深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 1882 篇文献，本页显示第 1201 - 1220 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2024-09-11 |
Prioritizing test cases for deep learning-based video classifiers
2024, Empirical software engineering
IF:3.5Q1
DOI:10.1007/s10664-024-10520-1
PMID:39247128
|
研究论文 | 本文提出了一种名为VRank的测试优先级排序方法，专门用于视频测试输入，以降低标签成本并提高测试效率 | VRank是首个专门为视频测试输入设计的测试优先级排序方法，考虑了视频数据中的时间信息 | 现有方法未能充分考虑视频数据中的时间信息 | 提出一种新的测试优先级排序方法，以降低视频测试输入的标签成本 | 视频测试输入的优先级排序 | 计算机视觉 | NA | NA | DNN分类器 | 视频 | 120个实验对象，包括自然和噪声数据集 | NA | NA | NA | NA |
| 1202 | 2024-09-11 |
AttentionTTE: a deep learning model for estimated time of arrival
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1258086
PMID:39247849
|
研究论文 | 提出了一种基于深度学习的ETA预测模型AttentionTTE，利用自注意力机制和循环神经网络捕捉时空相关性 | 引入自注意力机制捕捉全局空间相关性，结合循环神经网络捕捉局部时空依赖性，并通过多任务学习模块整合全局和局部信息 | NA | 解决城市智能交通系统中ETA预测问题 | 任意路径的旅行时间估计 | 机器学习 | NA | 自注意力机制、循环神经网络 | AttentionTTE | 轨迹数据 | 大量轨迹数据 | NA | NA | NA | NA |
| 1203 | 2024-09-08 |
ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages
2024-Jan-30, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-024-01072-y
PMID:38289518
|
研究论文 | 提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像 | 无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量 | NA | 开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像 | 脑部参数图像的重建 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者 | NA | NA | NA | NA |
| 1204 | 2024-09-08 |
Detecting pediatric appendicular fractures using artificial intelligence
2024, Revista da Associacao Medica Brasileira (1992)
DOI:10.1590/1806-9282.20240523
PMID:39230068
|
研究论文 | 评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性 | 开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果 | NA | 评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响 | 儿童四肢骨折的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5150张X光片，其中850张显示骨折，4300张未显示骨折 | NA | NA | NA | NA |
| 1205 | 2024-09-08 |
Iteratively Refined Image Reconstruction with Learned Attentive Regularizers
2024, Numerical functional analysis and optimization
IF:1.4Q2
DOI:10.1080/01630563.2024.2384849
PMID:39233889
|
研究论文 | 提出了一种利用深度学习能力并基于经典稀疏促进模型的图像重建正则化方案 | 该方案可解释性强，因为它对应于一系列凸问题的最小化，并且在每个问题中，基于先前解生成的掩码用于空间上细化正则化强度，使模型逐渐关注图像结构 | NA | 开发一种可解释性强且具有理论保证的图像重建方法 | 图像重建中的正则化方案 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1206 | 2024-09-08 |
Global bibliometric mapping of the research trends in artificial intelligence-based digital pathology for lung cancer over the past two decades
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277735
PMID:39233894
|
研究论文 | 本文通过文献计量分析，探讨了过去二十年人工智能辅助数字病理学在肺癌研究中的趋势和热点 | 首次对人工智能辅助数字病理学在肺癌领域的研究进行了全面的文献计量分析 | 研究主要基于独立的国家研究，缺乏国际间的学术合作和数据共享 | 分析人工智能辅助数字病理学在肺癌研究中的趋势、热点和研究空白 | 过去二十年发表的197篇与数字病理学和肺癌相关的文献 | 数字病理学 | 肺癌 | 文献计量分析 | NA | 文献 | 197篇文献，涉及502个机构和39个国家 | NA | NA | NA | NA |
| 1207 | 2024-09-08 |
Comprehensive hepatotoxicity prediction: ensemble model integrating machine learning and deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1441587
PMID:39234116
|
