深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 3 篇文献。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-06 |
EEG-based emotion recognition using deep learning network with principal component based covariate shift adaptation
2014, TheScientificWorldJournal
DOI:10.1155/2014/627892
PMID:25258728
|
研究论文 | 提出一种基于主成分协变量偏移适应的深度学习网络，用于从脑电图信号中识别情绪 | 结合主成分分析和协变量偏移适应技术来处理脑电图信号的非平稳特性，并采用堆叠自动编码器进行分层特征学习 | 仅针对三种情绪效价和唤醒度水平进行分类，准确率仍有提升空间 | 开发能够从非平稳脑电图信号中自动识别情绪的深度学习算法 | 32名受试者的32通道脑电图信号 | 机器学习 | NA | 脑电图信号分析 | 深度学习网络,堆叠自动编码器 | 脑电图信号 | 32名受试者 | NA | 堆叠自动编码器 | 准确率 | NA |
| 2 | 2024-08-05 |
Randomized denoising autoencoders for smaller and efficient imaging based AD clinical trials
2014, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-319-10470-6_59
PMID:25485413
|
研究论文 | 本文探讨如何利用随机去噪自编码器(rDA)提高阿尔茨海默病临床试验的效率 | 提出了一种新颖的深度学习模型rDA，它考虑了方差，并在样本大小估计上显著优于基于多核学习的策略 | 未提及具体的局限性 | 提高阿尔茨海默病的影像学临床试验效率 | 针对阿尔茨海默病的预测性测量和样本大小估计 | 机器学习 | 阿尔茨海默病 | 深度学习 | 随机去噪自编码器(rDA) | 影像 | NA | NA | NA | NA | NA |
| 3 | 2024-08-07 |
Medical Image Retrieval: A Multimodal Approach
2014, Cancer informatics
IF:2.4Q3
DOI:10.4137/CIN.S14053
PMID:26309389
|
研究论文 | 本文开发了一种基于统计图形模型和深度学习的新型多模态医学图像检索方法 | 提出了一种扩展的概率潜在语义分析模型，以整合医学图像的视觉和文本信息，并开发了一种基于深度玻尔兹曼机的多模态学习模型，以学习多模态信息的联合密度模型 | NA | 开发有效的内容基于的医学图像检索系统，以支持癌症临床实践和研究 | 医学图像数据 | 计算机视觉 | 癌症 | 深度学习 | 深度玻尔兹曼机 | 图像 | 大量真实世界的医学图像 | NA | NA | NA | NA |