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 11744 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-12-20 |
DenseIncepS115: a novel network-level fusion framework for Alzheimer's disease prediction using MRI images
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1501742
PMID:39697232
|
研究论文 | 提出了一种名为DenseIncepS115的新型深度学习架构，用于通过MRI图像预测阿尔茨海默病 | 该架构结合了Inception模块和Dense模块的自注意力机制，并通过深度连接层在网络级别进行融合，使用贝叶斯优化初始化超参数，并采用Catch Fish优化算法进行特征优化 | NA | 开发一种新的深度学习架构，用于早期预测阿尔茨海默病 | 通过MRI图像预测阿尔茨海默病 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | DenseIncepS115 | 图像 | 使用了两个公开数据集：阿尔茨海默病ADNI和阿尔茨海默病MRI分类数据集 |
| 362 | 2024-12-20 |
Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.12.19
PMID:39697885
|
综述 | 本文通过文献计量分析方法，探讨了全球眼科光学相干断层扫描（OCT）成像中人工智能（AI）应用的现状和研究前沿 | 本文首次通过文献计量分析方法，全面评估了过去12年AI在眼科OCT中的应用，并指出了从传统机器学习到深度学习的转变趋势 | 本文主要依赖于文献计量分析，未涉及具体的技术细节或实验验证 | 探讨全球眼科OCT成像中AI应用的现状和研究前沿 | 全球范围内发表的关于AI在眼科OCT中应用的文献 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 深度学习（DL） | 图像 | 877篇文章，来自65个国家，其中261篇来自美国，252篇来自中国 |
| 363 | 2024-12-20 |
AAUConvNeXt: Enhancing Crop Lodging Segmentation with Optimized Deep Learning Architectures
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0182
PMID:39698322
|
研究论文 | 本研究提出了一种创新的卷积神经网络架构AAUConvNeXt，通过集成智能优化算法来自动选择最优网络参数，从而提高作物倒伏分割的准确性和效率 | 本研究的创新点在于引入了一种新的卷积神经网络架构AAUConvNeXt，并结合智能优化算法来优化网络参数，显著提高了作物倒伏分割的精度和效率 | NA | 本研究的目的是通过优化深度学习架构来提高作物倒伏分割的准确性和效率 | 本研究的研究对象是作物倒伏现象，特别是水稻倒伏 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA |
| 364 | 2024-12-20 |
Elevating Patient Care With Deep Learning: High-Resolution Cervical Auscultation Signals for Swallowing Kinematic Analysis in Nasogastric Tube Patients
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3497895
PMID:39698476
|
研究论文 | 本研究探讨了高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 本研究首次将高分辨率颈听诊信号应用于鼻胃管患者的吞咽功能评估，并展示了先前开发的算法的通用性 | 研究样本量较小，且仅限于鼻胃管患者 | 研究高分辨率颈听诊信号在鼻胃管患者吞咽功能评估中的应用 | 鼻胃管患者的吞咽功能 | 机器学习 | NA | 高分辨率颈听诊 | 卷积循环神经网络、混合模型、堆叠循环神经网络 | 信号 | NA |
| 365 | 2024-12-20 |
The protective role of gamma zone peripapillary atrophy in diabetic retinopathy: insights from deep learning and SS-OCT angiography
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1501625
PMID:39698494
|
研究论文 | 本研究探讨了周边视盘萎缩（PPA）与糖尿病视网膜病变（DR）之间的关系，并利用深度学习和扫频源光学相干断层扫描（SS-OCT）血管造影揭示潜在机制 | 首次揭示了伽马区周边视盘萎缩与糖尿病视网膜病变风险降低之间的关联，并提出了伽马区可能反映与进行性近视相关的后眼组织变薄和微血管减少，从而增强对DR的结构抵抗力的假设 | 本研究为横断面研究，无法确定因果关系，且样本主要为2型糖尿病患者，结果的普适性有待进一步验证 | 探讨周边视盘萎缩与糖尿病视网膜病变之间的关系及其潜在机制 | 2型糖尿病患者的周边视盘萎缩与糖尿病视网膜病变 | 数字病理学 | 糖尿病视网膜病变 | 扫频源光学相干断层扫描（SS-OCT）血管造影 | 深度学习 | 图像 | 845名2型糖尿病患者 |
| 366 | 2024-12-20 |
Enhanced MRI-based brain tumor segmentation and feature extraction using Berkeley wavelet transform and ETCCNN
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241305282
PMID:39698507
|
研究论文 | 本文提出了一种基于Berkeley小波变换和ETCCNN的增强型MRI脑肿瘤分割和特征提取方法 | 使用Berkeley小波变换进行图像分割，并结合双通道卷积神经网络进行特征提取，采用增强型Serval优化算法确定最优增益参数 | 未提及具体限制 | 提高脑肿瘤检测的准确性 | 脑肿瘤的分类和检测 | 计算机视觉 | 脑肿瘤 | MRI | 双通道卷积神经网络 | 图像 | 未提及具体样本数量 |
| 367 | 2024-12-19 |
