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 12171 篇文献，本页显示第 3021 - 3040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3021 | 2024-11-24 |
Leveraging laryngograph data for robust voicing detection in speech
2024-Nov-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0034445
PMID:39565144
|
研究论文 | 本文提出了一种利用喉镜数据进行语音信号中浊音区间检测的监督模型 | 该模型基于CrossNet架构，通过预训练提高了泛化能力，并在未见数据集上表现出色 | NA | 提高语音信号中浊音区间检测的准确性和泛化能力 | 语音信号中的浊音区间 | 自然语言处理 | NA | 深度学习算法 | CrossNet | 喉镜数据 | 使用了多个喉镜数据集 |
| 3022 | 2024-11-24 |
Contributing to the prediction of prognosis for treated hepatocellular carcinoma: Imaging aspects that sculpt the future
2024-Oct-27, World journal of gastrointestinal surgery
IF:1.8Q2
DOI:10.4240/wjgs.v16.i10.3377
PMID:39575286
|
研究论文 | 本文介绍了一种新的列线图模型，用于预测接受射频消融和经动脉化疗栓塞治疗的肝细胞癌（HCC）的预后，并强调了影像学方面，特别是磁共振成像（MRI）和放射组学，在提高预测准确性中的作用 | 本文提出了将多参数MRI和深度学习放射组学模型与临床因素结合，以提高HCC治疗预后预测的准确性 | NA | 提高肝细胞癌治疗预后的预测准确性 | 接受射频消融和经动脉化疗栓塞治疗的肝细胞癌患者 | 数字病理学 | 肝癌 | 磁共振成像（MRI） | 深度学习模型 | 影像数据 | NA |
| 3023 | 2024-11-24 |
Facial recognition for disease diagnosis using a deep learning convolutional neural network: a systematic review and meta-analysis
2024-Oct-18, Postgraduate medical journal
IF:3.6Q1
DOI:10.1093/postmj/qgae061
PMID:39102373
|
meta-analysis | 本文系统综述和元分析了基于深度学习卷积神经网络的面部识别技术在罕见畸形疾病和面瘫等疾病诊断中的应用 | 本文通过系统综述和元分析，评估了深度学习在面部识别疾病诊断中的准确性和适用性 | 本文仅分析了过去十年内的22篇文献，样本量和疾病种类可能存在局限性 | 评估基于深度学习网络的面部识别技术在疾病诊断中的有效性和适用性 | 罕见畸形疾病和面瘫等疾病的诊断 | 计算机视觉 | NA | 深度学习卷积神经网络 | CNN | 图像 | 57,539例样本，其中43,301例为疾病样本 |
| 3024 | 2024-11-24 |
AnNoBrainer, An Automated Annotation of Mouse Brain Images using Deep Learning
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09679-1
PMID:39107460
|
研究论文 | 开发了一种名为AnNoBrainer的开源软件工具，利用深度学习、图像配准和标准皮质脑模板来自动标注小鼠脑部图像中的各个脑区 | AnNoBrainer通过自动化标注显著减少了标注时间和提高了标注的准确性和可重复性 | NA | 解决神经科学数字病理学中手动标注脑部图像的效率问题 | 小鼠脑部图像的自动标注 | 数字病理学 | NA | 深度学习 | NA | 图像 | 来自转基因小鼠模型的病理切片 |
| 3025 | 2024-11-24 |
A Deep Learning-based Pipeline for Segmenting the Cerebral Cortex Laminar Structure in Histology Images
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09688-0
PMID:39417954
|
研究论文 | 本文提出了一种基于深度学习的计算框架，用于分割组织学图像中的大脑皮层分层结构 | 本文提出了一种新的计算框架，首先使用基于人工智能的工具获取皮层标签，然后使用训练好的深度学习模型分割大脑皮层层 | NA | 理解大脑的信息处理特性，并提供对神经疾病本质的洞察 | 大脑皮层的解剖结构和皮层区域之间的连接 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 使用了Nissl染色和髓鞘染色的普通狨猴（Callithrix jacchus）大脑切片图像 |
| 3026 | 2024-11-24 |
Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09694-2
