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 1537 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-12-20 |
Joint Cross-Attention Network With Deep Modality Prior for Fast MRI Reconstruction
2024-01, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3314008
PMID:37695966
|
研究论文 | 提出了一种基于深度学习的多线圈磁共振成像快速重建模型，通过联合交叉注意力网络（jCAN）利用已获取的同体数据进行深度引导 | 引入了基于展开的联合交叉注意力网络（jCAN），结合视觉变换器（ViT）和卷积神经网络（CNN）在图像和k空间域中的应用，并利用预先获取的同体扫描数据作为参考模态来指导目标模态的重建 | NA | 提高加速多线圈磁共振成像重建模型的性能 | 多线圈磁共振成像数据的重建 | 计算机视觉 | NA | 磁共振成像（MRI） | 联合交叉注意力网络（jCAN） | 图像 | 公开的膝关节数据集和内部的大脑数据集 |
| 22 | 2024-12-20 |
Using deep learning models in magnetic resonance cholangiopancreatography images to diagnose common bile duct stones
2024 Jan-Jun, Scandinavian journal of gastroenterology
IF:1.6Q3
DOI:10.1080/00365521.2023.2257825
PMID:37712446
|
研究论文 | 本研究使用深度学习模型YOLOv5在磁共振胆胰管成像（MRCP）图像中诊断胆总管结石 | 首次使用深度学习模型YOLOv5在MRCP图像中检测胆总管结石 | 随着结石数量的增加，检测准确率逐渐下降 | 验证YOLOv5模型在MRCP图像中诊断胆总管结石的有效性，并与放射科医生的准确性进行比较 | 胆总管结石（CBDS）患者 | 计算机视觉 | 胆道疾病 | 深度学习 | YOLOv5 | 图像 | 63名胆总管结石患者 |
| 23 | 2024-12-20 |
Inter-rater reliability in labeling quality and pathological features of retinal OCT scans: A customized annotation software approach
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314707
PMID:39693322
|
研究论文 | 本研究分析了视网膜OCT扫描中标签质量和病理特征的评分者间一致性，并使用自定义注释软件进行评估 | 开发了一种自定义注释软件，用于评估视网膜OCT扫描的质量和病理特征，并标准化标签以用于机器学习工具的开发 | 某些病理特征的评分者间一致性较低，如SRF、超反射点和高反射焦点 | 分析视网膜OCT扫描中标签质量和常见影像特征的评分者间一致性 | 视网膜OCT扫描的质量和病理特征 | 数字病理学 | NA | NA | NA | 图像 | 500张OCT扫描图像，来自CIRRUS HD-OCT 5000设备，每个患者的眼睛由16张随机扫描图像表示 |
| 24 | 2024-12-20 |
DenseIncepS115: a novel network-level fusion framework for Alzheimer's disease prediction using MRI images
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1501742
PMID:39697232
|
研究论文 | 提出了一种名为DenseIncepS115的新型深度学习架构，用于通过MRI图像预测阿尔茨海默病 | 该架构结合了Inception模块和Dense模块的自注意力机制，并通过深度连接层在网络级别进行融合，使用贝叶斯优化初始化超参数，并采用Catch Fish优化算法进行特征优化 | NA | 开发一种新的深度学习架构，用于早期预测阿尔茨海默病 | 通过MRI图像预测阿尔茨海默病 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | DenseIncepS115 | 图像 | 使用了两个公开数据集：阿尔茨海默病ADNI和阿尔茨海默病MRI分类数据集 |
| 25 | 2024-12-20 |
Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.12.19
PMID:39697885
|
综述 | 本文通过文献计量分析方法，探讨了全球眼科光学相干断层扫描（OCT）成像中人工智能（AI）应用的现状和研究前沿 | 本文首次通过文献计量分析方法，全面评估了过去12年AI在眼科OCT中的应用，并指出了从传统机器学习到深度学习的转变趋势 | 本文主要依赖于文献计量分析，未涉及具体的技术细节或实验验证 | 探讨全球眼科OCT成像中AI应用的现状和研究前沿 | 全球范围内发表的关于AI在眼科OCT中应用的文献 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 深度学习（DL） | 图像 | 877篇文章，来自65个国家，其中261篇来自美国，252篇来自中国 |
| 26 | 2024-12-20 |
AAUConvNeXt: Enhancing Crop Lodging Segmentation with Optimized Deep Learning Architectures
