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 1661 - 1680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1661 | 2024-08-05 |
Clinical Validation of Explainable Deep Learning Model for Predicting the Mortality of In-Hospital Cardiac Arrest Using Diagnosis Codes of Electronic Health Records
2023-Sep, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2409265
PMID:39076399
|
研究论文 | 本研究评估了D-SHAP模型在使用电子健康记录的诊断代码预测医院内心脏骤停患者死亡率的表现 | 引入了可解释的深度学习模型，能够准确识别与高死亡风险相关的诊断代码 | D-SHAP与临床判断之间存在一些不一致，特别是在较少发生的疾病中 | 评估深度学习模型在预测医院内心脏骤停患者死亡概率方面的表现 | 分析168,693名至少有一次医院内心脏骤停的患者及其1,569,478份临床记录 | 机器学习 | 心脏病 | 深度学习 | D-SHAP | 临床记录 | 402名患者 |
| 1662 | 2024-08-04 |
Uncertainty aware training to improve deep learning model calibration for classification of cardiac MR images
2023-08, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102861
PMID:37327613
|
研究论文 | 本文研究了如何通过不确定性感知训练提高心脏MR图像分类模型的校准能力。 | 提出了三种新颖的不确定性感知训练策略，并与两种最新的方法进行了比较，强调了更好的模型校准。 | 使用不同的校准指标时，最优模型之间缺乏一致性。 | 研究旨在提高人工智能分类模型在临床决策支持中的可靠性。 | 研究对象为心脏再同步治疗响应预测和冠状动脉疾病诊断。 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像（CMR） | 信心加权方法 | 图像 | NA |
| 1663 | 2024-08-05 |
The Use of Artificial Intelligence for Detecting and Predicting Atrial Arrhythmias Post Catheter Ablation
2023-Aug, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2408215
PMID:39076714
|
评论 | 这篇文章探讨了人工智能在导管消融后检测和预测心房性心律失常的应用 | 文章创新地聚焦于心房颤动以外的心房扑动和心房性心动过速的AI研究 | 目前的AI研究主要集中在心房颤动，心房扑动和心房性心动过速的研究相对较少 | 研究旨在探讨AI算法与心电生理特征、影像数据、风险评分计算器和临床变量结合预测心律失常 | 主要关注心房颤动、心房扑动和心房性心动过速的心律失常 | 自然语言处理 | 心血管疾病 | 人工智能 | 机器学习和深度学习 | 影像数据和临床变量 | NA |
| 1664 | 2024-08-05 |
Audiological Diagnosis of Valvular and Congenital Heart Diseases in the Era of Artificial Intelligence
2023-Jun, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2406175
PMID:39077516
|
研究论文 | 本文探讨了结合人工智能技术的电子听诊器在先天性心脏病和瓣膜性心脏病诊断中的应用 | 提出了建立大型标准化心音数据库，并统一算法进行外部验证的研究方向 | 目前对疾病严重程度、远程监测和预后等方面的研究较少 | 旨在提高心脏疾病的诊断准确性 | 电子听诊器、人工智能算法与心脏病 | 计算机视觉 | 心脏病 | 人工智能、深度学习 | 深度学习算法、基于特征提取的机器学习算法 | 心音 | NA |
| 1665 | 2024-08-05 |
Elbow trauma in children: development and evaluation of radiological artificial intelligence models
2023-Jun, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2023.100029
PMID:39077546
|
研究论文 | 本文针对儿童肘部创伤，开发了一种能够检测后创伤性损伤的人工智能模型并评估其性能 | 通过深度学习模型的端到端开发，实现了对儿童肘部X光照影像的分析，为临床实践提供了新的辅助工具 | 模型在外部测试集的准确性下降，尤其是第二个模型的特异性显著降低 | 开发和评估能够改善放射科医生对儿童肘部创伤X光解读的人工智能模型 | 1956张儿童肘部X光影像，涉及935名年龄在0至18岁之间的患者 | 计算机视觉 | NA | 深度卷积神经网络（CNN） | 深度学习模型 | 影像 | 1956张X光影像 |
| 1666 | 2024-08-04 |
The emerging role of artificial intelligence and digital twins in pre-clinical molecular imaging
2023 May-Jun, Nuclear medicine and biology
IF:3.6Q1
DOI:10.1016/j.nucmedbio.2023.108337
PMID:37030076
|
研究论文 | 本文探讨了人工智能和数字双胞胎在临床前分子成像中的新兴作用 | 提出使用深度学习方法提升数字双胞胎的发展能力和应用 | 目前尚未提及具体的局限性 | 探索数字双胞胎在临床前分子成像中的应用潜力 | 以小鼠为模型的临床前分子成像 | 数字病理学 | NA | 深度学习，生成对抗网络 | NA | 图像 | 特定基因小鼠模型 |
| 1667 | 2024-08-04 |
Systolic Blood Pressure and Cardiovascular Risk in Patients With Diabetes: A Prospective Cohort Study
2023-03, Hypertension (Dallas, Tex. : 1979)
|
研究论文 | 本文研究了收缩压(SBP)与糖尿病患者心血管事件之间的关系 | 首次使用深度学习模型揭示了SBP与心血管结果之间的单调关系 | 研究仅限于特定人群，可能无法推广到更广泛的糖尿病患者群体 | 探讨SBP与糖尿病患者心血管疾病风险之间的关系 | 50到90岁之间的49000名糖尿病患者 | 心血管疾病 | 糖尿病相关心血管疾病 | 深度学习 | NA | 电子健康记录 | 49000名糖尿病患者 |
| 1668 | 2024-08-05 |
Improved image quality with deep learning reconstruction - a study on a semi-anthropomorphic upper-abdomen phantom
2023-Mar, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2023.100022
PMID:39076164
|
研究论文 | 本研究评估了一种深度学习重建算法在不同剂量下的图像质量 | 该研究提出的新型DLR算法在保持噪声纹理特征的同时实现了显著的噪声降低 | 现有研究可能没有全面评估所有临床应用的重建效果 | 评估深度学习重建算法在不同辐射剂量下的性能 | 使用半人类上腹部假体进行CT扫描重建的图像质量 | 数字病理学 | NA | 深度学习重建（DLR） | NA | CT图像 | 五种剂量水平的CT扫描（CTDIvol 5, 10, 15, 20和25 mGy） |
| 1669 | 2024-08-04 |
DeepWEST: Deep Learning of Kinetic Models with the Weighted Ensemble Simulation Toolkit for Enhanced Sampling
2023-Feb-28, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c00282
PMID:36719802
|
研究论文 | 本文介绍了一种混合方法，通过深度学习动模型为加权集成模拟提供良好采样的初始状态分布 | 提出了一种深度学习动模型的方法，克服了初始采样对加权集成方法性能的显著影响 | 没有提到特定的限制 | 提高分子动力学模拟中动力学性质的采样效率 | 短时间的分子动力学轨迹 | 计算机视觉 | NA | 分子动力学模拟 | 深度学习动模型 | 短MD轨迹 | NA |
| 1670 | 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 |
| 1671 | 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 |
| 1672 | 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 |
| 1673 | 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 |
| 1674 | 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 |
| 1675 | 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 |
| 1676 | 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 |
| 1677 | 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 |
| 1678 | 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 |
| 1679 | 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） |
| 1680 | 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 |