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 1808 篇文献，本页显示第 1621 - 1640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1621 | 2024-08-05 |
Distilling Knowledge From an Ensemble of Vision Transformers for Improved Classification of Breast Ultrasound
2024-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.08.006
PMID:37666747
|
研究论文 | 开发了一种深度学习模型，以自动分类乳腺超声图像为良性或恶性 | 探讨了视觉转换器、集成学习和知识蒸馏在乳腺超声分类中的应用，展示了如何使用单一视觉转换器模型模拟集成模型的性能 | 未提供具体的限制信息 | 研究乳腺超声图像的自动分类 | 单视图B模式超声图像，来自公开的乳腺超声图像（BUSI）数据集 | 计算机视觉 | 乳腺癌 | 视觉转换器（ViT） | 视觉转换器（ViT），卷积神经网络（CNN） | 图像 | 未提供具体的样本数量信息 |
| 1622 | 2024-08-05 |
Real-time precision detection algorithm for jellyfish stings in neural computing, featuring adaptive deep learning enhanced by an advanced YOLOv4 framework
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1375886
PMID:38845696
|
研究论文 | 本研究提出了一种新颖的海洋水母刺痛检测算法，结合了YOLOv4对象检测、注意机制和PID控制 | 通过增强YOLOv4并引入注意机制来提高检测精度和实时性能，展现出相较传统方法的显著优势 | 具体的限制因素在摘要中未详细说明 | 旨在提升智能机器人系统在海洋水母刺痛检测中的效率和准确性 | 本文的研究对象为海洋水母刺痛及其相关检测技术 | 计算机视觉 | NA | YOLOv4, PID控制 | NA | 图像 | 使用了真实的海洋水母刺痛图像数据集进行广泛实验评估 |
| 1623 | 2024-08-05 |
Deep Learning Accelerated Image Reconstruction of Fluid-Attenuated Inversion Recovery Sequence in Brain Imaging: Reduction of Acquisition Time and Improvement of Image Quality
2024-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.05.010
PMID:37280126
|
研究论文 | 本文研究了一种基于深度学习的加速FLAIR脑成像序列对图像质量和诊断信心的影响 | 提出了一种创新的深度学习加速FLAIR成像序列，显著缩短了采集时间并提高了图像质量 | 研究仅在单中心进行，样本数量相对较少 | 探讨创新深度学习加速FLAIR序列在脑成像中的应用效果 | 70例接受脑MRI检查的患者 | 数字病理学 | NA | 深度学习 | NA | 图像 | 70例 |
| 1624 | 2024-08-05 |
Automated facial recognition system using deep learning for pain assessment in adults with cerebral palsy
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241259664
PMID:38846372
|
研究论文 | 本文旨在开发一种基于深度学习的自动化面部识别系统，以评估脑瘫患者的疼痛。 | 本文创新地开发了脑瘫患者面部疼痛表情的数据集，并构建了针对该群体的自动化疼痛评估系统。 | 研究中涉及的样本规模较小，进一步和更广泛的数据集可能提高模型对细微疼痛表情的敏感性。 | 研究旨在提高脑瘫患者的疼痛评估的可靠性。 | 研究对象为脑瘫患者，特别关注他们的疼痛表情。 | 计算机视觉 | 脑瘫 | 深度学习 | InceptionV3 | 图像 | 109张脑瘫患者的面部疼痛表情图像 |
| 1625 | 2024-08-05 |
Deep learning driven diagnosis of malignant soft tissue tumors based on dual-modal ultrasound images and clinical indexes
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1361694
PMID:38846984
|
