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 2592 篇文献，本页显示第 2441 - 2460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2441 | 2024-08-05 |
A Deep Learning Approach for Histology-Based Nucleus Segmentation and Tumor Microenvironment Characterization
2023-08, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2023.100196
PMID:37100227
|
研究论文 | 本文提出了一种基于组织学的深度学习方法，用于细胞核分割和肿瘤微环境特征描述 | 提出了一种名为HD-Yolo的新方法，显著加快了细胞核分割和肿瘤微环境定量的处理速度 | 现有算法计算密集且耗时，对于全切片图像分析不够高效 | 研究肿瘤组织及其周围微环境，以提供肿瘤发生、发展和转移的关键见解 | 针对不同类型的肿瘤组织进行细胞核识别和分类 | 数字病理学 | 肺癌、肝癌和乳腺癌 | 深度学习 | Yolo | 图像 | 3种不同组织类型的样本，分别用于肺癌、肝癌和乳腺癌 | NA | NA | NA | NA |
| 2442 | 2024-08-07 |
Opportunistic detection of type 2 diabetes using deep learning from frontal chest radiographs
2023-07-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-39631-x
PMID:37419921
|
研究论文 | 本研究利用深度学习模型从胸部X光片和电子健康记录中检测2型糖尿病 | 研究结合了胸部X光片和电子健康记录数据，以提高2型糖尿病的检测率 | 外部验证仅在不同机构进行，且结果略低于主要测试结果 | 目标是通过深度学习模型检测2型糖尿病 | 研究对象为271,065个胸部X光片和160,244名患者 | 机器学习 | 糖尿病 | 深度学习 | NA | 图像 | 271,065个胸部X光片，160,244名患者 | NA | NA | NA | NA |
| 2443 | 2024-08-05 |
MeshDeform: Surface Reconstruction of Subcortical Structures in Human Brain MRI
2023-Jun, Information processing in medical imaging : proceedings of the ... conference
DOI:10.1007/978-3-031-34048-2_41
PMID:37915753
|
研究论文 | 本论文提出了一种名为MeshDeform的新型深度学习网格变形网络，用于重建人脑MRI中皮层下结构的表面 | MeshDeform结合了U-Net编码器提取的特征和网格变形模块，能够以亚体素精度快速重建皮层下结构的拓扑正确表面 | NA | 研究脑的形态学，通过重建皮层和皮层下结构的表面 | 人脑MRI中的皮层下结构 | 数字病理学 | NA | 深度学习 | U-Net | MRI图像 | 涉及了17个皮层下结构 | NA | NA | NA | NA |
| 2444 | 2024-08-05 |
Few-Shot Fault Diagnosis Based on an Attention-Weighted Relation Network
2023-Dec-24, Entropy (Basel, Switzerland)
DOI:10.3390/e26010022
PMID:38248148
|
研究论文 | 提出了一种基于注意力加权关系网络的故障诊断方法，以实现小样本数据的故障检测和分类 | 引入了注意力加权机制以增强特征提取的代表性，并在少样本学习中应用关系网络 | 没有讨论方法在更大规模数据集上的表现和可扩展性 | 应对气动控制阀故障诊断中对大量标注训练数据的依赖问题 | 气动控制阀故障诊断 | 机器学习 | NA | 深度学习 | 注意力加权关系网络 | 时间域信号 | 使用了DA阀故障数据集和PU滚动轴承故障数据集进行实验 | NA | NA | NA | NA |
| 2445 | 2024-08-05 |
Multi-Modal Ensemble Deep Learning in Head and Neck Cancer HPV Sub-Typing
2023-Dec-23, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11010013
PMID:38247890
|
研究论文 | 本研究探讨了基于深度学习的图像解读方法在头颈癌HPV亚型检测中的准确性 | 提出了一种基于3D CNN的多模态特征融合架构，用于HPV状态预测 | 未来需要进行更大规模的队列验证以提高诊断准确性 | 研究头颈癌患者中HPV状态的自动检测以影响治疗决策 | 主要针对口咽鳞状细胞癌（OPSCC）患者的HPV状态 | 计算机视觉 | 头颈癌 | CT和PET图像 | 3D CNN | 图像 | 使用了公开可得的TCGA和MAASTRO数据集 | NA | NA | NA | NA |
