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 2513 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2024-11-02 |
Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models
2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-46914-5_13
PMID:38745942
|
研究论文 | 提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能 | 引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失 | NA | 改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性 | 图像到形状的深度学习模型 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1022 | 2024-10-30 |
Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation
2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023...
DOI:10.1007/978-3-031-44336-7_6
PMID:39469570
|
研究论文 | 本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试 | 本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议 | 本文未提及具体的局限性 | 评估和理解模型预测中的不确定性在临床应用中的重要性 | 器官分割中的认知不确定性量化方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1023 | 2024-10-30 |
Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants
2023-Jun-29, Research square
DOI:10.21203/rs.3.rs-3085032/v1
PMID:37461629
|
研究论文 | 本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法 | 本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本 | 本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异 | 旨在开发一种高效且准确的听觉植入设备声学模拟评估方法 | 听觉植入设备的声学模拟及其对语音感知的影响 | 机器学习 | NA | 深度学习 | 深度学习模型 | 语音 | NA | NA | NA | NA | NA |
| 1024 | 2024-10-30 |
Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants
2023-May-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.23.541843
PMID:37292787
|
研究论文 | 本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法 | 本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响 | 本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证 | 本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力 | 本研究的对象是人工耳蜗编码器模拟对语音感知的影响 | 机器学习 | NA | 深度学习 | Whisper | 语音 | NA | NA | NA | NA | NA |
| 1025 | 2024-10-28 |
Dyslexia Data Consortium Repository: A Data Sharing and Delivery Platform for Research
2023-Aug, Brain informatics : 16th International Conference, BI 2023, Hoboken, NJ, USA, August 1-3, 2023, Proceedings. International Conference on Brain Informatics (16th : 2023 : Hoboken, N.J.)
DOI:10.1007/978-3-031-43075-6_15
PMID:38352916
|
研究论文 | 开发了一个在线平台，用于共享和交付与阅读障碍相关的数据，以促进研究 | 提供了一个集成了机器学习算法和工具的平台，生成与阅读障碍相关的次级数据集 | NA | 推进对阅读障碍的理解，该障碍对儿童及其家庭和社会有重大影响 | 阅读障碍的神经生物学研究 | 机器学习 | 阅读障碍 | 机器学习算法 | NA | 次级数据集（如皮质厚度、区域脑体积指标） | NA | NA | NA | NA | NA |
| 1026 | 2024-10-28 |