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0182
PMID:39698322
|
研究论文 | 本研究提出了一种创新的卷积神经网络架构AAUConvNeXt，通过集成智能优化算法来自动选择最优网络参数，从而提高作物倒伏分割的准确性和效率 | 本研究的创新点在于引入了一种新的卷积神经网络架构AAUConvNeXt，并结合智能优化算法来优化网络参数，显著提高了作物倒伏分割的精度和效率 | NA | 本研究的目的是通过优化深度学习架构来提高作物倒伏分割的准确性和效率 | 本研究的研究对象是作物倒伏现象，特别是水稻倒伏 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
| 27 | 2024-12-20 |
Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3497895
PMID:39698476
|
研究论文 | 本研究探讨了高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 本研究首次将高分辨率颈听诊信号应用于鼻胃管患者的吞咽功能评估，并展示了先前开发的算法的通用性 | 研究样本量较小，且仅限于鼻胃管患者 | 研究高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 鼻胃管患者的吞咽功能 | 机器学习 | NA | 高分辨率颈听诊 | 卷积循环神经网络、混合模型、堆叠循环神经网络 | 信号 | NA |
| 28 | 2024-12-20 |
The protective role of gamma zone peripapillary atrophy in diabetic retinopathy: insights from deep learning and SS-OCT angiography
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1501625
PMID:39698494
|
研究论文 | 本研究探讨了周边视盘萎缩（PPA）与糖尿病视网膜病变（DR）之间的关系，并利用深度学习和扫频源光学相干断层扫描（SS-OCT）血管造影揭示潜在机制 | 首次揭示了伽马区周边视盘萎缩与糖尿病视网膜病变风险降低之间的关联，并提出了伽马区可能反映与进行性近视相关的后眼组织变薄和微血管减少，从而增强对DR的结构抵抗力的假设 | 本研究为横断面研究，无法确定因果关系，且样本主要为2型糖尿病患者，结果的普适性有待进一步验证 | 探讨周边视盘萎缩与糖尿病视网膜病变之间的关系及其潜在机制 | 2型糖尿病患者的周边视盘萎缩与糖尿病视网膜病变 | 数字病理学 | 糖尿病视网膜病变 | 扫频源光学相干断层扫描（SS-OCT）血管造影 | 深度学习 | 图像 | 845名2型糖尿病患者 |
| 29 | 2024-12-20 |
Enhanced MRI-based brain tumor segmentation and feature extraction using Berkeley wavelet transform and ETCCNN
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241305282
PMID:39698507
|
研究论文 | 本文提出了一种基于Berkeley小波变换和ETCCNN的增强型MRI脑肿瘤分割和特征提取方法 | 使用Berkeley小波变换进行图像分割，并结合双通道卷积神经网络进行特征提取，采用增强型Serval优化算法确定最优增益参数 | 未提及具体限制 | 提高脑肿瘤检测的准确性 | 脑肿瘤的分类和检测 | 计算机视觉 | 脑肿瘤 | MRI | 双通道卷积神经网络 | 图像 | 未提及具体样本数量 |
| 30 | 2024-12-19 |
Predicting the diabetic foot in the population of type 2 diabetes mellitus from tongue images and clinical information using multi-modal deep learning
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1473659
PMID:39691096
|
研究论文 | 本文基于中医和西医的定量和定性融合数据，结合中医和西医的客观参数，建立了一个糖尿病足（DF）预测模型 | 本文创新性地将舌象特征与临床信息结合，利用多模态深度学习方法建立了糖尿病足预测模型，证明了中医舌诊在糖尿病足风险预测中的独特优势和重要作用 | NA | 建立一个基于临床特征和客观舌色的糖尿病足预测模型，验证中医舌诊的科学性 | 2型糖尿病患者的糖尿病足风险预测 | 机器学习 | 糖尿病 | 深度神经网络（DNN） | ResNet-50 | 图像和临床数据 | 391名患者，其中267名为糖尿病足患者 |
| 31 | 2024-12-19 |
Recognition and Localization of Maize Leaf and Stalk Trajectories in RGB Images Based on Point-Line Net
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0199
PMID:39691278
|
研究论文 | 本文提出了一种基于Point-Line Net的深度学习方法，用于自动识别玉米田RGB图像中的叶片和茎秆数量及其生长轨迹 | 本文创新性地开发了Point-Line Net方法，基于Mask R-CNN框架，并引入了一个新的轻量级“关键点”检测分支，用于描述叶片和茎秆的位置和生长 | 本文主要在实验室环境下进行实验，尚未完全解决田间复杂背景和严重遮挡问题 | 探索深度学习技术在田间农业中获取叶片和茎秆数量及其生长轨迹的应用 | 玉米田中的叶片和茎秆数量及其生长轨迹 | 计算机视觉 | NA | 深度学习 | Point-Line Net | 图像 | 实验结果基于自定义的距离验证指数，达到了33.5的量级 |
