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 |
Image-based consensus molecular subtype (imCMS) classification of colorectal cancer using deep learning
2021-03, Gut
IF:23.0Q1
DOI:10.1136/gutjnl-2019-319866
PMID:32690604
|
研究论文 | 该文章提出了一种基于图像的深度学习方法来预测结直肠癌的共识分子亚型. | 通过使用深度学习方法从标准H&E组织切片中推断结直肠癌的分子亚型，提供了一种经济高效的分类工具. | 该研究主要依赖于多组学数据，可能不适用于没有相关数据的样本. | 研究旨在明确图像分析与分子分类之间的联系，从而改善结直肠癌的分类方式. | 研究对象为结直肠癌患者的组织切片，分析其分子亚型. | 数字病理学 | 结直肠癌 | 深度学习 | 神经网络 | 图像 | 在研究中使用了1206个组织切片 | NA | NA | NA | NA |
| 42 | 2024-08-07 |
Latent traits of lung tissue patterns in former smokers derived by dual channel deep learning in computed tomography images
2021-03-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-84547-5
PMID:33649381
|
研究论文 | 本文利用双通道深度学习网络从CT图像中提取前吸烟者肺组织模式的潜在特征 | 采用无监督的三维卷积自编码器-特征构造器深度学习网络，结合探索性因子分析，从CT数据中学习并共同推导出组织模式簇 | NA | 探索慢性阻塞性肺疾病患者肺组织模式的潜在特征 | 前吸烟者和健康非吸烟者的肺组织模式 | 计算机视觉 | 慢性阻塞性肺疾病 | CT | 3D卷积自编码器-特征构造器 | 图像 | 541名前吸烟者和59名健康非吸烟者 | NA | NA | NA | NA |