A DEEP LEARNING FRAMEWORK TO LOCALIZE THE EPILEPTOGENIC ZONE FROM DYNAMIC FUNCTIONAL CONNECTIVITY USING A COMBINED GRAPH CONVOLUTIONAL AND TRANSFORMER NETWORK
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230831
PMID:39450418
|
研究论文 | 本文提出了一种使用动态功能连接的深度学习框架，结合图卷积网络和Transformer网络，用于定位癫痫病灶区 | 首次提出了一种自动化框架，利用静息态fMRI的动态功能连接来定位癫痫病灶区，并结合图卷积网络和Transformer网络进行特征提取和时间点选择 | NA | 开发一种新的深度学习框架，用于从动态功能连接中定位癫痫病灶区 | 癫痫病灶区的定位 | 机器学习 | 癫痫 | 静息态功能磁共振成像（rs-fMRI） | 图卷积网络（GCN）和Transformer网络 | 功能连接数据 | 训练数据来自人类连接组项目，评估数据来自临床癫痫数据集 | NA | NA | NA | NA |
| 1027 | 2024-10-28 |
Federated Learning with Research Prototypes: Application to Multi-Center MRI-based Detection of Prostate Cancer with Diverse Histopathology
2023-04, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.02.012
PMID:36914501
|
研究论文 | 本文介绍了一种灵活的联邦学习框架，用于跨站点训练、验证和评估定制的深度学习前列腺癌检测算法 | 提出了一个灵活的联邦学习框架，支持跨站点训练和评估，并开源了FLtools系统以促进联邦学习的应用 | 需要更多数据和参与机构来提高前列腺癌分类模型的绝对性能 | 提高前列腺癌检测模型在不同机构间的泛化性能，同时保护患者健康信息和机构特定代码及数据 | 前列腺癌的检测和分期 | 计算机视觉 | 前列腺癌 | 联邦学习 | 3D UNet | MRI图像 | 1400+个异质性多参数前列腺MRI检查 | NA | NA | NA | NA |
| 1028 | 2024-10-26 |
Invariant point message passing for protein side chain packing
2023-Dec-21, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.03.551328
PMID:38187664
|
研究论文 | 本文介绍了一种基于几何图神经网络的蛋白质侧链包装方法PIPPack，通过几何感知的不变点消息传递（IPMP）处理局部结构和序列信息，生成理想的侧链坐标 | 本文提出了一种新的蛋白质侧链包装方法PIPPack，结合了几何图神经网络和不变点消息传递技术，显著提高了计算速度 | NA | 开发一种高效且准确的蛋白质侧链包装方法 | 蛋白质侧链的包装 | 机器学习 | NA | 几何图神经网络 | IPMP | 蛋白质结构数据 | 约1400个高质量蛋白质链 | NA | NA | NA | NA |
| 1029 | 2024-10-26 |
Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study
2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2023.02.017
PMID:36933849
|
研究论文 | 本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性 | 提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性 | 仅在两个中心的数据集上进行了测试，样本量较小 | 评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较 | 左心室全局纵向应变 | 机器学习 | 心血管疾病 | 深度学习 | NA | 图像 | 两个数据集，分别包含40和32个样本 | NA | NA | NA | NA |
| 1030 | 2024-10-26 |
Implementation considerations for deep learning with diffusion MRI streamline tractography
2023-Apr-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.03.535465
PMID:37066284
|
研究论文 | 本文讨论了使用扩散MRI（dMRI）和递归神经网络（RNN）进行流线束追踪的实现考虑 | 本文提出了使用RNN在连续空间中建模dMRI特征以传播流线的方法，并发布了训练模型和相关实现 | 目前缺乏广泛可用的开源实现 | 降低该领域的进入门槛，促进进一步创新 | 扩散MRI流线束追踪的实现 | 计算机视觉 | NA | 扩散MRI（dMRI） | 递归神经网络（RNN） | 图像 | NA | NA | NA | NA | NA |
| 1031 | 2024-10-26 |
Deep Constrained Spherical Deconvolution for Robust Harmonization
