病的深度学习模型EasiCSDeep: A deep learning model for Cervical Spondylosis Identification using surface electromyography signal摘要本文提出了一种基于深度学习的智能方法，利用表面肌电信号识别颈椎病（CS）。针对表面肌电信号的复杂性、高维性和

基于ATMFCMC医学图像分割方法的颈椎病检测与分类Spondylosis Detection And Classification Of Cervical Images Using ATMFCMC Based Medical Image Segmentation Methods用机器学习算法对x射线图像颈椎病的检测(本质：分类)摘要在这项工作中，我们试图实现对x射线或ct扫描图像的分割来检测颈椎

1. 南京理工大学 陈强教授团队发布的OCTA图像数据集 OCTA-5002. 上海交通大学（倪冰冰团队）发布的 MedMNIST数据集

Utility of machine learning algorithms in degenerative cervicaland lumbar spine disease: a systematic review机器学习算法在退行性颈椎和腰椎疾病中的应用：一项系统综述————————————————————————————————————————————————————————————————

电子健康记录的风险预测:一种深度学习方法Risk Prediction with Electronic Health Records: A Deep Learning Approach将每个患者的电子健康记录（EHR）表示为一个维度为时间和事件的矩阵。通过卷积神经网络模型进行学习和预测。摘要直接使用电子健康记录（EHR）存在许多挑战，如时间性、稀疏性、噪声、偏差等。因此，有效的特征提取，或患者EH

yes可参考着写论文。机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究Machine Learning for the Prediction of Cervical Spondylotic Myelopathy: A Post Hoc Pilot Study of 28 Participants背景:脊髓型颈椎病(CSM)的严重程度和症状的存在往往很难仅根据临床影像学预测。同样，

ok，可参考着写论文智能颈椎带：基于物联网和人工智能的颈部疼痛和颈椎病治疗系统Smart cervical band: an Internet of Things- and artificial intelligence-based neck pain and cervical spondylosis healing system介绍颈椎由七个椎体和八组神经根组成，通过神经丛与上肢相连。C1和C2

no摘要个性化医疗是一种新的医疗模式，在这种模式中，干预措施基于患者的个体特征，而不是“一刀切”的指导方针。随着流行病学数据集在规模和复杂性上的不断扩大，有必要使用统计机器学习和人工智能（AI）等强大方法来解释和开发基于基础数据的预测模型。通过这样的分析，机器学习可以通过精确的预测来促进个性化医疗。此外，其他人工智能工具，如自然语言处理和计算机视觉，可以在为脊柱疾病患者提供个性化护理方面发挥重要作

摘要人工神经网络（ANN）已被广泛应用于现实世界中，并在医学的各个分支中成为一个有前途的领域。本综述旨在确定神经网络在脊柱疾病中的作用。搜索策略设置为以下关键词的组合：“人工神经网络”、“脊柱”、“背痛”、“预后”、“分级”、“分类”、“预测”、“分割”、“生物力学”、“深度学习”和“成像”总结了纳入研究的主要发现，重点介绍了脊柱疾病的最新进展及其在诊断和预后程序中的应用。我们的综述指出了人工神经

作者：Arya：医学图像AI（博士）在读，研究方向为unsupervised deep learning; multi-modal; PET-CT. 写这篇文章梳理一下学习思路，也希望可以给刚开始进入这个行业的朋友一个quick guide。从科研来看，深度学习在医学图像分割的传统应用上，如分割、配准等已经有疲软之势，基本都是用U-Net糅合来去。MICCAI是医学图像领域顶级会议，从MICCAI