研究论文 | 本文研究了基于双模态超声图像和临床指标的恶性软组织肿瘤的深度学习驱动诊断 | 本文提出了一种新型的深度学习人工智能系统，结合灰度和彩色多普勒超声图像及临床特征，进行恶性软组织肿瘤的诊断 | 该研究主要基于回顾性数据集，结果可能会受到样本选择偏差的影响 | 研究旨在建立一个深度学习驱动的人工智能系统，用于预测恶性软组织肿瘤 | 研究对象包括271个恶性肿瘤和462个良性肿瘤的超声图像及临床指标 | 计算机视觉 | 肿瘤 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 271个恶性肿瘤和462个良性肿瘤用于建立系统，44个恶性肿瘤和101个良性肿瘤用于验证 |
| 1626 | 2024-08-05 |
Data-driven Design of High Pressure Hydride Superconductors using DFT and Deep Learning
2024, Materials futures
IF:12.0Q1
DOI:10.1088/2752-5724/ad4a94
PMID:38841205
|
研究论文 | 本文利用密度泛函理论(DFT)和深度学习方法设计高压氢化物超导体 | 结合DFT和图神经网络(GNN)建立高压氢化物的更完整地图，并加速筛选过程 | 在高压范围内预测材料的稳定性有其局限性，具体模型的普适性需要进一步验证 | 探究高压氢化物超导体的发现方法 | 超过900种氢化物材料的临界温度预测 | 材料科学 | NA | DFT | GNN | 材料结构数据 | 900种氢化物材料 |
| 1627 | 2024-08-05 |
Deep Network-Based Comprehensive Parotid Gland Tumor Detection
2024-01, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.04.028
PMID:37271636
|
研究论文 | 本文介绍了一种基于深度学习的腮腺肿瘤自动分割方法 | 提出了一种新的深度学习架构，用于腮腺肿瘤分割，替代传统的人工分割方法 | 研究可能受限于样本数量及模型训练的多样性 | 本研究旨在开发一种自动化的腮腺肿瘤分割系统 | 研究对象为腮腺肿瘤的T1-w、T1C-w和T2-w的磁共振影像 | 数字病理学 | NA | 磁共振成像（MRI） | ResNet18和Xception-based DeepLab v3+ | 影像 | 共306张磁共振影像（102张T1-w，102张对比增强T1-w，102张T2-w） |
| 1628 | 2024-08-05 |
Swin Transformer and the Unet Architecture to Correct Motion Artifacts in Magnetic Resonance Image Reconstruction
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/8972980
PMID:38725808
|
研究论文 | 本文提出了一种基于深度学习的方法，用于校正运动伪影，从而加速磁共振成像的数据采集和重建 | 提出了Motion Artifact Correction by Swin Network (MACS-Net)模型，该模型结合了Swin transformer和Unet架构，并引入了双上采样技术 | 本文未提及具体的局限性 | 研究旨在提高磁共振成像过程中运动伪影的校正效果 | 研究对象为含有运动伪影的原始磁共振成像数据集 | 计算机视觉 | NA | 深度学习 | Swin transformer, Unet | 成像数据 | 包含运动伪影的多种受试者的原始磁共振成像数据集 |
| 1629 | 2024-08-07 |
Editorial: Deep learning approaches applied to spectral images for plant phenotyping
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1425310
PMID:38845848
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1630 | 2024-08-05 |
Deep learning based retinal vessel segmentation and hypertensive retinopathy quantification using heterogeneous features cross-attention neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1377479
PMID:38841586
|
研究论文 | 本文提出了一种基于深度学习的视网膜血管分割和高血压性视网膜病量化方法 | 创新点在于提出了一种异构神经网络，结合了卷积神经网络的局部语义信息提取与变换网络结构的长距离空间特征挖掘 | NA | 研究旨在提高视网膜图像中血管的自动分割精度和高血压性视网膜病的量化 | 研究对象为视网膜图像中的血管 | 计算机视觉 | 高血压性视网膜病 | 深度学习 | 异构神经网络 | 图像 | 四个公开可用数据集 |
| 1631 | 2024-08-05 |
