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 1401 - 1420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1401 | 2024-08-07 |
A Comprehensive Review on MRI-based Knee Joint Segmentation and Analysis Techniques
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了基于MRI的膝关节分割与分析技术 | 介绍了近年来基于深度学习的全自动分割方法，这些方法不仅比传统技术提供更好的结果，还开辟了医学影像研究的新领域 | NA | 旨在介绍不同科学文章中发表的膝关节骨、软骨和半月板的全自动和半自动分割方法 | 膝关节骨、软骨和半月板的分割 | 医学影像 | 骨关节炎 | MRI | 深度学习 | 图像 | NA |
| 1402 | 2024-08-07 |
Deep Learning-reconstructed Parallel Accelerated Imaging for Knee MRI
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究比较了深度学习（DL）重建的并行加速成像技术在膝关节MRI中的图像质量 | 使用深度学习技术重建的并行加速成像技术在膝关节MRI中显著降低了噪声，同时保持了图像的锐度和诊断质量 | 研究仅限于膝关节MRI，且样本量相对较小 | 比较深度学习重建的并行加速成像技术与传统技术在膝关节MRI中的图像质量 | 44个膝关节MRI扫描，来自38名成年患者 | 计算机视觉 | NA | 深度学习（DL）重建的并行加速成像技术 | NA | 图像 | 44个膝关节MRI扫描，38名成年患者 |
| 1403 | 2024-08-07 |
Image Quality Improvement of Low-dose Abdominal CT using Deep Learning Image Reconstruction Compared with the Second Generation Iterative Reconstruction
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨了深度学习图像重建（DLIR）在降低辐射剂量的情况下，是否能提高腹部CT图像质量，并与第二代自适应统计迭代重建（ASiR-V）进行比较 | DLIR算法在提高图像对比度噪声比（CNR）、图像质量、主观噪声和病变显著性方面表现优于ASiR-V | 本研究为回顾性研究，样本量有限，且仅比较了同一供应商的不同型号扫描仪 | 确定DLIR是否能在降低辐射剂量的同时提供更好的图像质量 | 腹部CT图像质量及辐射剂量 | 计算机视觉 | NA | 深度学习图像重建 | DLIR | 图像 | 102名患者 |
| 1404 | 2024-08-07 |
Chest CT Image based Lung Disease Classification - A Review
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文对基于胸部CT图像的肺疾病分类方法进行了广泛的分析 | 深度学习技术在早期识别肺部疾病方面带来了革命性的变化 | 现有的机器学习技术仍存在挑战 | 帮助年轻研究人员构建更先进的肺疾病分类系统 | 肺疾病分类方法及其性能 | 计算机视觉 | 肺疾病 | NA | NA | 图像 | NA |
| 1405 | 2024-08-07 |
Deep Learning-based Glaucoma Detection Using CNN and Digital Fundus Images: A Promising Approach for Precise Diagnosis
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眼科疾病检测方法，通过使用卷积神经网络（CNN）和数字眼底图像来提高青光眼诊断的准确性 | 本研究利用AI模型对眼底图像进行分析，实现了对青光眼的高诊断准确率 | 现有方法存在无症状进展、依赖主观反馈、需要多次测试、晚期检测、预防测试有限及受外部因素影响等局限性 | 开发一种基于人工智能的青光眼检测方法，以减少青光眼相关的失明并提供更精确的诊断 | 青光眼检测 | 计算机视觉 | 青光眼 | 卷积神经网络（CNN） | CNN | 图像 | 分析了来自健康、青光眼和疑似患者类别的20张眼底图像 |
| 1406 | 2024-08-07 |
Motion-resolved 3D Pulmonary MRI Reconstruction using Sinusoidal Representation Networks
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于正弦表示网络（SIREN）的运动解析三维肺部MRI重建方案 | 使用SIREN学习配准图，实现高效的内存使用和无监督学习 | NA | 提出一种新的三维肺部MRI重建方法 | 肺部MRI数据 | 计算机视觉 | NA | MRI | SIREN | 图像 | 十个数据集 |
| 1407 | 2024-08-07 |
An Evaluation Analysis for Computed Tomography Image Quality of Primary Liver Cancer Lesions Based on Deep Learning Image Reconstruction
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）对原发性肝癌病变动态增强CT图像质量的影响 | 新的重建算法DLIR在显示病变结构方面表现更优 | NA | 评估深度学习图像重建对原发性肝癌病变动态增强CT图像质量的影响 | 48名肝癌患者的CT图像质量 | 计算机视觉 | 肝癌 | CT | 深度学习图像重建（DLIR） | 图像 | 48名肝癌患者 |
| 1408 | 2024-08-07 |
A Novel Approach to the Technique of Lung Region Segmentation Based on a Deep Learning Model to Diagnose COVID-19 X-ray Images
