• 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

Nephrology Lagging Behind in Machine Learning Utilization.

作者信息

Cassol Clarissa, Sharma Shree

机构信息

Arkana Laboratories, Little Rock, AR.

出版信息

Kidney Med. 2021 Aug 26;3(5):693-695. doi: 10.1016/j.xkme.2021.08.004. eCollection 2021 Sep-Oct.

DOI:10.1016/j.xkme.2021.08.004
PMID:34693249
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC8515076/
Abstract
摘要

相似文献

1
Nephrology Lagging Behind in Machine Learning Utilization.肾脏病学在机器学习应用方面落后。
Kidney Med. 2021 Aug 26;3(5):693-695. doi: 10.1016/j.xkme.2021.08.004. eCollection 2021 Sep-Oct.
2
Machine learning in nephrology: scratching the surface.机器学习在肾脏病学中的应用：初露端倪。
Chin Med J (Engl). 2020 Mar 20;133(6):687-698. doi: 10.1097/CM9.0000000000000694.
3
Local development challenge in lagging-behind areas: insights from new & evolutionary economic geography.落后地区的地方发展挑战：来自新经济地理学和演化经济地理学的见解
GeoJournal. 2023;88(1):397-407. doi: 10.1007/s10708-022-10612-9. Epub 2022 Mar 4.
4
Machine Learning Comes to Nephrology.机器学习进入肾脏病学领域。
J Am Soc Nephrol. 2019 Oct;30(10):1780-1781. doi: 10.1681/ASN.2019070664. Epub 2019 Sep 5.
5
Recent Advances and Future Perspectives in the Use of Machine Learning and Mathematical Models in Nephrology.机器学习和数学模型在肾脏病学中的应用：最新进展和未来展望。
Adv Chronic Kidney Dis. 2022 Sep;29(5):472-479. doi: 10.1053/j.ackd.2022.07.002.
6
The Promise of Machine Learning: When Will it be Delivered?机器学习的承诺：何时能兑现？
J Card Fail. 2019 Jun;25(6):484-485. doi: 10.1016/j.cardfail.2019.04.006. Epub 2019 Apr 9.
7
Innovating Personalized Nephrology Care: Exploring the Potential Utilization of ChatGPT.创新个性化肾脏病护理：探索ChatGPT的潜在应用
J Pers Med. 2023 Dec 4;13(12):1681. doi: 10.3390/jpm13121681.
8
Current Applications of Machine Learning for Spinal Cord Tumors.机器学习在脊髓肿瘤中的当前应用
Life (Basel). 2023 Feb 14;13(2):520. doi: 10.3390/life13020520.
9
Advances in Chronic Kidney Disease Lead Editorial Outlining the Future of Artificial Intelligence/Machine Learning in Nephrology.慢性肾脏病进展引发社论概述人工智能/机器学习在肾脏病学中的未来。
Adv Kidney Dis Health. 2023 Jan;30(1):2-3. doi: 10.1053/j.akdh.2022.11.008.
10
Machine learning and modeling: Data, validation, communication challenges.机器学习和建模：数据、验证、交流的挑战。
Med Phys. 2018 Oct;45(10):e834-e840. doi: 10.1002/mp.12811. Epub 2018 Aug 24.

引用本文的文献

1
Artificial intelligence in nephrology education: a multicenter survey of fellowship trainees at Mayo Clinic.肾脏病学教育中的人工智能：梅奥诊所住院医师培训学员的多中心调查
Front Nephrol. 2025 Jun 18;5:1607017. doi: 10.3389/fneph.2025.1607017. eCollection 2025.
2
Artificial Intelligence in Nephrology: Clinical Applications and Challenges.肾脏病学中的人工智能：临床应用与挑战
Kidney Med. 2024 Nov 12;7(1):100927. doi: 10.1016/j.xkme.2024.100927. eCollection 2025 Jan.
3
Artificial Intelligence-Assisted Renal Pathology: Advances and Prospects.人工智能辅助肾病理学：进展与展望
J Clin Med. 2022 Aug 22;11(16):4918. doi: 10.3390/jcm11164918.

本文引用的文献

1
Machine Learning Applications in Nephrology: A Bibliometric Analysis Comparing Kidney Studies to Other Medicine Subspecialities.机器学习在肾脏病学中的应用：一项将肾脏研究与其他医学专科进行比较的文献计量分析。
Kidney Med. 2021 Jun 27;3(5):762-767. doi: 10.1016/j.xkme.2021.04.012. eCollection 2021 Sep-Oct.
2
Convolutional Neural Network Model for Intensive Care Unit Acute Kidney Injury Prediction.用于重症监护病房急性肾损伤预测的卷积神经网络模型
Kidney Int Rep. 2021 Feb 26;6(5):1289-1298. doi: 10.1016/j.ekir.2021.02.031. eCollection 2021 May.
3
Smart wearable devices in cardiovascular care: where we are and how to move forward.智能可穿戴设备在心血管护理中的应用：现状与展望。
Nat Rev Cardiol. 2021 Aug;18(8):581-599. doi: 10.1038/s41569-021-00522-7. Epub 2021 Mar 4.
4
Automated Computational Detection of Interstitial Fibrosis, Tubular Atrophy, and Glomerulosclerosis.间质纤维化、肾小管萎缩和肾小球硬化的自动计算检测
J Am Soc Nephrol. 2021 Apr;32(4):837-850. doi: 10.1681/ASN.2020050652. Epub 2021 Feb 23.
5
AI applications in renal pathology.人工智能在肾病理学中的应用。
Kidney Int. 2021 Jun;99(6):1309-1320. doi: 10.1016/j.kint.2021.01.015. Epub 2021 Feb 10.
6
Illustrating clinical relevance in the preclerkship medical school curriculum through active learning with KardiaMobile electrocardiography.通过使用KardiaMobile心电图进行主动学习，展示临床相关性在医学院预科课程中的体现。
Adv Physiol Educ. 2021 Mar 1;45(1):48-52. doi: 10.1152/advan.00145.2020.
7
Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management.新型监测设备与机器学习技术的融合，实现可扩展的心血管管理。
Nat Rev Cardiol. 2021 Feb;18(2):75-91. doi: 10.1038/s41569-020-00445-9. Epub 2020 Oct 9.
8
The state of artificial intelligence-based FDA-approved medical devices and algorithms: an online database.基于人工智能且获美国食品药品监督管理局批准的医疗设备及算法的现状：一个在线数据库。
NPJ Digit Med. 2020 Sep 11;3:118. doi: 10.1038/s41746-020-00324-0. eCollection 2020.
9
Modelling kidney disease using ontology: insights from the Kidney Precision Medicine Project.利用本体模型化肾脏疾病：来自肾脏精准医学计划的见解。
Nat Rev Nephrol. 2020 Nov;16(11):686-696. doi: 10.1038/s41581-020-00335-w. Epub 2020 Sep 16.
10
Evaluation of the Classification Accuracy of the Kidney Biopsy Direct Immunofluorescence through Convolutional Neural Networks.基于卷积神经网络的肾脏活检直接免疫荧光分类准确性评估。
Clin J Am Soc Nephrol. 2020 Oct 7;15(10):1445-1454. doi: 10.2215/CJN.03210320. Epub 2020 Sep 16.