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 1721 - 1740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1721 | 2024-08-05 |
Hybrid CNN-LSTM for Predicting Diabetes: A Review
2024, Current diabetes reviews
IF:2.4Q3
|
综述 | 本文章回顾了基于CNN-LSTM的糖尿病预测研究。 | 提出了CNN和LSTM结合的方法用于糖尿病的预测，并与其他深度学习方法进行了比较。 | 该模型在训练大量数据集和生物因素方面面临挑战。 | 探讨CNN-LSTM模型在糖尿病早期检测中的应用。 | 对糖尿病预测的相关研究进行回顾和分析。 | 机器学习 | 糖尿病 | 深度学习 | CNN-LSTM | NA | NA | NA | NA | NA | NA |
| 1722 | 2024-08-05 |
Radiomics-based machine learning and deep learning to predict serosal involvement in gallbladder cancer
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04029-2
PMID:37787963
|
研究论文 | 本研究旨在确定基于对比增强计算机断层扫描的放射组学模型在预测胆囊癌患者浆膜侵犯方面的能力。 | 本研究创新地使用了放射组学特征和深度学习模型来提高胆囊癌浆膜侵犯的预测准确性。 | 研究样本仅限于152名胆囊癌患者，可能影响模型的推广性。 | 研究的目的是提高对胆囊癌浆膜侵犯的预测能力。 | 研究对象为152名确诊的胆囊癌患者。 | 数字病理学 | 胆囊癌 | 对比增强计算机断层扫描 | 全连通神经网络（f-CNN） | 图像 | 152名胆囊癌患者 | NA | NA | NA | NA |
| 1723 | 2024-08-05 |
Implications of ultrasound-based deep learning model for preoperatively differentiating combined hepatocellular-cholangiocarcinoma from hepatocellular carcinoma and intrahepatic cholangiocarcinoma
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04089-4
PMID:37999743
|
研究论文 | 本研究开发了一种基于超声波的深度学习模型，用于术前区分肝细胞癌、肝内胆管癌和混合肝细胞胆管癌 | 提出了一种新型的深度学习模型，专注于超声影像中较难区分的肝癌类型 | 研究对象主要限于初级肝癌患者，可能无法推广到其他类型的肝癌或患者群体 | 旨在利用超声技术与深度学习改善肝癌的术前诊断 | 研究对象为465名初级肝癌患者的超声图像 | 医学影像学 | 肝癌 | 深度学习 | Resnet18, MobileNet, DenseNet121, Inception V3 | 影像 | 465名患者的超声B型图像 | NA | NA | NA | NA |
| 1724 | 2024-08-05 |
Advancements in Uric Acid Stone Detection: Integrating Deep Learning with CT Imaging and Clinical Assessments in the Upper Urinary Tract
2024, Urologia internationalis
IF:1.5Q3
DOI:10.1159/000538133
PMID:38432217
|
研究论文 | 本文旨在通过深度学习分析CT扫描和临床检测数据以识别尿酸结石 | 结合深度学习与CT成像和临床评估，开发多种预测模型识别尿酸结石 | 样本量较小，仅包括276名患者 | 建立准确识别尿酸结石的预测模型 | 276名上尿路结石患者 | 机器学习 | NA | CT成像、机器学习 | 深度学习模型 | 血液和尿液检测数据、CT扫描 | 276名患者，48名尿酸结石患者和228名其他类型结石患者 | NA | NA | NA | NA |
| 1725 | 2024-08-05 |
Deep Learning-based Lung dose Prediction Using Chest X-ray Images in Non-small Cell Lung Cancer Radiotherapy
2024 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_122_23
PMID:38828071
|
研究论文 | 本研究旨在开发一个深度学习模型，以预测非小细胞肺癌放疗中肺组织接受的辐射剂量 V20 | 首次使用胸部 X 光图像和卷积神经网络回归模型来预测放疗中的 V20 值 | 样本量较小，仅包括91个患者的胸部 X 光图像，可能影响模型的泛化能力 | 开发深度学习模型，以提高对非小细胞肺癌患者放疗中肺部剂量的预测 | 使用胸部 X 光图像的肺癌患者 | 计算机视觉 | 肺癌 | 深度学习 | 卷积神经网络 | 图像 | 91个肺癌患者的胸部 X 光图像 | NA | NA | NA | NA |
| 1726 | 2024-08-05 |
Comparative Analysis of Fusion Strategies for Imaging and Non-imaging Data - Use-case of Hospital Discharge Prediction
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827051
|
研究论文 | 本文针对医院出院预测进行了深度学习融合策略与传统单源模型的比较分析 | 提出了联合融合模型，该模型通过支路神经网络以端到端的方式联合训练，提取两个数据模态中的目标相关信息 | 未提及具体的限制因素 | 提升医院资源管理并预测患者出院情况 | 通过融合胸部X光图像和电子健康记录进行出院预测 | 机器学习 | NA | 深度学习 | 联合融合模型 | 图像和表格数据 | NA | NA | NA | NA | NA |
| 1727 | 2024-08-05 |
Artificial intelligence in interventional pulmonology
2024-01-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001024
PMID:37916605
|
review | 这项研究回顾了人工智能在介入性肺病学中的应用现状 | 研究展示了深度学习在支气管图像识别和内支气管超声图像分析中的新应用 | 尚未评估人工智能增强程序的临床影响 | 探讨人工智能在介入性肺病学中的能力和影响 | 分析人工智能在内支气管超声图像和支气管图像中的应用 | NA | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1728 | 2024-08-05 |
Designing a Consumer-centric Care Management Program by Prioritizing Interventions Using Deep Learning Causal Inference
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827098
|
研究论文 | 本文探讨了一种以消费者为中心的护理管理程序，利用深度学习因果推断优先安排干预措施 | 通过深度学习因果推断分析干预措施对消费者参与度的影响，提供了对案例经理选择干预的可靠参考 | 研究的局限性在于干预措施的选择主要依赖案例经理的经验，可能存在主观偏差 | 旨在改善护理管理程序的消费者参与度，减少重返医院的风险 | 研究对象为刚出院患者及其护理管理团队 | 机器学习 | NA | 深度学习因果推断 | NA | NA | 通过三个实验进行结果的交叉验证 | NA | NA | NA | NA |
| 1729 | 2024-08-05 |
Novel Artificial Intelligence Tool for Real-time Patient Identification to Prevent Misidentification in Health Care
2024 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_106_23
PMID:38828072
|
研究论文 | 本文旨在通过实施基于深度学习的实时患者识别程序来减少医疗机构中患者识别错误 | 开发了一种新的基于Python的深度学习程序，实现实时患者识别 | 实际应用中可能会受到环境光线和面部遮挡等因素的影响 | 减少在放射治疗和药物管理过程中的患者识别错误 | 医疗机构中的患者身份识别 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1730 | 2024-08-05 |
Comparison of Three Deep Learning Models in Accurate Classification of 770 Dermoscopy Skin Lesion Images
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827104
|
研究论文 | 本研究提出一种利用深度学习对良性和恶性皮肤病变进行分类的方法 | 将深度学习应用于皮肤病变的分类，并评估了三种深度学习模型的表现 | 仅使用了来自单一医疗机构的770张去标识化的皮肤镜图像 | 提高皮肤癌的早期诊断准确性 | 良性和恶性皮肤病变的分类 | 计算机视觉 | 皮肤癌 | 深度学习 | ResNet50, DenseNet121, Inception-V3 | 图像 | 770张皮肤病变图像 | NA | NA | NA | NA |
| 1731 | 2024-08-05 |
Evaluation of Interstitial Lung Diseases with Deep Learning Method of Two Major Computed Tomography Patterns
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究利用深度学习方法诊断间质性肺疾病的两种主要高分辨率计算机断层扫描模式 | 本研究创新地采用VGG16和VGG19深度学习架构，以无人工干预的方式进行间质性肺疾病模式的诊断 | 没有提及研究中可能的局限性 | 旨在区分和诊断最常见的间质性肺疾病模式 | 研究对象为患有常见间质性肺疾病模式的患者 | 计算机视觉 | 间质性肺疾病 | 深度学习 | VGG16, VGG19 | 计算机断层扫描图像 | NA | NA | NA | NA | NA |
| 1732 | 2024-08-05 |
Recognition of facial emotion based on SOAR model
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1374112
PMID:38826778
|
研究论文 | 本文提出了一种基于SOAR模型的面部情绪识别方法 | 创新点在于结合了3D卷积神经网络和学习自动机，以提高面部情绪识别的效率和准确率 | 未提及具体的局限性 | 研究旨在提高面部情绪识别的准确性和效率 | 研究对象为面部图像中的情绪状态 | 计算机视觉 | NA | 3D卷积神经网络 | 3DCNN与学习自动机的结合 | 图像 | NA | NA | NA | NA | NA |
| 1733 | 2024-08-05 |
Improved tomato leaf disease classification through adaptive ensemble models with exponential moving average fusion and enhanced weighted gradient optimization
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1382416
PMID:38828218
|
研究论文 | 本文提出了一种新的番茄叶病分类方法，利用适应性集成模型实现准确分类 | 本研究通过引入带有时间约束的指数移动平均函数和增强加权梯度优化器，提高了深度学习模型的分类准确性 | 现有机器学习分类器在识别新类型病害的准确性上存在不足 | 旨在提高番茄叶病的识别准确性，以支持农民并改善作物产量 | 研究对象为包含九种不同类型叶病的番茄叶图像数据集 | 计算机视觉 | NA | 深度学习 | VGG-16 和 NASNet | 图像 | 包含10,000张番茄叶图像用于训练和验证，1,000张用于测试 | NA | NA | NA | NA |
| 1734 | 2024-08-07 |
Visual explanations for polyp detection: How medical doctors assess intrinsic versus extrinsic explanations
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304069
PMID:38820304
|
研究论文 | 本文研究了医学专业人员对应用于胃肠疾病检测案例中的当前最先进的可解释人工智能方法的看法，特别是对内在解释和外在解释的评估 | 本文首次探讨了医学专业人员对内在和外在解释方法的偏好，并基于研究结果提出了未来医学深度神经网络解释的定制方向 | 研究仅限于胃肠疾病检测案例，可能不涵盖所有医疗领域的解释需求 | 探讨医学专业人员对当前可解释人工智能方法的看法，并基于此提出未来医学深度神经网络解释的改进方向 | 医学专业人员对内在和外在解释方法的偏好及这些解释方法的当前价值 | 计算机视觉 | 胃肠疾病 | 深度学习 | 深度神经网络 | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 1735 | 2024-08-07 |
Multimodal MALDI imaging mass spectrometry for improved diagnosis of melanoma
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304709
PMID:38820337
|
研究论文 | 本文开发了一种多模态分类流程，利用深度学习从组织病理学图像中提取有意义的形态学特征，并与IMS数据结合，以提高黑色素瘤的诊断准确性 | 首次将深度学习应用于组织病理学图像和IMS数据的多模态分类，无需大量显微镜数据训练 | NA | 提高黑色素瘤的诊断准确性 | 黑色素瘤和痣病变 | 数字病理学 | 黑色素瘤 | MALDI成像质谱 | 人工神经网络 | 图像 | 331名患者 | NA | NA | NA | NA |
| 1736 | 2024-08-07 |
Performance enhancement of short-term wind speed forecasting model using Realtime data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302664
PMID:38820359
|
研究论文 | 本文提出了一种混合模型L-LG-S，用于精确的短期风速预测，并使用来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据进行了测试 | 提出的混合模型L-LG-S在短期风速预测的训练、验证和测试预测中，准确性分别比现有技术模型提高了98% | NA | 提高短期风速预测的准确性，以支持更有效和安全的可再生风能生产 | 短期风速预测模型 | 机器学习 | NA | NA | 混合模型 | 风速数据 | 来自巴基斯坦卡拉奇市风力涡轮机的实际风速数据 | NA | NA | NA | NA |
| 1737 | 2024-08-07 |
A model for skin cancer using combination of ensemble learning and deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0301275
PMID:38820401
|
研究论文 | 本文通过结合集成学习和深度学习技术，开发了一种用于区分良性和恶性皮肤癌的模型 | 采用多种机器学习和深度学习技术以及不同的特征提取器和选择器来提高评估指标，并设计了包含多种技术的特征选择层 | NA | 帮助医疗专家区分良性和恶性皮肤癌病例 | 皮肤癌的良恶性区分 | 机器学习 | 皮肤癌 | 集成学习, 深度学习 | DenseNet-201, MLP, XGB, RF, NB | 图像 | 约350万例皮肤癌诊断 | NA | NA | NA | NA |
| 1738 | 2024-08-07 |
A Hybrid convolution neural network for the classification of tree species using hyperspectral imagery
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304469
PMID:38820430
|
研究论文 | 本文提出了一种混合卷积神经网络方法，用于使用高光谱图像对树种进行分类 | 结合深度学习和传统学习技术的优势，通过混合特征选择方法和优化算法提高了分类准确性 | NA | 提高树种分类的准确性 | 树种分类 | 计算机视觉 | NA | 高光谱遥感技术 | CNN | 图像 | 树种数据集 | NA | NA | NA | NA |
| 1739 | 2024-08-07 |
DAU-Net: Dual attention-aided U-Net for segmenting tumor in breast ultrasound images
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303670
PMID:38820462
|
研究论文 | 本研究设计了一种基于深度学习的分割方法，用于检测乳腺超声图像中的肿瘤 | 提出了一种新的分割方法DAU-Net，结合了位置卷积块注意力模块（PCBAM）和移位窗口注意力（SWA）两种强大的注意力机制，集成到残差U-Net模型中 | NA | 提高乳腺肿瘤检测的准确性，从而改善女性的生存率 | 乳腺超声图像中的肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | U-Net | 图像 | 使用了两个广泛使用的乳腺超声图像数据集BUSI和UDIAT | NA | NA | NA | NA |
| 1740 | 2024-08-07 |
MCE: Medical Cognition Embedded in 3D MRI feature extraction for advancing glioma staging
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304419
PMID:38820482
|
研究论文 | 本文提出了一种嵌入医学认知的3D MRI特征提取模型，用于改进脑胶质瘤的分期 | 该研究通过嵌入医学知识特征到数据驱动方法中，提高了特征提取的质量，并设计了两种方法模拟医学专业人员在阅片过程中的学习过程 | NA | 改进脑胶质瘤MRI检测的分类和分期 | 脑胶质瘤的3D MRI数据 | 计算机视觉 | 脑胶质瘤 | MRI | MCE模型 | 3D图像 | 使用了公开的BraTS2018和BraTS2020数据集 | NA | NA | NA | NA |