深度学习在生物医药领域中的应用
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，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10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 1808 篇文献，本页显示第 1401 - 1420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1401 | 2024-08-04 |
MRI Advancements in Musculoskeletal Clinical and Research Practice
2023-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.230531
PMID:37581501
|
研究论文 | 本文探讨了MRI在肌肉骨骼疾病的诊断和监测中的最新进展 | 文章提出了深度学习重建算法在减少采集时间方面的优势，以及改进合成MRI和MR指纹技术 | 未提及具体的样本量和潜在的临床试验数据 | 研究MRI在肌肉骨骼领域中的应用进展与未来趋势 | 肌肉骨骼疾病的诊断和监测技术 | 医学影像学 | 肌肉骨骼疾病 | MRI | 深度学习 | 医学影像 | NA |
| 1402 | 2024-08-04 |
Artificial intelligence for the diagnosis of retinopathy of prematurity: A systematic review of current algorithms
2023-08, Eye (London, England)
DOI:10.1038/s41433-022-02366-y
PMID:36577806
|
系统评价 | 本文系统回顾了现有深度学习算法在早产儿视网膜病诊断中的应用 | 发现现有AI技术在ROP诊断中的潜力，能够提高诊断性能并减轻筛查的工作负担 | 目前证据不足以支持AI作为唯一的诊断工具 | 系统总结现有深度学习算法的诊断特征 | 使用深度学习系统进行视网膜成像的研究 | 数字病理学 | 早产儿视网膜病 | 深度学习 | NA | 视网膜图像 | 共纳入27项研究 |
| 1403 | 2024-08-04 |
Automated MR Image Prescription of the Liver Using Deep Learning: Development, Evaluation, and Prospective Implementation
2023-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28564
PMID:36583550
|
研究论文 | 本文介绍了一种基于人工智能的肝脏图像自动处方方法。 | 提出了一种全自动的肝脏磁共振成像处方系统，使用YOLOv3模型进行物体检测。 | 研究主要依赖于回顾性数据和小样本的前瞻性评估，可能限制了结果的广泛适用性。 | 开发和评估一种基于人工智能的肝脏图像自动处方方法。 | 570名女性和469名男性患者以及6名健康志愿者。 | 数字病理学 | NA | 深度学习 | YOLOv3 | 图像 | 总共1039个三平面定位采集 (26,929 slices) |
| 1404 | 2024-08-04 |
Rapid 3D T1 mapping using deep learning-assisted Look-Locker inversion recovery MRI
2023-08, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29672
PMID:37125662
|
研究论文 | 本文提出了一种深度学习辅助的快速3D T1映射方法。 | 该方法通过深度学习学习从有效T1与T1之间的转化，无需延迟时间(TD)，提高了3D LLIR成像的效率。 | 研究中未提及样本的多样性以及在临床环境中的验证。 | 研究目的是提高3D LLIR T1映射的效率和准确性。 | 研究对象为经历不同延迟时间的GraspT1数据集。 | 数字病理学 | NA | GraspT1成像 | 深度学习网络 | 图像 | 39个GraspT1数据集用于训练和14个GraspT1数据集用于测试 |
| 1405 | 2024-08-04 |
Employing Multiple Low-Dose PET Images (at Different Dose Levels) as Prior Knowledge to Predict Standard-Dose PET Images
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00815-y
PMID:36988836
|
研究论文 | 本文探讨了利用多种低剂量PET图像作为先验知识来预测标准剂量PET图像的方法 | 该研究首次整合多个不同剂量水平的PET图像作为输入，以改善医学成像的预测精度 | 未提及数据集的多样性及其对模型泛化能力的影响 | 研究低剂量PET图像在预测标准剂量PET图像中的应用 | 使用不同剂量的PET图像对标准剂量PET图像进行预测 | 数字病理学 | NA | NA | ResNet | 图像 | 使用多个低剂量PET图像，包括6%、4%和2% L-PET图像 |
| 1406 | 2024-08-04 |
Discrimination Between Glioblastoma and Solitary Brain Metastasis Using Conventional MRI and Diffusion-Weighted Imaging Based on a Deep Learning Algorithm
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00838-5
PMID:37156977
|
研究论文 | 本研究旨在开发和验证一个深度学习模型，以区分胶质母细胞瘤与孤立性脑转移。 | 本研究结合常规MRI和扩散加权成像，开发了多种深度学习模型，并展示了组合模型的分类性能优于单一MRI序列模型。 | 本研究的样本来自于回顾性数据收集，可能存在选择偏差。 | 研究的目的是提高胶质母细胞瘤与孤立性脑转移的鉴别能力。 | 研究对象为202名孤立性脑肿瘤患者，包括104例胶质母细胞瘤和98例脑转移。 | 数字病理学 | 胶质母细胞瘤 | MRI，扩散加权成像（DWI） | 3D残差网络-18 | 医学影像 | 202名患者（104名胶质母细胞瘤和98名脑转移） |
