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 12022 篇文献，本页显示第 8521 - 8540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8521 | 2024-08-20 |
Deep learning-based prediction of indication for cracked tooth extraction using panoramic radiography
2024-Aug-16, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04721-9
PMID:39152384
|
研究论文 | 本文研究了使用全景放射摄影和深度学习模型预测裂牙拔除指征的可行性 | 首次尝试使用深度学习模型通过全景放射摄影预测裂牙拔除的指征 | 模型的特异性较低，范围在52.63-60.77% | 确定使用深度学习预测裂牙拔除指征的可行性 | 418颗牙齿的全景放射图像，包括209颗正常牙齿和209颗裂牙 | 计算机视觉 | NA | 深度学习 | InceptionV3, ResNet50, EfficientNetB0 | 图像 | 418颗牙齿 | NA | NA | NA | NA |
| 8522 | 2024-08-20 |
Artificial Intelligence Enabled Interpretation of ECG Images to Predict Hematopoietic Cell Transplantation Toxicity
2024-Aug-16, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2024013636
PMID:39158065
|
研究论文 | 本文利用人工智能技术解读心电图图像，预测造血细胞移植后的心脏并发症和总体生存率 | AI-ECG技术为造血细胞移植后的个性化风险评估提供了一种新策略 | NA | 探讨AI-ECG技术在预测造血细胞移植后心脏并发症和总体生存率方面的应用 | 接受造血细胞移植的血液恶性肿瘤患者 | 机器学习 | 血液恶性肿瘤 | 深度学习 | NA | 图像 | 1377名患者（849名自体造血细胞移植和528名异基因造血细胞移植接受者） | NA | NA | NA | NA |
| 8523 | 2024-08-20 |
Technical note: MR image-based synthesis CT for CyberKnife robotic stereotactic radiosurgery
2024-Aug-13, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad6a62
PMID:39094608
|
研究论文 | 本研究旨在探讨基于深度学习的合成CT图像是否能在CyberKnife机器人立体定向放射手术中实现精确的剂量计算。 | 本研究将基于MR的合成CT预测扩展到CyberKnife机器人立体定向放射手术，扩展了仅MR放射治疗的应用场景。 | NA | 研究基于深度学习的合成CT图像在CyberKnife机器人立体定向放射手术中的剂量计算准确性。 | 研究对象为CyberKnife机器人立体定向放射手术中的MR图像和CT图像。 | 计算机视觉 | NA | 深度学习 | U-net卷积神经网络 | 图像 | 使用了2446对MR-CT图像进行训练，并使用551张MR图像进行测试。 | NA | NA | NA | NA |
| 8524 | 2024-08-20 |
Bridging pharmacology and neural networks: A deep dive into neural ordinary differential equations
2024-Aug, CPT: pharmacometrics & systems pharmacology
DOI:10.1002/psp4.13149
PMID:38992975
|
综述 | 本文深入探讨了神经常微分方程（Neural ODEs）在药物开发和临床药理学中的应用 | Neural ODEs结合了机制模型和深度学习模型，能够精确模拟连续动态系统 | 将Neural ODEs应用于临床试验数据集（具有稀疏和不规则时间测量）存在挑战 | 探讨Neural ODEs在模型指导的药物开发中的应用 | Neural ODEs在处理稀疏和不规则数据方面的能力 | 机器学习 | NA | Neural ODEs | 混合模型 | 临床数据 | NA | NA | NA | NA | NA |
| 8525 | 2024-08-20 |
MRI-based deep learning and radiomics for prediction of occult cervical lymph node metastasis and prognosis in early-stage oral and oropharyngeal squamous cell carcinoma: a diagnostic study
2024-Aug-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001578
PMID:38729119
|
