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 2 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 | 2026-08-16 |
Automatic 3D liver segmentation based on deep learning and globally optimized surface evolution
2016-12-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/61/24/8676
PMID:27880735
|
研究论文 | 提出了一种基于3D卷积神经网络和全局优化表面演化的自动肝脏分割框架，用于从腹部3D CT图像中检测和分割肝脏 | 结合深度3D CNN和全局优化的表面演化方法，利用概率图作为形状先验，并自适应整合全局和局部外观信息 | 未明确提及，但可能依赖于CT图像质量，且验证样本量有限 | 实现自动、准确的肝脏分割，以辅助计算机辅助肝脏手术规划 | 肝脏 | 计算机视觉 | 肝脏疾病 | CT成像 | 3D卷积神经网络 | 3D CT图像 | 42张CT图像，来自Sliver07公共数据库和本地医院 | NA | 3D CNN | Dice相似系数、平均对称表面距离、总体评分 | NA |
| 2 | 2026-08-10 |
Automated Segmentation of Hyperintense Regions in FLAIR MRI Using Deep Learning
2016-Dec, Tomography (Ann Arbor, Mich.)
DOI:10.18383/j.tom.2016.00166
PMID:28066806
|
研究论文 | 提出一种基于卷积自编码器的深度学习方法，用于FLAIR MRI图像中高信号区域的自动分割 | 首次将卷积自编码器应用于FLAIR MRI高信号区域分割，并证明其性能与专家间变异性相当 | 未提及具体局限性 | 开发一种自动分割FLAIR MRI中肿瘤高信号区域的方法 | 脑肿瘤患者的FLAIR MRI图像 | 数字病理学 | 脑肿瘤 | 磁共振成像 | 卷积自编码器 | 图像 | BRATS公开数据集及含3个专家分割的数据集 | 未提及 | 卷积自编码器 | Dice系数、Jaccard系数、真阳性分数、假阴性分数 | 未提及 |