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 144 篇文献，本页显示第 141 - 144 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 |
A Bibliometric Review: Brain Tumor Magnetic Resonance Imagings Using Different Convolutional Neural Network Architectures
2023-02, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2022.11.091
PMID:36442778
|
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 | NA | NA | NA | NA |
| 142 | 2024-08-05 |
An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy
2023-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2022.3198600
PMID:35984807
|
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 | NA | NA | NA | NA |
| 143 | 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
DOI:10.1117/12.2653626
PMID:37063644
|
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 | NA | NA | NA | NA |
| 144 | 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 |