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！
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。
当前共找到 599 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-12-01 |
Applications of Artificial Intelligence for Retinopathy of Prematurity Screening
2021-03, Pediatrics
IF:6.2Q1
DOI:10.1542/peds.2020-016618
PMID:33637645
|
研究论文 | 评估人工智能在印度ROP远程医疗项目中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异是否与氧气调节能力有关 | 利用人工智能进行ROP筛查，可能改善次级预防的护理可及性，并有助于评估疾病流行病学和新生儿护理单元资源 | NA | 评估人工智能在ROP筛查中的有效性，并探讨不同新生儿护理单元间ROP严重程度的差异与氧气调节能力的关系 | ROP的严重程度及新生儿护理单元的氧气调节能力 | 机器学习 | NA | 深度学习 | NA | 图像 | NA |
| 62 | 2024-11-21 |
Advances in micro-CT imaging of small animals
2021-Aug, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2021.07.005
PMID:34284331
|
综述 | 本文综述了微型CT在小动物成像中的最新进展和应用 | 介绍了基于能量积分探测器和新一代光子计数X射线探测器（PCDs）的双能微型CT光谱扫描技术，以及X射线相位对比成像（XPC）和深度学习在微型CT中的应用 | 未详细讨论微型CT在临床转化中的具体挑战 | 回顾微型CT在临床前研究中的最新进展和应用 | 微型CT成像技术及其在小动物成像中的应用 | 计算机视觉 | NA | 微型CT成像 | 深度学习 | 图像 | NA |
| 63 | 2024-11-21 |
Evaluating renal lesions using deep-learning based extension of dual-energy FoV in dual-source CT-A retrospective pilot study
2021-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2021.109734
PMID:33933837
|
研究论文 | 本文介绍了一种基于深度学习的双能场扩展方法，用于在双源CT中评估肾病变 | 提出了一种基于深度学习的双能场扩展算法（DEEDL），能够从有限的数据中重建完整的双能场，从而在较小的场范围内可靠地测量HU值并评估肾病变 | 本文仅进行了回顾性研究，样本量较小，需要进一步的前瞻性研究和更大样本量的验证 | 开发一种基于深度学习的方法，用于在双源CT中扩展双能场，以评估肾病变 | 肾病变 | 计算机视觉 | 肾病 | 双源CT | 深度学习算法 | CT图像 | 50名患者的训练数据和128名患者的回顾性数据 |
| 64 | 2024-11-20 |
Ultrashort echo time time-spatial labeling inversion pulse magnetic resonance angiography with denoising deep learning reconstruction for the assessment of abdominal visceral arteries
2021-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.27481
PMID:33368773
|
研究论文 | 研究比较了三维超短回波时间时间空间标记反转脉冲磁共振血管造影（3D UTE Time-SLIP）与三维平衡稳态自由进动时间空间标记反转脉冲磁共振血管造影（3D bSSFP Time-SLIP）在评估腹部内脏动脉中的图像质量和磁敏感伪影，并评估了去噪深度学习重建（dDLR）对3D UTE稀疏采样中信噪比的改善效果 | 首次将去噪深度学习重建技术应用于超短回波时间时间空间标记反转脉冲磁共振血管造影，以改善信噪比和减少伪影 | 3D UTE Time-SLIP在信噪比和图像质量上仍不如3D bSSFP Time-SLIP | 研究并比较3D UTE Time-SLIP与3D bSSFP Time-SLIP的图像质量和磁敏感伪影，并评估dDLR对3D UTE信噪比的改善效果 | 腹部内脏动脉的评估，包括健康志愿者和患者 | 医学影像 | NA | 磁共振血管造影（MRA） | 深度学习模型 | 图像 | 10名健康志愿者和3名患者 |
| 65 | 2024-11-18 |
DeePhage: distinguishing virulent and temperate phage-derived sequences in metavirome data with a deep learning approach
2021-09-08, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab056
PMID:34498685
|
研究论文 | 本文介绍了一种名为DeePhage的新计算方法，用于区分metavirome数据中的烈性和温和噬菌体序列 | DeePhage使用卷积神经网络检测序列特征，准确率高达89%，比现有工具PhagePred和PHACTS分别高出10%和30%，并且在运行时间上显著减少 | NA | 开发一种能够有效分类metavirome数据中烈性和温和噬菌体序列的新计算方法 | metavirome数据中的烈性和温和噬菌体序列 | 机器学习 | NA | 卷积神经网络 | CNN | DNA序列 | NA |
| 66 | 2024-11-18 |
VC@Scale: Scalable and high-performance variant calling on cluster environments
2021-09-07, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab057
PMID:34494101
|
研究论文 | 本文提出了一种基于Apache Spark的本地工作流程，用于在集群环境中实现可扩展和高性能的变异检测 | 本文的创新点在于提出了一种紧密集成预处理阶段的本地Spark工作流程，利用Python和Apache Arrow实现高效的数据传输，从而提高了变异检测的性能和可扩展性 | NA | 研究目的是开发一种可扩展且高性能的变异检测工作流程，以应对深度学习方法在变异检测中的高计算成本问题 | 研究对象是下一代测序数据的预处理和变异检测工作流程 | 生物信息学 | NA | Apache Spark, Apache Arrow | NA | 测序数据 | NA |
| 67 | 2024-11-18 |
RNAProt: an efficient and feature-rich RNA binding protein binding site predictor
2021-08-18, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab054
PMID:34406415
|