| 2446 | 2024-08-05 |
A Real-Time Defect Detection Strategy for Additive Manufacturing Processes Based on Deep Learning and Machine Vision Technologies
2023-Dec-22, Micromachines
IF:3.0Q2
DOI:10.3390/mi15010028
PMID:38258148
|
研究论文 | 本文提出了一种基于深度学习和机器视觉的实时缺陷检测技术，用于增材制造过程的监控 | 采用改进的YOLOv8算法训练缺陷检测模型，能够识别和评估缺陷图像 | 未提及此方法在其他增材制造过程中的适应性和普遍性 | 实现增材制造过程中的实时缺陷检测与监控 | 针对挤出3D打印过程进行缺陷检测 | 数字病理学 | NA | 深度学习 | YOLOv8 | 图像 | 3550张图像 | NA | NA | NA | NA |
| 2447 | 2024-08-05 |
Segmentation of Substantia Nigra in Brain Parenchyma Sonographic Images Using Deep Learning
2023-Dec-19, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10010001
PMID:38276318
|
研究论文 | 本文探讨了一种基于深度学习的自动分割方法，用于脑实质超声图像中的黑质分割 | 本文提出了一种新的自动分割方法，并实现了黑质分割的最新性能 | 样本数量和数据集仍需进一步丰富 | 研究脑实质超声图像中的黑质的自动分割技术 | 使用新数据集的脑实质超声图像 | 计算机视觉 | 帕金森病 | 深度学习 | 修改版U-Net网络 | 超声图像 | NA | NA | NA | NA | NA |
| 2448 | 2024-08-05 |
Fusion Networks of CNN and Transformer with Channel Attention for Accurate Tumor Imaging in Magnetic Particle Imaging
2023-Dec-19, Biology
DOI:10.3390/biology13010002
PMID:38275723
|
研究论文 | 提出了一种结合CNN和Transformer的深度学习网络，以改善磁粒子成像中的肿瘤成像质量 | 创新性地将CNN和Transformer结合使用，并引入通道注意机制来同时提取图像的局部和全局特征 | 缺乏对不同噪音水平下的普适性测试 | 改善磁粒子成像技术中图像重建的清晰度及肿瘤量化的准确性 | 聚焦于肿瘤图像的重建和量化 | 计算机视觉 | 肿瘤 | 磁粒子成像 | CNN和Transformer | 图像 | NA | NA | NA | NA | NA |
| 2449 | 2024-08-05 |
Implicit Anatomical Rendering for Medical Image Segmentation with Stochastic Experts
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43898-1_54
PMID:38840671
|
研究论文 | 本文提出了一种名为MORSE的隐式神经渲染框架，旨在通过解剖级别的学习辅助医学图像分割 | 此方法通过将医学图像分割视为渲染问题，结合了隐式神经表示和混合专家机制，以加强对边界区域的细化 | 本文未详细讨论隐式神经渲染在实际应用中的通用性与鲁棒性 | 研究旨在提高医学图像分割中的特征建模能力 | 本文研究对象为医学图像及其分割 | 数字病理学 | NA | 深度学习 | Mixture-of-Expert (MoE) | 图像 | NA | NA | NA | NA | NA |
| 2450 | 2024-08-05 |
Mapping the Spatial Extent of Hypoperfusion in Chronic Thromboembolic Pulmonary Hypertension Using Multienergy CT
2023-Aug, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.220221
PMID:37693197
|
研究论文 | 本研究评估了一种新型自动化方法，以在多能CT血管造影中空间描绘和量化慢性血栓栓塞性肺动脉高压（CTEPH）中的低灌注程度 | 提出了一种利用多能CT影像自动识别和定量低灌注区域的新方法 | 本研究为回顾性分析，样本量有限，可能影响结果的普遍适用性 | 旨在评估通过多能CT影像量化低灌注区域能否帮助评估CTEPH的疾病严重程度 | 51名CTEPH患者与110名无肺血管异常影像的健康对照 | 数字病理学 | 慢性血栓栓塞性肺动脉高压 | 多能CT | 深度学习 | 影像 | 51名CTEPH患者与110名健康对照 | NA | NA | NA | NA |
| 2451 | 2024-08-05 |