研究论文 | 本文构建并评估了一种基于深度学习特征和放射组学特征的术前诊断方法，用于预测早期口腔和口咽鳞状细胞癌中的隐匿性颈部淋巴结转移 | 提出了基于MRI的Resnet50深度学习模型，该模型在诊断隐匿性颈部淋巴结转移和预测早期口腔和口咽鳞状细胞癌的预后方面表现出高能力 | NA | 开发和评估一种新的术前诊断方法，以预测早期口腔和口咽鳞状细胞癌中的隐匿性颈部淋巴结转移 | 早期口腔和口咽鳞状细胞癌患者 | 机器学习 | 口腔癌 | MRI | Resnet50 | 图像 | 319名患者 | NA | NA | NA | NA |
| 8526 | 2024-08-20 |
Estimating three-dimensional foot bone kinematics from skin markers using a deep learning neural network model
2024-Aug, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.112252
PMID:39116677
|
研究论文 | 本研究提出了一种深度学习神经网络模型，用于通过皮肤标记估计三维足骨运动学 | 该研究首次使用非侵入性方法通过皮肤标记来估计足骨的运动学，填补了这一领域的空白 | NA | 旨在开发一种非侵入性方法来测量足骨在运动中的运动学 | 人类足部的26块骨头及其在运动中的协调运动 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 11名健康成年人和13具尸体标本 | NA | NA | NA | NA |
| 8527 | 2024-08-20 |
[Deep Learning-Based Artificial Intelligence Model for Automatic Carotid Plaque Identification]
2024-Jul-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240009
PMID:39155246
|
研究论文 | 本研究开发了一个用于检测颈动脉超声图像中斑块存在的数据集，并利用结合双线性卷积神经网络与残差神经网络的单输入BCNN-ResNet模型进行诊断 | 提出的单输入BCNN-ResNet网络模型在内部和外部验证中均显示出优于ResNet-34网络模型的诊断能力 | NA | 开发一个自动检测颈动脉斑块的人工智能模型 | 颈动脉斑块的自动识别 | 计算机视觉 | 心血管疾病 | 深度学习 | BCNN-ResNet | 图像 | 1761张超声图像，来自1165名参与者 | NA | NA | NA | NA |
| 8528 | 2024-08-20 |
[Development of an Intelligent Multi-Parameter Sleep Diagnosis and Analysis System]
2024-Jul-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240036
PMID:39155248
|
研究论文 | 开发了一种智能多参数睡眠诊断与分析系统，旨在改善睡眠障碍呼吸（SDB）的诊断方法 | 该系统引入了数据质量控制、气体代谢评估和血流动力学监测功能，并采用深度学习方法进行智能数据分析 | NA | 开发一种新的智能PSG系统，以提高SDB的诊断效率和准确性 | 睡眠障碍呼吸（SDB）患者 | 生物医学工程 | 睡眠障碍 | 深度学习 | NA | 生理信号数据 | NA | NA | NA | NA | NA |
| 8529 | 2024-08-20 |
[Practical Application of Intelligent Vision Measurement System Based on Deep Learning]
2024-Jul-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.230652
PMID:39155249
|
研究论文 | 设计并开发了一种基于深度学习的智能视觉测量系统，用于从侧面检测和分析干眼症患者的眨眼特征 | 采用深度学习关键点识别技术从侧面分析眼睑特征，并自动计算完整和不完整眨眼的比率 | NA | 全面评估临床干眼症患者的真实视觉功能及眨眼特征对视觉功能的影响 | 干眼症患者的眨眼特征 | 计算机视觉 | 干眼症 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 8530 | 2024-08-20 |
[Application of Photoplethysmography Combined with Deep Learning in Postoperative Monitoring of Flaps]
2024-Jul-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.230624
PMID:39155256
|
研究论文 | 本研究探讨了光电容积描记术（PPG）与一维卷积神经网络（1D-CNN）结合在皮肤瓣动脉术后监测中区分栓塞程度和定位栓塞部位的能力 | 首次结合PPG与1D-CNN进行皮肤瓣动脉的术后监测，能够有效识别栓塞程度和定位栓塞部位 | NA | 探索PPG与1D-CNN结合在皮肤瓣动脉术后监测中的应用 | 皮肤瓣动脉的栓塞程度和栓塞部位 | 机器学习 | NA | 光电容积描记术（PPG） | 一维卷积神经网络（1D-CNN） | 数据 | 使用了皮肤瓣动脉模型和兔皮肤瓣模型进行数据收集和验证 | NA | NA | NA | NA |
| 8531 | 2024-08-20 |
