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 | 2025-10-07 |
Antibody-supervised deep learning for quantification of tumor-infiltrating immune cells in hematoxylin and eosin stained breast cancer samples
2016, Journal of pathology informatics
DOI:10.4103/2153-3539.189703
PMID:27688929
|
研究论文 | 提出基于抗体引导标注和深度学习的创新方法，用于量化乳腺癌H&E染色样本中免疫细胞浸润区域 | 首次将抗体引导标注与深度学习相结合，仅使用常规H&E染色实现免疫细胞浸润的自动量化 | 样本量较小（仅20例患者），需进一步验证方法的泛化能力 | 开发自动量化肿瘤浸润免疫细胞的新方法 | 乳腺癌患者的福尔马林固定石蜡包埋组织样本 | 数字病理学 | 乳腺癌 | H&E染色, CD45免疫组化染色, 全玻片数字化扫描 | CNN, SVM | 病理图像 | 20例乳腺癌患者，123,442个标注超像素 | NA | 预训练卷积神经网络 | F-score, Kappa系数 | NA |
| 2 | 2024-10-09 |
Deep Filter Banks for Texture Recognition, Description, and Segmentation
2016, International journal of computer vision
IF:11.6Q1
DOI:10.1007/s11263-015-0872-3
PMID:27471340
|
研究论文 | 本文提出了一种新的纹理属性词汇，并开发了相应的基准测试，同时研究了在现实成像条件下识别材料和纹理属性的问题，并探讨了深度学习背景下经典纹理表示的效率和泛化性能 | 提出了一个人类可解释的纹理属性词汇，并开发了新的基准测试；在深度学习背景下重新审视了经典纹理表示，并展示了其在卷积层作为滤波器时的效率和泛化性能 | 未提及 | 改进纹理识别、描述和分割的方法 | 纹理属性和材料识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 基于OpenSurfaces数据集的纹理图像 | NA | NA | NA | NA |
| 3 | 2024-10-04 |
Toward an Integration of Deep Learning and Neuroscience
2016, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2016.00094
PMID:27683554
|
研究论文 | 本文探讨了深度学习和神经科学之间的整合，提出大脑可能优化成本函数并在预结构化架构内进行操作 | 提出大脑可能优化多样化的成本函数，并在预结构化架构内进行操作，这与传统的人工神经网络优化方法不同 | 文章主要基于假设和理论推断，缺乏直接的实验证据支持 | 探讨深度学习和神经科学之间的联系，提出大脑可能的优化机制 | 大脑的计算机制和优化过程 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |