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 1 篇文献。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2026-08-20 |
Evaluation of Computer-aided Detection for Identifying Missed Gastric Cancer After Endoscopic Submucosal Dissection
2027-Apr, DEN open
IF:1.4Q4
DOI:10.1002/deo2.70357
PMID:42609944
|
研究论文 | 本研究评估了基于深度学习的计算机辅助检测系统在内镜黏膜下剥离术后识别漏诊胃癌的效果，并与内镜医师的检测性能进行了比较。 | 首次针对内镜黏膜下剥离术后监测期间发现的漏诊胃癌，评估计算机辅助检测系统的效能，并直接与内镜医师的检测性能进行对比。 | 样本量较小（60例漏诊胃癌图像），可能影响亚组分析的可靠性；检测图像来自单一中心，可能限制普适性。 | 评估计算机辅助检测系统在内镜黏膜下剥离术后监测中发现漏诊胃癌的效能，并探讨其作为双重复查工具的可行性。 | 内镜黏膜下剥离术后监测期间发现的漏诊胃癌图像，以及参与对比的10名内镜医师。 | 计算机视觉 | 胃癌 | 深度学习 | 卷积神经网络（推测） | 内镜图像 | 2324张内镜图像，其中60张为漏诊胃癌图像；10名内镜医师参与对比。 | 未提及（推断为深度学习框架，如PyTorch或TensorFlow） | 未明确指定（可能是用于早期胃癌检测的深度学习模型） | 敏感性、特异性、阳性预测值、阴性预测值、诊断时间 | 未提及 |