• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Artificial intelligence in nephropathology.

作者信息

Boor Peter

机构信息

Institute of Pathology and Department of Nephrology, RWTH University of Aachen, Aachen, Germany.

出版信息

Nat Rev Nephrol. 2020 Jan;16(1):4-6. doi: 10.1038/s41581-019-0220-x.

DOI:10.1038/s41581-019-0220-x
PMID:31597956
Abstract
摘要

相似文献

1
Artificial intelligence in nephropathology.肾病病理学中的人工智能
Nat Rev Nephrol. 2020 Jan;16(1):4-6. doi: 10.1038/s41581-019-0220-x.
2
Multistain segmentation of renal histology: first steps toward artificial intelligence-augmented digital nephropathology.多染色肾组织分割：人工智能增强数字肾病理学的第一步。
Kidney Int. 2021 Jan;99(1):17-19. doi: 10.1016/j.kint.2020.08.025.
3
Artificial intelligence and deep learning for small bowel capsule endoscopy.人工智能和深度学习在小肠胶囊内镜中的应用。
Dig Endosc. 2021 Jan;33(2):290-297. doi: 10.1111/den.13896. Epub 2020 Dec 27.
4
Understanding deep learning - challenges and prospects.理解深度学习——挑战与展望。
J Pak Med Assoc. 2022 Feb;72(Suppl 1)(2):S59-S63. doi: 10.47391/JPMA.AKU-12.
5
On Artificial Intelligence and Deep Learning Within Medical Education.人工智能与深度学习在医学教育中的应用
Acad Med. 2020 Nov;95(11S Association of American Medical Colleges Learn Serve Lead: Proceedings of the 59th Annual Research in Medical Education Presentations):S10-S11. doi: 10.1097/ACM.0000000000003630.
6
Basic Artificial Intelligence Techniques: Evaluation of Artificial Intelligence Performance.基础人工智能技术：人工智能性能评估
Radiol Clin North Am. 2021 Nov;59(6):941-954. doi: 10.1016/j.rcl.2021.06.005.
7
Recent technical development of artificial intelligence for diagnostic medical imaging.用于诊断医学成像的人工智能的最新技术发展。
Jpn J Radiol. 2019 Feb;37(2):103-108. doi: 10.1007/s11604-018-0804-6. Epub 2019 Jan 31.
8
Artificial Intelligence and Echocardiography: A Primer for Cardiac Sonographers.人工智能与超声心动图：心脏超声医师入门指南。
J Am Soc Echocardiogr. 2020 Sep;33(9):1061-1066. doi: 10.1016/j.echo.2020.04.025. Epub 2020 Jun 11.
9
Ethical principles for the application of artificial intelligence (AI) in nuclear medicine.人工智能在核医学应用中的伦理原则。
Eur J Nucl Med Mol Imaging. 2020 Apr;47(4):748-752. doi: 10.1007/s00259-020-04678-1.
10
Introduction to Machine Learning, Neural Networks, and Deep Learning.机器学习、神经网络和深度学习导论。
Transl Vis Sci Technol. 2020 Feb 27;9(2):14. doi: 10.1167/tvst.9.2.14.

引用本文的文献

1
Deep learning-based quantitative analysis of glomerular morphology in IgA nephropathy whole slide images and its prognostic implications.基于深度学习的IgA肾病全切片图像中肾小球形态的定量分析及其预后意义。
Sci Rep. 2025 Jul 2;15(1):23566. doi: 10.1038/s41598-025-09031-w.
2
Vision transformer introduces a new vitality to the classification of renal pathology.视觉转换器为肾病理学分类带来了新的活力。
BMC Nephrol. 2024 Oct 9;25(1):337. doi: 10.1186/s12882-024-03800-x.
3
tRigon: an R package and Shiny App for integrative (path-)omics data analysis.
tRigon：一个用于整合（路径）组学数据分析的 R 包和 Shiny 应用程序。
BMC Bioinformatics. 2024 Mar 5;25(1):98. doi: 10.1186/s12859-024-05721-w.
4
Banff Digital Pathology Working Group: Image Bank, Artificial Intelligence Algorithm, and Challenge Trial Developments.班夫数字病理学工作组：图像库、人工智能算法和挑战试验的发展。
Transpl Int. 2023 Oct 16;36:11783. doi: 10.3389/ti.2023.11783. eCollection 2023.
5
Next-Generation Morphometry for pathomics-data mining in histopathology.下一代形态计量学在组织病理学病理组学数据挖掘中的应用。
Nat Commun. 2023 Jan 28;14(1):470. doi: 10.1038/s41467-023-36173-0.
6
Machine learning to predict end stage kidney disease in chronic kidney disease.机器学习预测慢性肾脏病的终末期肾病。
Sci Rep. 2022 May 19;12(1):8377. doi: 10.1038/s41598-022-12316-z.
7
New Aspects of Kidney Fibrosis-From Mechanisms of Injury to Modulation of Disease.肾纤维化的新进展——从损伤机制到疾病调控
Front Med (Lausanne). 2022 Jan 12;8:814497. doi: 10.3389/fmed.2021.814497. eCollection 2021.
8
Multi-Task Learning-Based Immunofluorescence Classification of Kidney Disease.基于多任务学习的肾脏疾病免疫荧光分类
Int J Environ Res Public Health. 2021 Oct 15;18(20):10798. doi: 10.3390/ijerph182010798.
9
How will artificial intelligence and bioinformatics change our understanding of IgA Nephropathy in the next decade?在未来十年，人工智能和生物信息学将如何改变我们对 IgA 肾病的理解？
Semin Immunopathol. 2021 Oct;43(5):739-752. doi: 10.1007/s00281-021-00847-y. Epub 2021 Apr 9.
10
Opportunities in the cloud or pie in the sky? Current status and future perspectives of telemedicine in nephrology.云端机遇还是空中楼阁？肾脏病远程医疗的现状与未来展望
Clin Kidney J. 2020 Aug 14;14(2):492-506. doi: 10.1093/ckj/sfaa103. eCollection 2021 Feb.