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 1181 - 1200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1181 | 2024-08-05 |
Predicting COPD exacerbations based on quantitative CT analysis: an external validation study
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1370917
PMID:38933101
|
研究论文 | 这篇文章探讨了基于定量CT分析预测慢性阻塞性肺病(COPD)加重的潜力 | 首次确认了CT衍生的生物标记物与COPD加重之间的关联，并开发了深度学习系统进行预测 | 这是一个回顾性研究，可能存在选择偏倚 | 研究定量CT分析在预测COPD加重方面的效果 | 包含1150名COPD患者的临床数据 | 医学影像学 | 慢性阻塞性肺病 | 定量CT分析 | 深度学习系统 | 临床数据 | 1150名患者 |
| 1182 | 2024-08-05 |
Finding the limits of deep learning clinical sensitivity with fractional anisotropy (FA) microstructure maps
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1415085
PMID:38933144
|
研究论文 | 本研究探讨了使用深度学习减少扩散加权成像中的输入体积数量对临床敏感性的影响 | 开发了一种名为“one-minute FA”的深度学习网络，可以使用更少的DW体积生成与标准方法相同特征的FA图 | 在外部临床数据集上测试时，使用4或7个DW体积的网络未能显示患者组之间的显著差异 | 研究减少扩散加权成像输入体积数量对生成FA图及其临床敏感性的影响 | 评估在不同数量的DW输入体积下训练的深度学习网络的表现和临床敏感性 | 数字病理学 | 神经疾病 | 扩散加权成像 (DW) | 深度学习网络 | 图像 | 使用高分辨率的开放获取人类连通组项目数据集，测试了两个未见过的外部临床数据集 |
| 1183 | 2024-08-05 |
Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0188
PMID:38933805
|
研究论文 | 本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法 | 提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量 | 研究中未提及样本的多样性或数据的局限性 | 研究的目的是提高玉米杂交田中穗子状态的识别精度 | 研究对象为玉米杂交田中的穗子 | 计算机视觉 | NA | 深度学习 | 对象检测模型 | 图像 | NA |
| 1184 | 2024-08-05 |
ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305491
PMID:38924026
|
研究论文 | 介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架 | ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法 | 对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制 | 研究细胞周期进展的机制和生物物理特性之间的关系 | 高度密集的迁移细胞群体 | 数字病理学 | 癌症研究 | FUCCI | NA | 图像 | NA |
| 1185 | 2024-08-05 |
SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1414462
PMID:38933392
|
研究论文 | 本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用 | 提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性 | 未提及具体的限制 | 旨在提高基于声音的帕金森病检测的准确性 | 研究对象为语音数据中的帕金森病病例 | 机器学习 | 帕金森病 | 自监督深度表示模式学习 | 长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN） | 声音 | 未提及具体的样本大小 |
| 1186 | 2024-08-05 |
Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418546
PMID:38933391
|
研究论文 | 该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率 | 该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力 | 未提及 | 研究旨在优化脑肿瘤的检测和诊断流程 | 研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | CNN | 图像 | 7,023幅脑MRI图像 |
| 1187 | 2024-08-05 |
A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1344114
PMID:38933813
|
研究论文 | 介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加 | 提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法 | 尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类 | 研究深度学习模型的优化，使其能够进行一次性类别添加 | 预训练的深度学习图像分类器 | 机器学习 | NA | 非参数归一化 | 深度学习图像分类器 | 图像 | NA |
| 1188 | 2024-08-05 |
Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306470
PMID:38924028
|
更正 | 本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1189 | 2024-08-05 |
Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1429115
PMID:38933823
|
research paper | 本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗 | 创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态 | 研究的可行性需要进一步在多中心的大规模前瞻性研究中验证 | 本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态 | 研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶 | 医学影像学 | 甲状腺癌 | 深度学习 | SE-Net | 医学影像 | 496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶 |
| 1190 | 2024-08-05 |
A deep neural network and transfer learning combined method for cross-task classification of error-related potentials
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1394107
PMID:38933146
|
研究论文 | 本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。 | 创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。 | 目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。 | 研究如何通过深度学习提高错误相关电位的分类精度。 | 该研究的对象是错误相关电位（ErrPs）及其分类。 | 机器学习 | NA | 深度学习 | 卷积神经网络和变换器 | EEG信号 | NA |
| 1191 | 2024-08-05 |
Lung nodule malignancy classification with associated pulmonary fibrosis using 3D attention-gated convolutional network with CT scans
2024-01-13, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-023-04798-w
PMID:38216992
|
研究论文 | 本研究旨在使用3D注意力门控卷积网络对肺结节的恶性分类进行评估，考虑了相关的肺纤维化因素 | 提出了一种可视化的3D分类模型，并特别考虑肺纤维化的信息以提高肺结节恶性分类的准确性 | 本研究基于自有的CT数据集，可能缺乏足够的多样性以代表广泛的人群 | 评估在胸部CT图像中将纤维化微环境纳入肺结节恶性分类的效果 | 研究对象为胸部CT图像中的肺结节及其微环境 | 数字病理学 | 肺癌 | 深度学习 | 3D卷积神经网络 | CT图像 | 使用了内部CT数据集，具体样本大小未详细说明 |
| 1192 | 2024-08-05 |
Development of a deep learning model for predicting recurrence of hepatocellular carcinoma after liver transplantation
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1373005
PMID:38919938
|
研究论文 | 本研究开发了一种深度学习模型，用于预测肝移植后肝细胞癌的复发 | 提出了一种基于TabNet的预后模型，在预测肝移植后复发方面优于米兰标准 | 研究未涉及其他潜在影响复发风险的临床因素 | 旨在建立和验证深度学习模型，更好地指导肝移植后的治疗 | 评估356例接受肝移植的肝细胞癌患者的复发风险 | 机器学习 | 肝细胞癌 | 深度学习 | TabNet | 表格数据 | 356个肝细胞癌患者 |
| 1193 | 2024-08-05 |
Development of a predictive model for 1-year postoperative recovery in patients with lumbar disk herniation based on deep learning and machine learning
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1255780
PMID:38919973
|
研究论文 | 本研究旨在开发一个预测模型，以预测腰椎间盘突出患者术后1年的恢复情况 | 利用深度学习和机器学习技术开发的预测模型为临床决策提供信息 | 数据来自于特定时间段的回顾性分析，可能存在样本偏差 | 开发一个能预测腰椎间盘突出患者术后恢复的模型 | 470名接受微创手术的住院患者的临床数据 | 机器学习 | NA | 深度学习和机器学习 | MLP（人工神经网络） | 临床数据 | 470名住院患者 |
| 1194 | 2024-08-05 |
Factor-GAN: Enhancing stock price prediction and factor investment with Generative Adversarial Networks
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306094
PMID:38917175
|
研究论文 | 本文介绍了Factor-GAN，一个利用生成对抗网络技术进行因子投资的创新框架 | Factor-GAN结合深度学习技术与多因子定价模型，提高了投资策略的精确度和稳定性 | 样本分析仅限于中国股市，可能影响研究结论的普遍性 | 探讨深度学习在因子投资中的应用 | 以70个公司特征为基础的因子数据库进行分析 | 机器学习 | NA | 生成对抗网络 | NA | 金融数据 | 中国股市的子样本分析 |
