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 1802 篇文献，本页显示第 1741 - 1760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1741 | 2024-08-05 |
Barnacles Mating Optimizer with Deep Transfer Learning Enabled Biomedical Malaria Parasite Detection and Classification
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/7776319
PMID:35694571
|
研究论文 | 该文章提出了一种新的模型用于检测和分类疟疾寄生虫。 | 引入了Barnacles Mating Optimizer与深度迁移学习相结合的模型，提升了疟疾寄生虫的检测和分类准确性。 | NA | 研究旨在通过自动化工具提高疟疾的诊断准确性。 | 研究对象为病血涂片图像中的疟疾寄生虫。 | 计算机视觉 | 疟疾 | 深度学习 | 极限学习机 | 图像 | 使用基准数据集进行广泛的实验分析 | NA | NA | NA | NA |
| 1742 | 2024-08-05 |
A Novel Hybrid Deep Learning Model for Metastatic Cancer Detection
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8141530
PMID:35785076
|
研究论文 | 本文提出了一种新的混合深度学习模型用于转移性癌症的检测 | 推出了混合的AlexNet-门控递归单元模型（AlexNet-GRU），并在乳腺癌淋巴结检测中表现出色 | 研究未提及模型在实际临床环境中的应用效果 | 旨在提高癌症的检测效率并减少病理学家在诊断过程中的错误 | 乳腺癌淋巴结样本 | 机器学习 | 乳腺癌 | 深度学习 | AlexNet-GRU | 图像 | 使用了Kaggle（PCam）数据集中的淋巴结癌症样本 | NA | NA | NA | NA |
| 1743 | 2024-08-05 |
Design and implementation of real-time object detection system based on single-shoot detector and OpenCV
2022, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2022.1039645
PMID:36405169
|
研究论文 | 本研究设计并实施了一种实时目标检测和识别系统，使用单次检测器(SSD)算法和深度学习技术 | 提出了一种高准确率和高效率的实时目标检测系统，并研究了多种预训练模型在不同数据集上的表现 | 系统需在合理的设备上运行，且对数据集的选择和模型的准确性依赖较大 | 开发并调查一种基于深度学习和神经网络的实时目标检测和识别系统 | 使用开放数据集评估SSD算法的性能及准确性 | 计算机视觉 | NA | 深度学习 | SSD | 图像 | 使用MS Common Objects in Context (COCO)、PASCAL VOC和Kitti等开放数据集进行评估 | NA | NA | NA | NA |
| 1744 | 2024-08-05 |
Deep learning automates detection of wall motion abnormalities via measurement of longitudinal strain from ECG-gated CT images
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.1009445
PMID:36588550
|
研究论文 | 本文展示了一种深度学习框架能够自动和准确地测量纵向应变，以检测心壁运动异常 | 提出了一种新的自动化方法，通过深度学习进行左心室血池分割和纵向成像平面的描绘 | 样本数量有限且仅在训练和测试队列中评估 | 研究使用深度学习框架自动测量纵向应变以检测心壁运动异常的能力 | 分析了100个临床cineCT研究中心脏的AHA段是否存在运动异常 | 数字病理学 | 心血管疾病 | 深度学习 | 卷积神经网络 | CT图像 | 100个临床cineCT研究 | NA | NA | NA | NA |
| 1745 | 2024-08-05 |
Detection of left ventricular wall motion abnormalities from volume rendering of 4DCT cardiac angiograms using deep learning
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.919751
PMID:35966529
|
研究论文 | 本研究开发并评估了利用深度学习从动态体积渲染的4DCT心脏血管造影中检测左心室壁运动异常的能力 | 提出了一种基于深度学习的方案，通过动态体积渲染视频提高左心室壁运动异常的检测准确性 | 研究仅依赖于回顾性评估，样本来源于单一中心，可能存在一定的选择偏倚 | 研究旨在提高心血管疾病患者左心室壁运动异常的检测准确性 | 研究对象为343个ECG门控的心脏4DCT研究 | 计算机视觉 | 心血管疾病 | 4DCT | 深度学习 (DL)，包括Inception网络和长短期记忆网络 (LSTM) | 视频 | 343个心脏4DCT研究 | NA | NA | NA | NA |
