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 23 篇文献，本页显示第 21 - 23 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-08-05 |
Multiresolution Application of Artificial Intelligence in Digital Pathology for Prediction of Positive Lymph Nodes From Primary Tumors in Bladder Cancer
2020-04, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.19.00155
PMID:32330067
|
研究论文 | 本研究开发了一种基于人工智能的模型，用于通过数字评估原发肿瘤来识别淋巴结转移的患者 | 采用新颖的人工智能方法应用于数字病理，以预测膀胱癌患者原发肿瘤中的淋巴结阳性情况 | 样本量相对较小，尤其是在内部验证组中 | 研究旨在基于数字病理图像评估原发肿瘤以预测淋巴结转移 | 研究对象为307名膀胱癌患者，包括294名来自TCGA的患者和13名来自本院的患者 | 数字病理学 | 膀胱癌 | 深度学习 | 多变量逻辑回归模型 | 图像 | 307名患者 | NA | NA | NA | NA |
| 22 | 2024-08-05 |
Deep Learning for Automatic Calcium Scoring in CT: Validation Using Multiple Cardiac CT and Chest CT Protocols
2020-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.2020191621
PMID:32043947
|
研究论文 | 该文章评估了一种深度学习方法在多种CT检查中自动计算钙得分的性能 | 提出了一种能适应不同类型CT检查的深度学习钙得分算法，并通过补充代表性图像来验证其效果 | 未探讨在非常规或其他类型CT协议下的性能表现 | 评估深度学习方法在各种CT检查中的自动钙得分能力 | 7240名接受不同类型非增强CT检查的参与者 | 计算机视觉 | 心血管疾病 | 卷积神经网络 | CNN | 图像 | 7240名参与者 | NA | NA | NA | NA |
| 23 | 2024-08-05 |
6-MONTH INFANT BRAIN MRI SEGMENTATION GUIDED BY 24-MONTH DATA USING CYCLE-CONSISTENT ADVERSARIAL NETWORKS
2020-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi45749.2020.9098515
PMID:34422223
|
研究论文 | 本文提出了一种利用24个月龄数据引导6个月龄婴儿脑MRI分割的方法 | 引入3D-cycleGAN-Seg架构，以在不同年龄段脑图像之间转移特征，用于提高6个月龄图像的分割精度 | 数据集主要依赖于24个月龄的高对比度图像，如何生成高质量的合成图像仍有待进一步验证 | 探讨如何通过高对比度的图像指导低对比度婴儿脑MRI的分割 | 6个月龄和24个月龄的婴儿脑MRI图像 | 计算机视觉 | NA | CycleGAN | 3D-cycleGAN-Seg | 图像 | 使用的样本数量NA | NA | NA | NA | NA |