The use of ChatGPT in the dermatological field: a narrative review
2024-Dec-18, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llae546
PMID:39690824
|
综述 | 本文探讨了ChatGPT在皮肤病学领域的应用及其对皮肤健康管理的重塑 | ChatGPT作为一种先进的语言模型，扩展了其在医疗和皮肤病学领域的应用，展示了其与皮肤病学的协同关系 | 本文主要为综述性质，缺乏具体的实验数据和深入的实证研究 | 探讨ChatGPT在皮肤病学中的应用及其对皮肤健康管理的影响 | ChatGPT在皮肤病学中的应用及其效率、准确性以及相关的伦理和法律问题 | NA | NA | NA | ChatGPT | NA | NA |
| 368 | 2024-12-19 |
Protein Binding Site Representation in Latent Space
2024-Dec-18, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202400205
PMID:39692081
|
研究论文 | 本文研究了用于蛋白质-配体复合物亲和力预测的图神经网络，并评估了配体结合位点的潜在表示及其与蛋白质功能的关系 | 引入了自动化计算流程，用于降维、聚类、假设检验和潜在空间的可视化，并发现学习的蛋白质潜在空间具有内在结构 | 未提及具体限制 | 理解深度学习模型在计算机辅助药物发现中的特征感知 | 蛋白质-配体复合物的亲和力预测及配体结合位点的潜在表示 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质-配体复合物数据 | 未提及具体样本数量 |
| 369 | 2024-12-19 |
Deep learning detected histological differences between invasive and non-invasive areas of early esophageal cancer
2024-Dec-18, Cancer science
IF:4.5Q1
DOI:10.1111/cas.16426
PMID:39692707
|
研究论文 | 本研究利用人工智能模型探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异 | 开发了一种基于聚类约束注意力多实例学习模型（CLAM）的人工智能模型，用于预测癌症深度并识别侵袭区域的形态学特征 | 样本量较小，仅分析了75名患者的食管鳞状细胞癌数据 | 探索早期食管癌侵袭区域与非侵袭区域之间的形态学差异，揭示侵袭机制 | 早期食管癌的侵袭区域与非侵袭区域 | 数字病理学 | 食管癌 | 人工智能（AI） | 聚类约束注意力多实例学习模型（CLAM） | 图像 | 75名食管鳞状细胞癌患者 |
| 370 | 2024-12-19 |
Feasibility/clinical utility of half-Fourier single-shot turbo spin echo imaging combined with deep learning reconstruction in gynecologic magnetic resonance imaging
2024-Dec-18, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04739-1
PMID:39692759
|
研究论文 | 本研究探讨了在妇科磁共振成像中，结合深度学习重建的半傅里叶单次激发涡轮自旋回波成像（iHASTE）与传统序列的临床应用效果 | 本研究首次将深度学习重建与半傅里叶单次激发涡轮自旋回波成像（iHASTE）结合，用于妇科磁共振成像，并评估其与传统序列的对比效果 | 本研究为回顾性研究，样本量较小，且仅在有和无抗痉挛剂的情况下进行比较，未涵盖其他可能的临床情况 | 探讨iHASTE在妇科磁共振成像中的临床应用价值及其与传统序列的对比效果 | 妇科磁共振成像中的图像质量、抗伪影能力、组织对比度及子宫病变边缘 | 医学影像 | 妇科疾病 | 半傅里叶单次激发涡轮自旋回波成像（HASTE），深度学习重建 | 深度学习模型 | 图像 | 79名未使用抗痉挛剂的患者和79名使用抗痉挛剂的匹配患者 |
| 371 | 2024-12-19 |
Deep learning-based cytoskeleton segmentation for accurate high-throughput measurement of cytoskeleton density
2024-Dec-18, Protoplasma
IF:2.5Q2
DOI:10.1007/s00709-024-02019-9
PMID:39692866
|
研究论文 | 本文研究了一种基于深度学习的细胞骨架分割方法，用于准确量化植物细胞中细胞骨架的密度 | 本文提出了一种基于深度学习的细胞骨架分割方法，显著提高了细胞骨架密度测量的准确性 | NA | 开发一种能够准确量化细胞骨架组织的高通量测量方法 | 烟草BY-2细胞的皮层微管、拟南芥保卫细胞和合子 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 烟草BY-2细胞、拟南芥保卫细胞和合子 |
| 372 | 2024-12-19 |
Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00244-9
PMID:39692946
|
研究论文 | 本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性 | 首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估 | 需要进一步评估Grad-CAM的临床实用性 | 比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力 | 脑龄预测方法的性能、可解释性和临床实用性 | 计算机视觉 | NA | MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP） | 3D卷积神经网络（CNN）、DenseNet-121 | 图像 | 多站点神经影像数据集 |
| 373 | 2024-12-19 |
High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00246-7
PMID:39692944
|
研究论文 | 本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率 | 本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果 | NA | 提高高吞吐量显微光学成像数据的处理效率 | 小鼠脑部的高吞吐量显微光学成像数据 | 计算机视觉 | NA | 深度学习 | 深度差分引导滤波分割网络（DDGF-SegNet） | 图像 | NA |
| 374 | 2024-12-19 |
Research trends on AI in breast cancer diagnosis, and treatment over two decades
2024-Dec-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-024-01671-0
PMID:39692996
|
综述 | 本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展 | 本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战 | 研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决 | 旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向 | 2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文本 | 2678篇来自Scopus数据库的论文 |
| 375 | 2024-12-19 |
Correction to "Rapid Identification of Drug Mechanisms with Deep Learning-Based Multichannel Surface-Enhanced Raman Spectroscopy"
2024-Dec-18, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c03526
PMID:39693047
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 376 | 2024-12-19 |
Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study
2024-Dec-17, JMIR AI
DOI:10.2196/64362
PMID:39688897
|
研究论文 | 本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率 | 本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率 | 研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型 | 开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率 | 密苏里州的1052个人口普查区 | 计算机视觉 | 肥胖 | 深度学习 | CNN | 图像 | 63592个224×224像素的图像块 |
| 377 | 2024-12-19 |
AI-Driven Drug Discovery for Rare Diseases
2024-Dec-17, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01966
PMID:39689164
|
综述 | 本文探讨了人工智能在罕见病药物发现中的潜力，涵盖了药物再利用、生物标志物发现、个性化医疗等多个方面 | 本文通过整合现有知识和最新突破，提供了关于人工智能如何加速罕见病治疗开发的见解，填补了文献中的关键空白 | NA | 探讨人工智能在罕见病药物发现中的应用，加速治疗开发，改善患者预后 | 罕见病及其药物发现过程中的挑战 | 机器学习 | 罕见病 | 人工智能（AI）、机器学习（ML）、深度学习（DL） | NA | NA | NA |
| 378 | 2024-12-19 |
Application of artificial intelligence in thoracic radiology: A narrative review (Application of AI in thoracic radiology)
2024-Dec-17, Tuberculosis and respiratory diseases
IF:2.5Q2
DOI:10.4046/trd.2024.0062
PMID:39689720
|
综述 | 本文综述了人工智能在胸放射学领域的最新进展，主要关注深度学习技术，并讨论了当前的局限性和未来发展方向 | 本文展示了人工智能在提高放射科医生表现方面的潜力，特别是在异常检测、分类和解剖结构的定量分析方面 | 本文讨论了当前人工智能技术在胸放射学应用中的局限性，并提出了未来研究的方向 | 回顾人工智能在胸放射学领域的最新成就，并探讨其当前的局限性和未来发展方向 | 人工智能在胸放射学中的应用，特别是深度学习技术 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 379 | 2024-12-19 |
Incorporating Radiologist Knowledge Into MRI Quality Metrics for Machine Learning Using Rank-Based Ratings
2024-Dec-17, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29672
PMID:39690114
|
研究论文 | 本文开发了一种基于放射科医生图像排名的MRI图像质量评估指标，并使用深度学习模型进行训练和验证 | 本文的创新点在于利用放射科医生的图像排名来开发专门针对MRI的图像质量评估指标，并将其应用于深度学习模型的优化 | 本文的局限性在于放射科医生的排名具有主观性，且不同观察者之间的共识较低 | 开发一种适用于MRI的图像质量评估指标，并验证其在深度学习任务中的应用 | MRI图像的质量评估 | 机器学习 | NA | 深度学习 | EfficientNet, IQ-Net | 图像 | 19,344个排名，2916对图像 |
| 380 | 2024-12-19 |
Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model
2024-Dec-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82835-4
PMID:39690238
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |