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 1809 篇文献，本页显示第 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2024-08-05 |
Encoding temporal information in deep convolution neural network
2024, Frontiers in neuroergonomics
IF:1.5Q4
DOI:10.3389/fnrgo.2024.1287794
PMID:38962279
|
研究论文 | 本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力 | 引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码 | 虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制 | 解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题 | 对不同的EEG数据集进行实证研究，评估EnK的效果 | 机器学习 | NA | 深度学习，CNN | CNN | EEG信号 | 多个EEG数据集，包括人机协作、P300视觉诱发电位等 |
| 1442 | 2024-08-05 |
A lightweight network architecture for traffic sign recognition based on enhanced LeNet-5 network
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1431033
PMID:38962176
|
研究论文 | 本研究提出了一种轻量级的卷积神经网络架构，用于交通标志识别 | 通过改进经典的LeNet-5网络模型，以实现轻量级且易于部署的嵌入式应用 | 未提及具体的限制因素 | 实现一种轻量级的卷积神经网络架构，以提高交通标志识别的准确性和速度 | 改进LeNet-5网络模型以应对无人驾驶系统中的交通标志识别 | 计算机视觉 | NA | 卷积神经网络（CNN） | LeNet-5 | 图像 | 使用德国交通标志识别基准（GTSRB）数据库进行测试 |
| 1443 | 2024-08-05 |
Generative preparation tasks in digital collaborative learning: actor and partner effects of constructive preparation activities on deep comprehension
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1335682
PMID:38962237
|
研究论文 | 本研究探讨了在数字协作学习中，建设性准备活动对深度理解的影响 | 研究通过实验分析了不同生成性准备任务对深度学习影响的差异，尤其关注了先前知识的调节作用 | 研究对象为非专业大学生，可能影响结果的普遍性 | 探索建设性准备活动如何促进后续协作中的深度学习 | 122名非专家大学生，他们被分配到61个二人组进行研究 | 数字学习 | NA | 实验研究 | NA | 文本 | 122名参与者，61个二人组 |
| 1444 | 2024-08-05 |
Comparison of image quality between Deep learning image reconstruction and Iterative reconstruction technique for CT Brain- a pilot study
2024, F1000Research
DOI:10.12688/f1000research.150773.1
PMID:38962692
|
研究论文 | 本文比较了深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 本研究通过使用卷积神经网络 (CNN) 的深度学习图像重建 (DLIR) 算法，展示了其在减少噪声和提高图像质量方面的优势。 | 本研究是一个小规模的初步研究，样本量有限，结果需要在更大人群中进一步验证。 | 评估深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 研究对象为接受非对比CT脑部检查的30名患者。 | 数字病理学 | NA | 深度学习图像重建 (DLIR)，迭代重建 (iDose 4) | 卷积神经网络 (CNN) | 影像 | 30名接受非对比CT脑部检查的患者 |
| 1445 | 2024-08-05 |
Scanner-Independent MyoMapNet for Accelerated Cardiac MRI T1 Mapping Across Vendors and Field Strengths
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28739
PMID:37052580
|
