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 1879 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2024-08-28 |
Music-evoked emotions classification using vision transformer in EEG signals
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1275142
PMID:38638516
|
研究论文 | 本研究提出了一种结合注意力机制的深度学习模型，用于从情绪相关的脑电图（EEG）记录中有效提取空间和时间信息，以进行音乐引发情绪的分类。 | 本研究引入了一种新的深度学习模型，该模型结合了注意力机制，能够更有效地从EEG信号中提取空间和时间信息，以改善情绪分类的准确性。 | NA | 旨在通过深度学习模型提高基于EEG的情绪识别的准确性。 | 研究对象为音乐引发的EEG情绪信号。 | 机器学习 | NA | EEG | Vision Transformer | EEG信号 | 本研究使用了两个数据集，一个是自有的音乐引发情绪的EEG记录数据集，另一个是公开可用的数据集。 | NA | NA | NA | NA |
| 1242 | 2024-08-28 |
Skin Type Diversity in Skin Lesion Datasets: A Review
2024, Current dermatology reports
IF:2.4Q2
DOI:10.1007/s13671-024-00440-0
PMID:39184010
|
综述 | 本文综述了皮肤病变数据集中皮肤类型多样性的问题，评估了公开的皮肤病变数据集及其元数据，以评估皮肤类型的报告频率和完整性，并调查了每个皮肤类型在这些数据集中的多样性和代表性。 | 本文通过评估公开的皮肤病变数据集及其元数据，探讨了皮肤类型多样性的问题，并调查了每个皮肤类型在这些数据集中的多样性和代表性。 | 本文未具体测量所审查数据集中皮肤类型的多样性。 | 探讨和评估皮肤病变数据集中皮肤类型多样性的问题。 | 皮肤病变数据集及其元数据。 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1243 | 2024-08-28 |
Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1417330
PMID:39184051
|
研究论文 | 本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤 | 本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能 | NA | 构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能 | 良性和恶性腮腺肿瘤的诊断 | 计算机视觉 | 腮腺肿瘤 | 深度学习 | ResNet18, Inception_v3, Deeplabv3, UNet++, UNet | 图像 | 582名经组织病理学诊断的腮腺肿瘤患者 | NA | NA | NA | NA |
| 1244 | 2024-08-28 |
TF-EPI: an interpretable enhancer-promoter interaction detection method based on Transformer
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1444459
PMID:39184348
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型TF-EPI，用于从DNA序列中检测增强子-启动子相互作用 | TF-EPI模型利用Transformer的注意力机制，识别了特定细胞类型的增强子和启动子中的独特基序和序列，并通过数据库验证，揭示了新的生物学见解 | NA | 旨在理解基因表达调控、疾病机制等关键的增强子-启动子相互作用 | 增强子-启动子相互作用 | 机器学习 | NA | Transformer | Transformer | DNA序列 | 多个基准数据集 | NA | NA | NA | NA |
| 1245 | 2024-08-28 |
Enhanced accuracy with Segmentation of Colorectal Polyp using NanoNetB, and Conditional Random Field Test-Time Augmentation
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1387491
PMID:39184863
|
研究论文 | 本文提出了一种新型的轻量级增强型Nanonet模型，通过使用NanonetB、条件随机场（CRF）和测试时增强（TTA）技术，实现了实时且精确的结肠镜图像分割，以帮助内镜医师及时诊断和干预结直肠息肉 | 本文的创新点在于提出了一种增强型Nanonet模型，结合CRF和TTA技术，提高了模型在不同数据集上的泛化能力和对小尺寸及扁平息肉的检测能力 | NA | 研究目的是开发一种准确、轻量级的模型，以实现无缝集成到内镜硬件设备中，提高结直肠息肉的检测效率 | 研究对象是结直肠息肉的图像分割 | 计算机视觉 | 结直肠癌 | 条件随机场（CRF），测试时增强（TTA） | NanonetB | 图像 | 使用了六个公开数据集进行评估，包括Kvasir-SEG、Endotect Challenge 2020、Kvasir-instrument、CVC-ClinicDB、CVC-ColonDB和CVC-300 | NA | NA | NA | NA |
| 1246 | 2024-08-28 |
An Innovative Deep Learning Approach to Spinal Fracture Detection in CT Images
2024, Annali italiani di chirurgia
IF:0.9Q3
DOI:10.62713/aic.3498
PMID:39186337
|
研究论文 | 本研究提出了一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 本研究通过整合YOLO V7模型与ELAN和MPConv架构，显著减少了计算处理过程中小尺度信息的损失，从而提高了检测准确性 | 未来的研究应包括交叉验证和独立验证及测试集，以评估模型的鲁棒性和泛化能力 | 开发一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 脊柱骨折，特别是椎体压缩骨折 | 计算机视觉 | 脊柱骨折 | YOLO V7模型，ELAN，MPConv架构 | YOLO V7 | CT图像 | 240张CT图像 | NA | NA | NA | NA |