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654398
PMID:37228707
|
研究论文 | 本文提出了一种基于深度学习的DW-MRI信号协调方法，以提高微结构估计的可靠性和可重复性 | 引入了数据驱动的扫描仪不变正则化方案，以更稳健地估计纤维方向分布函数（FODF） | NA | 旨在解决DW-MRI在多站点和/或纵向扩散研究中的测量变异性问题 | DW-MRI信号和纤维方向分布函数（FODF） | 计算机视觉 | NA | 扩散加权磁共振成像（DW-MRI） | 深度学习 | 图像 | 研究了Human Connectome Project的年轻成人测试-重测组以及MASiVar数据集（包括跨站点和跨扫描/重扫描数据） | NA | NA | NA | NA |
| 1032 | 2024-10-26 |
Topological-Preserving Membrane Skeleton Segmentation in Multiplex Immunofluorescence Imaging
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654087
PMID:37786583
|
研究论文 | 本文提出了一种基于深度学习的膜骨架分割方法，用于多重免疫荧光成像中的细胞分割 | 本文创新性地结合了全局和局部信息，使用深度学习方法进行膜骨架分割，并提出了一个新的体积度量指标用于评估 | 本文未详细讨论模型在不同细胞类型和成像条件下的泛化能力 | 研究目的是提高多重免疫荧光成像中细胞分割的准确性和拓扑保持性 | 研究对象是多重免疫荧光成像中的膜骨架 | 计算机视觉 | NA | 多重免疫荧光成像 | 深度学习网络 | 图像 | 80张膜多重免疫荧光图像用于5折交叉验证 | NA | NA | NA | NA |
| 1033 | 2024-10-26 |
Longitudinal Variability Analysis on Low-dose Abdominal CT with Deep Learning-based Segmentation
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2653762
PMID:37465093
|
研究论文 | 研究使用深度学习方法对低剂量腹部CT图像进行纵向变异性分析 | 首次对低剂量单切片CT图像进行纵向变异性的全面研究，并使用深度学习进行自动分割 | 研究仅限于2D切片，且样本量相对较小 | 评估低剂量腹部CT图像在纵向变异性中的稳定性和变异性 | 1469名受试者的1816张低剂量腹部CT图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 1469名受试者的1816张图像 | NA | NA | NA | NA |
| 1034 | 2024-10-26 |
Batch size: go big or go home? Counterintuitive improvement in medical autoencoders with smaller batch size
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2653643
PMID:37465095
|
研究论文 | 本文探讨了在训练医学自编码器时，较小批次大小对模型性能的反直觉改善 | 本文提出了与传统观点相反的证据，即在处理具有全局相似性和局部差异的数据（如电子健康记录和医学影像）时，较小的批次大小可以提高自编码器的性能 | 本文仅在特定的数据集（巴尔的摩衰老纵向研究和多模态脑肿瘤分割挑战）上进行了实验，结果可能不适用于所有类型的医学数据 | 研究批次大小对医学自编码器性能的影响，特别是在处理电子健康记录和医学影像数据时 | 电子健康记录数据和医学影像数据 | 机器学习 | NA | 自编码器 | 自编码器 | 文本和图像 | 巴尔的摩衰老纵向研究的电子健康记录数据和多模态脑肿瘤分割挑战的医学影像数据 | NA | NA | NA | NA |
| 1035 | 2024-10-21 |
Validation of a Deep Learning Chest X-ray Interpretation Model: Integrating Large-Scale AI and Large Language Models for Comparative Analysis with ChatGPT
2023-Dec-30, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14010090
PMID:38201398
|
研究论文 | 本研究评估了两种人工智能技术在胸部X光读片中的诊断准确性和临床效用，并比较了KARA-CXR和ChatGPT的表现 | 本研究首次将大规模AI和大型语言模型（LLMs）应用于胸部X光读片的辅助技术KARA-CXR与ChatGPT进行比较分析 | 研究仅使用了单一机构的2000张胸部X光图像，样本量和机构代表性有限 | 验证KARA-CXR和ChatGPT在胸部X光读片中的性能，并探讨其在医学影像诊断领域的潜在应用 | KARA-CXR和ChatGPT在胸部X光读片中的诊断准确性和临床效用 | 计算机视觉 | NA | 大型语言模型（LLMs） | 人工神经网络 | 图像 | 2000张胸部X光图像 | NA | NA | NA | NA |
| 1036 | 2024-10-21 |