Predicting cardiovascular disease risk using photoplethysmography and deep learning
2024, PLOS global public health
DOI:10.1371/journal.pgph.0003204
PMID:38833495
|
研究论文 | 本研究探讨使用光电容积脉搏波描记法（PPG）和深度学习技术预测心血管疾病风险的潜力 | 开发了一种基于PPG的深度学习心血管疾病风险评分（DLS），使得在无身体检查的情况下能够有效预测心血管事件的风险 | 仅使用年龄、性别、吸烟状态和PPG作为预测因子，可能忽略其他相关健康指标 | 为资源有限地区的心血管疾病早期检测和干预提供可行的替代方案 | 141,509名参与者的开发数据集和54,856名参与者的测试数据集来自UK Biobank | 机器学习 | 心血管疾病 | 光电容积脉搏波描记法（PPG） | 深度学习 | 数据集（参与者信息） | 141,509名用于模型开发和54,856名用于模型测试的参与者 |
| 1632 | 2024-08-05 |
Multi-centre benchmarking of deep learning models for COVID-19 detection in chest x-rays
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1386906
PMID:38836218
|
研究论文 | 本研究评估了用于从胸部X光片中检测COVID-19的深度学习模型的性能 | 该研究综合评估了多中心深度学习模型在临床决策支持工具中的适用性，并强调了临床医生在模型开发各阶段的参与必要性 | 模型在应用于复杂临床案例及放射科医生定义的“轻微”病例时表现不佳，且对国际人群的泛化能力不足 | 评估深度学习模型作为临床决策支持工具的适用性 | 基于来自26家NHS医院的国家COVID-19胸部影像数据库的模型进行训练和评估 | 计算机视觉 | COVID-19 | 深度学习 | NA | 影像 | 多中心数据集，来自26家医院的样本，包含NHS人群和国际人群 |
| 1633 | 2024-08-05 |
Peripheral blood MicroRNAs as biomarkers of schizophrenia: expectations from a meta-analysis that combines deep learning methods
2024 Jan-Feb, The world journal of biological psychiatry : the official journal of the World Federation of Societies of Biological Psychiatry
DOI:10.1080/15622975.2023.2258975
PMID:37703215
|
meta-analysis | 本研究利用元分析结合深度学习方法识别血液中与精神分裂症有关的可靠差异表达miRNAs | 结合计算方法和数学方法的元分析为精神分裂症候选生物标志物的识别提供了可靠工具 | 研究的局限性未在摘要中描述 | 识别血液中精神分裂症的可靠差异表达miRNAs | 精神分裂症相关的miRNAs | NA | 精神分裂症 | 深度学习，元分析 | 随机森林 (RF) | 血液中的miRNA数据 | 涉及27个显著的差异表达miRNAs |
| 1634 | 2024-08-05 |
Exploring the dynamics of monkeypox transmission with data-driven methods and a deterministic model
2024, Frontiers in epidemiology
DOI:10.3389/fepid.2024.1334964
PMID:38840980
|
研究论文 | 本研究分析了全球Mpox的单变量时间序列数据，为理解Mpox传播动态提供了综合分析 | 本研究创新之处在于同时使用数据驱动的方法和数学模型来深入分析Mpox时间序列数据 | 本研究的局限性在于未针对各种潜在的外部因素进行详细考量 | 本研究旨在分析Mpox传播的动态，以便更好地预测和控制该疾病的传播 | 研究对象为全球范围内的Mpox传播数据 | 计算机视觉 | NA | 深度学习模型（CNN、LSTM、BiLSTM、混合CNN-LSTM和CNN-BiLSTM）和统计时间序列模型（ARIMA、指数平滑） | 确定性模型 | 时间序列数据 | 涉及多个国家和地区的Mpox疫情数据 |
| 1635 | 2024-08-05 |
An automated hybrid approach via deep learning and radiomics focused on the midbrain and substantia nigra to detect early-stage Parkinson's disease
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1397896
PMID:38832074
|
