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 1798 篇文献，本页显示第 1701 - 1720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1701 | 2024-08-07 |
Deep Learning Model Coupling Wearable Bioelectric and Mechanical Sensors for Refined Muscle Strength Assessment
2024, Research (Washington, D.C.)
DOI:10.34133/research.0366
PMID:38783913
|
研究论文 | 本研究提出了一种结合肌电和应变传感器的可穿戴设备，用于同步采集肌肉活动时的表面肌电图和机械信号，并通过基于时间卷积网络（TCN）+ Transformer（Tcnformer）的深度学习模型进行肌肉力量的准确分级和预测。 | 本研究通过结合深度聚类技术，实现了对肌肉力量的25级分类，相较于传统的5级分类更加精细。 | NA | 旨在提高肌肉力量评估的精确性，并可能改善相关的临床诊断和康复结果。 | 肌肉力量评估 | 机器学习 | NA | 表面肌电图, 应变传感器 | 时间卷积网络（TCN）+ Transformer（Tcnformer） | 信号 | NA |
| 1702 | 2024-08-07 |
Prostate Cancer Detection from MRI Using Efficient Feature Extraction with Transfer Learning
2024, Prostate cancer
IF:2.3Q3
DOI:10.1155/2024/1588891
PMID:38783970
|
研究论文 | 本研究利用深度学习模型（VGG16、VGG19、ResNet50和ResNet50V2）进行特征提取，并结合随机森林分类器诊断前列腺癌 | 采用迁移学习方法，使用少量标注的前列腺癌数据优化深度学习模型，提高模型在不同患者群体和临床情况下的泛化能力 | 研究中提到的数据集限制问题，尽管使用了迁移学习，但仍可能受限于可用数据量 | 探索机器学习技术在前列腺癌诊断中的应用，特别是深度学习模型的特征提取能力 | 前列腺癌的MRI图像 | 机器学习 | 前列腺癌 | 迁移学习 | VGG16, VGG19, ResNet50, ResNet50V2 | 图像 | 未明确提及具体样本数量 |
| 1703 | 2024-08-07 |
BCSLinker: automatic method for constructing a knowledge graph of venous thromboembolism based on joint learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1272224
PMID:38784240
|
研究论文 | 本文提出了一种基于联合学习的深静脉血栓知识图谱自动构建方法BCSLinker | 采用Biaffine Common-Sequence Self-Attention模块同时提取实体和关系，减少错误传播，并使用多标签交叉熵损失减少冗余信息影响 | NA | 构建一个更准确全面的深静脉血栓知识图谱，为诊断、评估和治疗提供参考 | 深静脉血栓患者的电子病历数据 | 自然语言处理 | 深静脉血栓 | 深度学习 | BCSLinker | 文本 | 来自三级医院的深静脉血栓患者电子病历数据 |
| 1704 | 2024-08-07 |
Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1392513
PMID:38784768
|
研究论文 | 本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔 | 提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题 | NA | 旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复 | 舌头特征的分析和分类 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA |
| 1705 | 2024-08-07 |
Wearable sensors in patient acuity assessment in critical care
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1386728
PMID:38784909
|
研究论文 | 本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。 | 本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。 | NA | 研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。 | 研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。 | 机器学习 | NA | 加速度计 | 深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络） | 加速度计数据，临床数据 | 87名患者 |
| 1706 | 2024-08-07 |
Role of Artificial Intelligence in Drug Discovery and Target Identification in Cancer
2024, Current drug delivery
IF:2.8Q2
|
综述 | 本文综述了人工智能在癌症药物发现和靶点识别中的应用 | 探讨了多种人工智能技术如机器学习、神经网络学习、深度学习和网络学习在药物发现和靶点识别中的应用 | 未提及具体的研究局限 | 旨在探讨人工智能技术在癌症药物发现和靶点识别中的作用 | 癌症药物发现和靶点识别 | 机器学习 | 癌症 | 人工智能 | NA | 数据集 | NA |
| 1707 | 2024-08-07 |
Automatic surgical phase recognition-based skill assessment in laparoscopic distal gastrectomy using multicenter videos
2024-01, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-023-01450-w
PMID:38038811
|
研究论文 | 本研究开发了一种基于深度学习的手术阶段识别模型，用于评估腹腔镜远端胃切除术的手术技能，并使用多中心视频进行验证 | 本研究首次使用多中心视频数据开发了用于腹腔镜远端胃切除术的手术阶段识别模型，并探索了其在自动手术技能评估中的应用 | NA | 开发和验证一种基于深度学习的手术阶段识别模型，以实现自动手术技能评估 | 腹腔镜远端胃切除术的手术视频和手术技能评估 | 机器学习 | 胃癌 | 深度学习 | 图像分类模型 | 视频 | 20家医院的手术视频 |
| 1708 | 2024-08-07 |
Artificial Intelligence in Lung Cancer Imaging: From Data to Therapy
2024, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2023050439
PMID:38505877
|
综述 | 本文全面回顾了人工智能（AI）在肺部癌症管理中的应用，从数据处理到治疗预测 | AI技术在肺部癌症特征描述和结果预测中的应用，包括使用深度学习模型如U-Net、BCDU-Net等进行客观量化和组织特征提取 | NA | 探讨AI在肺部癌症管理中的作用，提高诊断、预后和治疗的精确性 | AI在肺部癌症影像分析中的应用，包括分割、虚拟活检和结果预测 | 计算机视觉 | 肺癌 | 深度学习 | U-Net, BCDU-Net | 影像 | NA |
| 1709 | 2024-08-07 |
Big data analysis for Covid-19 in hospital information systems
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0294481
PMID:38776299
|
研究论文 | 本文提出了一种新的深度学习联合框架，用于处理具有分布差异的异构数据集，以准确识别COVID-19 | 通过重新设计COVID-Net的网络架构和学习策略，以及在潜在空间中进行独立特征归一化，提高了预测准确性和学习效率。同时，使用对比训练目标增强了语义嵌入的领域不变性，提升了分类性能 | NA | 开发基于CT图像的自动化COVID-19识别工具，以辅助临床诊断 | COVID-19的CT图像数据 | 计算机视觉 | COVID-19 | 深度学习 | CNN | 图像 | 两个大规模公开的COVID-19诊断数据集，包含CT图像 |
| 1710 | 2024-08-07 |
Toward interpretable and generalized mitosis detection in digital pathology using deep learning
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241255471
PMID:38778869
|
研究论文 | 本文针对数字病理学中有丝分裂检测的挑战，提出了一种基于深度学习的方法，以提高检测的准确性、泛化性和可解释性 | 本文提出的方法在多个数据集和临床环境中展示了良好的泛化性和可解释性 | NA | 提高数字病理学中有丝分裂检测的准确性和泛化性 | 有丝分裂核的检测 | 数字病理学 | 癌症 | 深度学习 | NA | 图像 | 使用了MiDoG'22数据集进行训练、验证和测试，并在TUPAC'16数据集和Shaukat Khanum纪念癌症医院和研究中心的实时案例中进行了测试 |
| 1711 | 2024-08-07 |
Leveraging radiomics and AI for precision diagnosis and prognostication of liver malignancies
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1362737
PMID:38779098
|
综述 | 本文综述了人工智能和放射组学在肝脏肿瘤精准诊断和预后中的进展和潜力 | 探讨了人工智能和放射组学技术在基于影像数据预测肿瘤组织病理学、基因型和免疫表型方面的创新应用 | 讨论了人工智能技术的技术局限性和潜在缺陷 | 旨在提高肝脏肿瘤的诊断准确性和预后，从而改善患者护理 | 肝脏肿瘤的诊断和预后 | 计算机视觉 | 肝癌 | 放射组学 | 深度学习 | 影像 | NA |
| 1712 | 2024-08-07 |
Correlation Attention Registration Based on Deep Learning from Histopathology to MRI of Prostate
2024, Critical reviews in biomedical engineering
|
研究论文 | 本文探讨了如何利用深度学习技术，通过相关注意力注册框架，将前列腺癌的组织病理学图像与MRI图像进行精确注册 | 引入了L2-Pearson相关层增强特征匹配，并采用增强注意力回归网络区分关键与非关键特征 | 未明确提及 | 提高前列腺癌图像从组织病理学到MRI的注册性能 | 前列腺癌的组织病理学图像与MRI图像 | 计算机视觉 | 前列腺癌 | 深度学习 | CNN | 图像 | 使用了来自癌症影像档案的配对前列腺组织病理学和MRI数据集 |
| 1713 | 2024-08-07 |
Influence of deep learning image reconstruction algorithm for reducing radiation dose and image noise compared to iterative reconstruction and filtered back projection for head and chest computed tomography examinations: a systematic review
2024, F1000Research
DOI:10.12688/f1000research.147345.1
PMID:38725640
|
综述 | 本文系统回顾了深度学习图像重建（DLIR）算法在头部和胸部CT检查中降低辐射剂量和图像噪声的影响，并与迭代重建（IR）和滤波反投影（FBP）进行比较 | DLIR算法在降低辐射剂量和图像噪声方面显示出比传统IR和FBP技术更好的效果 | 研究时间跨度仅为2017至2023年，可能未涵盖所有相关研究 | 评估DLIR算法在头部和胸部CT检查中的应用效果，特别是在降低辐射剂量和图像噪声方面 | 头部和胸部CT检查中的DLIR算法应用 | 计算机视觉 | NA | 深度学习图像重建（DLIR） | 深度学习模型 | 图像 | 总共包括1292个样本 |
| 1714 | 2024-08-07 |
The use of artificial intelligence in induced pluripotent stem cell-based technology over 10-year period: A systematic scoping review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302537
PMID:38771829
|
综述 | 本文是一篇系统范围综述，探讨了人工智能在诱导多能干细胞技术中的应用 | 人工智能技术，特别是机器学习和深度学习，在iPSC分类、细胞功能监测和遗传分析中的应用显著提高了iPSC技术的精确度 | 人工智能技术在iPSC研究中的应用仍处于早期阶段，存在挑战和机遇 | 探索人工智能在诱导多能干细胞研究进展中的作用 | 诱导多能干细胞技术及其在疾病模型、药物筛选和再生医学中的应用 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | NA | 涵盖了79项符合条件的研究 |
| 1715 | 2024-08-07 |
Robust deep learning method for fruit decay detection and plant identification: enhancing food security and quality control
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1366395
PMID:38774219
|
研究论文 | 本文提出了一种用于水果腐烂检测和植物识别的鲁棒深度学习方法 | 该方法不仅关注模型精度，还考虑了鲁棒性和有限数据场景的挑战，实现了99.93%的高精度 | NA | 提高食品质量和安全控制 | 水果腐烂检测和植物识别 | 机器学习 | NA | 深度学习 | NA | 图像 | NA |
| 1716 | 2024-08-07 |
On the additive artificial intelligence-based discovery of nanoparticle neurodegenerative disease drug delivery systems
2024, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.15.47
PMID:38774585
|
研究论文 | 本文利用信息融合、扰动理论和机器学习相结合的IFPTML技术，通过构建线性和非线性模型，预测纳米粒子神经退行性疾病药物输送系统（N2D3Ss）的有效性 | 本文首次采用IFPTML技术，结合线性判别分析（LDA）和人工神经网络（ANN）算法，提高了N2D3Ss的预测准确性 | 由于N2D3Ss相关数据的相对有限，AI/ML分析面临挑战 | 开发新的神经退行性疾病药物输送系统 | 纳米粒子神经退行性疾病药物输送系统（N2D3Ss） | 机器学习 | 神经退行性疾病 | IFPTML | LDA, ANN（MLP和DLN） | 数据集 | 4403个NDD试验和260个NP细胞毒性试验，生成三个包含500,000个案例的新工作数据集 |
| 1717 | 2024-08-07 |
Innova4Health: an integrated approach for prevention of recurrence and personalized treatment of Major Depressive Disorder
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1366055
PMID:38774832
|
研究论文 | 本文介绍了一种综合方法，用于预防复发和个性化治疗重度抑郁症（MDD），通过集成数字和环境生物标志物来改善MDD的预防策略。 | 利用可穿戴技术和环境监测设备生成的数字生物标志物，结合现有的生理、心理病理学和其他指标，创新地应用于MDD的评估和治疗。 | NA | 验证一种AI工具，以增强MDD的早期临床管理，并建立一个AI基础设施来管理医疗大数据。 | 诊断为MDD的青少年和年轻成年人。 | NA | 精神疾病 | 可穿戴技术，环境监测 | 深度学习AI系统 | 数字生物标志物，环境数据 | 两个实验组，每组10名青少年和30名年轻成年人。 |
| 1718 | 2024-08-07 |
A Novel Validated Real-World Dataset for the Diagnosis of Multiclass Serous Effusion Cytology according to the International System and Ground-Truth Validation Data
2024, Acta cytologica
IF:1.6Q3
DOI:10.1159/000538465
PMID:38522415
|
研究论文 | 本文开发了一个新的公开浆膜腔积液细胞学数据集，并应用人工智能算法测试其在临床实践中的诊断效用和安全性 | 这是第一个基于标准化诊断系统的最大公开浆膜腔积液细胞学数据集，包括多种类型的积液和心包液标本，以及诊断上具有挑战性的非典型类别 | 模型在多类别分类问题中达到74%的准确率，对于高风险诊断的误分类率为0.13 | 开发和测试用于浆膜腔积液诊断的人工智能算法 | 浆膜腔积液细胞学数据集及其在临床实践中的应用 | 数字病理学 | NA | 转移学习 | VGG16深度学习模型和随机森林分类器 | 图像 | 3,731张图像分布在四个TIS诊断类别中 |
| 1719 | 2024-08-07 |
Advances in artificial intelligence in thyroid-associated ophthalmopathy
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1356055
PMID:38715793
|
研究论文 | 本文讨论了人工智能，特别是深度学习技术在甲状腺相关眼病诊断和治疗中的应用 | 介绍了深度学习技术在甲状腺相关眼病诊断、分级和治疗决策中的应用 | 提到了人工智能在甲状腺相关眼病研究中的一些局限性 | 探讨人工智能在甲状腺相关眼病中的应用及其未来发展方向 | 甲状腺相关眼病 | 机器学习 | 甲状腺疾病 | 深度学习 | 深度学习模型 | 影像数据 | NA |
| 1720 | 2024-08-07 |
FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300924
PMID:38768105
|
研究论文 | 本文提出了一种基于FPNC Net的氢化催化剂图像识别算法，用于解决催化剂粘附和堆叠导致的低识别准确率问题 | 引入空间可分离卷积核提取催化剂边缘的多尺度特征，并在骨干网络中加入特征金字塔网络（FPN）进行深浅特征融合，同时通过注意力模块自适应调整权重以突出催化剂目标特征 | NA | 提高氢化催化剂图像的智能识别效率和准确性 | 氢化催化剂图像的识别 | 计算机视觉 | NA | 深度学习 | FPNC Net | 图像 | NA |