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 1541 - 1560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1541 | 2024-08-05 |
HiDeNN-FEM: A seamless machine learning approach to nonlinear finite element analysis
2023-Jul, Computational mechanics
IF:3.7Q1
DOI:10.1007/s00466-023-02293-z
PMID:38107347
|
研究论文 | 本文提出了一种基于HiDeNN近似的非线性有限元框架 | 引入了三种基本构建模块，实现了非线性有限元分析的深度学习网络应用 | 未提及具体的限制 | 开发一种无缝的机器学习方法用于非线性有限元分析 | 研究采用HiDeNN近似的非线性有限元模型 | 机器学习 | NA | 深度学习 | NA | 数值数据 | 2D和3D的数值示例 |
| 1542 | 2024-08-05 |
On the effect of training database size for MR-based synthetic CT generation in the head
2023-07, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 使用深度学习方法从磁共振（MR）图像生成计算机断层扫描（CT）图像的研究 | 探讨了训练数据库大小对头部基于MR的合成CT生成的影响 | 缺乏具体的训练数据库规模和模型性能比较 | 研究提高MR引导放射治疗和PET/MR成像中CT图像生成的有效性 | 使用深度学习生成CT图像的MR图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 1543 | 2024-08-05 |
A Deep Learning Framework for Deriving Noninvasive Intracranial Pressure Waveforms from Transcranial Doppler
2023-07, Annals of neurology
IF:8.1Q1
DOI:10.1002/ana.26682
PMID:37189299
|
研究论文 | 本文设计了一个深度学习框架，用于从血压、心电图和脑血流速度中估算非侵入性颅内压。 | 提出了一种利用领域对抗神经网络的框架，以更准确地估计非侵入性颅内压，相较于现有方法具有更高的准确性。 | 未提及此研究的具体限制 | 研究非侵入性监测颅内压的方法，以减少患者的侵入性检查风险。 | 使用血压、心电图和脑血流速度数据进行颅内压估算。 | 机器学习 | NA | 深度学习 | 领域对抗神经网络 | 生理信号数据 | NA |
| 1544 | 2024-08-05 |
Crowd-Sourced Deep Learning for Intracranial Hemorrhage Identification: Wisdom of Crowds or Laissez-Faire
2023-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7902
PMID:37290819
|
研究论文 | 本研究测试了集成学习在识别颅内出血中的有效性 | 探索了70个模型组合的集成学习是否优于单个最佳模型 | 所有集成学习方法在颅内出血检测中的表现均未超越单个最佳卷积神经网络的准确性 | 评估集成学习在选择最佳人工智能模型方面的效用 | 134名患者的去标识化头部CT扫描 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 134个去标识化的头部CT扫描样本 |
| 1545 | 2024-08-05 |
Tensor-based Feature Extraction for Pupil Recognition in Cataract Surgery
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/EMBC40787.2023.10340785
PMID:38082579
|
研究论文 | 本文提出了一种基于张量的瞳孔特征提取方法以提高白内障手术中的瞳孔识别准确性 | 该文创新性地提出了一种叫做张量基础瞳孔特征提取的方法来处理手术中瞳孔变化的分析 | 未提供具体的局限性说明 | 提高白内障手术中瞳孔识别系统的准确性 | 研究对象为施行白内障手术的人类患者中获取的内科手术标注图像 | 数字病理学 | 白内障 | NA | 深度学习模型 | 图像 | 来自190例白内障手术的4,560张内科手术标注图像 |
| 1546 | 2024-08-05 |
Label-Efficient Self-Supervised Federated Learning for Tackling Data Heterogeneity in Medical Imaging
2023-Jul, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2022.3233574