研究论文 | 本文开发并评估了一种基于MyoMapNet的加速心脏T1映射方法，该方法可以在不同厂商和磁场强度下使用 | 提出的SI-MyoMapNet通过将扫描仪厂商和磁场强度作为额外输入纳入深度学习架构，从而实现模型的通用性 | 仅使用四张T1加权图像进行建模，可能在某些情况下影响精度 | 开发一种能够在各种扫描仪和磁场强度下进行心脏T1映射的方法 | 1423名已知或怀疑患有心脏病的患者 | 数字病理学 | 心脏疾病 | 改良Look-Locker反转恢复（MOLLI） | 卷积神经网络（CNN） | 图像 | 1423名患者 |
| 1446 | 2024-08-05 |
Effects of different ground segmentation methods on the accuracy of UAV-based canopy volume measurements
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393592
PMID:38957596
|
研究论文 | 本文研究了不同地面分割方法对无人机( UAV) 基于果树冠秆体积测量精度的影响。 | 本文提出了一种基于深度学习的U-Net模型在果树冠分割中的应用，并与传统的OTS和RANSAC方法进行了比较。 | 研究主要依赖于手动标记的数据集，可能对分割结果造成一定的偏差。 | 本文旨在探讨不同分割方法对无人机果树冠体积测量精度的影响。 | 研究对象为果树冠及其体积测量。 | 数字病理 | NA | 结构从运动 (SFM) 技术、深度学习 | U-Net | 图像 | 使用了手动标记的数据集，但具体样本大小未提供 |
| 1447 | 2024-08-05 |
Application of CT and MRI images based on artificial intelligence to predict lymph node metastases in patients with oral squamous cell carcinoma: a subgroup meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1395159
PMID:38957322
|
meta-analysis | 本研究系统评估了人工智能在预测口腔鳞状细胞癌患者淋巴结转移中的应用 | 首次定量评估了基于人工智能的CT和MRI在口腔鳞状细胞癌中的淋巴结转移预测性能 | 纳入的研究数量有限，且异质性存在 | 研究基于人工智能的CT和MRI在预测口腔鳞状细胞癌患者淋巴结转移的诊断性能 | 纳入了关于口腔鳞状细胞癌患者淋巴结转移预测的相关研究 | 医学影像 | 口腔癌 | 人工智能算法 | 机器学习和深度学习 | 影像 | 纳入了14项符合条件的研究 |
| 1448 | 2024-08-05 |
[Application of artificial intelligence in glaucoma. Part 1. Neural networks and deep learning in glaucoma screening and diagnosis]
2024, Vestnik oftalmologii
DOI:10.17116/oftalma202414003182
PMID:38962983
|
review | 本文回顾了人工智能在青光眼筛查、诊断、监测和治疗中的应用 | 文章探讨了深度学习和神经网络如何改善青光眼筛查的有效性 | 所回顾的文献结果相互矛盾，表明AI模型的改进需要进一步研究和标准化方法 | 探讨人工智能在青光眼筛查和诊断中的应用 | 关注使用深度学习和神经网络分析大数据的技术 | NA | 青光眼 | 眼部成像技术 | 神经网络 | 大数据 | NA |
| 1449 | 2024-08-05 |
Enhancing unmanned ground vehicle performance in SAR operations: integrated gesture-control and deep learning framework for optimised victim detection
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1356345
PMID:38957217
|
研究论文 | 本研究提出了一种通过集成手势控制和深度学习来增强无人地面车辆在搜索和救援操作中的表现。 | 研究引入了一种新颖的技术框架，结合先进的手势识别和最前沿的深度学习，特别设计用于在灾难场景中提升UGV的受害者识别能力。 | NA | 提升在灾害中进行搜索和救援的情况意识和受害者检测能力。 | 无人地面车辆（UGVs）在混乱环境中的表现优化。 | 计算机视觉 | NA | YOLOv8，手势识别，深度学习 | MOA-SConv-Bi-LSTM-GRU | 图像 | 在模拟紧急场景中进行全面测试 |
| 1450 | 2024-08-05 |
Enhancing brain tumor detection in MRI with a rotation invariant Vision Transformer
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1414925
PMID:38957549
|
研究论文 | 该文章介绍了一种新型深度学习模型RViT用于MRI脑肿瘤分类。 | 引入旋转不变的补丁嵌入，提高了脑肿瘤识别的准确性 | NA | 提高MRI脑肿瘤检测的准确性 | 脑肿瘤的MRI扫描 | 计算机视觉 | 脑肿瘤 | 深度学习 | Vision Transformer | 影像 | 使用Kaggle的脑肿瘤MRI数据集进行评估 |
| 1451 | 2024-08-05 |
Translating prognostic quantification of c-MYC and BCL2 from tissue microarrays to whole slide images in diffuse large B-cell lymphoma using deep learning
2024-Jan-19, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-023-01425-6
PMID:38243330
|
研究论文 | 本研究开发了一种基于深度学习的方法，可以在全切片图像中对c-MYC和BCL2的阳性肿瘤细胞进行自动量化 | 提出了一种使用注意力机制的多实例学习技术，能够在不需要单个细胞核注释的情况下，从组织微阵列核心的注释中回归阳性肿瘤细胞的比例 | 本研究的模型可能在不同类型组织样本或更复杂的组织结构中表现不如预期 | 评估c-MYC和BCL2在弥漫大B细胞淋巴瘤中的预后能力，并通过深度学习技术实现自动化量化 | 弥漫大B细胞淋巴瘤患者的肿瘤样本，尤其是关注c-MYC和BCL2的阳性表达 | 数字病理学 | 淋巴瘤 | 注意力机制的多实例学习 | NA | 全切片图像 | 使用来自斯坦福的公开组织微阵列数据集进行训练，涉及多中心队列的全切片图像 |
| 1452 | 2024-08-05 |
StratoLAMP: Label-free, multiplex digital loop-mediated isothermal amplification based on visual stratification of precipitate
2024-Jan-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2314030121
PMID:38165933
|
研究论文 | 本研究提出了一种无需标签的多重数字环介导等温扩增方法StratoLAMP，基于沉淀物的可视化分层进行分析 | StratoLAMP通过视觉分层沉淀物无标签实现多重核酸检测，省去荧光染料或探针，降低复杂性和成本 | 尚未提及研究的具体局限性 | 开发一种高效且成本低的无标签多重核酸检测方法 | 研究不同浓度引物对核酸靶标扩增沉淀物产生的影响 | 数字病理学 | NA | 数字环介导等温扩增 | 深度学习 | 图像 | NA |
| 1453 | 2024-08-05 |
Heterogeneity in intrahepatic macrophage populations and druggable target expression in patients with steatotic liver disease-related fibrosis
2024-Jan, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2023.100958
PMID:38162144
|
研究论文 | 本研究评估了脂肪性肝病患者体内的肝内巨噬细胞与药物靶点的表达情况 | 发现了脂肪性肝病患者中巨噬细胞表型及药物靶点的显著异质性 | 患者内表型差异很大，可能影响结果的一致性 | 确定肝内巨噬细胞活性评分或纤维化分期对表型和药物靶点表达的影响 | 评估脂肪性肝病患者及对照者的肝内巨噬细胞 | 数字病理学 | 脂肪性肝病 | 基因表达分析、免疫组化、谱成像和空间分析 | 深度学习/人工智能算法 | 基因和蛋白质数据 | 共计64个样本，包含30个来自活检的样本和34个用于蛋白表达分析的样本 |
| 1454 | 2024-08-05 |
A deep learning algorithm to identify carotid plaques and assess their stability
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1321884
PMID:38952409
|
研究论文 | 本文开发了一种深度学习算法，以识别颈动脉斑块并评估其稳定性 | 提出了一种基于BCNN-ResNet的自动化算法，提供更一致和客观的诊断方法 | 研究未提及潜在的临床适用性和长期效果验证 | 旨在利用深度学习解决颈动脉斑块筛查中的主观性问题 | 使用超声图像评估颈动脉斑块的存在与稳定性 | 计算机视觉 | NA | 超声 | BCNN-ResNet | 图像 | 3860张超声图像，来自1339名参与者 |
| 1455 | 2024-08-05 |
Residual and bidirectional LSTM for epileptic seizure detection
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1415967
PMID:38952709
|