PMID:39503843
|
研究论文 | 本研究比较了七种基于归因的显著性方法，以增强深度神经网络在估计生物脑龄时的解剖学解释性 | 本研究首次系统比较了多种显著性方法在典型衰老和创伤性脑损伤情况下的表现，并评估了它们在捕捉已知脑老化解剖特征方面的能力 | 研究仅限于磁共振成像数据，且样本主要为成年人群，可能限制了结果的普适性 | 探讨不同显著性方法在深度神经网络估计生物脑龄时的解剖学解释性 | 典型衰老和轻度创伤性脑损伤成年人的脑部磁共振成像数据 | 计算机视觉 | 创伤性脑损伤 | 磁共振成像 | 深度神经网络 | 图像 | 13,394名认知正常成年人和214名轻度创伤性脑损伤成年人 |
| 3027 | 2024-11-24 |
Impact of artificial intelligence assisted compressed sensing technique on scan time and image quality in musculoskeletal MRI - A systematic review
2024-Oct, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.08.012
PMID:39217002
|
综述 | 本文综述了人工智能辅助压缩感知技术在肌肉骨骼MRI中的应用，探讨了其对扫描时间和图像质量的影响 | 人工智能辅助压缩感知技术显著减少了扫描时间并提高了图像质量，特别是在2D和3D序列中 | 高加速因子目前会导致图像评分降低，尽管人工智能辅助压缩感知技术的进步有望解决这一限制 | 研究人工智能辅助压缩感知技术和加速因子对肌肉骨骼MRI扫描时间和图像质量的影响 | 肌肉骨骼MRI中的扫描时间和图像质量 | 计算机视觉 | NA | 人工智能辅助压缩感知技术 | NA | 图像 | 730名参与者 |
| 3028 | 2024-11-24 |
RiceSNP-BST: a deep learning framework for predicting biotic stress-associated SNPs in rice
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae599
PMID:39562160
|
研究论文 | 本文介绍了一种名为RiceSNP-BST的深度学习框架，用于预测水稻中与生物胁迫相关的单核苷酸多态性（SNPs） | 该框架通过整合多维特征，成功创新了数据集，提供了比现有最先进方法更高的精度，并在独立测试集和跨物种数据集上表现良好 | NA | 开发一种能够准确和快速识别水稻基因组中与生物胁迫相关的SNPs的深度学习框架 | 水稻基因组中与生物胁迫相关的SNPs | 机器学习 | NA | 深度学习 | 卷积神经网络 | DNA序列 | NA |
| 3029 | 2024-11-24 |
Unsupervised representation learning on high-dimensional clinical data improves genomic discovery and prediction
2024-Aug, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-024-01831-6
PMID:38977853
|
研究论文 | 本文介绍了一种无监督深度学习模型REGLE，用于在高通量临床数据中发现基因变异与临床数据之间的关联 | REGLE利用变分自编码器计算非线性解耦嵌入，能够发现现有专家定义特征未捕捉到的特征，并在数据标签较少的情况下创建准确的疾病特异性多基因风险评分 | NA | 提高基因发现和疾病预测的准确性 | 高通量临床数据与基因变异之间的关联 | 机器学习 | NA | 变分自编码器 | 变分自编码器 | 临床数据 | NA |
| 3030 | 2024-11-24 |
Toward confident prostate cancer detection using ultrasound: a multi-center study
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03119-w
PMID:38704793
|
研究论文 | 本文研究了基于深度学习的微超声图像分析方法，用于前列腺癌的检测 | 本文提出了使用多中心数据集训练卷积神经网络模型，并采用多种最先进的置信度估计方法来提高模型对分布外输入的鲁棒性 | NA | 开发能够自信地检测前列腺癌病变的深度学习模型 | 前列腺癌的检测 | 计算机视觉 | 前列腺癌 | 微超声 | 卷积神经网络 | 图像 | 693名患者 |
| 3031 | 2024-11-24 |
Pose-based tremor type and level analysis for Parkinson's disease from video
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-023-03052-4
PMID:38238490
|
研究论文 | 提出了一种基于深度学习的帕金森病震颤分类和严重程度估计系统，利用消费级视频进行分析 | 引入了一种新的注意力模块，采用轻量级的金字塔通道压缩融合架构，有效提取相关震颤信息并过滤噪声 | 仅在震颤分类和严重程度估计任务上进行了验证，未涵盖其他帕金森病症状 | 开发一种自动、有效且可解释的支持系统，用于帕金森病症状识别，辅助临床医生做出更准确的诊断决策 | 帕金森病的震颤症状 | 计算机视觉 | 帕金森病 | 深度学习 | 注意力模块 | 视频 | 未明确提及具体样本数量 |
