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 107 篇文献，本页显示第 101 - 107 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2024-08-05 |
Deep Learning-based Deformable Registration of Dynamic Contrast-Enhanced MR Images of the Kidney
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611768
PMID:36793654
|
研究论文 | 该文章提出了一种基于深度学习的灵活注册方法，用于动态对比增强的肾脏MRI图像。 | 提出了一种两步法的深度学习方法，包括基于CNN的仿射注册网络和用于可变形注册的U-Net。 | NA | 研究旨在改善因呼吸运动造成的肾脏MRI图像的运动效应。 | 动态对比增强的肾脏MRI数据。 | 计算机视觉 | NA | 深度学习 | CNN和U-Net | 图像 | NA | NA | NA | NA | NA |
| 102 | 2024-08-05 |
Accelerating 2D Abdominal Organ Segmentation with Active Learning
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611595
PMID:36303576
|
研究论文 | 本研究设计了一种基于梯度的主动学习注释框架，以加速二维腹部器官分割 | 提出的主动学习框架通过动态选择'难例'来减少所需的标注切片数量，从而提高注释效率 | 本研究未讨论在不同患者人群中实施该方法的适用性 | 减少在二维腹部扫描中手动注释的工作量，同时提高分割准确性 | 研究对象为286名受试者，最终纳入586名受试者进行评估 | 计算机视觉 | NA | 主动学习 | 深度学习模型 | 图像 | 总共586名受试者 | NA | NA | NA | NA |
| 103 | 2024-08-05 |
Identifying Unique Acoustic Signatures from Chemically-Crosslinked Microbubble Clusters Using Deep Learning
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2611572
PMID:36793945
|
研究论文 | 本研究通过深度学习算法展示了化学交联微泡簇的独特声学响应 | 介绍了一种新的脂质基超声对比剂，并展示了其在低强度脉冲超声下生成独特声学特征的能力 | 研究主要集中于声学表征，未探讨其他潜在影响因素 | 展示化学交联微泡簇的声学响应与单个对比剂的差异 | 研究化学交联微泡簇及单个脂质微泡的声学特性 | 数字病理学 | NA | 深度学习 | 人工神经网络（ANN） | 1D RF 超声数据 | 使用了来自宽带水听器和Verasonics临床换能器的有效数据采集 | NA | NA | NA | NA |
| 104 | 2024-08-05 |
Automatic Segmentation of Uterine Cavity and Placenta on MR Images Using Deep Learning
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2613286
PMID:36798450
|
研究论文 | 本研究使用深度学习技术自动分割MRI图像中的子宫腔和胎盘 | 提出了一种使用全卷积神经网络同时分割子宫腔和胎盘的新方法 | 样本量有限，可能影响算法的普适性 | 研究基于MRI的子宫腔和胎盘的自动分割方法 | 181名患者的MRI图像 | 计算机视觉 | NA | 深度学习 | 全卷积神经网络 | MRI图像 | 181个患者的MRI图像 | NA | NA | NA | NA |
| 105 | 2024-08-07 |
Anatomy-guided deep learning for object localization in medical images
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2612566
PMID:36860592
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 106 | 2024-08-07 |
Deep learning segmentation and quantification method for assessing epicardial adipose tissue in CT calcium score scans
2022-02-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06351-z
PMID:35145186
|
研究论文 | 本文开发了一种深度学习方法（DeepFat），用于在非对比低剂量CT钙评分图像上自动评估心外膜脂肪组织（EAT） | 引入了HU-注意力窗口和前瞻性切片平分（bisect）方法，提高了分割准确性 | NA | 开发一种自动评估心外膜脂肪组织的深度学习方法 | 心外膜脂肪组织（EAT）的自动评估 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 107 | 2024-08-07 |
A multimodal deep learning system to distinguish late stages of AMD and to compare expert vs. AI ocular biomarkers
2022-02-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06273-w
PMID:35173191
|
研究论文 | 本文描述了一种深度学习方法，用于从OCTA、OCT结构、2D b-scan流图像和高清5线b-scan立方体组合中区分非AMD、非新生血管性AMD和新生血管性AMD，并检测与AMD风险相关的眼部生物标志物。 | 该研究利用多模态数据输入2D-3D卷积神经网络(CNNs)，实现了对AMD及其生物标志物的高精度预测，准确率高达90.2%。 | NA | 开发一种深度学习系统，用于区分AMD的晚期阶段，并比较专家与AI在眼部生物标志物检测方面的表现。 | 年龄相关性黄斑变性(AMD)及其生物标志物的检测。 | 机器学习 | 眼科疾病 | 光学相干断层扫描血管成像(OCTA) | 卷积神经网络(CNN) | 图像 | NA | NA | NA | NA | NA |