研究论文 | 本文提出了一种名为ResBiLSTM的混合深度学习方法，用于通过EEG信号检测癫痫发作 | 创新性地结合了一维残差神经网络和双向长短时记忆网络来提取空间和时间特征 | NA | 旨在提高癫痫发作检测的准确性和效率 | 癫痫发作数据集，特别是来自波恩大学和天普大学医院的数据集 | 机器学习 | 癫痫 | EEG信号分析 | 残差神经网络和双向LSTM | 生物信号 | 使用了波恩数据集和天普大学医院的数据集进行评估 |
| 1456 | 2024-08-05 |
Toward the design of persuasive systems for a healthy workplace: a real-time posture detection
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1359906
PMID:38953011
|
研究论文 | 本研究开发了用于实时姿势检测的说服性技术 | 本研究使用YOLO-V3模型在姿势检测中取得了比CNN模型更高的精确度，提出了将其集成到健康工作场所设计中的建议 | 研究中收集的姿态数据仅来源于YouTube视频和Kaggle，可能存在数据集的多样性和代表性不足问题 | 探讨如何设计用于促使健康行为的系统，特别是姿势检测技术 | 研究对象为工作场所中的用户姿势，特别关注舒适与不舒适的姿势分类 | 计算机视觉 | NA | 深度学习 | YOLO-V3和CNN | 图像 | 使用了来自YouTube视频和Kaggle的姿势数据集进行训练 |
| 1457 | 2024-08-05 |
Winter wheat ear counting based on improved YOLOv7x and Kalman filter tracking algorithm with video streaming
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1346182
PMID:38952848
|
研究论文 | 本文提出了一种基于改进YOLOv7x和卡尔曼滤波追踪算法的实时麦穗计数方法 | 引入了空间到深度模块和新的归一化高斯瓦瑟斯坦距离损失函数，以提升YOLOv7x的检测性能 | 样本可能仅限于特定环境，实时检测帧率相对较低 | 实现大型分辨率无人机视频下的麦穗检测与计数 | 作者研究了麦穗的检测与计数 | 计算机视觉 | NA | YOLOv7x, 卡尔曼滤波 | YOLOv7xSPD Counter | 视频 | NA |
| 1458 | 2024-08-05 |
DeepVelo: deep learning extends RNA velocity to multi-lineage systems with cell-specific kinetics
2024-01-19, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03148-9
PMID:38243313
|
研究论文 | DeepVelo通过深度学习扩展了RNA速度估计方法以适应多谱系系统和细胞特异性动力学 | DeepVelo创新性地将RNA速度推广到具有时间相关动力学和多个谱系的细胞群体 | 该方法依赖于图卷积网络，可能在特定情况下受到网络结构的限制 | 研究复杂的细胞分化和谱系选择事件 | 异质性单细胞RNA测序数据中的细胞群体 | 数字病理学 | NA | 图卷积网络 | NA | 单细胞RNA测序数据 | NA |
| 1459 | 2024-08-05 |
Potential for artificial intelligence in medicine and its application to male infertility
2024 Jan-Dec, Reproductive medicine and biology
IF:2.7Q2
DOI:10.1002/rmb2.12590
PMID:38948339
|
综述 | 本文回顾了人工智能在医学领域中的应用，特别是男性不育症的研究 | 建立了基于人工智能的Johnsen评分预测模型和非梗阻性无精症的精子获取预测模型 | 没有详细说明研究的样本量和具体数据 | 探讨人工智能在男科不育症中的应用 | 男性不育症相关的人工智能模型 | 医学人工智能 | 男性不育症 | 无代码人工智能 | 预测模型 | NA | NA |
| 1460 | 2024-08-05 |
A transformer-based multi-task deep learning model for simultaneous T-stage identification and segmentation of nasopharyngeal carcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1377366
PMID:38947898
|
研究论文 | 本研究开发了一个基于变换器的多任务深度学习模型，可以同时识别鼻咽癌的T分期和肿瘤轮廓。 | 提出了一种新型的多任务深度学习模型，能够同时进行肿瘤轮廓勾勒和T分期识别，填补了以往研究的空白。 | 由于采用的图像数据是回顾性收集，可能存在选择偏倚。 | 旨在提高鼻咽癌的精准放射治疗中肿瘤勾勒和T分期的准确性。 | 研究对象为320名鼻咽癌患者的对比增强T1加权成像数据。 | 数字病理学 | 鼻咽癌 | 对比增强T1加权成像 | 变换器模型 | 图像 | 300名鼻咽癌患者的对比增强T1加权图像数据 |