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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202307-202307] [清除筛选条件]
当前共找到 135 篇文献,本页显示第 101 - 120 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
101 2024-08-05
Radiomic and deep learning characterization of breast parenchyma on full field digital mammograms and specimen radiographs: a pilot study of a potential cancer field effect
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
研究论文 本研究探讨了乳腺组织的放射组学和深度学习特征与乳腺X线摄影图像之间的关系 首次将放射组学和深度学习特征应用于分析肿瘤与非肿瘤区域之间的潜在癌症场效应 本研究样本量较小,仅包括74名患者,可能影响结果的广泛适用性 研究乳腺X线摄影图像中的组织特征与潜在癌症场效应的关系 74名确诊为乳腺癌的女性患者的X线摄影图像和切除标本放射图像 数字病理学 乳腺癌 放射组学 深度学习 图像 74名患者的乳腺X线摄影图像和32名患者的切除标本放射图像
102 2024-08-05
Heart-Brain 346-7 Score: the development and validation of a simple mortality prediction score for carbon monoxide poisoning utilizing deep learning
2023-07, Clinical toxicology (Philadelphia, Pa.)
研究论文 开发并验证了一种简单的死亡风险预测评分系统,针对一氧化碳中毒患者 提出并验证了Heart-Brain 346-7评分系统,以根据特定变量预测一氧化碳中毒患者的住院和长期死亡风险 本研究的有效性需要进一步验证,且主要依赖于电子病历数据 研究旨在识别患有一氧化碳中毒的患者的急性和长期死亡风险 研究对象为811名一氧化碳中毒的成人患者与462名验证队列患者 数字病理学 NA Firth逻辑回归 NA 电子病历数据 811名在开发队列中的患者和462名在验证队列中的患者
103 2024-08-05
A comprehensive multi-domain dataset for mitotic figure detection
2023-07-25, Scientific data IF:5.8Q1
研究论文 本文介绍了用于有丝分裂细胞检测的综合多领域数据集MIDOG++ 该数据集是第一个基于不同肿瘤类型、实验室、全切片图像扫描仪和物种的广泛领域转移的有丝分裂细胞数据集 在单一领域训练中观察到显著差异,可能影响深度学习方法的性能 本文旨在自动化有丝分裂细胞检测任务,并评估领域转移的影响 本文研究对象为503个来自七种不同肿瘤类型的组织标本 数字病理学 乳腺癌, 肺癌, 淋巴肉瘤, 神经内分泌肿瘤, 皮肤肥大细胞肿瘤, 皮肤黑色素瘤, (亚)皮下软组织肉瘤 深度学习 NA 图像 503个组织标本
104 2024-08-05
Quantitative Assessment of Myocardial Ischemia With Positron Emission Tomography
2023-Jul-01, Journal of thoracic imaging IF:2.0Q3
研究论文 本文探讨了正电子发射断层扫描(PET)技术在评估心肌缺血中的定量应用 文章介绍了多种PET心肌灌注成像放射药物的特点及其对心肌血流的定量影响 未提及具体的临床应用或患者样本 研究心肌缺血的定量评估方法 多种PET放射药物及其在心肌灌注成像中的应用 数字病理学 心血管疾病 正电子发射断层扫描(PET) 组织隔室模型 成像数据 NA
105 2024-08-05
Automatic Measuring of Finger Joint Space Width on Hand Radiograph using Deep Learning and Conventional Computer Vision Methods
2023-Jul, Biomedical signal processing and control IF:4.9Q1
研究论文 本文提出了两种方法自动测量手部X光片上的关节间隙宽度(JSW) 提出了基于传统计算机视觉和深度学习的两种新方法来自动化JSW测量 目前方法需要标记真实的JSW数据,可能影响结果的普适性 自动化测量手部关节间隙宽度以提高评估效率 3,591张手部X光图像和10,845个指间关节 计算机视觉 关节炎 深度学习,传统计算机视觉 VGG-19,U-Net 图像 3,591张手部X光片
106 2024-08-05
High-fidelity Database-free Deep Learning Reconstruction for Real-time Cine Cardiac MRI
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
研究论文 本研究提出了一种无数据库的深度学习重建方法,用于实时cine心脏MRI。 采用零-shot自监督物理引导深度学习重建,克服了需要数据库学习的挑战,允许特定患者的训练。 该方法在复杂的呼吸和心动模式下的广泛应用仍然面临挑战。 旨在通过改进重建技术提高实时cine心脏MRI的成像质量。 研究对象为心脏MRI成像中的患者群体。 数字病理学 心血管疾病 深度学习重建 无数据库学习模型 影像 未提供样本大小的具体信息
107 2024-08-05
An artificial intelligence platform provides an accurate interpretation of esophageal motility from Functional Lumen Imaging Probe Panometry studies
