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 27 篇文献，本页显示第 21 - 27 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-08-08 |
Deep learning approach for the segmentation of aneurysmal ascending aorta
2021-Feb, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-020-00179-0
PMID:33747600
|
研究论文 | 本研究探讨了使用UNet、ENet和ERFNet技术进行升主动脉瘤自动分割的可行性和有效性 | 本研究展示了深度学习模型能够快速且准确地分割和量化升主动脉瘤的3D几何结构 | NA | 开发新的基于图像的风险评估策略，以提高患者风险管理的个性化水平 | 升主动脉瘤的自动分割 | 计算机视觉 | 心血管疾病 | 深度学习 | UNet, ENet, ERFNet | 图像 | 72名患有升主动脉瘤和不同瓣膜形态（即三尖瓣和二尖瓣）的患者 |
| 22 | 2024-08-07 |
Fast and Accurate Detection of COVID-19 Along With 14 Other Chest Pathologies Using a Multi-Level Classification: Algorithm Development and Validation Study
2021-02-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/23693
PMID:33529154
|
研究论文 | 本文提出了一种基于深度学习的多级分类管道，用于快速准确地检测COVID-19及其他14种胸部疾病，并通过X射线图像进行验证 | 该研究通过多级分类方法，将分类任务分解为多个步骤，提高了COVID-19及其他胸部疾病的检测准确性 | 由于某些类别如COVID-19的数据缺乏，采用了10折交叉验证，可能影响模型的泛化能力 | 实现对COVID-19的快速且更准确的诊断 | COVID-19及其他14种胸部疾病的X射线图像 | 机器学习 | COVID-19 | 深度学习 | ResNet50 | 图像 | 涉及16个类别的X射线图像 |
| 23 | 2024-08-07 |
Quantitative Assessment of Chest CT Patterns in COVID-19 and Bacterial Pneumonia Patients: a Deep Learning Perspective
2021-Feb-01, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2021.36.e46
PMID:33527788
|
研究论文 | 本研究通过深度学习方法对COVID-19和细菌性肺炎患者的胸部CT图像进行定量评估，以区分这两种疾病的细微差异 | 提出了一种新的深度学习方法，通过构建病灶簇和直方图特征来提高疾病分类和严重程度评估的准确性 | 研究为回顾性队列研究，样本来自单一医院，可能存在样本偏倚 | 设计并评估可解释的特征提取技术，以描述COVID-19和细菌性肺炎患者的病情 | COVID-19和细菌性肺炎患者的胸部CT图像 | 计算机视觉 | COVID-19 | K-means算法 | 支持向量机 | 图像 | 170名确诊的COVID-19或细菌性肺炎患者 |
| 24 | 2024-08-07 |
InstaCovNet-19: A deep learning classification model for the detection of COVID-19 patients using Chest X-ray
2021-Feb, Applied soft computing
IF:7.2Q1
DOI:10.1016/j.asoc.2020.106859
PMID:33162872
|
研究论文 | 提出了一种名为InstaCovNet-19的深度学习模型，用于通过胸部X光图像检测COVID-19患者 | 使用多种预训练模型如ResNet101、Xception、InceptionV3、MobileNet和NASNet，以弥补训练数据量相对较小的不足 | 未提及具体限制 | 开发一种高精度的深度学习模型，用于自动检测COVID-19 | COVID-19、肺炎和正常胸部X光图像的分类 | 计算机视觉 | COVID-19 | 深度学习 | 深度卷积网络 | 图像 | 用于三类分类的3个类别（COVID-19、肺炎、正常）和用于二类分类的2个类别（COVID、非COVID） |
| 25 | 2024-08-07 |
Epicardial adipose tissue is associated with extent of pneumonia and adverse outcomes in patients with COVID-19
2021-02, Metabolism: clinical and experimental
DOI:10.1016/j.metabol.2020.154436
PMID:33221381
|
研究论文 | 本研究旨在探讨心包脂肪组织（EAT）在胸部计算机断层扫描（CT）中的量化与COVID-19患者肺炎程度及不良预后的关联 | 首次研究了EAT在COVID-19患者中的量化与肺炎程度及不良预后的独立关联 | 本研究为回顾性分析，样本量相对较小，可能影响结果的普遍性 | 探究EAT与COVID-19患者肺炎程度及不良预后的关联 | COVID-19患者的心包脂肪组织（EAT）及其与肺炎程度和不良预后的关系 | 数字病理学 | COVID-19 | 胸部计算机断层扫描（CT） | 深度学习软件 | 图像 | 109名实验室确诊的COVID-19患者 |
| 26 | 2024-08-07 |
Genetic Probe for Visualizing Glutamatergic Synapses and Vesicles by 3D Electron Microscopy
2021-02-17, ACS chemical neuroscience
IF:4.1Q2
DOI:10.1021/acschemneuro.0c00643
PMID:33522227
|
研究论文 | 本文开发了一种遗传编码探针，用于通过3D电子显微镜技术可视化谷氨酸能突触和囊泡 | 首次开发了一种遗传编码探针，结合miniSOG和囊泡谷氨酸转运体-2，用于标记和成像基于其神经化学身份的突触和突触囊泡 | NA | 开发新的工具来访问神经传递的亚细胞结构和分子机制，以及基于神经递质的神经连接追踪 | 谷氨酸能突触和囊泡的标记与成像 | 神经科学 | NA | 3D电子显微镜，深度学习 | 深度学习模型 | 图像 | NA |
| 27 | 2024-08-05 |
Deep learning-augmented radiotherapy visualization with a cylindrical radioluminescence system
2021-02-09, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abd673
PMID:33361563
|
研究论文 | 这项研究展示了一种基于相机的低成本放射光致发光成像系统，用于外部束放射治疗中的高质量束可视化 | 提出并训练了一个深度学习模型，以减少由光子散射引起的镜面眩光和边缘模糊 | 研究中可能未考虑某些特殊条款或复杂的临床场景的验证 | 提升放射治疗中辐射交付的准确性 | 使用不同设计的束场进行训练和验证 | 医学影像学 | NA | 放射光致发光成像 | 深度学习模型 | 图像 | 使用五个常规束场和三个临床IMRT案例进行验证 |