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 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 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
DOI:10.1016/j.media.2022.102702
PMID:36516556
|
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 | NA | NA | NA | NA |
| 142 | 2024-08-07 |
Multistain deep learning for prediction of prognosis and therapy response in colorectal cancer
2023-02, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-022-02134-1
PMID:36624314
|
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 | NA | NA | NA | NA |