| 32 | 2024-12-19 |
Artificial intelligence for chimeric antigen receptor-based therapies: a comprehensive review of current applications and future perspectives
2024, Therapeutic advances in vaccines and immunotherapy
DOI:10.1177/25151355241305856
PMID:39691280
|
综述 | 本文综述了人工智能在嵌合抗原受体（CAR）疗法中的当前应用和未来展望 | 本文探讨了人工智能在CAR疗法中的多种应用，如使用深度学习设计CAR、自然语言处理提取临床信息、计算机视觉分析CAR细胞形态、强化学习优化CAR输注剂量等 | 本文指出了使用人工智能进行CAR疗法的挑战，包括数据质量不足、模型验证需求、AI输出偏差和错误风险、伦理法律问题以及对人类在癌症免疫治疗中角色的影响 | 探讨人工智能在CAR疗法中的应用及其未来发展方向 | 人工智能在CAR疗法中的设计、生产、交付等方面的应用 | 机器学习 | NA | 深度学习、自然语言处理、计算机视觉、强化学习 | NA | 文本、图像 | NA |
| 33 | 2024-12-19 |
Editorial: Investigating tumor immunotherapy responses in lung cancer using deep learning
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1529949
PMID:39691722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 34 | 2024-12-19 |
EEG-based action anticipation in human-robot interaction: a comparative pilot study
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1491721
PMID:39691819
|
研究论文 | 本研究探讨了如何利用脑电图（EEG）信号在人机交互中进行动作预测，以提高安全性和效率 | 本研究首次将EEG信号与深度学习技术结合，用于人机交互中的动作预测，展示了其在实时协作任务中的潜力 | 本研究仅进行了初步的试点实验，样本量较小，未来需要更大规模的研究来验证其有效性 | 探索如何利用EEG信号在人机交互中进行动作预测，以提高安全性和效率 | 人机交互中的动作预测 | 机器学习 | NA | 脑电图（EEG） | 深度学习分类模型 | 脑电图信号 | 一个运动想象（MI）数据集，具体样本量未明确说明 |
| 35 | 2024-12-19 |
Predicting High-Grade Patterns in Stage I Solid Lung Adenocarcinoma: A Study of 371 Patients Using Refined Radiomics and Deep Learning-Guided CatBoost Classifier
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241308610
PMID:39692551
|
研究论文 | 本研究开发了一种名为Refined Radiomics and Deep Learning Features-Guided CatBoost Classifier (RRDLC-Classifier)的诊断算法，用于预测临床I期实性肺腺癌中的高级别病理模式 | 本研究创新性地结合了精炼的放射组学和深度学习特征，开发了一种新的诊断算法RRDLC-Classifier，用于预测临床I期实性肺腺癌中的高级别病理模式 | 本研究为回顾性研究，样本量有限，可能存在选择偏倚 | 开发并评估一种新的诊断算法，用于预测临床I期实性肺腺癌中的高级别病理模式 | 临床I期实性肺腺癌患者的高级别病理模式 | 数字病理学 | 肺癌 | 放射组学、深度学习、CatBoost分类器 | CatBoost分类器 | 影像 | 371名临床I期实性肺腺癌患者 |
| 36 | 2024-12-18 |
Robust self-supervised denoising of voltage imaging data using CellMincer
2024, Npj imaging
DOI:10.1038/s44303-024-00055-x
PMID:39649342
|
研究论文 | 本文介绍了一种名为CellMincer的自监督深度学习方法，用于去噪电压成像数据，显著提高了信号噪声比 | CellMincer通过掩码和预测稀疏像素集，结合预计算的时空自相关性，有效建模长程依赖，避免了传统方法的刚性假设和现有深度学习方法的不足 | NA | 开发一种新的自监督深度学习方法，用于提高电压成像数据的信号噪声比 | 电压成像数据的去噪 | 机器学习 | NA | 深度学习 | 自监督深度学习模型 | 图像 | 模拟和真实电压成像数据集，包括通过膜片钳电生理学验证的数据 |
| 37 | 2024-12-18 |
Integrating artificial intelligence in strabismus management: current research landscape and future directions
2024, Experimental biology and medicine (Maywood, N.J.)