研究论文 | 本文介绍了一种基于循环神经网络的高效且功能丰富的RNA结合蛋白结合位点预测框架RNAProt | RNAProt在预测性能和运行时间效率上优于传统机器学习方法和深度学习方法，并支持多种额外功能和用户定义特征 | NA | 开发一种高效的计算方法来预测RNA结合蛋白的结合位点 | RNA结合蛋白的结合位点 | 机器学习 | NA | CLIP-seq | 循环神经网络 | 文本 | NA |
| 68 | 2024-11-18 |
ChronoRoot: High-throughput phenotyping by deep segmentation networks reveals novel temporal parameters of plant root system architecture
2021-07-20, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab052
PMID:34282452
|
研究论文 | 本文介绍了一种结合3D打印开放硬件和深度分割网络的高通量植物根系表型分析系统ChronoRoot | 开发了一种基于深度学习的根系提取方法，利用卷积神经网络的最新进展进行图像分割，并将时间一致性纳入根系结构重建过程 | NA | 扩展根系高通量表型分析的可能性，揭示新的根系特征 | 植物根系 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | NA |
| 69 | 2024-11-18 |
Multi-stage malaria parasite recognition by deep learning
2021-06-17, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab040
PMID:34137821
|
研究论文 | 本文开发了一种基于深度迁移图卷积网络（DTGCN）的深度学习方法，用于识别血液涂片图像中不同阶段的疟原虫 | 首次将图卷积网络（GCN）应用于多阶段疟原虫识别 | NA | 开发一种高效准确的方法来识别血液涂片图像中不同阶段的疟原虫 | 疟原虫的不同生长阶段 | 计算机视觉 | 疟疾 | 深度迁移图卷积网络（DTGCN） | 图卷积网络（GCN） | 图像 | 使用了公开的微观图像数据集和一个大规模的未见过的疟原虫数据集以及Babesia数据集 |
| 70 | 2024-11-18 |
Label3DMaize: toolkit for 3D point cloud data annotation of maize shoots
2021-05-07, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab031
PMID:33963385
|
研究论文 | 本文提出了一种用于玉米植株3D点云数据标注的工具包Label3DMaize，通过自上而下的点云分割算法实现半自动的点云分割和标注 | 本文的创新点在于提出了一种基于最优运输距离的点云分割算法，并开发了一个半自动的3D点云标注工具包Label3DMaize | 本文的局限性在于工具包的分割精度依赖于粗分割和精细分割的结合，且精细分割需要更多时间 | 本文的研究目的是开发一种高效的3D点云分割和标注工具，以支持基于深度学习的植物点云处理研究 | 本文的研究对象是玉米植株的3D点云数据 | 计算机视觉 | NA | 3D点云分割 | NA | 3D点云数据 | 不同生长阶段的玉米植株 |
| 71 | 2024-11-18 |
Fluorescence microscopy datasets for training deep neural networks
2021-05-05, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab032
PMID:33954794
|
研究论文 | 本文提供了用于训练深度神经网络的高质量荧光显微镜数据集 | 本文提供了高质量的数据集，用于训练和评估正在开发的深度学习方法 | NA | 提高荧光显微镜图像的信噪比，减少光漂白和光毒性 | 荧光显微镜图像 | 计算机视觉 | NA | 荧光显微镜 | 卷积神经网络 | 图像 | NA |
| 72 | 2024-11-18 |
MB-GAN: Microbiome Simulation via Generative Adversarial Network
2021-02-05, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giab005
PMID:33543271
|
研究论文 | 本文介绍了一种名为MB-GAN的生成对抗网络框架，用于模拟真实的微生物组数据 | MB-GAN通过生成对抗网络自动学习微生物丰度并生成难以区分的模拟数据，避免了显式统计建模假设 | NA | 解决模拟真实微生物组数据的挑战 | 微生物组数据 | 机器学习 | NA | 生成对抗网络 (GAN) | GAN | 微生物丰度数据 | 396个样本 |
| 73 | 2024-11-18 |
Lilikoi V2.0: a deep learning-enabled, personalized pathway-based R package for diagnosis and prognosis predictions using metabolomics data
2021-01-23, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa162
PMID:33484242
|
研究论文 | 本文介绍了Lilikoi V2.0，一个基于深度学习的个性化通路分析R包，用于代谢组学数据的诊断和预后预测 | Lilikoi V2.0引入了深度学习方法进行分类，并增加了预后预测模块，支持数据预处理、探索性分析、通路可视化和代谢通路回归 | NA | 更新和升级Lilikoi软件，以适应代谢组学领域的新计算趋势 | 代谢组学数据 | 机器学习 | NA | 深度学习 | Cox-nnet模型 | 代谢组学数据 | NA |
| 74 | 2024-11-18 |
Tool recommender system in Galaxy using deep learning
2021-01-06, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giaa152
PMID:33404053
|
研究论文 | 本文开发了一个基于深度学习的工具推荐系统，用于帮助研究人员在Galaxy平台上创建工作流程 | 本文提出了一个基于门控循环单元神经网络的工具推荐模型，通过分析研究人员在欧洲Galaxy服务器上创建的工作流程来学习工具之间的依赖关系 | NA | 开发一个工具推荐系统，帮助研究人员在Galaxy平台上更轻松地创建复杂的工作流程 | Galaxy平台上的工具和工作流程 | 机器学习 | NA | 深度学习 | 门控循环单元神经网络 | 工作流程数据 | NA |
| 75 | 2024-11-17 |
Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data
2021-Apr, Analytical science advances
IF:3.0Q2
DOI:10.1002/ansa.202000162
PMID:38716450
|
综述 | 本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势 | 探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用 | NA | 旨在提高化学数据的应用潜力 | 化学和光谱数据 | 机器学习 | NA | 化学计量学 | 深度学习 | 光谱和图像数据 | NA |
| 76 | 2024-11-13 |
Why high intensity plaque is bright on MRI?