Automatic Surgical Skill Assessment System Based on Concordance of Standardized Surgical Field Development Using Artificial Intelligence
2023-08-01, JAMA surgery
IF:15.7Q1
DOI:10.1001/jamasurg.2023.1131
PMID:37285142
|
研究论文 | 本文开发了一种基于人工智能的自动化外科技能评估系统 | 提出了一种通过深度学习模型识别标准化外科领域的方法，并评估其在自动外科技能评估中的可行性 | 本研究使用的样本仅限于日本的内镜外科视频，可能影响适用性 | 旨在开发能够识别标准化外科领域的深度学习模型 | 研究对象为在内镜下进行的乙状结肠切除术的视频 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 共650个内部手术视频，其中60个用于模型构建，60个用于验证 | NA | NA | NA | NA |
| 2452 | 2024-08-05 |
Review of Performance Improvement of a Noninvasive Brain-computer Interface in Communication and Motor Control for Clinical Applications
2023, Juntendo Iji zasshi = Juntendo medical journal
DOI:10.14789/jmj.JMJ23-0011-R
PMID:38846633
|
综述 | 本文综述了非侵入性脑机接口（BCI）在通信和运动控制中的性能提升及其临床应用 | 通过总结近年来BCI系统的进展，强调了临床应用中的关键挑战和潜在解决方案 | 医学BCI领域的训练样本有限，因此深度学习模型没有得到充分利用 | 研究非侵入性BCI系统在临床应用中的性能提升与挑战 | 主要针对非侵入性脑机接口的进展和临床应用进行总结 | 计算机视觉 | NA | EEG | 深度学习模型 | EEG数据 | 样本量有限，主要针对困难生成EEG数据的患者 | NA | NA | NA | NA |
| 2453 | 2024-08-05 |
Coupled Reconstruction of Cortical Surfaces by Diffeomorphic Mesh Deformation
2023-Dec, Advances in neural information processing systems
PMID:38835722
|
研究论文 | 本文提出了一个新的深度学习框架，用于从脑部磁共振影像精确重建皮质表面 | 本文的创新之处在于联合重建内层、外层及其中厚度表面，并直接从3D MRI中估计皮质厚度 | 本文未提及任何具体的局限性 | 研究的目的是提高脑部皮质表面的重建精度和拓扑正确性 | 研究对象为脑部磁共振成像数据中的皮质表面 | 数字病理学 | NA | 深度学习 | NA | 3D MRI | 在两个大规模神经影像数据集ADNI和OASIS上进行评估 | NA | NA | NA | NA |
| 2454 | 2024-08-05 |
Review of machine learning and deep learning models for toxicity prediction
2023-11, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231209421
PMID:38057999
|
综述 | 本文总结了近年来基于机器学习和深度学习的毒性预测模型。 | 综述了各种机器学习和深度学习算法在毒性预测中的应用，强调了数据集质量对模型性能的影响。 | 不同数据集中对相同化学品的毒性分配存在差异，说明缺乏基准数据集以开发可靠的毒性预测模型。 | 评估化学品的毒性以保护公众健康和环境。 | 近年来开发的毒性预测模型，特别是基于机器学习和深度学习的模型。 | 机器学习 | NA | 机器学习和深度学习 | 支持向量机，随机森林，深度神经网络等 | 数据集 | NA | NA | NA | NA | NA |
| 2455 | 2024-08-05 |
Virtual and Augmented Reality in Interventional Radiology: Current Applications, Challenges, and Future Directions
2023-Sep, Techniques in vascular and interventional radiology
IF:1.4Q3
DOI:10.1016/j.tvir.2023.100919
PMID:38071031
|
研究论文 | 虚拟现实和增强现实在介入放射学中的应用及未来方向 | 探讨了VR和AR在介入放射学中的潜在优势及最新技术进展 | 面临导航系统限制、高成本、临床接受度低以及技术约束等挑战 | 研究虚拟现实和增强现实在介入放射学中的应用及其未来的发展 | 关注医疗影像的可视化与导航，以及患者护理和教育培训方面 | 计算机视觉 | NA | 深度学习技术 | NA | 医疗影像 | NA | NA | NA | NA | NA |
| 2456 | 2024-08-05 |