| 1247 | 2024-08-27 |
Present and Future Innovations in AI and Cardiac MRI
2024-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231269
PMID:38193835
|
研究论文 | 本文综述了人工智能在心脏磁共振成像（MRI）中的应用及其未来创新 | 介绍了一种自动控制心脏图像处方的AI技术，以及通过提取新型影像标志物实现更个性化心血管护理的机会 | NA | 探讨人工智能在心脏MRI中的应用及其对未来医疗实践的影响 | 心脏MRI技术及其在心血管疾病诊断和治疗中的应用 | 计算机视觉 | 心血管疾病 | 深度学习（DL） | 人工神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1248 | 2024-08-27 |
Enhancing Alzheimer's Disease Classification with Transfer Learning: Finetuning a Pre-trained Algorithm
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究通过迁移学习和微调预训练的ResNet50V2模型，提高了阿尔茨海默病分类的准确性 | 采用多类分类方法，通过迁移学习和微调层来适应预训练的ResNet50V2模型，并研究了不同输入层大小对模型性能的影响 | NA | 提高阿尔茨海默病不同阶段分类的准确性 | 阿尔茨海默病分类 | 机器学习 | 阿尔茨海默病 | 迁移学习 | ResNet50V2 | 图像 | 6400张MRI图像 | NA | NA | NA | NA |
| 1249 | 2024-08-27 |
Prostate Segmentation in MRI Images using Transfer Learning based Mask RCNN
2024, Current medical imaging
IF:1.1Q3
|
research paper | 本文使用基于迁移学习的Mask R-CNN方法进行MRI图像中的前列腺分割 | 采用基于迁移学习的Mask R-CNN方法进行前列腺分割，相较于传统方法具有更高的分割和检测准确率 | 文章未详细说明具体的局限性 | 旨在通过基于迁移学习的Mask R-CNN方法进行前列腺分割，以辅助前列腺癌的检测 | 前列腺癌及其在MRI图像中的分割 | computer vision | prostate cancer | Mask R-CNN | CNN | image | NA | NA | NA | NA | NA |
| 1250 | 2024-08-27 |
An Artificial Intelligence Driven Approach for Classification of Ophthalmic Images using Convolutional Neural Network: An Experimental Study
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文研究了一种基于卷积神经网络（CNN）的人工智能方法，用于眼科图像的分类 | 提出了一种新的集成深度学习CNN模型，通过增加卷积层到现有的VGG-16模型，显著提高了分类性能 | NA | 评估和确定新模型在分类眼底彩色图像（RCFIs）中的相对性能及其作为特定疾病筛查测试的诊断潜力 | 眼底彩色图像（RCFIs），包括白内障、青光眼和糖尿病视网膜病变等眼部疾病特征 | 计算机视觉 | 眼部疾病 | 卷积神经网络（CNN） | CNN | 图像 | 包含多种眼部疾病特征的眼底彩色图像（RCFIs）数据集 | NA | NA | NA | NA |
| 1251 | 2024-08-27 |
A Systematic Review on Deep Learning Model in Computer-aided Diagnosis for Anterior Cruciate Ligament Injury
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了深度学习模型在计算机辅助诊断前交叉韧带损伤中的应用 | 强调了可解释深度学习模型在提高诊断结果可信度方面的重要性 | 目前缺乏可解释的深度学习模型，且需要更多医疗专业人士参与系统设计 | 探讨深度学习在前交叉韧带损伤诊断中的应用及其可解释性 | 前交叉韧带损伤的诊断 | 计算机视觉 | 运动损伤 | NA | CNN | MRI图像 | NA | NA | NA | NA | NA |
| 1252 | 2024-08-27 |
Automatic Optic Nerve Assessment From Transorbital Ultrasound Images: A Deep Learning-based Approach
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于深度学习的全自动系统，用于从经眼眶超声图像中分割和计算与视神经相关的结构的直径 | 开发了一种基于预训练的全卷积神经网络模型的方法，用于自动分割和测量视神经及其鞘的直径 | NA | 开发一个能够自动分割和计算经眼眶超声图像中视神经相关结构直径的全自动系统 | 视神经直径鞘（ONSD）和视神经直径（OND） | 计算机视觉 | NA | 深度学习 | 全卷积神经网络（FCN） | 图像 | 464张图片来自110个人 | NA | NA | NA | NA |
| 1253 | 2024-08-27 |
PredIL13: Stacking a variety of machine and deep learning methods with ESM-2 language model for identifying IL13-inducing peptides
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309078
PMID:39172871
|
研究论文 | 本文开发了PredIL13方法，结合多种机器学习和深度学习技术与ESM-2语言模型，用于识别IL13诱导肽 | PredIL13采用先进的集成学习方法，通过堆叠168个单一特征的机器/深度学习模型的概率得分，并使用基于逻辑回归的元分类器进行训练，显著提高了预测能力 | NA | 探索和识别能够诱导IL-13的新分子或肽 | IL-13诱导肽 | 机器学习 | NA | ESM-2语言模型 | 逻辑回归 | 文本 | NA | NA | NA | NA | NA |
| 1254 | 2024-08-27 |