2023-07, Neurogastroenterology and motility IF:3.5Q2
研究论文 本研究旨在开发和测试一个能够解读FLIP Panometry研究的自动化人工智能平台 该研究首次提出使用深度学习AI模型生成FLIP Panometry热图并进行食管运动标签的分配 研究仅在一个中心进行,可能影响结果的广泛适用性 开发一个能够准确解读FLIP Panometry研究的人工智能平台 678名连续患者和35名无症状对照进行FLIP Panometry检查 机器学习 食管疾病 人工智能 卷积神经网络(CNN) 图像 678名患者和35名对照
108 2024-08-05
Interleaved signal multiplexing readout in depth encoding Prism-PET detectors
2023-Jul, Medical physics IF:3.2Q1
研究论文 本文介绍了一种交错信号复用方案,利用深度编码Prism-PET探测器模块的光共享特性。 提出了iMux复用方案,实现了16比1的晶体到读出复用而不明显降低性能。 研究中未提及复用的实际应用限制或潜在的问题。 研究的目的是优化临床正电子发射断层扫描仪中的信号读出,以降低复杂性和成本。 研究对象为使用iMux方案的Prism-PET探测器模块及其深度学习去复用模型。 计算机视觉 NA 深度学习 NA 信号 16×16阵列的LYSO闪烁晶体和8×8阵列的SiPM像素
109 2024-08-05
Deep Learning Approaches for Glioblastoma Prognosis in Resource-Limited Settings: A Study Using Basic Patient Demographic, Clinical, and Surgical Inputs
2023-07, World neurosurgery IF:1.9Q2
研究论文 本研究评估了不同新型深度学习模型在资源有限环境中对胶质母细胞瘤预后的预测能力 提出了一种基于简单临床、人口统计和手术变量的新型深度学习模型 研究模型的准确性可能受到健康基础设施受限区域的影响 研究旨在提高胶质母细胞瘤患者的预后预测准确性 分析了37,095名胶质母细胞瘤患者的数据 机器学习 胶质母细胞瘤 深度学习 概率矩阵分解、多任务逻辑回归、逻辑风险模型 临床和人口统计数据 37,095名患者
110 2024-08-05
HiDeNN-FEM: A seamless machine learning approach to nonlinear finite element analysis
2023-Jul, Computational mechanics IF:3.7Q1
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
111 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
112 2024-08-05
A Deep Learning Framework for Deriving Noninvasive Intracranial Pressure Waveforms from Transcranial Doppler
2023-07, Annals of neurology IF:8.1Q1
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
113 2024-08-05
Crowd-Sourced Deep Learning for Intracranial Hemorrhage Identification: Wisdom of Crowds or Laissez-Faire
2023-07, AJNR. American journal of neuroradiology
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
114 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
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
115 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
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
116 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
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
117 2024-08-05
Electrocardiogram Detection of Pulmonary Hypertension Using Deep Learning
2023-07, Journal of cardiac failure IF:6.7Q1
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
118 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)
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)
119 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
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
120 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
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
回到顶部