| 1195 | 2024-08-05 |
BAOS-CNN: A novel deep neuroevolution algorithm for multispecies seagrass detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0281568
PMID:38917071
|
研究论文 | 文章提出了一种新的深度神经进化算法BAOS-CNN，用于多种海草的检测 | 该研究通过提出一种名为'Boosted Atomic Orbital Search (BAOS)'的元启发式算法，实现了CNN模型的架构工程和超参数调优的自动化 | 文章没有提到特定的局限性 | 研究的目的是提高多种海草图像识别的准确性 | 研究对象是多种海草图像数据集 | 计算机视觉 | NA | 深度学习，CNN | CNN | 图像 | 七个进化基础的CNN模型在基于补丁的多种海草数据集上进行训练和评估 |
| 1196 | 2024-08-05 |
Developing and comparing deep learning and machine learning algorithms for osteoporosis risk prediction
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1355287
PMID:38919268
|
研究论文 | 本文研究了一种新颖的深度神经网络模型在骨质疏松风险预测中的应用 | 提出了一种新的深度学习框架（DNN）来提高骨质疏松风险预测的精度 | 该研究主要依赖于一个地区（路易斯安那州骨质疏松研究）的数据，可能影响结果的普遍适用性 | 评估深度神经网络在骨质疏松风险预测中的性能 | 使用自超过40岁、共8,134名受试者的髋部骨密度和其他临床数据进行研究 | 机器学习 | 骨质疏松症 | 深度学习 | 深度神经网络（DNN） | 结构化数据 | 8,134名受试者 |
| 1197 | 2024-08-05 |
FF-LPD: A Real-Time Frame-by-Frame License Plate Detector With Knowledge Distillation and Feature Propagation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3414269
PMID:38896516
|
研究论文 | 提出了一种针对实时准确车牌检测的逐帧车牌检测器。 | 引入了知识蒸馏策略和特征传播方法来提高低级流的性能，并设计了一种空间-时间注意特征传播方法，利用视频中的时间相关性。 | 未提及具体的局限性 | 旨在实现实时准确的自动车牌检测。 | 针对肆意移动车辆的车牌信息进行检测。 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA |
| 1198 | 2024-08-05 |
MRI-Based Breast Cancer Classification and Localization by Multiparametric Feature Extraction and Combination Using Deep Learning
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28713
PMID:37013422
|
研究论文 | 本文实现了一种深度学习方法，以从多序列中提取和组合特征来进行乳腺癌分类和检测 | 应用了多参数磁共振成像（mpMRI）的组合，并利用深度学习进行乳腺癌的分类和定位 | 未详细探讨其他成像技术的结合和比较 | 检测和分类乳腺癌的有效技术 | 569例乳腺癌患者的内部队列和125例公共数据集中的外部队列 | 计算机视觉 | 乳腺癌 | 磁共振成像（MRI） | 卷积神经网络和长短期记忆网络 | 图像 | 内部队列569例，外部队列125例 |
| 1199 | 2024-08-05 |
A semi-automatic deep learning model based on biparametric MRI scanning strategy to predict bone metastases in newly diagnosed prostate cancer patients
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1298516
PMID:38919538
|
研究论文 | 本文开发了一种半自动模型，用于预测新诊断的前列腺癌患者的骨转移。 | 文章通过结合放射组学、深度学习和临床特征，提出了一种用于骨转移预测的创新模型。 | 该研究为回顾性研究，可能存在选择偏倚。 | 研究目的在于通过bpMRI图像预测前列腺癌患者的骨转移。 | 研究对象为414名新诊断的前列腺癌患者。 | 数字病理学 | 前列腺癌 | Biparametric MRI (bpMRI) | ResNet | 医学影像 | 414名前列腺癌患者（BM组136名，NO-BM组278名） |
| 1200 | 2024-08-05 |
Association of Sarcopenia With Toxicity-Related Discontinuation of Adjuvant Endocrine Therapy in Women With Early-Stage Hormone Receptor-Positive Breast Cancer
2024-Jan-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.07.018
PMID:37506979
|
研究论文 | 本研究探讨了肌少症与早期激素受体阳性乳腺癌女性患者中因毒性引起的辅助内分泌治疗提前终止之间的关联 | 首次确认了肌少症与早期激素受体阳性乳腺癌患者中毒性相关的辅助内分泌治疗提前终止之间的显著关联 | 研究未考虑未接受辅助放疗的女性患者，限制了结果的广泛适用性 | 探讨肌少症对早期激素受体阳性乳腺癌女性患者辅助内分泌治疗的影响 | 305名接受放疗和辅助内分泌治疗的早期激素受体阳性乳腺癌女性患者 | 数字病理学 | 乳腺癌 | 深度学习模型分析常规横截面放射模拟影像 | 逻辑回归分析和Cox回归分析 | 影像数据 | 305名患者 |