研究论文 | 本文开发了一种集成模型，结合机器学习和深度学习算法，用于预测化学品和药物的肝毒性 | 本文创新性地采用了集成策略，将机器学习和深度学习算法结合，以提高肝毒性预测的准确性 | NA | 开发一种可靠的模型，用于预测化学品和药物对肝脏的潜在损害 | 化学品和药物的肝毒性 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | 集成模型 | 分子特征 | 2588种化学品和药物 | NA | NA | NA | NA |
| 1208 | 2024-09-07 |
Classification of Parkinson's disease by deep learning on midbrain MRI
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1425095
PMID:39228827
|
研究论文 | 本文通过深度学习方法在脑部MRI图像上对帕金森病进行分类 | 本文创新性地使用基于定量磁敏感图（QSM）的磁敏感加权成像（SMWI）和神经黑色素敏感（NMS）MRI来评估黑质-1（N1），并开发了帕金森病的深度学习分类算法 | 本文的局限性在于分类错误的原因包括左右不对称、跨平面重切片、搏动伪影和N1过薄等问题，且临床效用需要在前驱期帕金森病队列中验证 | 比较四种帕金森病诊断方法的分类性能 | 帕金森病患者和健康对照者的脑部MRI图像 | 计算机视觉 | 帕金森病 | MRI | 深度学习 | 图像 | 82名帕金森病患者和107名健康对照者 | NA | NA | NA | NA |
| 1209 | 2024-09-07 |
Performance evaluation of semi-supervised learning frameworks for multi-class weed detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1396568
PMID:39228840
|
研究论文 | 评估半监督学习框架在多类别杂草检测中的性能 | 提出了一种改进的伪标签生成模块和集成学生网络的半监督学习框架，显著减少了标注数据的需求 | 实验结果仅限于CottonWeedDet3和CottonWeedDet12数据集，可能需要进一步验证在其他数据集上的表现 | 探索半监督学习在杂草检测中的应用，减少对大量标注数据的依赖 | 多类别杂草检测 | 计算机视觉 | NA | 深度学习 | FCOS, Faster-RCNN | 图像 | CottonWeedDet3和CottonWeedDet12数据集，分别使用10%的标注数据进行训练 | NA | NA | NA | NA |
| 1210 | 2024-09-07 |
Integration of dosimetric parameters, clinical factors, and radiomics to predict symptomatic radiation pneumonitis in lung cancer patients undergoing combined immunotherapy and radiotherapy
2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110047
PMID:38070685
|
研究论文 | 本研究旨在结合临床/剂量学因素和手工/深度学习放射组学特征，建立预测接受免疫治疗后放疗的肺癌患者症状性（≥2级）放射性肺炎的模型 | 本研究首次将临床/剂量学因素与手工/深度学习放射组学特征结合，用于预测放射性肺炎 | 本研究为回顾性研究，需要进一步的前瞻性验证 | 建立预测接受免疫治疗后放疗的肺癌患者症状性放射性肺炎的模型 | 接受免疫治疗后放疗的肺癌患者 | 数字病理学 | 肺癌 | 放射组学 | ResNet | 图像 | 73名接受免疫治疗后放疗的肺癌患者，其中41名（56.2%）出现症状性≥2级放射性肺炎 | NA | NA | NA | NA |
| 1211 | 2024-09-05 |
Episodic Thinking in Alzheimer's Disease Through the Lens of Language: Linguistic Analysis and Transformer-Based Classification
2024-01-03, American journal of speech-language pathology
IF:2.3Q1
DOI:10.1044/2023_AJSLP-23-00066
PMID:37870893
|
研究论文 | 本研究通过语言分析和基于变换器的分类技术，探讨了阿尔茨海默病患者的情景思维缺陷是否能从连贯的言语中直接检测出来，并实现自动化识别 | 本研究首次尝试使用深度学习技术自动化分析阿尔茨海默病患者的情景思维缺陷，并取得了较高的分类准确率 | 研究样本主要集中在轻度和中度阿尔茨海默病患者，可能无法完全代表所有阶段的阿尔茨海默病患者 | 探讨阿尔茨海默病患者的情景思维缺陷是否能通过语言分析自动化检测 | 70名健康老年对照者、82名轻度可能阿尔茨海默病患者和46名中度可能阿尔茨海默病患者的言语数据 | 自然语言处理 | 阿尔茨海默病 | 深度学习 | 变换器 | 文本 | 2,809条言语记录 | NA | NA | NA | NA |
| 1212 | 2024-09-05 |
Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304847
PMID:38968206
|
研究论文 | 本文提出了一种新颖的方法，通过使用多标签集成CNN分类器来缓解前列腺组织病理学图像中补丁级别Gleason分级的标签不一致问题 | 本文提出的多标签集成深度学习分类器能够有效缓解标签不一致问题，并比现有技术产生更准确的结果 | NA | 提高前列腺癌诊断和预后中补丁级别Gleason分级的准确性 | 前列腺组织病理学图像中的Gleason分级 | 数字病理学 | 前列腺癌 | 深度学习 | CNN | 图像 | SICAPv2前列腺数据集 | NA | NA | NA | NA |
| 1213 | 2024-09-05 |
Deep learning models to predict primary open-angle glaucoma
2024, Stat (International Statistical Institute)
DOI:10.1002/sta4.649
PMID:39220673
|
研究论文 | 本文提出并实施了几种深度学习方法，利用纵向视野数据中的时间和空间信息来预测青光眼的发病时间 | 本文首次探索了利用纵向视野数据进行青光眼预测，并提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的模型来处理时间序列数据 | 本文主要关注青光眼的预测，未涉及其他眼病的预测 | 开发能够准确预测青光眼发病时间的深度学习模型 | 青光眼及其发病时间 | 机器学习 | 青光眼 | NA | CNN-LSTM | 视野数据 | 使用了Ocular Hypertension Treatment Study (OHTS)数据集 | NA | NA | NA | NA |