| 1746 | 2024-08-05 |
Deep learning applications in coronary anatomy imaging: a systematic review and meta-analysis
2022-Dec, Journal of medical artificial intelligence
DOI:10.21037/jmai-22-36
PMID:36861064
|
系统评价和Meta分析 | 本文章系统评估深度学习在冠状动脉解剖成像中的应用及其准确性. | 本文提供了对深度学习在冠状动脉解剖成像中应用的全面分析，并展示了CNN模型在此领域的强大性能. | 大多数研究的外部验证尚未进行，临床应用准备不足. | 评估深度学习应用于冠状动脉解剖成像的准确性. | 应用深度学习技术进行冠状动脉解剖成像的相关研究. | 医学成像 | 冠状动脉疾病 | 深度学习, 具体为卷积神经网络(CNN) | CNN | 医学影像 | 81项研究符合纳入标准 | NA | NA | NA | NA |
| 1747 | 2024-08-05 |
A deep learning framework for inference of single-trial neural population dynamics from calcium imaging with subframe temporal resolution
2022-12, Nature neuroscience
IF:21.2Q1
DOI:10.1038/s41593-022-01189-0
PMID:36424431
|
研究论文 | 这篇文章提出了一种深度学习框架，用于从具有亚帧时间分辨率的钙成像中推断单次试验神经群体动态 | 该研究开发了RADICaL方法，以解决利用钙信号推断网络动态中的噪声和时间分辨率限制 | 研究主要集中在合成测试上，实际应用可能面临的挑战未完全探讨 | 研究旨在提高从钙成像中推断神经网络状态的精度 | 使用进行前肢到达任务的小鼠的2p钙成像数据 | 神经科学 | NA | 钙成像 | 递归自编码器 | 钙成像数据 | 小鼠的2p记录数据，样本量未具体描述 | NA | NA | NA | NA |
| 1748 | 2024-08-05 |
Tagged-MRI Sequence to Audio Synthesis via Self Residual Attention Guided Heterogeneous Translator
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16446-0_36
PMID:36820764
|
研究论文 | 该文章提出了一种基于自残差注意力的异构翻译器，从带标记的MRI序列生成音频波形 | 创新点在于采用全卷积不对称翻译器和自残差注意力策略，以处理语音中的肌肉运动结构 | 该研究的局限性在于使用的数据集规模有限 | 研究目标是理解带标记的MRI与可懂语音之间的关系 | 研究对象为带标记的MRI序列和其对应的音频波形 | 计算机视觉 | 言语相关疾病 | 深度学习 | 生成对抗网络 | 图像和音频 | 63个带标记的MRI序列 | NA | NA | NA | NA |
| 1749 | 2024-08-05 |
Residue-wise local quality estimation for protein models from cryo-EM maps
2022-09, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01574-4
PMID:35953671
|
研究论文 | 本文开发了一种方法，用于评估蛋白质模型中基于冷冻电镜图的残基局部质量。 | 创新点在于提出了一种名为DAQ的评分方法，能够识别蛋白质残基在冷冻电镜图中的潜在错误分配。 | 未提及具体限制 | 研究旨在提高冷冻电镜图中蛋白质残基的分配准确性。 | 研究对象为从冷冻电镜图构建的蛋白质结构模型。 | 数字病理学 | NA | 深度学习 | NA | 冷冻电镜图 | 多个核酸数据库中基于相同密度图构建的蛋白质结构模型 | NA | NA | NA | NA |
| 1750 | 2024-08-05 |
Multi-scale Multi-structure Siamese Network (MMSNet) for Primary Open-Angle Glaucoma Prediction
2022-Sep, Machine learning in medical imaging. MLMI (Workshop)
DOI:10.1007/978-3-031-21014-3_45
PMID:36656619
|
研究论文 | 本文提出了一种多尺度多结构的Siamese网络（MMSNet），用于预测原发性开角型青光眼。 | 创新点在于MMSNet网络模拟青光眼专家通过比较跟踪的视神经图像和基线图像来进行的预测，且利用多幅图像和深度监督进行预测。 | 本研究可能受到数据集选择的限制，且未考虑更复杂的临床变量。 | 研究旨在提高原发性开角型青光眼的早期预测能力。 | 研究对象为眼压升高治疗研究中的1636名参与者的视网膜照片。 | 数字病理学 | 青光眼 | 深度学习 | Siamese网络 | 图像 | 37339幅视网膜照片 | NA | NA | NA | NA |