Machine Learning Algorithm: Texture Analysis in CNO and Application in Distinguishing CNO and Bone Marrow Growth-Related Changes on Whole-Body MRI
2023-Dec-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14010061
PMID:38201370
|
研究论文 | 本研究分析了慢性非细菌性骨髓炎（CNO）骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化 | 本研究首次将机器学习和深度学习方法应用于区分CNO病变与骨髓生长相关变化，并展示了神经网络在分类中的最佳表现 | 本研究仅限于儿童人群，且样本量较小 | 分析CNO骨病变的纹理特征，并通过机器学习和深度学习方法区分CNO病变与骨髓生长相关变化 | 慢性非细菌性骨髓炎（CNO）骨病变和骨髓生长相关变化 | 机器学习 | 慢性非细菌性骨髓炎 | 纹理分析（TA） | 神经网络（NN） | 图像 | 66名确诊CNO患者和28名疑似全身性疾病患者 | NA | NA | NA | NA |
| 1037 | 2024-10-21 |
Dry Eye Subtype Classification Using Videokeratography and Deep Learning
2023-Dec-26, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14010052
PMID:38201361
|
研究论文 | 本文介绍了一种利用视频角膜地形图和深度学习进行干眼亚型分类的新方法 | 提出了一种名为'AI-supported TFOD'的非侵入性方法，使用视频角膜地形图和'模糊值'作为新的指标，结合深度学习进行干眼亚型分类 | 研究样本量较小，且分类准确率在某些亚型中仍有提升空间 | 开发一种新的干眼亚型分类方法，以提高诊断的准确性和效率 | 243例干眼病例，包括严重水液缺乏型、轻中度水液缺乏型、湿润度下降型和蒸发增加型 | 计算机视觉 | 眼科疾病 | 深度学习 | 3D卷积神经网络 | 图像 | 243例干眼病例，包括23名男性和220名女性，平均年龄64.4岁 | NA | NA | NA | NA |
| 1038 | 2024-10-21 |
CryoVirusDB: A Labeled Cryo-EM Image Dataset for AI-Driven Virus Particle Picking
2023-Dec-26, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.25.573312
PMID:38234823
|
研究论文 | 本文介绍了一个名为CryoVirusDB的标注冷冻电镜图像数据集，用于AI驱动的病毒颗粒挑选 | 本文的创新点在于填补了人工标注高质量数据集的空白，为AI和机器学习方法提供了训练和测试的基础 | NA | 本文的研究目的是为AI和机器学习方法提供一个标注的冷冻电镜图像数据集，以准确识别病毒颗粒 | 本文的研究对象是冷冻电镜图像中的病毒颗粒 | 计算机视觉 | NA | 冷冻电镜 | 深度学习 | 图像 | 9941张微观图像，包含339,398个标注的病毒颗粒 | NA | NA | NA | NA |
| 1039 | 2024-10-21 |
Visual Prompting based Incremental Learning for Semantic Segmentation of Multiplex Immuno-Flourescence Microscopy Imagery
2023-Dec-25, Research square
DOI:10.21203/rs.3.rs-3783494/v1
PMID:38234728
|
研究论文 | 本文提出了一种基于视觉提示的增量学习框架，用于对多重免疫荧光显微图像进行语义分割 | 本文的创新点在于使用最小量的人工标注数据，通过增量学习逐步优化多类分割模型，显著提高了分割性能 | 本文的局限性在于依赖于人工专家的额外标注，且仅在特定类型的图像数据上进行了验证 | 本文的研究目的是在医学图像分割领域，通过增量学习方法解决标注数据稀缺的问题 | 本文的研究对象是高分辨率的多重免疫荧光显微图像 | 计算机视觉 | NA | 多重免疫荧光显微成像 | Swin-UNet | 图像 | 涉及大鼠脑部切片的多重免疫荧光图像 | NA | NA | NA | NA |
| 1040 | 2024-10-21 |
Experimental Examination of Conventional, Semi-Automatic, and Automatic Volumetry Tools for Segmentation of Pulmonary Nodules in a Phantom Study
2023-Dec-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14010028
PMID:38201337
|
研究论文 | 本研究旨在评估半自动、常规和自动体积测量工具在胸部CT中对肺结节分割的精度 | 本研究首次在仿真模型上比较了多种体积测量工具的性能，包括半自动和自动分割方法 | 所有评估的工具在高精度放射治疗中仍需视觉控制和必要时的手动修正 | 评估不同体积测量工具在肺结节分割中的精度 | 胸部CT中的肺结节 | 数字病理学 | 肺癌 | 深度学习算法 | NA | 图像 | 使用了一个仿真模型（N1 LUNGMAN） | NA | NA | NA | NA |