深度学习在生物医药领域中的应用
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，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10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 1 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2024-08-05 |
Imaging-based enrichment criteria using deep learning algorithms for efficient clinical trials in mild cognitive impairment
2015-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1016/j.jalz.2015.01.010
PMID:26093156
|
研究论文 | 本文介绍了一种新的多模态影像标志物，用于预测轻度认知障碍患者未来的认知和神经衰退 | 提出了一种新的深度学习算法（随机去噪自编码器标志物，rDAm），用于临床试验中识别最有可能受益的轻度认知障碍患者群体 | 研究可能未能考虑所有类型的轻度认知障碍患者，限制了结果的通用性 | 提高在轻度认知障碍患者中进行临床试验的效率和发现治疗效果的能力 | 轻度认知障碍患者，尤其是可能在试验期间恶化并受益于治疗的个体 | 计算机视觉 | 阿尔茨海默病 | 正电子发射断层扫描（PET），结构磁共振成像 | 随机去噪自编码器 | 多模态影像数据 | 使用ADNI2 MCI数据，样本数量减少至少五倍 |