| 1751 | 2024-08-05 |
QU-BraTS: MICCAI BraTS 2020 Challenge on Quantifying Uncertainty in Brain Tumor Segmentation - Analysis of Ranking Scores and Benchmarking Results
2022-Aug, The journal of machine learning for biomedical imaging
PMID:36998700
|
研究论文 | 本文探讨了脑肿瘤多区段分割中的不确定性量化评分的评估与排名 | 提出了一种新的评分方法用于评估和排名脑肿瘤分割的不确定性估计 | 研究中可能没有完全考虑各种不确定性估计方法的适用性 | 量化深度学习模型预测的不确定性，以促进临床转化 | 针对参与BRAST 2019和2020任务的多个团队的脑肿瘤分割不确定性 | 数字病理学 | 脑肿瘤 | 深度学习 | NA | 医学影像 | 14个独立参与团队 | NA | NA | NA | NA |
| 1752 | 2024-08-05 |
A deep learning-based method for the diagnosis of vertebral fractures on spine MRI: retrospective training and validation of ResNet
2022-08, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-022-07121-1
PMID:35089420
|
研究论文 | 该文章提出了一种基于深度学习的方法来诊断脊椎MRI上的脊椎骨折 | 应用ResNet50算法开发了决策支持系统，以提高临床医生对脊椎骨折的诊断能力 | 需要考虑脊椎体以外的其他发现，以改善模型，进一步的研究是必要的以将结果推广到实际应用中 | 提高临床医生在MRI上对良性和恶性脊椎骨折的诊断性能 | 190名患者，其中50名有恶性骨折，140名有良性骨折 | 数字病理学 | 脊椎骨折 | 深度学习 | ResNet50 | MRI图像 | 190名患者 | NA | NA | NA | NA |
| 1753 | 2024-08-05 |
Patient-specific synthetic magnetic resonance imaging generation from cone beam computed tomography for image guidance in liver stereotactic body radiation therapy
2022-Jun, Precision radiation oncology
DOI:10.1002/pro6.1163
PMID:37064765
|
研究论文 | 本文提出了一种患者特异性的深度学习模型，旨在从锥形束计算机断层扫描（CBCT）生成合成磁共振成像（MRI）以改善肝肿瘤定位 | 创新点在于利用患者特异性的CBCT-MRI图像对来训练深度学习模型以生成合成MRI | 由于该研究基于特定患者的数据，模型的泛化能力可能受到限制 | 研究旨在提高肝肿瘤定位的准确性 | 研究对象为肝肿瘤患者的CBCT和MRI图像 | 医学影像处理 | 肝癌 | 深度学习 | U-Net | 影像 | 3名患者的CBCT-Ground Truth MRI图像 | NA | NA | NA | NA |
| 1754 | 2024-08-05 |
Generalizing deep learning brain segmentation for skull removal and intracranial measurements
2022-05, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2022.01.004
PMID:34999162
|
研究论文 | 本文提出了一种用于脑部分割的深度学习方法，以实现颅骨去除和颅内测量 | 引入了迁移学习方法来估计额外的TICV和PFV标签，并采用U-Net模型进行颅骨去除的全脑分割 | 手动标注全脑体积的可用数据集有限，影响了方法的普适性 | 研究如何实现深度学习脑部分割以进行颅骨去除和颅内测量 | 关注于采用MRI成像技术进行脑体积测量的神经影像数据 | 数字病理学 | NA | MRI | U-Net | 图像 | 使用有限的BrainCOLOR数据集进行训练 | NA | NA | NA | NA |
| 1755 | 2024-08-05 |
A Deep Learning Approach for Meter-Scale Air Quality Estimation in Urban Environments Using Very High-Spatial-Resolution Satellite Imagery
2022-Apr-27, Atmosphere
IF:2.5Q3
DOI:10.3390/atmos13050696
PMID:37724306
|
研究论文 | 本研究主要关注在城市环境中利用超高分辨率卫星影像生成百米尺度的空气质量图。 | 提出了一种新的基于图像的物体检测分析方法，能够以显著更小的尺度估计空气质量，为城市环境AQ监测提供了新的视角。 | 目前的模型依赖于卫星影像，可能在缺乏地面监测数据的地区难以推广应用。 | 研究目标是开发一种能够在发达城市生成百米尺度空气质量图的模型。 | 研究对象包括伦敦、温哥华、洛杉矶和纽约市的空气质量数据。 | 数字病理学 | NA | 深度神经网络（DNN） | NA | 卫星影像 | 使用了地面监测观察和土地利用回归建模的PM与NO浓度数据 | NA | NA | NA | NA |
| 1756 | 2024-08-05 |
Rule-Enhanced Active Learning for Semi-Automated Weak Supervision
2022-Mar, Artificial intelligence
IF:5.1Q1
DOI:10.3390/ai3010013
PMID:35845102
|
研究论文 | 本文提出了一种改进的弱监督文本分类框架REGAL，通过对标签函数进行主动学习，降低人工标注负担 | REGAL通过从原始文本中交互式地创建高质量标签模式，允许单个注释者在初始化时只需三个关键词即可准确标注整个数据集，显著提高了标签函数的提取效率 | NA | 提高弱监督文本分类中的主动学习效率，减少人力标注需求 | 文本数据集的标注 | 自然语言处理 | NA | 弱监督学习 | NA | 文本 | 六个常用的自然语言处理基准数据集 | NA | NA | NA | NA |
| 1757 | 2024-08-05 |
Semi-automated three-dimensional segmentation for cardiac CT images using deep learning and randomly distributed points
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611594
PMID:36793655
|
研究论文 | 本文提出了一种半自动化的深度学习方法用于心脏CT图像的分割。 | 本研究通过模拟用户交互并使用点距离图，结合手动分割的高精度与全自动分割的高效率，提供了一种新的心脏分割方法。 | 目前的半自动化方法仍未达到专家分割的精确度，需要更进一步的优化。 | 旨在提高心脏CT图像分割的准确性和效率。 | 研究对象为心脏CT图像，特别是其四个腔室。 | 计算机视觉 | 心血管疾病 | 深度学习 | 三维全卷积神经网络（FCNN） | 图像 | 不适用 | NA | NA | NA | NA |
| 1758 | 2024-08-05 |
CascadeNet for hysterectomy prediction in pregnant women due to placenta accreta spectrum
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611580
PMID:36798853
|
研究论文 | 本文开发了一种新的卷积网络架构，用于预测由胎盘植入症引起的孕妇紧急子宫切除术 | 该研究首次结合MRI体积、放射组学特征和自定义特征图进行胎盘植入症的预测 | 研究尚未考虑所有潜在的临床变量，可能影响预测的准确性 | 旨在早期预测胎盘植入症，减少并发症并帮助管理决策 | 研究对象为241名孕妇，其中157名用于训练，24名用于验证，60名用于测试 | 计算机视觉 | 胎盘植入症 | 深度卷积网络 | CNN | MRI体积和放射组学特征 | 241名孕妇 | NA | NA | NA | NA |
| 1759 | 2024-08-05 |
Automatic detection of head and neck squamous cell carcinoma on pathologic slides using polarized hyperspectral imaging and deep learning
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2614624
PMID:36798940
|
研究论文 | 本研究结合偏振高光谱成像与深度学习，实现对头颈部鳞状细胞癌的自动检测 | 首次采用偏振高光谱成像和深度学习方法，对头颈部鳞状细胞癌进行自动检测 | 样本数量较小，仅涉及17名患者，且基于其中16名患者进行训练 | 研究偏振高光谱成像在病理切片中自动检测头颈部鳞状细胞癌的应用 | 17名头颈部鳞状细胞癌患者所提供的组织切片 | 数字病理学 | 头颈癌 | 偏振高光谱成像 (PHSI) | 卷积神经网络 (CNN) | 图像 | 17名患者的组织切片数据 | NA | NA | NA | NA |
| 1760 | 2024-08-05 |
Thyroid Carcinoma Detection on Whole Histologic Slides Using Hyperspectral Imaging and Deep Learning
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2612963
PMID:36798939
|
研究论文 | 本研究利用高光谱成像和深度学习对甲状腺癌进行检测 | 该研究展示了高光谱图像在整体组织切片癌症分类中的提升性能 | 研究中只使用了33个固定组织样本，样本量较小 | 探讨高光谱成像和深度学习在甲状腺癌检测中的应用 | 使用来自头颈患者的甲状腺滤泡癌的组织样本进行研究 | 数字病理学 | 甲状腺癌 | 高光谱成像 | 深度学习分类器 | 图像 | 33个头颈患者的固定组织样本 | NA | NA | NA | NA |