(从左到右,京都大学医学大学的教授Naito Yuji和Rhelixa Co.,Ltd。的代表总监Nakaki Ryu
2025年3月13日组织:京都大学系:集成辐射与核科学的投影研究,综合辐射与核科学研究所,研究领域:材料科学,量子光学,开发光谱法。核心任务:使用核方法(例如摩斯鲍尔光谱和相关光谱法的开发)对高级材料科学和量子光学的调查。变更范围:京都大学的运作(教育,研究和行政管理)。工作职位:助理教授(1位)资格和必需技能:成功的候选人应获得
1. 细胞应激反应的分子机制 2. 转录相关应激异常引起的基因组不稳定性 3. RNA结合蛋白相分离介导的应激反应 4. 衰老引起的疾病相关基因组异常 5. 癌症、染色体异常等疾病的根本机制
肾小球病理学发现的分类 UP LEARNING 和肾病专家 - AI 集体 ENGROCTIVE 方法 Eiichiro Uchino #A,B Yugami C , Sachiko Minamiguchi f , Hironi Haga f , Motoko Yanagita B,g , Yasushi Ono D,HA) 京都大学医学院医学智能系统系,日本京都 B) 日本京都肾脏病学系,日本京都,京都,京都,京都,京都,京都,京都,日本 D) 京都大学医学院生物医学数据智能系,日本京都 E) 京都大学医院医学信息学和管理规划部,日本京都 F) 京都大学医学院诊断病理学系,日本京都 H) Rise,药物开发数据智能平台小组,日本横滨 # 这些作者贡献者对这项工作做出贡献。 Running title: Glomeruli classification by deep learning Keywords: renal pathology, artificial intelligence, deep learning, collective intelligence Corresponding authors: Yasushi Okuno, Department of Biomedical Data Intelligence, Kyoto University, 53 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 881, FAX: +81-75-751-4881, E-mail: okuno.yasushi.4c@kyoto-u.ac.jp and Motoko Yanagita, Department of Nephrology, Graduate School of Medicine, Kyoto University, 54 Shogoin-Kawahara-cho, Sakyo-ku, Kyoto 606-8507, Japan Phone: +81-75-751-3860, FAX: +81-75-751-3859, E-mail: motoy@kuhp.kyoto-u.ac.jp Abstract Background Automated classification of glomerular pathological findings is potentially beneficial in establishing an efficient and objective diagnosis in renal pathology.虽然先前的研究已经验证了用于对整体硬化和肾小球细胞增殖进行分类的人工智能(AI)模型,但诊断还需要其他一些肾小球病理学发现。这些人工智能模型与临床医生之间的合作是否能提高诊断性能还不得而知。在这里,我们开发了人工智能模型来对肾小球图像进行分类,以获得病理诊断所需的主要发现,并研究这些模型是否可以提高肾病科医生的诊断能力。方法