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 2020 篇文献，本页显示第 1621 - 1640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1621 | 2024-08-04 |
Evaluation of Image Quality and Detectability of Deep Learning Image Reconstruction (DLIR) Algorithm in Single- and Dual-energy CT
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00806-z
PMID:37071291
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）对单能CT和双能CT的图像质量的影响 | DLIR-H在低和高频范围内相比于ASIR-V，大幅减少了噪声，并提高了图像的可检测性 | NA | 评估DLIR在不同能量CT中的图像质量和可检测性 | 使用Gammex 464幻影进行单能CT和双能CT成像 | 数字病理学 | NA | 深度学习图像重建（DLIR） | NA | 图像 | 使用六种算法对多个剂量级别的CT影像进行评估 |
| 1622 | 2024-08-04 |
A Patch-Based Deep Learning Approach for Detecting Rib Fractures on Frontal Radiographs in Young Children
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00793-1
PMID:36897422
|
研究论文 | 本研究开发了一种基于块的深度学习算法，用于自动检测2岁以下儿童胸片中的肋骨骨折 | 创新之处在于应用基于块的滑动窗口技术来满足肋骨骨折检测的高分辨率需求 | 本研究的局限性在于需要未来在多机构的大规模队列数据上进行验证以提高结果的通用性 | 本研究的目的是开发一种计算机辅助方法，以识别年轻儿童的肋骨骨折 | 研究对象为0至2岁儿童的胸部X光片，共845例 | 数字病理学 | NA | 深度学习 | ResNet-50, ResNet-18 | 图像 | 845张胸部X光片 |
| 1623 | 2024-08-04 |
Nondestructive 3D pathology with analysis of nuclear features for prostate cancer risk assessment
2023-08, The Journal of pathology
IF:5.6Q1
DOI:10.1002/path.6090
PMID:37232213
|
研究论文 | 本文探索了基于3D形状的核特征在前列腺癌风险评估中的预后价值 | 提出了利用3D形状特征比传统2D特征更有效地预测前列腺癌生化复发的可能性 | 未提供关于样本选择和3D病理数据生成的详细信息 | 评估3D核特征在前列腺癌中的预后能力 | 102个来自46名患者的前列腺癌活检样本 | 数字病理学 | 前列腺癌 | 开放顶部光片显微镜 (OTLS) | 深度学习模型 | 3D病理数据 | 102个活检样本 |
| 1624 | 2024-08-04 |
Deep learning-based dominant index lesion segmentation for MR-guided radiation therapy of prostate cancer
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16320
PMID:36856092
|
研究论文 | 本文开发了一种基于深度学习的自动化前列腺癌主索病变（DIL）分割模型 | 提出的MRRN-DS模型在不同的MR测试数据集上具有良好的通用性，相较于其他方法具有更高的分割准确性 | 研究可能受限于使用的MR成像设备和样本多样性 | 构建和验证一种基于深度学习的自动化分割模型用于前列腺癌的MR引导放疗 | 对Gleason评分（GS）≥3+4的前列腺癌主索病变（DIL）进行分割 | 数字病理学 | 前列腺癌 | 深度学习 | MRRN-DS | 影像 | 使用来自365名患者的500个病变进行评估 |
| 1625 | 2024-08-04 |
Can Artificial Intelligence Pass the American Board of Orthopaedic Surgery Examination? Orthopaedic Residents Versus ChatGPT
2023-08-01, Clinical orthopaedics and related research
IF:4.2Q1
DOI:10.1097/CORR.0000000000002704
PMID:37220190
|
研究论文 | 本研究探讨了ChatGPT在美国骨科手术考试中的表现，并与骨科住院医生的成绩进行了比较 | 首次使用大型语言模型ChatGPT评估骨科住院医生考试的表现 | 样本量仅为207个问题，且不包括带有图形或图表的问题 | 评估ChatGPT回答骨科培训考试问题的能力及其相对于骨科住院医生的表现 | ChatGPT和不同年级的骨科住院医生 | 人工智能 | NA | 大型语言模型（LLM） | ChatGPT | 考试问题 | 207个问题 |
| 1626 | 2024-08-04 |
AD-BERT: Using pre-trained language model to predict the progression from mild cognitive impairment to Alzheimer's disease
2023-08, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2023.104442
PMID:37429512
|
研究论文 | 本文开发了一种基于预训练BERT模型的深度学习框架，用于预测轻度认知障碍(MCI)进展到阿尔茨海默病(AD)的风险。 | 本研究首次将预训练语言模型应用于电子健康记录中的非结构化临床笔记，以预测MCI到AD的进展。 | 该研究主要依赖于特定医院的数据进行验证，因此结果在其他背景下的推广性有限。 | 研究的目标是利用临床笔记和预训练语言模型评估MCI患者向AD进展的风险。 | 研究对象是3657名被诊断为MCI的患者及其电子健康记录中的进展笔记。 | 自然语言处理 | 阿尔茨海默病 | BERT | 深度学习模型 | 文本 | 共涉及6210名MCI患者的临床笔记 |
| 1627 | 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 |
| 1628 | 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 |
| 1629 | 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) |
| 1630 | 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 |
| 1631 | 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） |
| 1632 | 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 |
| 1633 | 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 |
| 1634 | 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） |
| 1635 | 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 |
| 1636 | 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 |
| 1637 | 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 |
| 1638 | 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 |
| 1639 | 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 |
| 1640 | 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 |