| 1214 | 2024-09-05 |
How to detect fake online physician reviews: A deep learning approach
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277171
PMID:39224794
|
研究论文 | 本研究旨在开发一种利用深度学习方法检测在线医生虚假评论的有效模型 | 本研究采用卷积神经网络和双向编码器表示转换器等深度学习模型，显著提高了虚假评论检测的精确度和F2分数 | NA | 解决在线医疗平台中区分真实与虚假医生评论的挑战 | 在线医疗平台上的医生评论 | 机器学习 | NA | 深度学习 | CNN, BERT | 文本 | 专门针对中国在线医疗平台的虚假评论数据集 | NA | NA | NA | NA |
| 1215 | 2024-09-05 |
Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis
2024-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-07982-0
PMID:37875679
|
研究论文 | 本研究利用经过验证的深度学习模型，评估了大量背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况 | 采用深度学习技术进行大规模数据分析，评估腰椎旁肌肉的质量和数量 | NA | 评估背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况 | 腰椎旁肌肉的横截面积和脂肪浸润 | 机器学习 | 背痛 | 深度学习 | NA | 图像 | 4434名患者（2609名女性，1825名男性；平均年龄：56.7±16.8） | NA | NA | NA | NA |
| 1216 | 2024-09-04 |
Low-Light Phase Retrieval With Implicit Generative Priors
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445739
PMID:39178091
|
研究论文 | 本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复 | 本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题 | 目前尚未提及具体的局限性 | 研究目的是解决单图像低剂量相位恢复问题 | 研究对象是低剂量相位恢复技术 | 计算机视觉 | NA | 相干衍射成像（CDI） | 隐式生成先验 | 图像 | 单图像 | NA | NA | NA | NA |
| 1217 | 2024-09-04 |
Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445737
PMID:39186412
|
研究论文 | 本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。 | 引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。 | NA | 旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。 | 图像压缩技术及其在实际应用中的效率和性能。 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用Kodak和Tecnick-40数据集进行实验。 | NA | NA | NA | NA |
| 1218 | 2024-09-04 |
Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1384709
PMID:39219699
|
研究论文 | 本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力 | 提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型 | 需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度 | 开发一种方法用于早期检测玉米疾病，以便及时治疗 | 玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN） | 计算机视觉 | NA | 深度学习 | CNN, ViT | 图像 | 数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG | NA | NA | NA | NA |
| 1219 | 2024-09-04 |
Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue
2024-Jan, BJR open
DOI:10.1093/bjro/tzae023
PMID:39220325
|
研究论文 | 本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息 | 该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点 | 初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法 | 开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布 | 脑癌患者在CyberKnife治疗中的剂量分布 | 机器学习 | 脑癌 | 深度卷积神经网络（CNN） | CNN | 图像 | 88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试 | NA | NA | NA | NA |
| 1220 | 2024-09-04 |
Vehicle recognition pipeline via DeepSort on aerial image datasets
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1430155
PMID:39220587
|
研究论文 | 本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统 | 本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息 | NA | 开发一种高效自动化的车辆监控系统，用于智能交通监控 | 车辆识别与跟踪 | 计算机视觉 | NA | FCM, YOLOv8, ORB, DeepSORT | YOLOv8, DeepSORT | 图像 | VEDAI和SRTID数据集 | NA | NA | NA | NA |