PMID:37018314
|
研究论文 | 本论文提出了一种有效的自监督联邦学习框架，以解决医学影像中的数据异质性问题。 | 引入了一种新颖的基于Transformer的自监督预训练范例，直接在去中心化目标任务数据集上进行模型预训练。 | 在数据异质性严重的情况下，仍然依赖于去中心化数据集，未利用额外的预训练数据 | 旨在通过强化医疗影像分析中的隐私保护，实现更鲁棒的模型表现。 | 针对不同机构的异质性医疗图像数据集进行研究。 | 数字病理学 | NA | 自监督学习 | Transformer | 图像 | 进行了与真实世界医学影像非独立同分布（non-IID）联邦数据集的广泛实证研究 |
| 1547 | 2024-08-05 |
Clinical feasibility of deep learning-based automatic head CBCT image segmentation and landmark detection in computer-aided surgical simulation for orthognathic surgery
2023-Jul, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2022.10.010
PMID:36372697
|
研究论文 | 本研究探讨了基于深度学习的自动分割和标志检测在矫正外科手术规划中的应用可行性 | 使用SkullEngine实现了颅骨CBCT图像的自动分割和标志检测，为矫正外科手术提供了新的方法 | 自动标志数字化的准确性需要进一步提高 | 研究深度学习自动分割和标志检测在矫正外科手术规划中的应用 | 61组锥形束计算机断层扫描(CBCT)图像 | 数字病理学 | NA | 深度学习 | NA | 图像 | 61组CBCT图像 |
| 1548 | 2024-08-05 |
Electrocardiogram Detection of Pulmonary Hypertension Using Deep Learning
2023-07, Journal of cardiac failure
IF:6.7Q1
DOI:10.1016/j.cardfail.2022.12.016
PMID:36706977
|
研究论文 | 本研究评估了使用深度学习方法通过心电图（ECG）数据单独检测肺动脉高压（PH）及其临床重要亚型的能力 | 创新在于使用深度学习算法识别心电图数据中潜在的肺动脉高压信号 | 本研究基于回顾性数据，可能存在选择偏倚，且未考虑其他影响因素 | 研究目标是评估深度学习在肺动脉高压早期检测中的应用 | 涉及到的研究对象为接受右心导管检查或超声心动图的成人患者 | 机器学习 | 肺动脉高压 | 深度学习 | 深度卷积神经网络 | 心电图 | 共涉及5016名PH患者和19454名非PH患者 |
| 1549 | 2024-08-05 |
Blind assessment of monomeric AlphaFold2 protein structure models with experimental NMR data
2023-07, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2023.107481
PMID:37257257
|
研究论文 | 本文评估了AlphaFold2模型在小单体蛋白质NMR结构模型上的表现 | 评估了AF2在未用于训练数据集的小单体溶液蛋白质NMR结构中的准确性，提供了新的基准NMR数据 | 仅涉及九个开放源代码的蛋白质NMR数据集，样本量较小 | 研究AF2模型对小型单体蛋白质NMR数据的预测能力 | 九个不同的小型单体蛋白质NMR数据集 | 结构生物学 | NA | NMR | AlphaFold2 | NMR数据 | 九个小型单体蛋白质（70-108个氨基酸） |
| 1550 | 2024-08-05 |
Structure primed embedding on the transcription factor manifold enables transparent model architectures for gene regulatory network and latent activity inference
2023-Feb-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.02.02.526909
PMID:36778259
|
研究论文 | 提出了一种基于深度学习的框架，以进行基因调控网络推断和潜在活性估计 | 提出了一种新颖的深度学习自编码器框架，有助于在保持可解释性的同时进行基因调控网络推断 | 尚待评估该框架在其他生物系统或大规模数据集中的适用性 | 研究基因调控网络及其潜在活性 | 关注转录因子及其与目标基因之间的调控关系 | 机器学习 | NA | 深度学习 | 自编码器 | 单细胞基因组数据 | NA |
| 1551 | 2024-08-05 |