Mapping Malaria Vector Habitats in West Africa: Drone Imagery and Deep Learning Analysis for Targeted Vector Surveillance
2023-May-26, Remote sensing
IF:4.2Q2
DOI:10.3390/rs15112775
PMID:37324796
|
研究论文 | 本研究利用无人机影像和深度学习方法识别西非地区的疟疾传播媒介栖息地 | 该研究开发了一种基于区域兴趣和深度学习的方法来识别与媒介繁殖地相关的土地覆盖类型 | 研究中对交叉验证的分析方法限制于特定的样本和环境 | 研究旨在通过深度学习方法识别与疟疾传播媒介繁殖地相关的环境因素 | 研究对象为布基纳法索和科特迪瓦两个疟疾流行地区的无人机影像 | 计算机视觉 | 疟疾 | 深度学习 | 未指定 | 影像 | 使用来自两个疟疾流行地区的无人机图像 | NA | NA | NA | NA |
| 2457 | 2024-08-05 |
iBEAT V2.0: a multisite-applicable, deep learning-based pipeline for infant cerebral cortical surface reconstruction
2023-05, Nature protocols
IF:13.1Q1
DOI:10.1038/s41596-023-00806-x
PMID:36869216
|
研究论文 | 本文提出了一种针对婴儿大脑皮层重建的深度学习计算管道 | 提出了一种稳健的、多站点适用的婴儿专用计算管道，能够处理婴儿脑MRI数据的多样性和挑战 | 仅基于Baby Connectome Project的数据进行训练，可能无法适应所有类型的婴儿脑MRI数据 | 旨在提高婴儿脑MRI的处理精度和效率 | 多站点和多模态的婴儿脑MRI数据集 | 数字病理学 | NA | 深度学习 | NA | MRI图像 | 处理超过16,000个婴儿MRI扫描 | NA | NA | NA | NA |
| 2458 | 2024-08-05 |
Using mesoscopic tract-tracing data to guide the estimation of fiber orientation distributions in the mouse brain from diffusion MRI
2023-04-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.119999
PMID:36871795
|
research paper | 本研究旨在利用中观轨迹追踪数据改进小鼠脑部扩散MRI的纤维方向分布估计 | 提出了一种利用中观轨迹追踪数据训练深度学习网络的方法，以改善小鼠脑部FODs的估计 | 未提及具体的局限性 | 改善小鼠脑部扩散MRI信号中的纤维方向估计 | 小鼠脑部的纤维方向分布 | 数字病理学 | NA | 扩散MRI | 深度学习网络 | MRI数据 | 使用了来自艾伦小鼠脑连接图谱的中观轨迹追踪数据 | NA | NA | NA | NA |
| 2459 | 2024-08-05 |
Generalizability of Deep Learning Segmentation Algorithms for Automated Assessment of Cartilage Morphology and MRI Relaxometry
2023-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28365
PMID:35852498
|
研究论文 | 评估深度学习模型在不同数据集上进行自动化评估的泛化能力 | 提出了将预训练的深度学习模型应用于不同MR扫描仪和获取参数的数据集上，以评估其泛化能力 | 深度学习模型的泛化能力依赖于训练数据集的特性，可能在其他类型的病理情况下表现不佳 | 评估深度学习模型在没有微调的情况下对新数据集的适用性 | 59名受试者及其不同的MR扫描数据集 | 数字病理学 | NA | qDESS | NA | MRI图像 | 59名受试者（26名女性），分为四个研究小组 | NA | NA | NA | NA |
| 2460 | 2024-08-05 |
Cross-scanner harmonization methods for structural MRI may need further work: A comparison study
2023-04-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.119912
PMID:36731814
|
研究论文 | 该研究评估了多种扫描仪标定方法对脑部MRI影像的一致性影响 | 比较了深度学习、直方图匹配和统计方法在MRI扫描一致性中的应用，提供了未来研究的框架 | 现有方法在长时间数据集上均未能有效和谐处理 | 旨在提高针对不同扫描仪的MRI数据的一致性 | 涉及在GE和西门子扫描仪上扫描的参与者数据 | 数字病理学 | 衰老和癫痫 | 深度学习、直方图匹配和统计方法 | 深度学习模型（如CycleGAN和CGAN） | MRI影像数据 | 涉及共567名参与者，113名为交叉扫描者，454名为纵向扫描者 | NA | NA | NA | NA |