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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202302-202302] [清除筛选条件]
当前共找到 127 篇文献,本页显示第 121 - 127 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
121 2024-08-05
Generative adversarial network constrained multiple loss autoencoder: A deep learning-based individual atrophy detection for Alzheimer's disease and mild cognitive impairment
2023-02-15, Human brain mapping IF:3.5Q1
研究论文 本文提出了一种生成对抗网络约束的多损失自编码器框架用于阿尔茨海默病和轻度认知障碍的个体萎缩检测 提出了一种新颖的GANCMLAE模型,能够精确描述个体大脑萎缩模式并具有良好的临床应用潜力 尚缺乏对其他人群或更广泛样本的验证,以评估模型的通用性 研究个体大脑萎缩模式,以提高阿尔茨海默病和轻度认知障碍的精准医学 正常对照组与阿尔茨海默病和轻度认知障碍患者 数字病理学 阿尔茨海默病 生成对抗网络 自编码器 图像 来自阿尔茨海默病神经影像学倡议队列的正常对照组和Xuanwu队列的数据
122 2024-08-05
Structure primed embedding on the transcription factor manifold enables transparent model architectures for gene regulatory network and latent activity inference
2023-Feb-03, bioRxiv : the preprint server for biology
研究论文 提出了一种基于深度学习的框架,以进行基因调控网络推断和潜在活性估计 提出了一种新颖的深度学习自编码器框架,有助于在保持可解释性的同时进行基因调控网络推断 尚待评估该框架在其他生物系统或大规模数据集中的适用性 研究基因调控网络及其潜在活性 关注转录因子及其与目标基因之间的调控关系 机器学习 NA 深度学习 自编码器 单细胞基因组数据 NA
123 2024-08-05
A Bibliometric Review: Brain Tumor Magnetic Resonance Imagings Using Different Convolutional Neural Network Architectures
2023-02, World neurosurgery IF:1.9Q2
综述 本研究对脑肿瘤的磁共振成像进行了文献计量学评估,重点关注不同卷积神经网络架构的应用 通过文献计量学方法系统整理和分析了现有的关于脑肿瘤的CNN研究文献 本研究未涉及药物剂量的分析 旨在识别脑肿瘤识别的当前研究趋势和热点 脑肿瘤的磁共振成像和卷积神经网络研究文献 计算机视觉 脑肿瘤 卷积神经网络 CNN 文献 NA
124 2024-08-05
An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy
2023-02, IEEE transactions on bio-medical engineering
研究论文 本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。 提出了一种替代超声成像的X射线C臂靶向方法,结合深度学习和数字模型提高靶点定位精度。 实验主要在验证物模型上进行,临床应用的准确性和效果尚待进一步验证。 探讨CBCT在Histotripsy靶向中的应用,提升靶点定位的准确性和自动化程度。 研究主要针对肿瘤靶点的精准定位与治疗技术。 数字病理学 癌症 CBCT 深度学习 影像 在虚拟模型实验中评估了靶向精度
125 2024-08-05
Characterizing browser-based medical imaging AI with serverless edge computing: towards addressing clinical data security constraints
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
研究论文 本文提出了一种基于浏览器的医学成像人工智能部署系统,以增强临床数据安全性 该研究创新性地利用无服务器边缘计算实现隐私保护的医学成像AI应用,避免了常规云计算的隐私风险 研究中未明确讨论与其他类型隐私保护模型的比较 研究旨在解决医学成像AI应用中的数据隐私问题 研究对象为利用CT进行肺癌筛查的3D医学图像分割模型 数字病理学 肺癌 无服务器边缘计算 3D卷积神经网络 (CNN) 医学图像 NA
126 2024-08-05
Multi-site cross-organ calibrated deep learning (MuSClD): Automated diagnosis of non-melanoma skin cancer
2023-02, Medical image analysis IF:10.7Q1
研究论文 本文提出了一种新的深度学习方法MuSClD,用于改善非黑色素瘤皮肤癌的自动诊断。 创新点在于利用外部测试机构的非目标器官的全片图像进行校准,来减小训练数据和测试数据之间的领域转移。 本研究主要集中在非黑色素瘤皮肤癌的诊断,可能无法直接应用于其他类型的癌症或疾病。 研究的目的是提高深度学习分类器在不同测试地点上对非黑色素瘤皮肤癌的通用性。 研究对象为基本细胞癌、原位鳞状细胞癌和侵袭性鳞状细胞癌。 计算机视觉 非黑色素瘤皮肤癌 深度学习 NA 全片图像 训练样本85,测试样本352
127 2024-08-07
Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer
2023-02, Nature medicine IF:58.7Q1
研究论文 本文通过建立和评估一个多重染色深度学习模型(MSDLM),利用人工智能(AI)确定结直肠癌(CRC)患者的AImmunoscore(AIS),以预测预后和辅助治疗反应 本文提出的MSDLM模型具有高预测能力,优于其他临床、分子和免疫细胞参数,并能通过可解释的AI方法验证其决策基于已建立的抗肿瘤免疫细胞模式 免疫细胞评分系统如免疫评分(IS)或上皮内淋巴细胞定量在临床常规使用中进展缓慢,存在局限性 解决免疫细胞评分系统在临床应用中的缓慢进展和局限性,提供一个基于肿瘤免疫微环境的临床决策工具 结直肠癌(CRC)患者的预后和辅助治疗反应 机器学习 结直肠癌 深度学习 深度学习模型 图像 超过1,000名结直肠癌患者
回到顶部