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 12074 篇文献，本页显示第 2121 - 2140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2121 | 2025-01-31 |
The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272657
PMID:39493635
|
综述 | 本文对可解释人工智能（XAI）在电子健康记录（EHR）研究中的应用进行了范围审查 | 首次全面评估了XAI方法在ML/DL模型中使用EHR数据的有效性，并识别了XAI方法在应用中的广泛差异和缺乏关键评估的问题 | XAI方法的应用缺乏关键评估，报告方法不足，且对有效性和稳健性的评估不足 | 评估XAI方法在ML/DL模型中使用EHR数据的应用效果 | 电子健康记录（EHR）数据 | 机器学习 | NA | NA | Extreme Gradient Boosting, Random Forest, SHAP, PDPs, LIME | 表格数据 | 76篇出版物 |
| 2122 | 2025-01-31 |
A scoping review of magnetic resonance angiography and perfusion image synthesis
2024, Frontiers in dementia
DOI:10.3389/frdem.2024.1408782
PMID:39588202
|
综述 | 本文探讨了人工智能在从现有神经解剖和神经血管采集数据中生成合成TOF-MRA和灌注相关图像的应用，以研究脑血管系统 | 利用深度学习技术从现有对比度生成合成医学图像，特别是TOF-MRA和灌注MRI图像，为脑血管研究提供新的视角 | 需要进一步研究以评估这些合成图像的敏感性和特异性，并确保其在不同人群中的适用性 | 研究人工智能在生成合成TOF-MRA和灌注相关图像中的应用，以增强脑血管研究 | 脑血管系统及其与阿尔茨海默病等疾病的关联 | 医学影像 | 阿尔茨海默病 | 深度学习 | NA | 医学影像 | 729项研究中的13项符合标准 |
| 2123 | 2025-01-31 |
Past, present, and future of electrical impedance tomography and myography for medical applications: a scoping review
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1486789
PMID:39726983
|
综述 | 本文综述了两种新兴的电阻抗技术：电阻抗肌电图（EIM）和电阻抗断层扫描（EIT），并探讨了它们在医学应用中的过去、现在和未来 | 总结了EIM和EIT技术的最新进展，特别是数字采集、处理算法和重建工具的应用，以及机器学习和深度学习在诊断、治疗计划和监测中的作用 | 未具体提及研究的局限性 | 探讨电阻抗技术在医学应用中的发展、算法、工具和数据集，为研究人员和临床医生提供有效使用和创新研究的信息 | 电阻抗肌电图（EIM）和电阻抗断层扫描（EIT）技术 | 医学成像 | 癌症、肺部疾病、神经肌肉疾病 | 电阻抗技术、电压控制电流源（VCCS） | NA | 电阻抗数据 | NA |
| 2124 | 2025-01-31 |
Recent advances in deep learning and language models for studying the microbiome
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1494474
PMID:39840283
|
综述 | 本文综述了深度学习和语言模型在微生物组和宏基因组数据分析中的应用 | 探讨了将大型语言模型（LLMs）应用于微生物蛋白质和基因组序列分析的新方法，以及这些方法在微生物生态学研究中的贡献 | NA | 研究深度学习和语言模型在微生物组和宏基因组数据分析中的应用 | 微生物蛋白质和基因组序列 | 自然语言处理 | NA | 大型语言模型（LLMs） | LLMs | 蛋白质和基因组序列 | NA |
| 2125 | 2025-01-31 |
LWheatNet: a lightweight convolutional neural network with mixed attention mechanism for wheat seed classification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1509656
PMID:39866319
|
研究论文 | 本文提出了一种轻量级的卷积神经网络LWheatNet，用于小麦种子分类，结合了混合注意力机制和堆叠的倒置残差卷积网络 | 提出了混合注意力机制，结合了通道注意力和空间注意力，并设计了堆叠的倒置残差网络，使用深度可分离卷积、通道混洗和通道分割技术来减少模型参数和计算量 | 未提及具体局限性 | 提高小麦种子分类的准确性和实时性 | 小麦种子图像 | 计算机视觉 | NA | 深度可分离卷积、通道混洗、通道分割 | CNN | 图像 | 未提及具体样本数量 |
| 2126 | 2025-01-28 |
Editorial: Deep learning for high-dimensional sense, non-linear signal processing and intelligent diagnosis
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1538534
PMID:39866684
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2127 | 2025-01-31 |
Who is WithMe? EEG features for attention in a visual task, with auditory and rhythmic support
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1434444