DOI:10.3389/ebm.2024.10320
PMID:39654660
|
研究论文 | 本文探讨了人工智能在斜视管理中的应用现状及未来发展方向 | 深度学习显著提高了诊断准确性和手术效果 | 多样化的斜视类型代表性不足，依赖单一数据源 | 研究人工智能在斜视管理中的应用，提升诊断和手术规划 | 斜视管理中的诊断和手术规划 | 机器学习 | NA | 深度学习 | NA | 多模态数据 | NA |
| 38 | 2024-12-18 |
Cardiovascular disease prediction model based on patient behavior patterns in the context of deep learning: a time-series data analysis perspective
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1418969
PMID:39676910
|
研究论文 | 本文提出了一种基于时间序列数据分析的心血管疾病预测模型LGAP，结合LSTM网络、图神经网络和多头注意力机制，通过分析患者的行为模式和关系图数据，提高预测精度和个性化健康管理 | 提出了基于时间序列数据分析的LGAP模型，结合LSTM、GNN和多头注意力机制，能够有效捕捉患者行为的动态变化和个性化差异 | 未提及具体局限性 | 提高心血管疾病预测的准确性和个性化健康管理 | 心血管疾病预测模型 | 机器学习 | 心血管疾病 | LSTM、GNN、多头注意力机制 | LGAP | 时间序列数据、关系图数据 | 使用了PhysioNet和NHANES数据集，具体样本量未提及 |
| 39 | 2024-12-18 |
Enhancing interpretability and accuracy of AI models in healthcare: a comprehensive review on challenges and future directions
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1444763
PMID:39677978
|
综述 | 本文系统回顾了人工智能在医疗保健中的应用，重点评估了模型可解释性和准确性的挑战及未来方向 | 本文通过系统回顾，提出了提高AI模型在医疗保健中的可解释性和准确性的策略，旨在确保未来AI应用在提升性能的同时保持透明度和患者安全 | 本文主要讨论了当前AI系统的主要限制，如深度学习模型的黑箱性质和在不同临床环境中的性能差异 | 探讨人工智能在医疗保健中的应用，特别是模型可解释性和准确性的挑战，并提出未来发展方向 | 人工智能在医疗保健中的应用，包括诊断影像分析和预测建模 | 机器学习 | NA | NA | 深度学习模型 | NA | NA |
| 40 | 2024-12-18 |
A segmentation-combination data augmentation strategy and dual attention mechanism for accurate Chinese herbal medicine microscopic identification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1442968
PMID:39678011
|
研究论文 | 本文提出了一种基于深度学习的中药显微识别方法，通过分割-组合数据增强策略和浅深双注意力机制来提高识别准确性 | 本文的创新点在于提出了分割-组合数据增强策略和浅深双注意力模块，以解决传统显微方法的局限性和数据集不平衡问题 | 本文未提及具体的局限性 | 研究目的是提高中药显微识别的自动化水平 | 研究对象是中药显微图像 | 计算机视觉 | NA | 深度学习 | 双注意力机制 | 图像 | 未提及具体样本数量 |