2021-Nov, American heart journal plus : cardiology research and practice
DOI:10.1016/j.ahjo.2021.100055
PMID:38549741
|
研究论文 | 研究探讨了非对比T1加权MRI在识别冠状动脉壁高强度斑块（HIP）及其与冠状动脉内斑块出血的关系 | 首次通过病理学分析证实了非对比T1加权MRI与冠状动脉内斑块出血之间的强相关性 | 缺乏对活体组织样本的病理学分析，HIP的病理特征仍未知 | 探讨非对比T1加权MRI在评估高强度斑块中的病理学意义 | 冠状动脉壁高强度斑块及其与冠状动脉内斑块出血的关系 | 医学影像 | 心血管疾病 | MRI | NA | 图像 | 通过定向冠状动脉斑块切除术获得的斑块样本 |
| 77 | 2024-11-11 |
Artificial Intelligence-based Analytics for Diagnosis of Small Bowel Enteropathies and Black Box Feature Detection
2021-06-01, Journal of pediatric gastroenterology and nutrition
IF:2.4Q1
DOI:10.1097/MPG.0000000000003057
PMID:33534362
|
研究论文 | 开发了一种基于人工智能的图像分析平台，利用深度学习卷积神经网络（CNNs）来诊断小肠肠病，并检测其特征 | 利用深度学习CNNs和Grad-CAMs技术，提高了小肠肠病的诊断准确性，并揭示了深度学习模型的决策过程 | 研究样本主要来自儿童，且样本量相对较小 | 开发一种能够准确诊断小肠肠病的计算方法，并揭示深度学习模型的决策过程 | 小肠肠病，包括环境肠病（EE）和乳糜泻（CD） | 计算机视觉 | NA | 深度学习卷积神经网络（CNNs） | CNN | 图像 | 461张高分辨率活检图像，来自150名儿童 |
| 78 | 2024-11-07 |
Image- versus histogram-based considerations in semantic segmentation of pulmonary hyperpolarized gas images
2021-11, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.28908
PMID:34227163
|
研究论文 | 比较基于直方图和基于图像的算法在肺部超极化气体图像语义分割中的差异 | 提出使用卷积神经网络在图像域中进行直接优化，以利用空间信息，从而解决基于直方图方法的问题 | 未提及 | 研究基于直方图和基于图像的算法在肺部超极化气体图像分割中的性能差异 | 肺部超极化气体图像的分割算法 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 29个公开数据集样本和51个回顾性收集样本 |
| 79 | 2024-10-28 |
Artificial intelligence: a critical review of current applications in pancreatic imaging
2021-Jun, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-021-01098-5
PMID:33550513
|
综述 | 本文综述了人工智能在胰腺疾病影像学中的应用 | 介绍了机器学习和深度学习在胰腺疾病影像学中的最新进展和当前成果 | 讨论了人工智能在胰腺疾病影像学中的局限性和未来展望 | 探讨人工智能在胰腺疾病影像学中的应用 | 胰腺导管腺癌和其他胰腺肿瘤的检测与特征分析 | 计算机视觉 | 胰腺癌 | 机器学习 深度学习 | NA | 影像 | NA |
| 80 | 2024-10-25 |
Automating the assessment of biofouling in images using expert agreement as a gold standard
2021-02-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-81011-2
PMID:33531525
|
研究论文 | 本文利用深度学习技术自动评估水下图像中的生物污损情况，并以专家共识作为金标准 | 首次应用深度学习模型自动分类水下检查图像中的生物污损，并验证了其与专家评估的一致性 | 研究仅限于水下检查图像的分类，未涉及其他类型的生物污损数据 | 开发一种自动化的方法来评估船舶外壳的生物污损情况，以降低成本和提高效率 | 水下检查图像中的生物污损 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 超过10,000张水下检查图像，其中120张由三位专家标注 |