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 123 篇文献，本页显示第 121 - 123 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2024-08-07 |
Automated clinical coding: what, why, and where we are?
2022-Oct-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00705-7
PMID:36273236
|
研究论文 | 本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战 | 提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性 | 当前基于深度学习的方法在实际应用中需要更好的解释性和一致性 | 探讨自动化临床编码的技术和组织挑战，并提出未来发展方向 | 临床编码过程的自动化 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 涉及苏格兰和英国的临床编码专家讨论 | NA | NA | NA | NA |
| 122 | 2024-08-07 |
U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns
2022-10, Translational stroke research
IF:3.8Q2
DOI:10.1007/s12975-022-00986-w
PMID:35043358
|
研究论文 | 本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织 | U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测 | NA | 评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织 | 急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组 | 机器学习 | 脑血管疾病 | CTP | U-net | 图像 | 110名急性缺血性卒中患者 | NA | NA | NA | NA |
| 123 | 2024-08-07 |
SVision: a deep learning approach to resolve complex structural variants
2022-10, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01609-w
PMID:36109679
|
研究论文 | 本文开发了一种基于深度学习的多目标识别框架SVision，用于自动检测和表征长读长测序数据中的复杂结构变异 | SVision能够识别复杂事件的内部结构，并能敏感地检测常见和先前未表征的复杂重排 | NA | 开发一种新的方法来解析复杂结构变异 | 复杂结构变异 | 机器学习 | NA | 深度学习 | 多目标识别框架 | 长读长测序数据 | 从单个基因组中揭示了80个高质量的复杂结构变异，具有25种不同的结构 | NA | NA | NA | NA |