Ventricle tracking in transesophageal echocardiography (TEE) images during cardiopulmonary resuscitation (CPR) using deep learning and monogenic filtering
2023-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-023-00293-9
PMID:37872984
|
研究论文 | 本文研究了在心肺复苏期间使用深度学习和单基过滤法对经食道超声心动图（TEE）图像中的心室进行追踪 | 提出了一种实时计算心脏射血分数（EF）的方法，通过检测收缩和舒张来优化心肺复苏的质量 | 数据量不足的问题通过薄板样条变换解决，但仍需更多的数据验证 | 优化心肺复苏期间的心脏功能监测 | 心脏骤停患者的经食道超声心动图（TEE）图像 | 数字病理 | 心脏疾病 | 深度学习, 单基过滤 | ResUNet++ | 图像 | NA |
| 1552 | 2024-08-05 |
An Improved Method for Diagnosis of Parkinson's Disease using Deep Learning Models Enhanced with Metaheuristic Algorithm
2023-Oct-04, Research square
DOI:10.21203/rs.3.rs-3387953/v1
PMID:37886464
|
研究论文 | 本研究提出了一种结合元启发算法的深度学习模型用于早期诊断帕金森病 | 提出了四种深度学习模型及混合模型，并通过灰狼优化算法自动微调超参数 | 未提及具体的临床应用限制或数据集的多样性问题 | 提高帕金森病的早期诊断准确性 | 用于帕金森病诊断的深度学习模型 | 机器学习 | 帕金森病 | 灰狼优化 | GWO-VGG16、GWO-DenseNet、GWO-DenseNet + LSTM、GWO-InceptionV3、GWO-VGG16 + InceptionV3 | 图像 | 使用两个标准数据集 T1、T2加权数据集和 SPECT DaTscan |
| 1553 | 2024-08-05 |
Deep-Learning-Based Model for the Prediction of Cancer-Specific Survival in Patients with Spinal Chordoma
2023-10, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.08.032
PMID:37586553
|
研究论文 | 本文旨在开发基于深度学习的模型以预测脊索瘤患者的癌症特异性生存率。 | 提出了一种更有效的深度学习模型用于脊索瘤患者预后预测，表现优于传统的Cox回归模型。 | 研究仅使用了SEER数据库的数据，可能存在样本选择偏倚。 | 研究旨在提高脊索瘤患者的预后预测精度。 | 本研究对象为来自SEER数据库的脊索瘤患者。 | 机器学习 | 脊索瘤 | 深度学习 | DeepSurv和NMTLR | 临床数据 | 258名脊索瘤患者 |
| 1554 | 2024-08-05 |
Identification of Origin for Spinal Metastases from MR Images: Comparison Between Radiomics and Deep Learning Methods
2023-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.04.029
PMID:37059360
|
研究论文 | 本研究旨在基于脊柱增强T1磁共振图像分析脊柱转移瘤的起源，比较放射组学与深度学习方法 | 本研究开发的深度学习算法在识别脊柱转移瘤来源方面优于放射组学模型和专家评估 | 研究主要依赖于回顾性数据，可能存在选择偏倚 | 确定脊柱转移病变的起源是否为肺癌或其他类型癌症 | 173名被诊断为脊柱转移瘤的患者 | 数字病理学 | 肺癌 | 磁共振成像 | 深度学习模型与放射组学模型 | 医学图像 | 参与研究的样本数量为173名患者 |
| 1555 | 2024-08-05 |
Deep Learning-Based Image Noise Quantification Framework for Computed Tomography
2023 Jul-Aug 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001469
PMID:37380148
|
研究论文 | 本研究提出了一种基于深度学习的图像噪声量化框架，用于计算机断层扫描图像的噪声水平评估 | 提出了一种新颖的框架SILVER，用于在CT图像的每个区域内估计局部噪声水平 | 该方法依赖于假体数据进行训练，可能在不同的临床场景中表现不同 | 评估计算机断层扫描图像的噪声质量并优化成像协议 | 使用人形假体和患者图像评估噪声水平 | 计算机视觉 | NA | 深度学习 | U-Net卷积神经网络 | 图像 | 100个假体扫描，120,000张假体图像 |
| 1556 | 2024-08-05 |
