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 1799 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-10-30 |
Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0268952
PMID:35622869
|
研究论文 | 本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法 | 本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性 | NA | 提高正交频分复用系统中信道估计的准确性和鲁棒性 | 正交频分复用系统中的信道估计问题 | 无线通信 | NA | 深度学习 | 卷积神经网络（CNN） | 信号 | NA | NA | NA | NA | NA |
| 282 | 2024-10-27 |
A Deep Learning Framework for the Detection and Quantification of Reticular Pseudodrusen and Drusen on Optical Coherence Tomography
2022-12-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.11.12.3
PMID:36458946
|
研究论文 | 开发并验证了一种深度学习框架，用于在光学相干断层扫描（OCT）图像中检测和量化网状假性玻璃膜疣（RPD）和玻璃膜疣 | 提出了一个包含分类模型和分布外检测模型的深度学习框架，用于识别不可评估的扫描、区分玻璃膜疣和RPD，并独立分割这两种病变 | 研究样本主要来自UK Biobank，可能限制了结果的普适性 | 开发和验证一个深度学习框架，用于在OCT扫描中检测和量化RPD和玻璃膜疣 | 网状假性玻璃膜疣（RPD）和玻璃膜疣 | 计算机视觉 | 老年性疾病 | 深度学习 | CNN | 图像 | 1284名年龄相关性黄斑变性（AMD）患者和250名对照组 | NA | NA | NA | NA |
| 283 | 2024-10-27 |
Deep-learning density functional theory Hamiltonian for efficient ab initio electronic-structure calculation
2022-Jun, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00265-6
PMID:38177580
|
研究论文 | 本文开发了一种深度神经网络方法来表示晶体材料的DFT哈密顿量（DeepH），旨在绕过DFT中计算密集的自洽场迭代，显著提高从头算电子结构计算的效率 | 本文提出了一种将密度泛函理论（DFT）与深度学习方法结合的框架，通过消息传递神经网络实现深度学习，解决了DFT哈密顿量的大维度和规范（或旋转）协变性问题 | NA | 旨在通过深度学习方法提高密度泛函理论（DFT）计算的效率 | 晶体材料的DFT哈密顿量 | 机器学习 | NA | 深度学习 | 消息传递神经网络 | NA | NA | NA | NA | NA | NA |
| 284 | 2024-10-26 |
Quantification of muscle, bones, and fat on single slice thigh CT
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611664
PMID:36303572
|
研究论文 | 本文提出了一种两阶段深度学习管道，用于在有限的人工标注数据下进行大腿CT切片中的肌肉、骨骼和脂肪分割 | 通过迁移学习的方法，利用伪标签进行初步训练，然后使用有限的人工标注数据进行微调，提高了模型在有限数据下的性能 | 需要大量的计算资源和时间来生成伪标签和训练模型 | 开发一种在有限人工标注数据下进行大腿CT切片中肌肉、骨骼和脂肪分割的方法 | 大腿CT切片中的肌肉、骨骼和脂肪 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 研究包括2836张来自Baltimore Longitudinal Study of Aging (BLSA)的切片和121张来自Genetic and Epigenetic Signatures of Translational Aging Laboratory Testing (GESTALT)的切片，共计56个大腿CT扫描 | NA | NA | NA | NA |
| 285 | 2024-10-26 |
Efficient Quality Control with Mixed CT and CTA Datasets
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2607406
PMID:36303574
|
研究论文 | 本文提出了一种自动质量控制方法，通过将3D CT扫描转换为2D轴向切片蒙太奇，并使用多头卷积神经网络来检测CT与CTA以及有无伪影，以提高深度学习模型在创伤性脑损伤数据集上的训练效果 | 本文的创新点在于提出了一种自动化的质量控制方法，通过多头卷积神经网络来区分CT与CTA以及检测伪影，从而减少手动检查的时间和成本 | 伪影检测性能可能因伪影的异质性和训练数据中伪影扫描数量不足而受到影响 | 提高深度学习模型在创伤性脑损伤数据集上的训练效果 | 创伤性脑损伤患者的CT和CTA数据集 | 计算机视觉 | 创伤性脑损伤 | 卷积神经网络 | 多头卷积神经网络 | 图像 | 848个扫描样本，其中698个用于交叉验证，150个用于外部验证 | NA | NA | NA | NA |
| 286 | 2024-10-25 |
Usability of deep learning pipelines for 3D nuclei identification with Stardist and Cellpose
2022-12, Cells & development
IF:2.1Q3
DOI:10.1016/j.cdev.2022.203806
PMID:36029974
|
研究论文 | 比较了两种开源机器学习算法Cellpose和Stardist在3D荧光染色增殖细胞核识别中的应用 | 展示了图像分块和背景减除对两种算法的影响，并评估了它们的易用性和处理时间 | 未提及 | 评估Cellpose和Stardist在3D细胞分割中的适用性和性能 | 3D荧光染色增殖细胞核 | 计算机视觉 | NA | 机器学习 | NA | 图像 | 未提及 | NA | NA | NA | NA |
| 287 | 2024-10-25 |
Effectiveness of cascading time series models based on meteorological factors in improving health risk prediction
2022-Feb, Environmental science and pollution research international
DOI:10.1007/s11356-021-16372-2
PMID:34510340
|
研究论文 | 研究基于气象因素的时间序列模型在改善健康风险预测中的有效性 | 提出了一种新的混合模型CGCLM，结合了广义加性模型、CEEMDAN和LSTM网络，用于预测每日LRTI患者的入院情况 | 研究仅限于LRTI疾病，未涵盖其他类型的健康风险预测 | 探讨基于气象因素的时间序列预处理算法和深度学习方法在医院入院预测模型中的应用 | 研究对象为2003年至2019年间Panyu中央医院的46,089名LRTI患者及其相关的气象数据 | 机器学习 | 呼吸道感染 | 时间序列分析 | LSTM | 时间序列数据 | 46,089名LRTI患者和四项气象因素 | NA | NA | NA | NA |
| 288 | 2024-10-21 |
CHAP-Adult: A Reliable and Valid Algorithm to Classify Sitting and Measure Sitting Patterns Using Data From Hip-Worn Accelerometers in Adults Aged 35
2022-Dec, Journal for the measurement of physical behaviour
DOI:10.1123/jmpb.2021-0062
PMID:38260182
|
研究论文 | 开发并验证了一种基于卷积神经网络的算法CHAP-Adult，用于通过髋部佩戴的加速度计数据准确分类坐姿和测量坐姿模式 | CHAP-Adult算法在测量坐姿和坐姿模式方面比传统的100次每分钟切点方法更准确 | 算法在身体质量指数≥30 kg/m²的个体中表现出的误差较大 | 开发和验证一种新的算法，以准确测量和分类使用髋部佩戴加速度计的坐姿和坐姿模式 | 35-99岁成年人的坐姿和坐姿模式 | 机器学习 | NA | 卷积神经网络 | 卷积神经网络 | 加速度计数据 | 训练数据包括981名35-99岁的成年人，验证数据包括419名未参与训练的成年人 | NA | NA | NA | NA |
| 289 | 2024-10-18 |
Artificial Intelligence (AI) for Fracture Diagnosis: An Overview of Current Products and Considerations for Clinical Adoption, From the AJR Special Series on AI Applications
2022-12, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27873
PMID:35731103
|
综述 | 本文综述了人工智能（AI）和深度学习算法在骨折诊断中的应用，并提供了临床采用这些技术的指导 | 介绍了AI和深度学习在骨折检测中的准确性，并讨论了其在临床实践中的应用潜力 | 尽管AI产品在增加，但关于放射科医生如何采用这些新技术的指导有限 | 探讨AI和深度学习算法在骨折诊断中的应用，并提供临床采用这些技术的指导 | 骨折诊断和AI技术在放射科的应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 290 | 2024-10-18 |
Multivendor Comparison of Quantification Accuracy of Iodine Concentration and Attenuation Measurements by Dual-Energy CT: A Phantom Study
2022-11, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27753
PMID:35674353
|
研究论文 | 本研究比较了不同供应商、技术和代次的12种双能CT（DECT）扫描仪在碘浓度和衰减测量方面的定量准确性 | 本研究设计了一个包含七种不同碘浓度的质量控制幻影，并使用了多种扫描条件和重建算法，包括深度学习图像重建（DLIR），以评估不同DECT配置的定量准确性 | 本研究仅限于使用特定的质量控制幻影和有限的扫描条件，未涵盖所有可能的临床应用场景 | 比较不同供应商、技术和代次的双能CT扫描仪在碘浓度和衰减测量方面的定量准确性 | 双能CT扫描仪的定量准确性 | 医学影像 | NA | 双能CT（DECT） | 深度学习图像重建（DLIR） | 影像 | 12种不同扫描仪配置 | NA | NA | NA | NA |
| 291 | 2024-10-18 |
Impact of Artificial Intelligence Assistance on Chest CT Interpretation Times: A Prospective Randomized Study
2022-11, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27598
PMID:35703413
|
研究论文 | 评估人工智能辅助平台在临床工作流程中对胸部CT解读时间的影响 | 研究展示了在真实临床环境中，使用自动化AI平台辅助胸部CT解读可以显著减少放射科医生的解读时间 | 研究仅在一个中心进行，样本量有限，且仅涉及三位放射科医生 | 评估AI辅助平台对胸部CT解读时间的影响 | 胸部CT扫描的解读时间 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 390名患者（204名女性，186名男性；平均年龄62.8 ± 13.3岁） | NA | NA | NA | NA |
| 292 | 2024-10-18 |
Coronary CTA With AI-QCT Interpretation: Comparison With Myocardial Perfusion Imaging for Detection of Obstructive Stenosis Using Invasive Angiography as Reference Standard
2022-09, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27289
PMID:35441530
|
研究论文 | 本研究比较了人工智能定量CT（AI-QCT）解释的冠状动脉CTA与心肌灌注成像（MPI）在检测阻塞性冠状动脉疾病中的诊断性能 | AI-QCT在检测阻塞性冠状动脉疾病方面比MPI具有更高的诊断性能，并能显著减少不必要的下游侵入性测试和成本 | 本研究为回顾性事后分析，样本来自23个中心的CREDENCE试验，可能存在选择偏倚 | 比较AI-QCT解释的冠状动脉CTA与MPI在检测阻塞性冠状动脉疾病中的诊断性能，并评估其在诊断算法中的下游影响 | 冠状动脉CTA、MPI、AI-QCT、侵入性血管造影 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 301名患者（88名女性和213名男性；平均年龄64.4±10.2岁） | NA | NA | NA | NA |
| 293 | 2024-10-18 |
Radiation Dose Reduction for 80-kVp Pediatric CT Using Deep Learning-Based Reconstruction: A Clinical and Phantom Study
2022-08, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27255
PMID:35195431
|
研究论文 | 本研究评估了基于深度学习的重建（DLR）在降低低管电压儿童CT辐射剂量同时保持诊断图像质量方面的效果 | 首次比较了低剂量DLR图像与标准剂量迭代重建（IR）图像，并探索了DLR在低管电压扫描中的应用 | 本研究为回顾性研究，样本量有限，且仅限于6岁及以下的儿童 | 评估DLR在降低低管电压儿童CT辐射剂量同时保持图像质量方面的效果 | 6岁及以下的儿童 | 计算机视觉 | NA | 基于深度学习的重建（DLR） | 深度学习模型 | 图像 | 65名儿童（平均年龄25.0 ± 25.2个月） | NA | NA | NA | NA |
| 294 | 2024-10-18 |
Defining Normal Ranges of Skeletal Muscle Area and Skeletal Muscle Index in Children on CT Using an Automated Deep Learning Pipeline: Implications for Sarcopenia Diagnosis
2022-08, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27239
PMID:35234481
|
研究论文 | 使用自动化深度学习管道在儿童腹部CT图像上定义骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症 | 首次使用自动化深度学习管道在儿童群体中定义骨骼肌面积和骨骼肌指数的正常范围 | 研究仅限于特定医院的数据，样本选择标准严格，可能影响结果的普适性 | 确定儿童骨骼肌面积和骨骼肌指数的正常范围，以辅助诊断儿童肌肉减少症 | 儿童的骨骼肌面积和骨骼肌指数 | 计算机视觉 | NA | 深度学习 | DL | 图像 | 2168名儿童，年龄范围2.00-18.99岁，包括1125名女性和1043名男性 | NA | NA | NA | NA |
| 295 | 2024-10-18 |
Editorial Comment: Doing More With Less-Deep Learning Iterative Reconstruction Can Improve Diagnostic Image Quality in Pediatric Low-Dose Body CT
