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 104 篇文献，本页显示第 101 - 104 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2024-08-07 |
Deep Learning Signal Discrimination for Improved Sensitivity at High Specificity for CMOS Intraoperative Probes
2022-Apr, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/TRPMS.2021.3098448
PMID:35419499
|
研究论文 | 本研究探讨了使用深度学习算法来提高CMOS手术探针在高特异性下的敏感性，通过区分背景伽马射线信号来辅助癌症切除手术中癌细胞的检测 | 本研究采用了两种基于卷积神经网络（CNN）的方法进行β-γ鉴别，并通过定制的AUC损失函数在训练中优化ROC曲线的左下区域，显著提高了敏感性 | NA | 提高手术探针在高特异性下的敏感性，以更准确地区分癌细胞和健康组织 | 探讨深度学习算法在手术探针中的应用，以及其对伽马射线信号的分类和语义分割能力 | 机器学习 | NA | 深度学习算法 | 卷积神经网络（CNN） | 伽马射线信号 | 涉及多种放射性核素，包括C、Co和[Formula: see text]Tc | NA | NA | NA | NA |
| 102 | 2024-08-05 |
A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery
2022-Apr-27, Atmosphere
IF:2.5Q3
DOI:10.3390/atmos13050696
PMID:37724306
|
研究论文 | 本研究主要关注在城市环境中利用超高分辨率卫星影像生成百米尺度的空气质量图。 | 提出了一种新的基于图像的物体检测分析方法，能够以显著更小的尺度估计空气质量，为城市环境AQ监测提供了新的视角。 | 目前的模型依赖于卫星影像，可能在缺乏地面监测数据的地区难以推广应用。 | 研究目标是开发一种能够在发达城市生成百米尺度空气质量图的模型。 | 研究对象包括伦敦、温哥华、洛杉矶和纽约市的空气质量数据。 | 数字病理学 | NA | 深度神经网络（DNN） | NA | 卫星影像 | 使用了地面监测观察和土地利用回归建模的PM与NO浓度数据 | NA | NA | NA | NA |
| 103 | 2024-08-07 |
Using deep learning method to identify left ventricular hypertrophy on echocardiography
2022-Apr, The international journal of cardiovascular imaging
DOI:10.1007/s10554-021-02461-3
PMID:34757566
|
研究论文 | 本研究旨在开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚（LVH） | 引入了ResNet和U-net++模型，分别用于分类和分割任务，并成功构建了一个集成框架，能够自动分类四种情况（正常、HCM、CA和HHD） | NA | 开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚 | 左心室肥厚（LVH）及其潜在病因 | 机器学习 | 心血管疾病 | 深度学习 | ResNet, U-net++ | 图像 | 1610份经胸超声心动图，包括724名患者（189名高血压性心脏病，218名肥厚型心肌病，58名心脏淀粉样变性，以及259名对照组） | NA | NA | NA | NA |
| 104 | 2024-08-07 |
Meaning maps detect the removal of local semantic scene content but deep saliency models do not
2022-Apr, Attention, perception & psychophysics
DOI:10.3758/s13414-021-02395-x
PMID:35138579
|
研究论文 | 本研究通过使用一种设计来移除图像区域意义同时保留其图像特征的微分同胚图像变换，测试了意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 本研究首次直接测试了意义地图和深度学习模型对语义内容损失的敏感性，并发现意义地图能够反映场景中的局部语义内容，而深度显着性模型则不能。 | 研究仅使用了三种最先进的深度学习模型，可能未能涵盖所有类型的深度学习模型。 | 验证意义地图是否能捕捉语义内容，以及深度学习模型是否仅表示语义中性的图像特征。 | 意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 计算机视觉 | NA | 微分同胚图像变换 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |