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 1869 篇文献，本页显示第 1741 - 1760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1741 | 2024-08-07 |
Simulation of Automatically Annotated Visible and Multi-/Hyperspectral Images Using the Helios 3D Plant and Radiative Transfer Modeling Framework
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0189
PMID:38817960
|
研究论文 | 本文提出了一种基于Helios 3D植物建模软件的辐射传输建模框架，用于模拟植物的可见光、多/高光谱图像，并自动生成标注信息 | 该框架能够模拟RGB、多/高光谱、热成像和深度相机图像，并生成带有完全解析的参考标签的植物图像，如植物物理特性、叶片化学浓度和叶片生理特性 | NA | 解决深度学习模型在植物和作物特性分析中对标注图像数据集的需求，以及从遥感数据中提取复杂特性的挑战 | 植物和作物的特性分析 | 计算机视觉 | NA | 辐射传输建模 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1742 | 2024-08-07 |
Radiation dose estimation with multiple artificial neural networks in dicentric chromosome assay
2024, International journal of radiation biology
IF:2.1Q2
DOI:10.1080/09553002.2024.2338531
PMID:38687685
|
研究论文 | 本文开发了一种使用深度学习算法自动识别染色体并进行辐射剂量精确估计的方法，遵循泊松分布。 | 该研究通过使用多种人工神经网络（ANNs）实现了辐射剂量的全自动和精确估计，克服了传统方法的局限性。 | 在低于0.5 Gy的剂量水平下，由于数值问题，剂量估计的准确性受到阻碍。 | 开发一种高精度的辐射剂量估计方法，通过全自动检测双着丝粒染色体（DCs），严格遵循泊松分布。 | 辐射剂量估计 | 机器学习 | NA | 人工神经网络（ANNs） | 深度学习模型 | 图像 | 30名健康捐赠者的样本，覆盖7个剂量水平（0至4 Gy） | NA | NA | NA | NA |
| 1743 | 2024-08-07 |
Deep learning and minimally invasive inflammatory activity assessment: a proof-of-concept study for development and score correlation of a panendoscopy convolutional network
2024, Therapeutic advances in gastroenterology
IF:3.9Q1
DOI:10.1177/17562848241251569
PMID:38812708
|
研究论文 | 本研究旨在开发一种基于卷积神经网络的自动化评分系统，用于客观评估克罗恩病患者的炎症活动 | 本研究首次提出了一种基于人工智能的自动化评分系统，用于评估克罗恩病患者的炎症活动，并与现有的验证评分系统进行了强相关性分析 | 本研究为初步研究，样本量较小，需要进一步验证和优化 | 开发一种基于胶囊内镜图像的自动化评分系统，用于客观评估克罗恩病患者的炎症活动 | 克罗恩病患者的胶囊内镜视频 | 机器学习 | 克罗恩病 | 卷积神经网络 | CNN | 视频 | 61名克罗恩病患者 | NA | NA | NA | NA |
| 1744 | 2024-08-07 |
SPECT-MPI for Coronary Artery Disease: A Deep Learning Approach
2024, Acta medica Philippina
DOI:10.47895/amp.vi0.7582
PMID:38812768
|
研究论文 | 本文研究使用卷积神经网络（CNN）对单光子发射计算机断层扫描-心肌灌注成像（SPECT-MPI）进行分类，以检测冠状动脉疾病中的灌注异常 | 本文提出的CNN模型在分类性能上优于常用的预训练CNN架构，并能提供高精度的诊断结果 | NA | 应用深度学习方法在SPECT-MPI图像分类中，以提高诊断冠状动脉疾病的准确性 | SPECT-MPI图像和卷积神经网络模型 | 机器学习 | 心血管疾病 | 卷积神经网络（CNN） | CNN | 图像 | 192名接受应激测试-休息Tc99m MPI的患者 | NA | NA | NA | NA |
| 1745 | 2024-08-07 |
SVM-RLF-DNN: A DNN with reliefF and SVM for automatic identification of COVID from chest X-ray and CT images
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241257045
PMID:38812845
|
研究论文 | 本文提出了一种结合支持向量机（SVM）、改进的特征选择算法ReliefF和深度神经网络（DNN）的混合分类网络，用于从胸部X射线和CT图像中自动识别COVID-19。 | 该研究引入了ReliefF算法进行特征选择，使用Manhattan距离替代Euclidean距离，并通过SVM进行多类别分类，提高了模型的准确性和稳定性。 | NA | 开发一种先进的检测技术，用于从胸部X射线和CT扫描图像中识别COVID-19模式，结合深度学习和机器学习方法。 | 胸部X射线和CT扫描图像中的COVID-19、病毒性肺炎和健康病例。 | 计算机视觉 | COVID-19 | 深度神经网络（DNN） | CNN | 图像 | 使用了来自Kaggle和GitHub的公开胸部X射线和CT扫描图像数据库 | NA | NA | NA | NA |
| 1746 | 2024-08-07 |
Deep learning model for differentiating acute myeloid and lymphoblastic leukemia in peripheral blood cell images via myeloblast and lymphoblast classification
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241258079
PMID:38812848
|
research paper | 本文开发了一种深度学习模型，用于通过外周血细胞图像对急性髓系和淋巴母细胞白血病进行分类 | 使用EfficientNet-V1和EfficientNet-V2开发了一个集成模型，提高了分类准确性和F1分数 | NA | 开发一种能够通过外周血细胞图像分类急性髓系和淋巴母细胞白血病的人工智能模型 | 外周血细胞图像中的12种细胞类型，包括与急性白血病相关的病理细胞 | machine learning | 血液病 | NA | EfficientNet-V1, EfficientNet-V2 | image | 42,386张单细胞图像，来自282名患者（82名AML，40名ALL，160名幼稚粒细胞） | NA | NA | NA | NA |
| 1747 | 2024-08-07 |
Deep learning-based automated high-accuracy location and identification of fresh vertebral compression fractures from spinal radiographs: a multicenter cohort study
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1397003
PMID:38812917
|
研究论文 | 本研究开发了一种基于深度残差网络（DRN）的模型，用于自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折（VCFs） | 本研究首次使用深度残差网络模型自动检测和识别脊柱X光片中的新鲜椎体压缩性骨折，并提供了可解释的注意力图以支持预测结果 | 研究中未提及具体的局限性 | 开发一种自动诊断和识别脊柱X光片中新鲜椎体压缩性骨折的模型 | 脊柱X光片中的新鲜椎体压缩性骨折 | 机器学习 | NA | 深度残差网络（DRN） | 深度残差网络 | 图像 | 1,747名参与者 | NA | NA | NA | NA |
| 1748 | 2024-08-07 |
Deep learning model for individualized trajectory prediction of clinical outcomes in mild cognitive impairment
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1356745
PMID:38813529
|
研究论文 | 本研究开发了一种深度学习模型，用于预测轻度认知障碍患者未来认知下降和磁共振成像标记物随时间的变化。 | 本研究提出了一种新颖的深度学习架构，通过在循环神经网络中利用注意力机制，提高了预测性能。 | 未来的研究需要进一步验证和完善该预测模型，以改善临床决策。 | 开发一种预测轻度认知障碍患者未来认知下降和磁共振成像标记物变化的深度学习模型。 | 657名记忆障碍的轻度认知障碍患者。 | 机器学习 | 认知障碍 | 磁共振成像（MRI）、正电子发射断层扫描（PET） | 循环神经网络（RNN） | 图像 | 657名患者 | NA | NA | NA | NA |
| 1749 | 2024-08-07 |
Survey of Denoising, Segmentation and Classification of Pancreatic Cancer Imaging
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了胰腺癌影像的去噪、分割和分类的不同方法 | 在分割方面，基于图谱的区域增长方法表现优于现有技术；在分类方面，深度学习方法优于其他方法 | NA | 探讨计算机辅助诊断系统在胰腺癌检测中的应用 | 胰腺癌影像的去噪、分割和分类 | 计算机视觉 | 胰腺癌 | 计算机辅助诊断系统（CADs） | 深度学习 | 影像 | NA | NA | NA | NA | NA |
| 1750 | 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 | NA | NA | NA | NA |
| 1751 | 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 | NA | NA | NA | NA |
| 1752 | 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 | NA | NA | NA | NA |
| 1753 | 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 | NA | NA | NA | NA |
| 1754 | 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 | NA | NA | NA | NA |
| 1755 | 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 | NA | NA | NA | NA |
| 1756 | 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 | NA | NA | NA | NA |
| 1757 | 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 | NA | NA | NA | NA |
| 1758 | 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 | NA | NA | NA | NA |
| 1759 | 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 | NA | NA | NA | NA |
| 1760 | 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 | NA | NA | NA | NA |