PMID:39867449
|
研究论文 | 本研究探讨了与注意力最密切相关的EEG数据表示或特征，并评估了它们在处理跨被试变异性方面的能力 | 研究了单通道EEG时间序列的特征，包括时域特征和递归图，以及从多变量时间序列中直接获得的表示，如全局场功率或功能性脑网络，并探索了对不同类型噪声具有鲁棒性的持久同调特征 | 研究结果仅限于WithMe实验范式，需要进一步研究不同任务以提供更全面的理解 | 研究哪些EEG数据表示或特征与注意力最密切相关，并评估它们在处理跨被试变异性方面的能力 | EEG数据 | 脑机接口 | NA | EEG | 支持向量机(SVM), 深度学习架构 | 时间序列数据 | NA |
| 2128 | 2025-01-31 |
A stacking ensemble system for identifying the presence of histological variants in bladder carcinoma: a multicenter study
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1469427
PMID:39868365
|
研究论文 | 本研究旨在构建一个堆叠集成系统，用于简单、高效且非侵入性地识别膀胱癌的组织学变异 | 使用Swin UNETR算法构建交互式深度学习膀胱癌图像分割框架，并结合放射组学特征和深度学习特征构建堆叠集成系统 | 样本量相对较小，且仅基于CT图像进行分析，未涉及其他影像学或分子生物学数据 | 开发一种非侵入性方法，用于早期识别膀胱癌的组织学变异 | 膀胱癌患者 | 数字病理学 | 膀胱癌 | CT成像、放射组学分析、深度学习 | Swin UNETR、堆叠集成模型 | CT图像 | 训练集410名患者，测试集60名患者 |
| 2129 | 2025-01-31 |
Deep learning-enabled exploration of global spectral features for photosynthetic capacity estimation
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1499875
PMID:39872203
|
研究论文 | 本研究提出了一种基于深度学习的模型，通过增强的可解释性和全局光谱特征挖掘来准确估计光合能力 | 提出了一种基于注意力和植被指数计算的深度学习模型，用于全局光谱特征挖掘，提高了模型的可解释性和准确性 | 未明确提及具体局限性 | 准确估计光合能力 | 植被的光谱特征 | 机器学习 | NA | 深度学习 | 基于注意力的深度学习模型 | 光谱数据 | NA |
| 2130 | 2025-01-30 |
Generalizable deep learning approach for 3D particle imaging using holographic microscopy (HM)
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.535207
PMID:39876127
|
研究论文 | 本文介绍了一种基于深度学习的通用方法，用于全息显微镜下的3D粒子成像 | 利用人类对粒子衍射图案纵向变化的感知，提出了一种高度通用的深度学习架构，显著提高了处理速度 | 训练数据仅包含少量合成和真实全息图，可能限制了模型在更广泛场景下的表现 | 开发一种通用的3D粒子成像方法，以克服全息显微镜在多样化设置下的局限性 | 3D粒子 | 计算机视觉 | NA | 全息显微镜 | 深度学习 | 图像 | 少量合成和真实全息图 |
| 2131 | 2025-01-30 |
Qualitative identification of passive Fourier transform infrared spectra via an attention mechanism based deep learning approach
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.543450
PMID:39876146
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2132 | 2025-01-30 |
Mobile-friendly under-sampling single-pixel imaging based on a lightweight hybrid CNN-ViT architecture
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.546375
PMID:39876166
|
研究论文 | 本文提出了一种基于轻量级CNN-ViT混合架构的移动友好型欠采样单像素成像方法 | 提出了移动ViT块以降低传统ViT的计算成本，并结合CNN设计了一种新颖的轻量级CNN-ViT混合模型，用于高效准确的单像素成像重建 | NA | 解决现有基于ViT架构的模型在移动单像素成像应用中的计算负载和参数数量问题 | 单像素成像（SPI） | 计算机视觉 | NA | 深度学习单像素成像（DLSPI） | CNN-ViT混合模型 | 图像 | NA |
| 2133 | 2025-01-30 |
Three-stage training strategy phase unwrapping method for high speckle noises
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.544968
PMID:39876182
|
研究论文 | 本文提出了一种三阶段多任务相位展开方法，用于高噪声条件下的相位展开 | 提出了一种三阶段训练策略，包括包裹相位去噪、包裹计数预测和展开相位误差补偿，并引入了基于卷积的多尺度空间注意力模块 | 方法在模拟数据上进行了测试，但未提及在实际数据上的应用效果 | 提高高噪声条件下的相位展开精度 | 相位展开问题 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 模拟数据 | NA |
| 2134 | 2025-01-30 |
OAM-basis underwater single-pixel imaging based on deep learning at a low sampling rate
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.543358
PMID:39876191
|
研究论文 | 本文介绍了一种基于轨道角动量（OAM）基的深度学习水下单像素成像方法，旨在解决低采样率和高浊度环境下的成像挑战 | 结合OAM基采样方案和改进的重建网络，显著提高了重建质量并增强了泛化能力，在3.125%的采样率和128 NTU浊度条件下仍能有效恢复水下目标图像 | NA | 解决水下环境中低采样率和高浊度带来的成像挑战 | 水下目标图像 | 计算机视觉 | NA | 深度学习 | DARU-GAN（双注意力残差U-Net生成对抗网络） | 图像 | NA |
| 2135 | 2025-01-30 |
A deep learning model for carotid plaques detection based on CTA images: a two stepwise early-stage clinical validation study
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1480792
PMID:39871993
|
研究论文 | 本研究开发了一种基于CTA图像的深度学习模型，用于颈动脉斑块检测，并评估了该模型在临床应用中的可行性和价值 | 结合ResUNet与Pyramid Scene Parsing Network (PSPNet)增强斑块分割，并通过两步早期临床验证研究模拟真实临床斑块诊断场景 | 研究为回顾性设计，可能影响结果的普遍性 | 开发并验证一种基于CTA图像的深度学习模型，用于颈动脉斑块的检测 | 颈动脉粥样硬化斑块患者 | 计算机视觉 | 心血管疾病 | CTA成像 | ResUNet与PSPNet结合 | 图像 | 647名患者（475名训练，86名验证，86名测试） |
| 2136 | 2025-01-28 |
Artificial Intelligence in Fetal and Pediatric Echocardiography
2024-Dec-25, Children (Basel, Switzerland)
DOI:10.3390/children12010014
PMID:39857845
|
综述 | 本文综述了人工智能在胎儿和儿科超声心动图中的应用、挑战和未来方向 | 探讨了人工智能在自动化图像采集、图像分割、先天性心脏病检测和测量方面的潜力 | 数据集数量少、算法透明度、医生对AI的接受度以及可访问性等问题仍需解决 | 研究人工智能在胎儿和儿科超声心动图中的应用 | 胎儿和儿科患者 | 医学影像 | 先天性心脏病 | 机器学习和深度学习 | NA | 图像 | NA |
| 2137 | 2025-01-29 |
A simple 2D multibody model to better quantify the movement quality of anterior cruciate ligament patients during single leg hop
2024-Dec, Acta orthopaedica Belgica
IF:0.5Q4
DOI:10.52628/90.4.12600
PMID:39869863
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2138 | 2024-11-21 |
Machine learning models of cerebral oxygenation (rcSO2) for brain injury detection in neonates with hypoxic-ischaemic encephalopathy
2024-Nov, The Journal of physiology
DOI:10.1113/JP287001
PMID:39425751
|
研究论文 | 本研究旨在测试区域脑氧饱和度（rcSO2）在检测患有缺氧缺血性脑病（HIE）的新生儿脑损伤中的潜在应用 | 本研究首次将机器学习和深度学习模型应用于rcSO2信号分析，以预测短期脑损伤，并展示了其在临床决策中的潜力 | 研究样本量较小，且仅限于足月婴儿，未来需要在大样本和不同年龄段婴儿中进一步验证 | 评估机器学习和深度学习模型在检测患有HIE的新生儿脑损伤中的应用 | 患有缺氧缺血性脑病（HIE）的足月新生儿 | 机器学习 | 新生儿疾病 | 近红外光谱（NIRS） | 机器学习模型和深度学习模型 | 信号 | 58名足月婴儿 |
| 2139 | 2025-01-29 |
Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group
2024-Sep-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb-02474-2024-02
PMID:39869478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2140 | 2024-08-05 |
Estimating helmet wearing rates via a scalable, low-cost algorithm: a novel integration of deep learning and google street view
2024-06-20, BMC public health
IF:3.5Q1
DOI:10.1186/s12889-024-19118-0
PMID:38902622
|
研究论文 | 本文提出了一种可扩展的低成本算法，通过深度学习和谷歌街景图像估计头盔佩戴率 | 结合深度学习对象检测技术和谷歌街景图像的新方法，提供全球范围内的头盔佩戴率估算 | 研究样本仅限于3995张图像，可能影响算法的普遍适用性 | 旨在通过大规模数据收集评估摩托车头盔佩戴情况并促进相关政策制定 | 使用来自谷歌街景的数据分析摩托车驾驶员和乘客的头盔佩戴情况 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 3995张图像 |