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 142 篇文献，本页显示第 141 - 142 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2024-08-07 |
Region of interest-specific loss functions improve T2 quantification with ultrafast T2 mapping MRI sequences in knee, hip and lumbar spine
2022-12-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26266-z
PMID:36564430
|
研究论文 | 本文提出了一种针对加速采集的区域兴趣特定后处理方法，使用循环UNet深度学习架构，从加速的T准备快照梯度回波采集序列中提供膝关节软骨、髋关节软骨和腰椎间盘的T2图谱，通过多组件损失函数优化软骨和间盘性能。 | 本文创新性地引入了区域兴趣特定损失函数，以优化软骨和间盘的重建性能，并提出了一种基于灰度共生矩阵的评估方案。 | NA | 旨在改进T2量化技术，通过区域兴趣特定损失函数提高MRI T2图谱序列在膝关节、髋关节和腰椎的量化准确性。 | 研究对象包括膝关节软骨、髋关节软骨和腰椎间盘。 | 计算机视觉 | NA | MRI | 循环UNet | 图像 | 研究涵盖了从加速因子R=2到R=12的不同情况。 |
| 142 | 2024-08-07 |
Applications of Artificial Intelligence to Obesity Research: Scoping Review of Methodologies
2022-12-07, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/40589
PMID:36476515
|
综述 | 本文通过综述分析了人工智能在肥胖研究中的应用方法 | 介绍了多模态或多任务AI模型、合成数据生成和人在回路等新兴趋势 | 部分研究显示不同AI模型性能在不同数据集和任务上的结果不一 | 为研究人员和从业者提供AI在肥胖研究中的应用概览，并促进AI技术的采用 | 肥胖研究中的人工智能应用 | 机器学习 | 肥胖 | 机器学习（ML）和深度学习（DL） | ML和DL模型 | 表格数据、图像和文本数据 | 46项研究 |