| 3032 | 2024-11-24 |
Cross-sectional angle prediction of lipid-rich and calcified tissue on computed tomography angiography images
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03086-2
PMID:38478204
|
研究论文 | 研究使用深度学习方法在CTA图像上更准确地检测脂质丰富和钙化斑块 | 提出了两种深度学习方法（2.5D Dense U-Net和2.5D Mask-RCNN），分别在笛卡尔和极坐标域中进行横截面斑块检测，显著提高了脂质丰富斑块检测的准确性 | 钙化斑块的检测效果与传统方法相当，没有显著提升 | 研究如何使用深度学习方法在CTA图像上更准确地检测脂质丰富和钙化斑块，以评估心血管风险 | 脂质丰富和钙化斑块 | 计算机视觉 | 心血管疾病 | 深度学习 | Dense U-Net, Mask-RCNN | 图像 | 91个病变 |
| 3033 | 2024-11-24 |
Subtracting-adding strategy for necrotic lesion segmentation in osteonecrosis of the femoral head
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03073-7
PMID:38430380
|
研究论文 | 本文提出了一种名为“减加”策略的预处理方法，用于提高股骨头坏死病变分割的深度学习模型性能 | 引入了一种名为“减加”策略的预处理方法，通过去除无关信息和添加解剖结构信息来增强深度神经网络的输入 | NA | 提高股骨头坏死病变分割的深度学习模型性能 | 股骨头坏死病变 | 计算机视觉 | 骨科疾病 | 深度学习 | CNN | 图像 | NA |
| 3034 | 2024-11-24 |
Automatic hip osteoarthritis grading with uncertainty estimation from computed tomography using digitally-reconstructed radiographs
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03087-1
PMID:38472690
|
研究论文 | 本文开发了一种基于CT图像的数字化重建放射影像自动评估髋关节骨关节炎严重程度的方法 | 提出了结合Crowe和Kellgren-Lawrence分级的新序数标签，用于表示髋关节骨关节炎的进展 | 模型在分类和回归设置中的准确性仍有提升空间 | 开发一种自动评估髋关节骨关节炎严重程度的方法 | 髋关节骨关节炎的严重程度分级 | 计算机视觉 | 骨关节炎 | 深度学习 | 深度学习模型 | 图像 | 训练集包含197名髋关节骨关节炎患者，外部验证集包含52名患者 |
| 3035 | 2024-11-24 |
PELE scores: pelvic X-ray landmark detection with pelvis extraction and enhancement
2024-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03089-z
PMID:38491244
|
研究论文 | 本文提出了一种基于骨盆提取和增强的骨盆X射线地标检测方法 | 本文创新性地处理了X射线图像的重叠问题，通过引入骨盆提取模块，利用CT中的3D解剖学知识来指导和分离骨盆，从而消除软组织对地标检测的影响 | NA | 提高骨盆X射线地标检测的准确性 | 骨盆X射线图像中的地标检测 | 计算机视觉 | NA | 深度学习 | 深度网络结构 | 图像 | 总计850张骨盆X射线图像 |
| 3036 | 2024-11-24 |
VINNA for neonates: Orientation independence through latent augmentations
2024-May-01, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/imag_a_00180
PMID:39575178
|
研究论文 | 本文介绍了一种名为VINNA的新方法，用于新生儿脑部MRI图像的分割，通过在网络架构中引入四自由度变换模块，实现了分辨率无关的内部增强 | 本文的创新点在于引入了四自由度变换模块，使得网络能够在内部进行增强，而不需要图像或标签插值，从而提高了分割的准确性和鲁棒性 | NA | 开发一种鲁棒、快速且准确的新生儿脑部MRI图像分割方法，以更好地理解和检测发育和疾病过程中的变化 | 新生儿脑部MRI图像 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA |
| 3037 | 2024-11-24 |
Geometric deep learning for diffusion MRI signal reconstruction with continuous samplings (DISCUS)
2024-Apr-01, Imaging neuroscience (Cambridge, Mass.)
DOI:10.1162/imag_a_00121
PMID:39575177
|
研究论文 | 本文提出了一种几何深度学习方法，用于扩散MRI信号重建，适用于任意扩散采样方案 | 本文首次提出了一种几何深度学习方法，能够处理任意扩散编码的dMRI信号重建，结合了学习方法的准确性和模型方法的灵活性 | NA | 解决dMRI信号重建中的采样限制和数据集合并困难问题 | 扩散加权磁共振成像（dMRI）信号 | 计算机视觉 | NA | 扩散加权磁共振成像（dMRI） | 几何深度学习 | 图像 | 涉及单壳、多壳和基于网格的扩散MRI数据集 |
| 3038 | 2024-11-24 |
FABEL: Forecasting Animal Behavioral Events with Deep Learning-Based Computer Vision
2024-Mar-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.15.584610
PMID:38559273
|
研究论文 | 本文介绍了一种基于深度学习的计算机视觉方法FABEL，用于预测动物未来的行为和运动轨迹 | FABEL模型仅使用行为视频作为输入，可以适应任何行为任务，并且不需要特定的生理读数 | NA | 研究旨在通过预测动物行为和运动轨迹，为神经行为干预提供基础 | 动物行为和运动轨迹 | 计算机视觉 | NA | 深度学习 | LSTM和Temporal Fusion Transformer | 视频 | NA |
| 3039 | 2024-11-24 |
Boosted Harris Hawks Shuffled Shepherd Optimization Augmented Deep Learning based motor imagery classification for brain computer interface
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313261
PMID:39570847
|
研究论文 | 本文提出了一种基于增强的Harris Hawks Shuffled Shepherd优化和深度学习的运动想象分类方法，用于脑机接口 | 本文创新性地结合了Harris Hawks Shuffled Shepherd优化算法和深度学习技术，用于运动想象分类，显著提高了分类准确率 | NA | 提高脑机接口中运动想象分类的准确性，增强与外部设备的通信和控制能力 | 运动想象分类在脑机接口中的应用 | 机器学习 | NA | 深度学习 | 卷积自动编码器 (CAE) | 脑电图 (EEG) | BCIC-III和BCIC-IV数据集 |
| 3040 | 2024-11-24 |
FDCN-C: A deep learning model based on frequency enhancement, deformable convolution network, and crop module for electroencephalography motor imagery classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309706
PMID:39570849
|
研究论文 | 提出了一种基于频率增强、可变形卷积网络和裁剪模块的深度学习模型FDCN-C，用于脑电图运动想象分类 | 创新设计了频率增强模块，利用连续时间尺度的卷积核提取不同频段的特征，并通过注意力机制筛选并整合到原始脑电数据中；采用可变形卷积网络增强时间特征提取能力，利用偏移参数调节卷积核大小；设计了一维卷积层整合所有通道信息；使用扩张卷积形成裁剪分类模块，多次计算脑电数据的多样化感受野 | 未提及 | 提高脑电图运动想象分类的准确性 | 脑电图运动想象分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 脑电图 | 使用了两个公开数据集进行验证 |