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!


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。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2024-08-07 |
A review on brain tumor segmentation based on deep learning methods with federated learning techniques
2023-12, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了基于深度学习和联邦学习技术的脑肿瘤分割方法 | 提出了联邦学习方法以提高全局分割性能并确保隐私 | 集中于未解决的脑肿瘤分割问题和客户端联邦模型训练策略 | 探讨最有效的脑肿瘤分割技术,并提出联邦学习方法以改进性能 | 脑肿瘤分割技术及其在医学影像中的应用 | 计算机视觉 | 脑肿瘤 | 联邦学习 | CNN | 图像 | 超过100篇相关论文 | NA | NA | NA | NA |
| 322 | 2024-08-07 |
Research on augmented reality navigation of in vitro fenestration of stent-graft based on deep learning and virtual-real registration
2023-12, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2023.2289339
PMID:38059572
|
研究论文 | 本研究提出了一种基于深度学习和虚拟现实注册的增强现实导航方法,用于辅助体外支架移植术中的开窗操作 | 本研究采用了基于深度学习的大动脉分割算法和基于Vuforia的虚拟现实注册与标记识别算法,实现了自动快速的大动脉分割和准确的现场增强现实图像 | NA | 旨在提出一种增强现实导航方法,用于体外支架移植术中的开窗操作,以提供现场叠加显示来定位开窗位置 | 体外支架移植术中的开窗操作 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 323 | 2024-08-07 |
A Hierarchical Spatial Transformer for Massive Point Samples in Continuous Space
2023-Dec, Advances in neural information processing systems
PMID:38751689
|
研究论文 | 本文提出了一种新的分层空间变换器模型,用于处理连续空间中的大量点样本 | 引入了多分辨率表示学习在四叉树层次结构中,并通过粗略近似实现高效的空间注意力,设计了一个不确定性量化分支来估计与输入特征噪声和点稀疏性相关的预测置信度 | NA | 设计一种适用于连续空间中大量点样本的变换器模型 | 环境科学中的传感器观测、数值模拟中的粒子载流、天体物理学以及基于位置的服务中的POI和轨迹等数据 | 机器学习 | NA | 变换器模型 | 分层空间变换器 | 点样本 | 最多可达一百万点样本 | NA | NA | NA | NA |
| 324 | 2024-08-07 |
Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm
2023-Dec-09, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.07.23299625
PMID:38106064
|
研究论文 | 本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部幻影,评估商业深度学习重建(DLR)算法在不同辐射剂量水平下的临床成像性能 | 使用基于患者的3D打印PixelPrint肺部幻影,提供比传统CT幻影更真实的组织结构,实现基于结构的图像质量评估 | NA | 评估深度学习重建算法在不同辐射剂量下的临床成像性能 | 深度学习重建算法和3D打印PixelPrint肺部幻影 | 计算机视觉 | NA | 3D打印技术 | 深度学习重建算法 | 图像 | 使用了一个基于患者胸部CT扫描的肺部幻影,并通过不同大小的扩展环模拟小和中等体型的患者 | NA | NA | NA | NA |