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于深度学习模型的肺部区域分割新技术，用于诊断COVID-19的X光图像 | 提出了一种名为FocusNet的新型深度网络，用于精确分割胸部X光片中的肺部区域，并通过ResNet18分类网络提高分类准确性 | NA | 开发一种深度学习模型，准确分类胸部X光图像，特别是肺部区域，以提高COVID-19和肺炎诊断的效率和准确性 | 胸部X光图像中的肺部区域 | 计算机视觉 | COVID-19 | 深度学习 | FocusNet, ResNet18 | 图像 | 评估了正常人、COVID-19患者和肺炎患者的肺部区域 |
| 1409 | 2024-08-07 |
Factors associated with interobserver variation amongst pathologists in the diagnosis of endometrial hyperplasia: A systematic review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302252
PMID:38683770
|
综述 | 本综述旨在识别影响病理学家在诊断子宫内膜增生（EH）中观察者间变异性的特定病理学家因素 | 识别了一些新颖的工作实践，如对核异型性的“程度”进行分级以及采用半自动定量图像分析/深度学习模型等客观诊断方法 | 尽管强调了病理学家特定因素和工作实践对准确诊断EH的影响，但相关研究数量较少 | 旨在识别影响病理学家在诊断子宫内膜增生中观察者间变异性的特定病理学家因素 | 病理学家在诊断子宫内膜增生中的观察者间变异性 | 数字病理学 | 妇科疾病 | NA | 深度学习模型 | 图像 | 八项研究 |
| 1410 | 2024-08-07 |
Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning
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超分辨率方法来自动定位甲状腺超声图像中的结节 | 使用超分辨率单图像重建和深度学习技术，该方法在准确性和质量上优于最新的技术 | NA | 开发一种自动化的方法来识别甲状腺超声图像中的结节 | 甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习 | Adam分类器 | 图像 | NA |
| 1411 | 2024-08-07 |
Building and validating an artificial intelligence model to identify tracheobronchopathia osteochondroplastica by using bronchoscopic images
2024 Jan-Dec, Therapeutic advances in respiratory disease
IF:3.3Q2
DOI:10.1177/17534666241253694
PMID:38803144
|
研究论文 | 本文构建并验证了一种人工智能模型，用于通过支气管镜图像识别气管支气管骨软骨成形术 | 开发了一种基于支气管镜图像的人工智能模型，能够区分气管支气管骨软骨成形术与其他多结节气道疾病 | NA | 构建一个人工智能模型，用于通过支气管镜图像区分气管支气管骨软骨成形术与其他多结节气道疾病 | 气管支气管骨软骨成形术（TO）与其他多结节气道疾病 | 机器学习 | NA | 卷积神经网络（CNN） | EfficientNet | 图像 | 201名多结节气道疾病患者和213名无任何气道病变患者，共使用了2183张多结节病变支气管镜图像和1733张无气道病变图像进行深度学习 |
| 1412 | 2024-08-07 |
Fuzzy ensemble of fined tuned BERT models for domain-specific sentiment analysis of software engineering dataset
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300279
PMID:38805433
|
研究论文 | 本文提出了一种基于深度学习和微调BERT模型的混合技术，用于软件工程领域的特定情感分析 | 引入模糊逻辑集合多个微调BERT模型，提高了对中性情感的预测准确性，并覆盖了现有工具的局限 | NA | 开发适用于软件工程领域的特定情感分析工具 | 软件工程领域的社区问答数据集 | 自然语言处理 | NA | 深度学习 | BERT模型（包括Bert-Base, Bert-Large, Bert-LSTM, Bert-GRU, Bert-CNN） | 文本 | 使用了四个公开的基准数据集：Stack Overflow, JavaLib, Jira, 和 Code Review |
| 1413 | 2024-08-07 |
Deep learning for identifying bee species from images of wings and pinned specimens
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303383
PMID:38805521
|
研究论文 | 本文研究了使用深度学习技术从蜜蜂翅膀和标本图像中识别蜜蜂物种的方法 | 本文展示了计算机视觉在分类较小、难以识别的蜜蜂物种方面的潜力，这些物种在众包数据集中代表性不足 | NA | 评估深度学习分类模型在更具挑战性的蜜蜂分类中的表现 | 蜜蜂物种的识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 20种和18种蜜蜂物种分别来自6个和4个属 |
| 1414 | 2024-08-07 |
Corrigendum: Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1421603
PMID:38813378
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1415 | 2024-08-07 |
Structure-aware deep model for MHC-II peptide binding affinity prediction
2024-Jan-30, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-023-09900-6
PMID:38291350
|
研究论文 | 本文提出了一种结构感知的深度模型，用于预测主要组织相容性复合体（MHC）-II肽结合亲和力 | 本研究通过使用位置编码来表示肽序列的结构信息，并将其有效结合到现有模型中，从而提高了模型性能 | NA | 加速疾病疫苗和免疫疗法的设计 | MHC-II肽结合亲和力预测 | 生物信息学 | NA | 深度学习 | 深度神经网络 | 肽序列 | 三个数据集 |
| 1416 | 2024-08-07 |
Prediction of SARS-CoV-2 Infection Phosphorylation Sites and Associations of these Modifications with Lung Cancer Development
2024, Current gene therapy
IF:3.8Q2
|
研究论文 | 本文分析了SARS-CoV-2病毒感染的磷酸化区域，并开发了一种基于transformer的深度学习辅助识别方法，用于识别SARS-CoV-2病毒感染宿主细胞中的特定磷酸化位点，并探讨了这些磷酸化修饰与肺癌发展的关联。 | 开发了一种基于transformer的深度学习辅助识别方法，用于识别SARS-CoV-2病毒感染宿主细胞中的特定磷酸化位点。 | NA | 研究SARS-CoV-2病毒感染对宿主细胞磷酸化信号的影响及其与肺癌发展的关联。 | SARS-CoV-2病毒感染的磷酸化位点及其与肺癌发展的关联。 | 机器学习 | 肺癌 | 深度学习 | transformer | 磷酸化位点数据 | NA |
| 1417 | 2024-08-07 |
Deep learning segmentation of endothelial cell images using an active learning paradigm with guided label corrections
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.014006
PMID:38188935
|
研究论文 | 本文介绍了一种基于主动学习范式的角膜内皮细胞图像分割方法，通过引导修正软件进行手动编辑，以提高分割准确性。 | 提出了一种引导修正软件，用于手动编辑自动生成的角膜内皮细胞分割结果，并应用于主动学习范式中，以提高深度学习模型的性能。 | NA | 开发引导修正软件，以改进自动生成的角膜内皮细胞分割结果，并应用于主动学习范式中。 | 角膜内皮细胞图像的分割 | 计算机视觉 | NA | U-Net, DeepLabV3+ | U-Net, DeepLabV3+ | 图像 | 741个训练图像和100个测试图像 |
| 1418 | 2024-08-07 |
Differentiation of benign and malignant parotid gland tumors based on the fusion of radiomics and deep learning features on ultrasound images
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1384105
PMID:38803533
|
研究论文 | 本研究旨在基于超声图像构建并比较临床模型、传统放射组学模型、深度学习模型和深度学习放射组学模型在区分良性腮腺肿瘤和恶性腮腺肿瘤中的性能 | 本研究引入了基于超声图像的深度学习放射组学模型，该模型结合了传统放射组学和深度学习特征，显著提高了区分良性腮腺肿瘤和恶性腮腺肿瘤的准确性 | NA | 研究目的是构建和比较不同模型在区分良性腮腺肿瘤和恶性腮腺肿瘤中的性能 | 研究对象是良性腮腺肿瘤和恶性腮腺肿瘤 | 机器学习 | 腮腺肿瘤 | 深度学习 | DenseNet121, VGG19, ResNet50 | 图像 | 526名患者 |
| 1419 | 2024-08-07 |
Amalgamated Pharmacoinformatics Study to Investigate the Mechanism of Xiao Jianzhong Tang against Chronic Atrophic Gastritis
2024, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本研究利用网络药理学、深度学习蛋白质修复、分子对接、机器学习结合亲和力估计、分子动力学模拟和MM-PBSA结合自由能估计等方法，探讨了中药小建中汤治疗慢性萎缩性胃炎的作用机制 | 本研究整合了网络药理学、深度学习、分子对接、机器学习、分子动力学模拟和MM-PBSA结合自由能估计等多种技术，为解释中药复杂机制提供了强有力的方法 | NA | 旨在通过药理信息学方法揭示小建中汤治疗慢性萎缩性胃炎的潜在机制 | 中药小建中汤及其治疗慢性萎缩性胃炎的作用机制 | NA | 慢性萎缩性胃炎 | 网络药理学、分子对接、分子动力学模拟 | 深度学习 | 蛋白质 | 关键化合物包括山柰酚、甘草查尔酮A和柚皮素，关键靶点包括AKT1、MAPK1、MAPK14、RELA、STAT1和STAT3 |
| 1420 | 2024-08-07 |
Time for a full digital approach in nephropathology: a systematic review of current artificial intelligence applications and future directions
2024-01, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-023-01775-w
PMID:37768550
|
综述 | 本文回顾了人工智能在肾病理学中的应用历史，并探讨了未来的发展方向 | 探讨了深度学习在复杂组织病理学数据中的应用，以及混合和协作学习方法的使用 | 研究主要集中在相对简单的任务上，如单染色肾小球分割 | 回顾人工智能在肾病理学中的应用，并展望未来的发展 | 非肿瘤性肾脏组织学样本的自动化图像分析和人工智能算法应用 | 数字病理学 | NA | 深度学习 | NA | 图像 | 76篇原创研究文章 |