| 1407 | 2024-08-04 |
Deep-Learning-Based Contrast Synthesis From MRF Parameter Maps in the Knee Joint
2023-08, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28573
PMID:36562500
|
研究论文 | 本研究探讨了如何从MRF量化数据中合成对比加权的MR图像，以提高MRF的临床实用性 | 使用经过训练的U-net网络结合L1和感知损失函数进行对比合成，是改善MRF成像的一种新方法 | 还需要更多研究来验证这些合成图像的诊断准确性 | 通过合成对比加权的MR图像来提高磁共振指纹技术的临床应用价值 | 来自1986年北芬兰出生队列的184名受试者的膝关节MRI数据 | 数字病理学 | NA | 磁共振成像，磁共振指纹技术 | U-net | 图像 | 184名受试者的膝关节MRI数据 |
| 1408 | 2024-08-04 |
The role of anatomical context in soft-tissue multi-organ segmentation of cadaveric non-contrast-enhanced whole body CT
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16330
PMID:36847064
|
研究论文 | 本文探讨了在尸体非对比全身CT图像中，解剖上下文在软组织多脏器分割中的重要性 | 首次比较了2D UNet和3D VNet算法在尸体CT图像分割中的有效性，并强调了解剖上下文在分割中的作用 | 没有涉及尸体CT图像以外的其他类型的图像分割 | 旨在确定2D和3D分割算法在尸体非对比增强CT图像处理中的有效性 | 研究对象为尸体CT图像中的肾脏和肝脏 | 计算机视觉 | NA | CT成像 | UNet和VNet | 图像 | NA |
| 1409 | 2024-08-04 |
Toward Automated Detection of Silent Cerebral Infarcts in Children and Young Adults With Sickle Cell Anemia
2023-08, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.042683
PMID:37387218
|
研究论文 | 本文探讨了如何使用深度学习自动检测镰状细胞贫血儿童和年轻成人的无声脑梗死。 | 本研究创新性地应用UNet深度学习模型，实现了无声脑梗死的全自动分割，提供了一种新的早期诊断工具。 | 尽管UNet在检测小型无声脑梗死方面表现敏感，但仍需进一步训练以提升准确性。 | 研究的目的是探索深度学习在自动诊断镰状细胞贫血患者无声脑梗死中的应用。 | 研究对象为镰状细胞贫血的儿童和年轻成人。 | 数字病理学 | NA | 磁共振成像 | UNet | 成像 | SIT试验926名参与者（平均年龄8.9岁），外部验证80名参与者（平均年龄11.5岁） |
| 1410 | 2024-08-04 |
Smart IoT in Breast Cancer Detection Using Optimal Deep Learning
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00834-9
PMID:37221422
|
研究论文 | 本研究开发了一种基于物联网的智能医疗系统，用于乳腺癌的分类。 | 提出了反馈人工群搜索（FACS）与牧羊卷积神经网络（ShCNN）相结合的方法用于乳腺癌检测 | 缺乏对其他疾病或数据集的验证 | 研究基于物联网的智能医疗在乳腺癌检测中的应用 | 乳腺癌分类与特征提取 | 计算机视觉 | 乳腺癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA |
| 1411 | 2024-08-04 |
Tensor-RT-Based Transfer Learning Model for Lung Cancer Classification
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00822-z
PMID:37059889
|
研究论文 | 本研究提出了一种基于Tensor-RT的转移学习框架，用于肺癌CT图像的良性和恶性分类 | 提出了一个高效的实时转移学习框架，采用加权VGG深度网络并在Nvidia Tensor-RT中进行模型推理 | 尽管该模型表现良好，但仍可能面临动态环境下的实时分类挑战 | 改善肺癌CT图像的实时分类性能 | 肺癌的CT图像，特别是CT扫描肺切片 | 计算机视觉 | 肺癌 | 卷积神经网络 (CNN) | 加权VGG深度网络 (WVDN) | 图像 | 19419个计算机断层扫描肺切片 |
| 1412 | 2024-08-04 |
A Lightweight and Robust Framework for Circulating Genetically Abnormal Cells (CACs) Identification Using 4-Color Fluorescence In Situ Hybridization (FISH) Image and Deep Refined Learning
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00843-8
PMID:37231288
|
研究论文 | 本研究开发了一种轻量级和稳健的深度学习网络用于循环基因异常细胞的识别 | 提出了一种基于4色FISH图像的深度学习网络，并设计了新的信号标准化方法和在线重复训练策略 | 未提及具体的限制因素 | 提高循环基因异常细胞的识别精度和临床检测率 | 循环基因异常细胞（CACs） | 数字病理学 | 癌症 | 4色荧光原位杂交（FISH） | FISH-Net | 临床样本数据 | 853名患者的临床样本来自10个中心 |
| 1413 | 2024-08-04 |
Fully Automated Longitudinal Assessment of Renal Stone Burden on Serial CT Imaging Using Deep Learning
2023-08, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2023.0066
PMID:37310890
|