Using VIS-NIR hyperspectral imaging and deep learning for non-destructive high-throughput quantification and visualization of nutrients in wheat grains
2024-Jul-29, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.140651
PMID:39154465
|
研究论文 | 本研究提出了一种利用可见-近红外高光谱成像和深度学习技术对小麦中的营养成分进行高通量、无损量化和可视化的方法 | 本研究首次提出了一种改进的pix2pix条件生成网络模型，用于可视化营养成分分布，并展示了比原始模型更好的结果 | NA | 开发一种高通量、低成本的方法来量化作物谷物中的营养成分，以促进食品加工和营养研究 | 小麦中的营养成分 | 机器学习 | NA | 可见-近红外高光谱成像 | pix2pix条件生成网络 | 高光谱图像 | 数百种营养成分 | NA | NA | NA | NA |
| 8532 | 2024-08-20 |
The scope of artificial intelligence in retinopathy of prematurity (ROP) management
2024-Jul-01, Indian journal of ophthalmology
IF:2.1Q2
DOI:10.4103/IJO.IJO_2544_23
PMID:38454859
|
研究论文 | 本文探讨了人工智能在早产儿视网膜病变（ROP）管理中的应用范围 | 文章介绍了深度学习技术在ROP筛查中的应用，特别是卷积神经网络（CNN）在图像处理和认知任务中的优势 | 文章提到了AI系统在不同人群数据集上的性能差异，以及对AI实施的医疗法律方面的担忧 | 研究旨在探索人工智能技术在ROP管理中的应用潜力 | 研究对象为早产儿视网膜病变（ROP）及其管理 | 机器学习 | 早产儿疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 使用了印度数据集进行AI风险模型的验证 | NA | NA | NA | NA |
| 8533 | 2024-08-20 |
Diagnostic performance of deep learning to exclude coronary stenosis on CT angiography in TAVI patients
2024-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03063-5
PMID:38461472
|
研究论文 | 评估深度学习模型在TAVI患者中通过冠状动脉CT血管造影排除冠状动脉狭窄的诊断性能 | 深度学习模型在检测>50%冠状动脉狭窄方面具有100%的敏感性和100%的阴性预测值，与经验丰富的放射科医生表现相似 | 深度学习模型的阳性预测值较低，仅为39% | 评估深度学习模型在冠状动脉CT血管造影中自动检测>50%冠状动脉狭窄的诊断性能，并研究观察者间变异性 | TAVI患者中的冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习模型 | 图像 | 100名患者 | NA | NA | NA | NA |
| 8534 | 2024-08-20 |
Three-dimensional reconstruction of industrial parts from a single image
2024-Mar-27, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-024-00158-7
PMID:38532082
|
研究论文 | 本研究提出了一种基于图像的三维（3D）矢量重建工业零件的方法，能够生成高保真度和灵活性的非均匀有理B样条（NURBS）表面 | 本研究的创新点包括构建了一个用于典型工业零件的二维图像数据集，开发了一种用于三维工业零件参数提取的深度学习算法，以及提出了一种从获得的形状参数生成NURBS的机械零件三维矢量形状重建方法 | NA | 研究目的是从单一图像中重建工业零件的三维模型 | 研究对象包括六角头螺栓、圆柱齿轮、肩环、六角螺母和圆柱滚子轴承等工业零件 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 包括六角头螺栓、圆柱齿轮、肩环、六角螺母和圆柱滚子轴承等工业零件的二维图像数据集 | NA | NA | NA | NA |
| 8535 | 2024-08-20 |
Physics-Informed Deep Learning Approach for Reintroducing Atomic Detail in Coarse-Grained Configurations of Multiple Poly(lactic acid) Stereoisomers
2024-03-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01870
PMID:38427962
|
研究论文 | 本文介绍了一种基于物理信息的深度学习方法，用于在粗粒度配置中重新引入多聚乳酸立体异构体的原子细节 | 该方法通过学习原子级别和相应粗粒度描述之间的结构相关性，提供了一种简单灵活且通用的分辨率转换解决方案 | NA | 旨在解决从粗粒度模型到原子模型的逆问题，即从粗粒度配置中重新引入原子自由度 | 多聚乳酸立体异构体的粗粒度分子配置 | 机器学习 | NA | 深度学习 | 深度学习模型 | 分子配置数据 | 从多聚乳酸的同聚体立体异构体到随机放置手性中心的共聚物等多种模型系统 | NA | NA | NA | NA |
| 8536 | 2024-08-19 |
Enhanced detection of Aspergillus flavus in peanut kernels using a multi-scale attention transformer (MSAT): Advancements in food safety and contamination analysis
2024-Oct-02, International journal of food microbiology
IF:5.0Q1
|
研究论文 | 本研究使用多尺度注意力变换器（MSAT）结合高光谱成像技术，对受多种黄曲霉菌污染的花生仁进行分类 | MSAT模型通过其复杂的多尺度注意力机制，显著优于传统的深度学习模型，特别是在分类能力上 | MSAT模型在区分受黄曲霉素产生菌和非黄曲霉素产生菌污染的花生仁时面临挑战 | 提高食品质量和安全领域中黄曲霉菌污染的检测准确性和速度 | 受黄曲霉菌污染的花生仁 | 计算机视觉 | NA | 高光谱成像 | 多尺度注意力变换器（MSAT） | 图像 | NA | NA | NA | NA | NA |
| 8537 | 2024-08-07 |
Corrigendum to "Advancing deep learning-based acoustic leak detection methods towards application for water distribution systems from a data-centric perspective" [Water Research 261(2024) 121999]
2024-Sep-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122080
PMID:39067276
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8538 | 2024-08-19 |
Deep learning reconstructed T2-weighted Dixon imaging of the spine: Impact on acquisition time and image quality
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111633
PMID:39067266
|
研究论文 | 评估基于深度学习的T2 Dixon序列（T2DL）对脊柱成像的图像质量和采集时间的影响 | 提出了一种新的基于深度学习的T2 Dixon序列（T2DL），能够在显著减少采集时间的同时保持与标准T2 Dixon序列（T2std）相当的图像质量 | T2DL显示出更多的带状伪影，尽管这并未显著影响读者的诊断信心 | 评估T2DL序列在脊柱成像中的图像质量和采集时间的影响 | 44名连续患者，他们在2022年9月至2023年3月期间因临床需要进行腰椎MRI检查 | 计算机视觉 | NA | MRI | 深度学习 | 图像 | 44名患者 | NA | NA | NA | NA |
| 8539 | 2024-08-19 |
Differentiation of tuberculous and brucellar spondylitis using conventional MRI-based deep learning algorithms
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111655
PMID:39079324
|
研究论文 | 研究基于常规MRI的深度学习算法区分结核性脊椎炎和布鲁氏脊椎炎的可行性 | 使用基于VGG19、ResNet18、VGG16和DenseNet121的深度学习模型，结合T1WI、T2WI和FS T2WI图像，实现了优于单序列模型的诊断效率，并且性能超过两位放射科医生 | NA | 探索基于常规MRI的深度学习技术区分结核性脊椎炎和布鲁氏脊椎炎的可行性 | 结核性脊椎炎和布鲁氏脊椎炎的诊断 | 机器学习 | NA | 深度学习 | VGG19, ResNet18, VGG16, DenseNet121 | MRI图像 | 383名患者，包括182名结核性脊椎炎患者和201名布鲁氏脊椎炎患者 | NA | NA | NA | NA |
| 8540 | 2024-08-19 |
Diagnostic performance of an AI algorithm for the detection of appendicular bone fractures in pediatric patients
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111637
PMID:39053306
|
研究论文 | 评估一种人工智能算法在常规X射线摄影中检测儿科患者四肢骨折的诊断性能 | 使用先前在成人和儿科患者中训练的人工智能算法来检测儿科患者的急性四肢骨折 | 回顾性研究，样本仅限于儿科患者的四肢X射线图像 | 评估人工智能算法在检测儿科患者四肢骨折中的诊断性能 | 儿科患者（年龄<17岁）的四肢X射线图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 600张X射线图像，包括312名男性和288名女性，平均年龄8.9±4.5岁 | NA | NA | NA | NA |