Chronic Lung Injury after COVID-19 Pneumonia: Clinical, Radiologic, and Histopathologic Perspectives
2024-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231643
PMID:38193836
|
综述 | 本文综述了COVID-19肺炎后慢性肺损伤的临床、影像学和组织病理学长期发现 | 介绍了先进的影像技术和深度学习方法在COVID-19幸存者中的应用 | 需要进一步的随访研究以更好地理解疾病的慢性阶段 | 评估和诊断持续有COVID-19后遗症症状的患者 | COVID-19肺炎后的慢性肺损伤 | 数字病理学 | 肺损伤 | 双能量增强CT、氙129 MRI、低场强MRI | 深度学习 | 影像 | 涉及第一年大流行期间住院的24%-54%的患者 | NA | NA | NA | NA |
| 1255 | 2024-08-27 |
Prospective Comparison of Standard and Deep Learning-reconstructed Turbo Spin-Echo MRI of the Shoulder
2024-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231405
PMID:38193842
|
研究论文 | 本研究旨在比较深度学习重建的涡轮自旋回波（TSE）MRI与标准TSE MRI在肩部成像中的采集时间、图像质量和诊断信心 | 首次前瞻性地使用深度学习（DL）重建的快速采集、欠采样MRI在肩部成像中的应用 | NA | 比较深度学习重建的TSE与标准TSE在肩部MRI中的效果 | 肩部MRI成像 | 计算机视觉 | NA | 涡轮自旋回波（TSE）MRI | 深度学习（DL） | 图像 | 135个肩部，涉及133名参与者 | NA | NA | NA | NA |
| 1256 | 2024-08-27 |
A CT-based Deep Learning Model for Predicting Subsequent Fracture Risk in Patients with Hip Fracture
2024-01, Radiology
IF:12.1Q1
DOI:10.1148/radiol.230614
PMID:38289213
|
研究论文 | 本研究开发并验证了一种基于深度学习的预测模型，用于预测近期髋部骨折患者短期内的再次骨折风险，使用数字化重建的髋部CT放射图像 | 本研究首次开发了一种基于数字化重建髋部CT放射图像的深度学习模型，用于预测短期内的再次骨折风险 | 本研究为回顾性研究，且仅限于髋部骨折患者，未来研究需在前瞻性研究中验证模型并扩展至其他类型的骨折 | 开发并验证一种深度学习预测模型，用于预测近期髋部骨折患者短期内的再次骨折风险 | 近期发生髋部骨折的成年患者 | 计算机视觉 | 骨折 | 数字化重建放射图像 | DenseNet | 图像 | 训练和验证集包含1012名患者，测试集包含468名患者 | NA | NA | NA | NA |
| 1257 | 2024-08-27 |
Deep Learning-based Thigh Muscle Investigation Using MRI For Prosthetic Development for Patients Undergoing Total Knee Replacement (TKR)
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文通过MRI和深度学习方法对大腿肌肉进行定性和定量评估，以改进膝关节置换术患者的假肢设计 | 提出了一种结合群体智能和深度学习的方法，用于大腿肌肉的定性和定量评估，并用于假肢控制 | 未提及具体限制 | 改进现有的VAG信号分类方法，通过MRI诊断异常，以提高膝关节置换术患者的假肢控制 | 大腿肌肉的定性和定量评估 | 计算机视觉 | 关节疾病 | MRI | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1258 | 2024-08-27 |
Identification of Severe Grading in Knee OsteoArthritis from MRI using Ensemble Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种使用集成深度学习算法从MRI图像中识别膝关节骨性关节炎（KOA）严重程度的新方法 | 采用集成深度学习算法，结合EfficientNet-B3和ResNext-101架构，预测KOA的进展，超越了传统生物标志物的局限 | NA | 开发一种精确的预测模型，用于使用先进的深度学习架构和结构MRI扫描数据预测膝关节骨性关节炎 | 膝关节骨性关节炎（KOA）的严重程度 | 计算机视觉 | 骨关节炎 | 深度学习 | 集成模型（EfficientNet-B3和ResNext-101） | MRI图像 | 使用了Osteoarthritis Initiative数据集 | NA | NA | NA | NA |
| 1259 | 2024-08-27 |
A Video-based Automated Tracking and Analysis System of Plaque Burden in Carotid Artery Using Deep Learning: A Comparison with Senior Sonographers
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文介绍了一种基于深度学习的颈动脉斑块负担自动跟踪和分析系统，并与资深超声检查师的结果进行比较 | 使用Robust Video Matting (RVM)模型自动分割和量化颈动脉斑块负担，达到了与资深超声检查师相同的诊断水平 | NA | 快速准确地识别颈动脉斑块并自动量化斑块负担 | 颈动脉斑块的自动跟踪和分割 | 计算机视觉 | 心血管疾病 | 深度学习 | Robust Video Matting (RVM) | 视频 | 88个颈动脉横断面视频（共11048帧） | NA | NA | NA | NA |
| 1260 | 2024-08-27 |
Corrigendum to: Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning
2024, Current medical imaging
IF:1.1Q3
DOI:10.2174/157340562001240725140602
PMID:39185658
|
correction | 本文是对题为“基于深度学习的甲状腺超声图像中超分辨率结节定位”的文章的更正，补充了资金细节 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |