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 42 篇文献，本页显示第 41 - 42 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2024-08-05 |
Spatial transcriptomics inferred from pathology whole-slide images links tumor heterogeneity to survival in breast and lung cancer
2020-11-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-75708-z
PMID:33139755
|
研究论文 | 该文章探讨了如何利用病理全切片图像的数字分析来链接肿瘤异质性与乳腺癌和肺癌的生存率 | 提出了一种通过深度学习模型空间解析mRNA和miRNA表达水平的方法，并开发了肿瘤异质性指标（HTI） | 现有的分析方法对训练样本数量和复杂流程的依赖性较高 | 研究肿瘤异质性如何影响癌症预后和治疗反应 | 乳腺癌和肺癌切片 | 数字病理学 | 乳腺癌, 肺癌 | 深度学习 | NA | 病理全切片图像 | 使用少量训练样本对两个癌症队列进行评估 | NA | NA | NA | NA |
| 42 | 2024-08-07 |
Evaluation of Deep Learning to Augment Image-Guided Radiotherapy for Head and Neck and Prostate Cancers
2020-11-02, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究评估了深度学习技术在头颈和前列腺癌症图像引导放射治疗中的应用，旨在探索临床可接受的自动轮廓解决方案。 | 本研究开发了能够减少手动轮廓时间并保持与专家间变异性相当的临床准确性的模型。 | NA | 探索并实现临床可接受的自动轮廓解决方案，以优化放射治疗计划。 | 头颈和前列腺癌症患者的CT扫描图像。 | 机器学习 | 头颈癌, 前列腺癌 | 深度学习 | NA | 图像 | 519例前列腺癌患者和242例头颈癌患者的CT扫描图像。 | NA | NA | NA | NA |