2022-Aug, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27613
PMID:35261283
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 296 | 2024-10-18 |
Is Artificial Intelligence (AI) a Pipe Dream? Why Legal Issues Present Significant Hurdles to AI Autonomy
2022-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27224
PMID:35138133
|
评论 | 本文讨论了人工智能（AI）在放射学中的应用及其面临的法律障碍 | 本文首次深入探讨了AI在放射学中应用时面临的法律责任问题 | 本文主要关注法律问题，未详细讨论技术实现的具体细节 | 探讨AI在放射学中应用的法律障碍及其对AI发展的影响 | AI在放射学中的应用及其法律责任问题 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 297 | 2024-10-14 |
Deep learning fusion of satellite and social information to estimate human migratory flows
2022-Sep, Transactions in GIS : TG
IF:2.1Q2
DOI:10.1111/tgis.12953
PMID:38024452
|
研究论文 | 本文提出了一种基于深度学习的数据融合技术，结合卫星和人口普查数据来估计从墨西哥到美国的移民流动 | 本文创新性地将卫星图像和构建的社会经济矩阵相结合，通过卷积神经网络来估计移民流动 | NA | 研究目的是通过多模态数据融合来提高移民流动模型的准确性 | 研究对象是从墨西哥到美国的移民流动 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像和矩阵数据 | 涉及墨西哥各市的社会经济信息和卫星图像数据 | NA | NA | NA | NA |
| 298 | 2024-10-14 |
Deep learning identified pathological abnormalities predictive of graft loss in kidney transplant biopsies
2022-02, Kidney international
IF:14.8Q1
DOI:10.1016/j.kint.2021.09.028
PMID:34757124
|
研究论文 | 本文开发了一种基于深度学习的管道，用于识别和量化肾移植活检中的病理异常，以预测移植失败 | 本文提出的深度学习模型能够更敏感地检测Banff评分阈值以下的细微病理变化，并且在预测移植失败方面优于传统的Banff评分和临床预测因子 | NA | 开发一种客观、定量的病理评估方法，以提高对肾移植失败预测的准确性 | 肾移植活检中的间质纤维化、肾小管萎缩和炎症等病理异常 | 数字病理学 | 肾移植 | 深度学习 | 深度学习模型 | 图像 | 789例肾移植活检样本（478例基线样本和311例移植后12个月的协议活检样本） | NA | NA | NA | NA |
| 299 | 2024-10-12 |
Deep learning of longitudinal mammogram examinations for breast cancer risk prediction
2022-Dec, Pattern recognition
IF:7.5Q1
DOI:10.1016/j.patcog.2022.108919
PMID:37089470
|
研究论文 | 本文提出了一种新的深度学习结构LRP-NET，用于捕捉多次乳腺X光检查中的时空变化，以预测近期乳腺癌风险 | 首次设计了能够捕捉多次乳腺X光检查中时空信息的深度学习模型，用于乳腺癌风险预测 | 研究样本量较小，仅涉及200名患者，未来需要在大规模数据集上验证模型效果 | 开发一种能够利用多次乳腺X光检查中的时空信息来预测乳腺癌风险的深度学习模型 | 多次乳腺X光检查中的时空变化信息 | 计算机视觉 | 乳腺癌 | 深度学习 | LRP-NET | 图像 | 200名患者，每人进行四次检查，共3200张图像 | NA | NA | NA | NA |
| 300 | 2024-10-12 |
A general skull stripping of multiparametric brain MRIs using 3D convolutional neural network
2022-06-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-14983-4
PMID:35760886
|
研究论文 | 本文提出了一种基于3D卷积神经网络的多参数脑部MRI的去颅骨方法 | 本文的创新点包括：1) 提出了一种全自动的端到端去颅骨方法；2) 适用于多参数MRI扫描，并可定制任何MRI模态组合；3) 不仅适用于健康脑部MRI，还适用于GBM手术前后的脑部MRI；4) 处理多中心数据；5) 首次定量比较了不同模态下的去颅骨性能 | NA | 研究目的是提高多参数脑部MRI的去颅骨准确性，以促进后续的神经影像分析 | 研究对象包括健康脑部和GBM手术前后的脑部MRI | 计算机视觉 | 脑肿瘤 | 3D卷积神经网络 | 3DCNN | MRI图像 | 共收集了815例病例，包括有/无胶质母细胞瘤（GBM）的病例 | NA | NA | NA | NA |