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 61 篇文献，本页显示第 61 - 61 篇。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-08-07 |
FissureNet: A Deep Learning Approach For Pulmonary Fissure Detection in CT Images
2019-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2018.2858202
PMID:30106711
|
研究论文 | 本文提出了一种名为FissureNet的深度学习框架，用于在CT图像中检测肺裂 | FissureNet采用了一种从粗到细的级联卷积神经网络策略，有效解决了传统方法在检测弱和异常肺裂时敏感性低的问题 | NA | 提高肺裂在CT图像中的检测准确性 | 肺裂在CT图像中的自动检测 | 计算机视觉 | 肺部疾病 | 卷积神经网络 | CNN | 图像 | 3706名受试者的吸气和呼气3DCT扫描，以及20名受试者的4DCT扫描 |