研究论文 | 使用深度学习自动化测量和跟踪肾结石在连续CT扫描中的负担 | 首次利用深度学习模型实现肾结石负担的完全自动化评估 | 仅包含来自单一医疗中心的回顾性数据，可能限制了研究的广泛适用性 | 研究旨在自动化肾结石负担的测量与追踪 | 113名接受肾结石治疗的患者的259个CT扫描 | 计算机视觉 | NA | 深度学习 | NA | 影像 | 259个CT扫描，来自113名患者 |
| 1414 | 2024-08-04 |
Skin Lesion Segmentation in Dermoscopic Images with Noisy Data
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00819-8
PMID:37020149
|
研究论文 | 本文提出了一种深度学习方法用于在皮肤镜图像中分割皮肤病变 | 提出了一种利用预训练的EfficientNet模型和压缩激励残差结构的网络架构 | 实验结果表明测试集中的噪声标签会对评估得分产生不利影响 | 研究深度学习在皮肤病变分割中的应用 | 应用于国际皮肤成像合作（ISIC）2017挑战赛皮肤病变分割数据集 | 计算机视觉 | 皮肤疾病 | 深度学习 | EfficientNet | 图像 | ISIC 2017挑战赛皮肤病变分割数据集 |
| 1415 | 2024-08-04 |
Glomerulus Detection Using Segmentation Neural Networks
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00764-y
PMID:37020148
|
研究论文 | 本研究提出了一种基于深度学习的肾小球检测方法 | 创新点在于使用多种卷积神经网络模型进行肾小球区域的检测 | 未提及具体在临床应用中的限制 | 提高肾脏移植前的准确诊断和疾病识别 | 数字化肾脏幻灯片中的肾小球部分 | 数字病理学 | NA | 卷积神经网络 | ResNet, UNet, LinkNet, EfficientNet | 图像 | 使用了NIH HuBMAP肾脏全幻灯片图像数据集 |
| 1416 | 2024-08-04 |
A neural ordinary differential equation model for visualizing deep neural network behaviors in multi-parametric MRI-based glioma segmentation
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16286
PMID:36840621
|
研究论文 | 开发了一种神经普通微分方程（ODE）模型，用于可视化深度神经网络在基于多参数MRI的胶质瘤分割中的行为 | 提出了一种新的深度学习模型Neural ODE，通过神经网络参数化的ODE实现深度特征提取，增强了深度学习的可解释性 | 比较模型基于少数关键MRI模态进行分割时与全模态结果的差异较小且无显著性 | 研究深度神经网络在多参数MRI胶质瘤分割中的表现与可视化 | 369名胶质瘤患者的多参数MRI数据 | 数字病理学 | 胶质瘤 | 多参数MRI协议 | Neural ODE | 医学影像 | 369名胶质瘤患者 |
| 1417 | 2024-08-04 |
Predicting Visual Field Worsening with Longitudinal OCT Data Using a Gated Transformer Network
2023-08, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2023.03.019
PMID:37003520
|
研究论文 | 本研究旨在利用门控变换网络(GTN)从纵向OCT数据中识别视野恶化。 | 该研究引入了一种新方法，通过多种标准定义视野恶化，并使用GTN进行预测。 | 对于基线更严重的青光眼患者，GTN的性能较差。 | 研究的目的是通过分析OCT数据预测视野恶化。 | 研究对象为4211只眼睛的纵向OCT数据和视野结果。 | 数字病理学 | 青光眼 | OCT | 门控变换网络(GTN) | 眼部扫描数据 | 4211只眼睛（2666名患者） |
| 1418 | 2024-08-04 |
Deep learning in terrestrial conservation biology
2023-Dec, Biologia futura
IF:1.8Q3
DOI:10.1007/s42977-023-00200-4
PMID:38227170
|
评论 | 本文对保护生物学中深度学习技术的应用进行了回顾 | 强调了深度学习在保护生物学中的潜力和当前技术先进性 | 提出了当前技术在数据处理方面的缓慢问题 | 探索有效的方式监测生物多样性变化 | 涉及保护生物学中的生物数据监测 | 机器学习 | NA | 深度学习 | NA | 生物数据 | NA |
| 1419 | 2024-08-04 |
A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration
2023-Jul-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace754
PMID:37442128
|
研究论文 | 本研究旨在开发一种新的方法，通过深度学习和可变形图像配准从腹部/盆腔的锥束CT生成合成CT，以促进质子范围的估算 | 提出了将无监督深度学习（CycleGAN）与可变形图像配准（DIR）结合的混合方法，分别生成几何加权和强度加权的合成CT成分 | 研究的样本量相对较小，仅限于81名儿科患者，且只评估了在特定条件下的方法有效性 | 探索一种准确的合成CT生成方法，以便在质子治疗中提高质子束穿透气体区域的范围估算 | 使用81名儿科患者的锥束CT、同日重复CT和规划CT数据进行训练、验证和测试 | 数字病理学 | NA | 深度学习（CycleGAN）、可变形图像配准（DIR） | CycleGAN | CT图像 | 81名儿科患者的CT数据（训练60，验证6，测试15） |
| 1420 | 2024-08-07 |
Applications of Artificial Intelligence and Deep Learning in Glaucoma: Erratum
2023 Jul-Aug 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000628
PMID:37523439
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |