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 1805 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2024-08-04 |
Clustered photoplethysmogram pulse wave shapes and their associations with clinical data
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1176753
PMID:37954447
|
研究论文 | 本文探讨了光电容积脉搏波形与临床数据之间的关系 | 提出了无监督机器学习和深度学习方法来克服数据标记的局限性 | 在处理真实数据时，为波形标记类别可能存在挑战 | 研究如何最有效地分类和识别光电容积脉搏波形 | 分析数字体积脉搏(DVP)的波形变异性和与临床数据的关联 | 机器学习 | NA | K-medoids聚类、卷积神经网络自编码器 | NA | 临床数据 | NA |
| 1442 | 2024-08-05 |
Interpreting Infrared Thermography with Deep Learning to Assess the Mortality Risk of Critically Ill Patients at Risk of Hypoperfusion
2023-Jan, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2401007
PMID:39076877
|
研究论文 | 本研究旨在通过红外热成像结合深度学习方法评估危重病人低灌注风险的死亡风险 | 结合红外热成像和深度学习方法的创新应用，可提高对低灌注病人死亡风险的准确评估 | 研究为事后分析，可能受到临床数据收集和选择偏倚的影响 | 评估危重病人低灌注风险的死亡风险 | 373名高风险低灌注的危重病人 | 机器学习 | NA | 红外热成像，深度学习 | ResNet（18） | 热成像图像 | 373名病人 |
| 1443 | 2024-08-04 |
Automatic Visual Acuity Loss Prediction in Children with Optic Pathway Gliomas using Magnetic Resonance Imaging
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10339961
PMID:38083430
|
研究论文 | 本研究旨在通过多序列磁共振成像准确预测患有视路胶质瘤的儿童的视觉敏锐度丧失 | 提出了一种自动化深度学习框架，包括基于变换器的分割网络和机器学习方法用于预测视觉丧失 | 对于视觉丧失的风险预测依然存在挑战，特别是确定哪些儿童需要预防性治疗 | 研究通过MRI特征分析帮助早期预测NF1-OPG儿童的视觉结果 | 研究对象为75名患有NF1-OPG的儿童 | 数字病理学 | 视路胶质瘤 | 磁共振成像 | 基于变换器的分割网络 | 图像 | 75名儿童 |
| 1444 | 2024-08-05 |
A comprehensive assessment of hurdle and zero-inflated models for single cell RNA-sequencing analysis
2023-09-20, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad272
PMID:37507115
|
研究论文 | 本文开发了一个基于Python的包（TensorZINB），用于解决零膨胀负二项式（ZINB）模型，并系统评估了多种单细胞RNA测序分析模型的表现 | 提出了一种混合模型类，结合嵌套模型以提升性能，并开发了新的方法将连续分布转换为等价的离散形式 | 没有提及具体的现实应用场景和额外的生物学验证实验 | 全面评估单细胞RNA测序分析中不同比例模型的性能 | 针对单细胞RNA测序数据集开发和优化统计模型 | 数字病理学 | NA | RNA-seq | 零膨胀负二项式（ZINB） | 基因表达数据 | 使用了一个真实的单细胞RNA-seq数据集进行评估 |
| 1445 | 2024-08-05 |
Building Prediction Models for 30-Day Readmissions Among ICU Patients Using Both Structured and Unstructured Data in Electronic Health Records
2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm58861.2023.10385612
PMID:39055130
|
研究论文 | 本研究构建并评估了多个机器学习模型，以预测ICU患者的30天再入院率 | 该研究结合了结构化和非结构化数据，展示了利用机器学习和深度学习预测ICU再入院的潜力 | 该研究可能受到MIMIC-III数据库的特定限制 | 预测ICU患者的30天再入院率 | ICU患者的电子健康记录数据 | 机器学习 | NA | 机器学习 | 逻辑回归 | 结构化和非结构化数据 | 使用MIMIC-III数据库中的数据 |
| 1446 | 2024-08-05 |
Artificial Intelligence as a Decision-Making Tool in Forensic Dentistry: A Pilot Study with I3M
2023-03-06, International journal of environmental research and public health
DOI:10.3390/ijerph20054620
PMID:36901630
|
研究论文 | 这项研究旨在探讨基于第三磨牙成熟指数（I3M）创建决策支持工具的技术可行性 | 该研究结合深度学习和拓扑数据分析方法，实现了I3M评分的自动化，展示了与牙科法医专家的高度一致性 | 这是一个初步研究，样本量相对较小，局限于特定地区的图像 | 研究目的是开发一种支持牙科年龄估计专家决策的人工智能工具 | 研究对象是来自法国和乌干达的456张下颌骨X光影像 | 数字病理学 | NA | 深度学习 | U-Net, Mask R-CNN | 影像 | 456张图像 |
| 1447 | 2024-08-05 |
Super-Resolution of Dental Panoramic Radiographs Using Deep Learning: A Pilot Study
2023-Mar-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13050996
PMID:36900140
|
研究论文 | 本研究旨在比较基于深度学习的超分辨率模型与传统方法在提升牙科全景影像分辨率方面的效果 | 探索了五种最先进的深度学习超分辨率方法，并与传统双三次插值方法进行了比较 | 研究样本仅限于牙科全景影像，可能无法推广到其他类型的医疗影像 | 提高牙科全景影像的分辨率和质量 | 888幅牙科全景影像 | 计算机视觉 | NA | 深度学习超分辨率算法 | SRCNN, SRGAN, U-Net, SwinIr, LTE | 图像 | 888幅牙科全景影像 |
| 1448 | 2024-08-05 |
Deep learning diagnostic performance and visual insights in differentiating benign and malignant thyroid nodules on ultrasound images
2023-Dec, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231220664
PMID:38279511
|
研究论文 | 本研究旨在构建和评估一个深度学习模型，以准确区分良性和恶性甲状腺结节 | 这项研究使用了ResNet进行甲状腺结节预测，并应用Grad-CAM可视化模型过程，提供了与放射科医师的诊断精度比较 | 需要进一步研究以提高诊断精度并支持初级护理中的辅助诊断 | 探索深度学习在恶性甲状腺结节诊断中的应用 | 利用超声图像区分良性和恶性甲状腺结节 | 计算机视觉 | 甲状腺癌 | 超声波成像 | ResNet | 图像 | 2096张超声图像，655个不同的甲状腺结节 |
| 1449 | 2024-08-05 |
A Drosophila heart optical coherence microscopy dataset for automatic video segmentation
2023-Dec-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02802-y
PMID:38071220
|
研究论文 | 本文介绍了一种针对果蝇心脏视频的自动分割算法和相关数据集 | 提出了名为FlyNet 2.0+的自动化果蝇心脏分割算法，利用LSTM卷积神经网络处理视频中的时间序列信息 | 未提及该算法在其他物种或不同实验条件下的效用 | 旨在提高果蝇心脏功能量化的效率和一致性 | 果蝇白眉实验中获取的心脏视频数据集 | 计算机视觉 | NA | 光学相干显微镜 (OCM) | LSTM卷积神经网络 | 视频 | 213个果蝇心脏视频，约等于604,000个横截面图像 |
| 1450 | 2024-08-05 |
Deep Learning-Based TEM Image Analysis for Fully Automated Detection of Gold Nanoparticles Internalized Within Tumor Cell
2023-07-25, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad066
PMID:37488822
|
研究论文 | 本研究开发了基于深度学习的TEM图像分析方法，用于全自动检测肿瘤细胞内的金纳米颗粒 | 本研究的创新点在于提出了一种全自动的深度学习方法，能够有效检测细胞TEM图像中的金纳米颗粒 | 有可能受到转移学习和模型调整的效果限制 | 本研究旨在提高金纳米颗粒在肿瘤细胞内定量分析的准确性和效率 | 研究对象为含金纳米颗粒的肿瘤细胞的TEM图像 | 计算机视觉 | 癌症 | 深度学习，传输学习 | YOLO v5 | 图像 | 78张原始TEM图像（12040张增强图像） |
| 1451 | 2024-08-05 |
Deep learning-enabled volumetric cone photoreceptor segmentation in adaptive optics optical coherence tomography images of normal and diseased eyes
2023-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.478693
PMID:36874491
|
研究论文 | 本文提出了一种深度学习框架，用于自动分割适应性光学光学相干断层扫描图像中的锥细胞 | 该方法实现了从传统人工标记到自动化的3-D体积数据分析，达到人类水平的性能 | NA | 自动化测量视网膜神经退行性疾病中光受体细胞的形态 | 健康和疾病参与者的光受体细胞 | 数字病理学 | 视网膜神经退行性疾病 | 适应性光学光学相干断层扫描 | 深度学习 | 3-D图像 | 涉及健康和疾病参与者的AO-OCT扫描，具体样本大小未提供 |
| 1452 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-Dec, Advances in neural information processing systems
PMID:39005944
|
研究论文 | 本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性 | 模型的应用可能局限于特定的行为状态和视觉输入类型 | 研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系 | 自由移动的小鼠及其视觉皮层活动 | 计算机视觉 | NA | 递归神经网络 | 多模态递归神经网络 | 视觉数据 | NA |
| 1453 | 2024-08-05 |
Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad040
PMID:39045079
|
研究论文 | 本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果 | 通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度 | 本文未评估由经验较少的操作员使用深度学习指导的影响 | 旨在改善心脏超声的标准化，以减少操作员之间的变异性 | 88名心律正常的患者，进行心脏超声检查 | 医学影像学 | 心血管疾病 | 深度学习 | NA | 超声波影像 | 88名患者 |
| 1454 | 2024-08-07 |
Deep learning-based computed tomography quantification of left ventricular mass
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad043
PMID:39045069
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1455 | 2024-08-05 |
Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications
2023-07-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace0f0
PMID:37348487
|
研究论文 | 本文提出了一种基于无监督深度学习的血管壁位移估计方法 | 创新性地应用无监督深度学习方法提高血管壁位移估计的质量 | 未在真实病例中进行广泛测试 | 旨在提高血管弹性成像的准确性和分辨率 | 研究对象包括人类颈动脉及其脉搏波传播的跟踪 | 数字病理学 | 心血管疾病 | 超声弹性成像 | 深度学习网络 | 图像，超声RF信号 | 通过模型训练涉及多种超声数据集，具体样本数未说明 |
| 1456 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-May-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.30.542912
PMID:37398256
|
研究论文 | 本研究介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 提出了一种新的多模态深度学习模型，能够结合视觉输入与行为和时间动态来预测小鼠视觉皮层的活动 | 该研究结果可能仅适用于小鼠，不适用于其他物种的视觉皮层活动预测 | 探讨小鼠视觉皮层中自然视觉输入与行为变量如何整合以产生神经反应 | 自由移动小鼠的视觉皮层V1活动 | 计算机视觉 | NA | 深度卷积神经网络 (CNN) 和递归神经网络 | 递归神经网络 | 视觉数据 | 自由移动小鼠的行为数据 |
| 1457 | 2024-08-05 |
Real-time guiding by deep learning during echocardiography to reduce left ventricular foreshortening and measurement variability
2023-May, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad012
PMID:39044792
|
研究论文 | 本文探讨了在超声心动图过程中使用深度学习进行实时指导以减少左心室缩短和测量变异性。 | 研究首次将实时深度学习指导应用于超声心动图，以提高图像标准化和降低测量变异性。 | 实时指导对经验丰富的操作员间变异性的影响较小。 | 研究实时深度学习指导在超声心动图中对左心室缩短和观察者间变异性的影响。 | 纳入88名在窦律下进行超声心动图检查的患者。 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 图像 | 88名患者 |
| 1458 | 2024-08-05 |
Fully automatic estimation of global left ventricular systolic function using deep learning in transoesophageal echocardiography
2023-May, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad007
PMID:39044786
|
研究论文 | 本研究开发了一种利用深度学习实现完全自动化的左心室收缩功能评估方法。 | 创新点在于通过深度学习实现心脏超声图像的完全自动化评估，从而提高了监测速度和再现性。 | 本研究的限制在于样本来自185名患者，结果需在更多临床背景下进一步验证。 | 研究的目的是临床验证自动化MAPSE在心脏病患者中的有效性。 | 研究对象为185名未选择图像质量的心脏病患者。 | 数字病理学 | 心脏病 | 深度学习 | NA | 视频 | 185名心脏病患者 |
| 1459 | 2024-08-05 |
Siam-VAE: A hybrid deep learning based anomaly detection framework for automated quality control of head CT scans
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654464
PMID:39040978
|
研究论文 | 提出了一种基于深度学习的框架，用于对头部CT扫描进行自动质量控制 | 提出了一种混合模型，结合变分自编码器和孪生神经网络，利用弱标签增强标准异常检测技术 | 需要大量注释数据进行有效训练，且存在类不平衡和弱标签问题 | 开发能够分类CT扫描为可用或不可用质量的深度学习框架 | 头部CT扫描的质量控制 | 计算机视觉 | NA | 深度学习 | 变分自编码器和孪生神经网络 | 图像 | NA |
| 1460 | 2024-08-05 |
Automatized Detection of Periodontal Bone Loss on Periapical Radiographs by Vision Transformer Networks
2023-Nov-29, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13233562
PMID:38066803
|
研究论文 | 本研究评估了利用视觉变换器网络自动检测牙周骨丧失的模型 | 引入了视觉变换器网络来替代传统卷积神经网络用于牙周骨丧失检测 | 需要更大且经过人工注释的图像数据集来进一步优化诊断性能 | 评估各种模型在牙周骨丧失自动检测中的表现 | 21,819张去标识化的根尖放射影像 | 计算机视觉 | 牙周病 | 视觉变换器网络 | ViT, BEiT, DeiT | 图像 | 21,819张根尖放射影像 |