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 43 篇文献，本页显示第 41 - 43 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 |
A Review of the Role of the S-Detect Computer-Aided Diagnostic Ultrasound System in the Evaluation of Benign and Malignant Breast and Thyroid Masses
2021-Sep-23, Medical science monitor : international medical journal of experimental and clinical research
IF:2.2Q3
DOI:10.12659/MSM.931957
PMID:34552043
|
综述 | 本文回顾了S-Detect计算机辅助诊断超声系统在乳腺和甲状腺肿块评估中的作用 | 介绍了一种基于深度学习算法的互动CAD系统，能提高医疗影像的诊断精度并优化临床工作流程 | 讨论了S-Detect作为精密医疗工具在临床应用中面临的困难和挑战 | 探讨S-Detect在乳腺和甲状腺结节检测中的应用 | 乳腺和甲状腺肿块 | 计算机视觉 | NA | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 42 | 2024-08-07 |
Improving brain age estimates with deep learning leads to identification of novel genetic factors associated with brain aging
2021-09, Neurobiology of aging
IF:3.7Q2
|
研究论文 | 本研究通过深度学习提高大脑年龄估计的准确性，进而识别与大脑衰老相关的新遗传因子 | 本研究展示了更准确的大脑预测年龄（PBA）有助于更好地表征与大脑衰老相关的遗传因子，并发现了三个新的与大脑衰老相关的单核苷酸多态性位点 | NA | 研究与大脑衰老相关的遗传因子 | 大脑衰老的遗传因素 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | 16,998名UK Biobank受试者 | NA | NA | NA | NA |
| 43 | 2024-08-07 |
Synthesizing Quantitative T2 Maps in Right Lateral Knee Femoral Condyles from Multicontrast Anatomic Data with a Conditional Generative Adversarial Network
2021-Sep, Radiology. Artificial intelligence
DOI:10.1148/ryai.2021200122
PMID:34617020
|
研究论文 | 本文开发了一种卷积神经网络（CNN），利用条件生成对抗网络（cGAN）从解剖MR图像中合成右侧外侧股骨髁关节软骨的T2图 | 使用基于神经网络的cGAN方法合成T2图，与多回波自旋回波（MESE）扫描结果有良好的一致性 | 研究为回顾性，且仅限于特定患者群体和膝关节 | 开发一种新的方法来合成T2图，以评估膝关节软骨 | 右侧外侧股骨髁关节软骨的T2图 | 计算机视觉 | 骨关节炎 | 条件生成对抗网络（cGAN） | 卷积神经网络（CNN） | 图像 | 4621名患者的数据，其中3703用于训练，462用于验证，456用于测试 | NA | NA | NA | NA |