研究论文 | 本研究提出了一种新的混合模型，通过深度学习和放射组学自动检测早期帕金森病 | 提出了一种将放射组学和深度学习相结合的新方法，在用于早期帕金森病的诊断中表现出色 | 未提及特定的限制因素 | 旨在开发一种有效的方法以早期检测帕金森病 | 收集了73名早期帕金森病患者和65名健康对照的定量敏感性成像(QSM)数据 | 数字病理学 | 帕金森病 | QSM | 混合特征支持向量机(SVM) | 图像 | 73名早期帕金森病患者和65名健康对照，以及24名外部验证参与者 |
| 1636 | 2024-08-05 |
Multi-sequence generative adversarial network: better generation for enhanced magnetic resonance imaging images
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1365238
PMID:38841427
|
研究论文 | 提出了一种基于pix2pix模型的多模态输入生成对抗网络，以生成增强的磁共振成像图像 | 通过比较提出的模型与pix2pix模型，展示了在生成增强序列图像方面的新方法 | NA | 旨在减少对对比剂的使用，保护某些特定人群 | 对比不同MRI序列生成增强图像的效果 | 数字病理学 | 癌症 | 生成对抗网络 | pix2pix | 图像 | NA |
| 1637 | 2024-08-05 |
Prediction of recurrence risk factors in patients with early-stage cervical cancers by nomogram based on MRI handcrafted radiomics features and deep learning features: a dual-center study
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04125-3
PMID:37987856
|
研究论文 | 建立并验证了一种基于MR图像和临床特征的深度学习放射组学评分模型以预测早期宫颈癌患者的复发风险因素 | 该研究首次结合深度学习特征和手工放射组学特征，建立了用于预测复发风险的深度学习放射组学评分模型 | 研究的样本主要集中在两个中心，外部验证的样本量相对较小 | 旨在预测早期宫颈癌患者的复发风险因素并进行风险分层 | 研究对象为225例病理确认的早期宫颈癌患者 | 数字病理学 | 宫颈癌 | MRI手工放射组学特征和深度学习特征 | 逻辑回归 | 医学影像 | 225例早期宫颈癌患者及40例外部验证患者 |
| 1638 | 2024-08-05 |
Single-channel seizure detection with clinical confirmation of seizure locations using CHB-MIT dataset
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1389731
PMID:38836000
|
研究论文 | 本文提出了一种基于深度学习的单通道癫痫发作检测方法。 | 创新点在于使用患者特异性的单通道检测方法，结合神经学家的癫痫空间特征确认。 | 研究的样本量较小，仅涉及13名患者，且只选择了特定的通道。 | 研究旨在改善难治性癫痫患者的长时间EEG监测。 | 研究对象包括13名患有难治性癫痫的患者。 | 数字病理学 | 癫痫 | 深度学习 | 多通道和单通道检测器 | EEG | 13名患者的EEG记录 |
| 1639 | 2024-08-07 |
Editorial: Applications of artificial intelligence, machine learning, and deep learning in plant breeding
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420938
PMID:38841285
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1640 | 2024-08-05 |
Liver fibrosis classification from ultrasound using machine learning: a systematic literature review
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04081-y
PMID:37950068
|
综述 | 该研究通过系统文献回顾分析了基于超声的非侵入性肝纤维化分类的机器学习/深度学习模型 | 本研究探讨了机器学习和深度学习在肝纤维化分类中的应用，并评估了现有研究的分类方法 | 缺乏外部比较和前瞻性临床试验的限制使得这些模型的适用性受到影响 | 探讨超声图像中应用机器学习和深度学习进行肝纤维化分类的潜力 | 筛选出的17项研究中，分析使用超声图像的机器学习与深度学习模型 | 机器学习 | NA | NA | OTS分类器、注意力模型、生成模型和集成分类器 | 图像 | 188项研究中筛选出17项研究 |