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 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2024-09-13 |
[Study of attention deficit/hyperactivity disorder classification based on convolutional neural networks]
2017-Feb, Sheng wu yi xue gong cheng xue za zhi = Journal of biomedical engineering = Shengwu yixue gongchengxue zazhi
PMID:29717596
|
研究论文 | 本文提出了一种基于卷积神经网络的注意力缺陷/多动障碍（ADHD）分类算法 | 利用粗分割和深度学习方法，提高了ADHD分类的准确性，并简化了计算过程 | 未提及具体的局限性 | 解决ADHD诊断中高误诊率和漏诊率的问题 | ADHD患者和正常人群的分类 | 计算机视觉 | 精神疾病 | 卷积神经网络 | CNN | 图像 | 未提及具体样本数量 |
| 2 | 2024-08-05 |
Marginal Shape Deep Learning: Applications to Pediatric Lung Field Segmentation
2017-Feb-11, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2254412
PMID:28592911
|
研究论文 | 本文提出了边缘形状深度学习（MaShDL）框架，旨在通过深度分类器实现可变形物体的分割。 | 该框架结合了统计形状模型的优势和深度学习的自动特征学习架构，是首个使用深度学习框架进行参数化形状学习以 delineate 可变形物体的示范。 | 尽管该框架在高复杂性多参数估计问题上表现良好，但具体的实现细节和效果在不同场景中的普遍适用性尚需进一步验证。 | 研究通过深度学习改善 deformable 对象的分割效果。 | 本研究的对象是314幅正常与异常的小儿胸部 X 光片中的肺野。 | 数字病理学 | 肺癌 | 深度学习 | 深度分类器 | 医学影像 | 314幅小儿胸部 X 光片 |