Screening for extranodal extension in HPV-associated oropharyngeal carcinoma: evaluation of a CT-based deep learning algorithm in patient data from a multicentre, randomised de-escalation trial
2023-06, The Lancet. Digital health
DOI:10.1016/S2589-7500(23)00046-8
PMID:37087370
|
研究论文 | 本研究评估了一种基于CT的深度学习算法在HPV相关的口咽癌患者中预测病理性外结节扩展(ENE)的表现 | 首次在多中心随机试验中使用深度学习算法预测HPV相关口咽癌的病理性ENE | 该研究为回顾性评估，且可能受限于已排除的患者群体和标注的一致性 | 评估深度学习算法在HPV相关口咽癌患者中的ENE预测能力 | HPV相关口咽癌患者在ECOG-ACRIN E3311试验中的数据 | 计算机视觉 | 口咽癌 | CT | 深度学习算法 | 影像 | 178张扫描图像和313个淋巴结 |
| 1557 | 2024-08-05 |
Deep learning model for prenatal congenital heart disease (CHD) screening generalizes to the community setting and outperforms clinical detection
2023-Mar-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.03.10.23287134
PMID:38903074
|
研究论文 | 本研究应用深度学习模型进行胎儿超声图像中先天性心脏病的筛查，且在社区环境中表现优于临床检测 | 该研究展示了先前训练的深度学习算法在社区获取图像中有效识别未曾接触的病变，且其准确性超过人工评估 | 模型的表现与专家评分的质量有一定关系，且对部分未见过的病变的敏感性统计上无显著差异 | 旨在提高胎儿超声检查中对先天性心脏病的检测率 | 研究对象为2015年至2016年间，荷兰西北地区的胎儿超声图像及其相关病例 | 机器学习 | 先天性心脏病 | 深度学习 | NA | 图像 | 分析了42个正常胎儿和66个孤立性先天性心脏病病例 |
| 1558 | 2024-08-05 |
Toward next-generation endoscopes integrating biomimetic video systems, nonlinear optical microscopy, and deep learning
2023-Jun, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0133027
PMID:38510341
|
研究论文 | 本文审查了三种新兴技术在下一代内镜系统中的潜在应用，以提高胃肠道癌症的诊断能力 | 提出了结合仿生视频系统、非线性光学显微镜和深度学习的内镜新配置，能够更有效地检测和确认可疑病变 | 在将这些技术应用于下一代内镜时面临诸多挑战 | 提高胃肠道癌症的早期检测和诊断效率 | 主要关注胃癌的内镜诊断技术进展 | 计算机视觉 | 癌症 | 非线性光学显微镜、深度学习 | NA | NA | NA |
| 1559 | 2024-08-05 |
Exploring the Link Between Brain Waves and Sleep Patterns with Deep Learning Manifold Alignment
2023, The 4th Joint International Conference on Deep Learning, Big Data and Blockchain (DBB 2023). Joint International Conference on Deep Learning, Big Data and Blockchain (4th : 2023 : Marrakech, Morocco ; Online)
DOI:10.1007/978-3-031-42317-8_7
PMID:38939181
|
研究论文 | 本文探讨了脑电波与睡眠模式之间的关系，采用了深度学习流形对齐的新方法 | 创新点在于使用深度学习流形对齐方法来探索睡眠结构与EEG特征之间的关系 | 本文未提及研究的具体限制 | 研究睡眠架构与脑电图（EEG）特征之间的关系 | 多模态多睡眠监测数据集，包括PSG、ECG和EEG | 机器学习 | NA | 深度学习流形对齐 | NA | 多模态数据，包括文本、图像和音频 | NA |
| 1560 | 2024-08-07 |
Moving From PQRST to AI: Advancing Transparency, Reliability, and Clinical Translation in ECG Deep Learning
2023-Dec, JACC. Advances
DOI:10.1016/j.jacadv.2023.100682
PMID:38938477
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |