深度学习在生物医药领域中的应用
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，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10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 83 篇文献，本页显示第 81 - 83 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2024-08-05 |
Generalizing deep learning brain segmentation for skull removal and intracranial measurements
2022-05, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2022.01.004
PMID:34999162
|
研究论文 | 本文提出了一种用于脑部分割的深度学习方法，以实现颅骨去除和颅内测量 | 引入了迁移学习方法来估计额外的TICV和PFV标签，并采用U-Net模型进行颅骨去除的全脑分割 | 手动标注全脑体积的可用数据集有限，影响了方法的普适性 | 研究如何实现深度学习脑部分割以进行颅骨去除和颅内测量 | 关注于采用MRI成像技术进行脑体积测量的神经影像数据 | 数字病理学 | NA | MRI | U-Net | 图像 | 使用有限的BrainCOLOR数据集进行训练 |
| 82 | 2024-08-05 |
Fully automated quantification of cardiac chamber and function assessment in 2-D echocardiography: clinical feasibility of deep learning-based algorithms
2022-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-021-02482-y
PMID:35152371
|
研究论文 | 本文比较了当前突出的深度学习算法的分割性能，并验证了手动创建的二维超声心动图四个心脏腔室的真实标注的一致性 | 提出了对现有深度学习算法的性能进行比较，并验证了四个心脏腔室的真实标注的可重复性 | 在PSAX视图中LV壁区域的表现较差，且存在一定的观察者间变异性 | 评估深度学习算法在完全自动化的心脏腔室分割和功能评估中的临床可行性 | 纳入了500名接受经胸超声心动图检查的患者 | 计算机视觉 | 心血管疾病 | 深度学习 | U-net, Res-U-net, Dense-U-net | 图像 | 500名患者，随机选择100名患者用于观察者变异性分析 |
| 83 | 2024-08-07 |
Editor's choice to the May 2022 issue : Fully automated quantification of cardiac chambers and function in 2D echo by Deep Learning, and a modern atlas of invasive coronary angiographic views
2022-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-022-02621-z
PMID:38819731
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |