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 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 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 |
| 2 | 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 |
| 3 | 2024-08-07 |
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 | 本研究提出并评估了一种基于抗体引导注释和深度学习的方法，用于量化苏木精和伊红（H&E）染色乳腺癌样本中的肿瘤浸润免疫细胞 | 本研究首次采用抗体引导注释和深度学习技术，通过H&E染色样本量化肿瘤浸润免疫细胞，提高了量化过程的客观性和准确性 | NA | 开发一种客观且准确的方法来量化乳腺癌样本中的肿瘤浸润免疫细胞 | 乳腺癌患者的肿瘤样本 | 数字病理学 | 乳腺癌 | H&E染色 | 卷积神经网络（CNN） | 图像 | 20名乳腺癌患者的肿瘤样本，123,442个标记的超像素 |