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 12109 篇文献，本页显示第 9801 - 9820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9801 | 2024-08-05 |
Opening the Black Box: Spatial Transcriptomics and the Relevance of Artificial Intelligence-Detected Prognostic Regions in High-Grade Serous Carcinoma
2024-Jul, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1016/j.modpat.2024.100508
PMID:38704029
|
研究论文 | 本文利用空间转录组学解析人工智能识别的高等级浆液性癌症预后区域 | 本文创新性地应用空间转录组学分析AI识别的肿瘤区域，揭示与患者结果相关的生物特征 | 研究样本量较小，仅包含16名患者，可能影响结果的普遍适用性 | 研究高等级浆液性癌症与预后之间的关系，特别是肿瘤区域的生物特征 | 涉及16名高等级浆液性癌症患者，重点研究不同预后组之间的肿瘤区域 | 数字病理学 | 卵巢癌 | 空间转录组学 | AI模型 | 生物组织样本 | 16名患者（每个预后组8名） | NA | NA | NA | NA |
| 9802 | 2024-08-07 |
A deep learning model accurately predicts 1-year mortality but at the risk of unfairness
2024-Jul, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-024-00665-5
PMID:38956193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9803 | 2024-08-05 |
Ensemble model for grape leaf disease detection using CNN feature extractors and random forest classifier
2024-Jun-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33377
PMID:39027444
|
研究论文 | 本文提出了一种集成模型，以使用CNN特征提取器和随机森林分类器检测葡萄叶病害 | 该文章结合了多种CNN模型作为特征提取器，采用并行配置以提取更丰富的特征，克服了有限数据集的不足 | 文章解决了有限数据集的问题，但局限于特定的葡萄叶数据集 | 本研究旨在提高有限数据集情况下的葡萄叶病害检测性能 | 研究对象是用于检测葡萄叶病害的图像数据集 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 集成模型 | 图像 | 葡萄叶数据集分为原始集和修改集 | NA | NA | NA | NA |
| 9804 | 2024-08-05 |
Deep learning-based automatic measurement system for patellar height: a multicenter retrospective study
2024-May-31, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-04809-6
PMID:38822361
|
研究论文 | 本文开发了一种基于深度学习的膝盖髌骨高度自动测量系统，并评估其性能和泛化能力 | 该研究首次应用深度学习模型自动测量髌骨高度，显示出与手动测量相当的准确性和强泛化能力 | 本研究中数据集的选择可能存在偏差，未来需检验不同数据集以优化模型 | 研究旨在提高髌骨高度测量的准确性和效率，以辅助膝关节疾病的评估和治疗 | 本文的研究对象为来自三家三级医院的膝关节X光影像数据 | 数字病理学 | NA | 深度学习 | HRNet和残差网络(ResNet) | 图像 | 共计2,341例膝关节X光图像 | NA | NA | NA | NA |
| 9805 | 2024-08-05 |
Enhancing ECG-based heart age: impact of acquisition parameters and generalization strategies for varying signal morphologies and corruptions
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1424585
PMID:39027006
|
研究论文 | 本研究探讨了ECG心脏年龄估计中的数据采集参数及其对不同信号形态和干扰的影响 | 提出了使用预训练和微调网络来提高不同人群的ECG年龄估计的可行性，并进行了一项全面的实证研究以确定采样率和信号持续时间的阈值 | 尚未深入评估神经网络在ECG年龄估计中的表现，尤其是在各种采集参数的影响下 | 旨在提高ECG年龄估计的准确性和可靠性 | 主要研究对象为不同人种的ECG信号及其年龄估计 | 数字病理学 | 心血管疾病 | 深度学习 | 神经网络 | ECG信号 | NA | NA | NA | NA | NA |
| 9806 | 2024-08-05 |
Advancements in urban scene segmentation using deep learning and generative adversarial networks for accurate satellite image analysis
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307187
PMID:39024353
|
研究论文 | 文章提出了一种条件生成对抗网络（cGAN）用于从卫星图像创建高分辨率城市地图 | 提出的cGAN框架结合了语义和空间数据，能够生成高质量的城市场景，保持关键细节 | NA | 研究城市场景分割中的图像到图像翻译问题 | 卫星图像与城市场景之间的转换 | 计算机视觉 | NA | cGAN | 生成对抗网络 | 图像 | ISPRS Potsdam和Vaihingen数据集的基准测试 | NA | NA | NA | NA |
| 9807 | 2024-08-05 |
Biobjective gradient descent for feature selection on high dimension, low sample size data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305654
PMID:39024199
|
研究论文 | 本文提出了一种新的方法，将特征选择与深度神经网络的训练过程结合。 | 创新点在于将基于稀疏化的特征选择整合到深度神经网络的训练中，并使用约束双目标梯度下降法。 | 文中未提及特定的局限性 | 研究深度学习在高维低样本数据上的特征选择问题。 | 使用人工和真实数据集评估新方法的有效性。 | 机器学习 | 稀有疾病 | 深度学习 | 深度神经网络 | 人工和真实数据集 | 文中未提供具体样本数量 | NA | NA | NA | NA |
| 9808 | 2024-08-05 |
Diabetic retinopathy identification based on multi-source-free domain adaptation
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.07.03
PMID:39026925
|
研究论文 | 该研究旨在开发一种无源领域适应的方法，以有效识别糖尿病视网膜病变（DR） | 提出了一种多源无源领域适应方法，通过生成合成伪标签来处理无标记数据 | NA | 旨在克服糖尿病视网膜病变识别中的数据标记、隐私和大量标记数据的挑战 | 无标记数据集的糖尿病视网膜病变识别 | 计算机视觉 | 糖尿病视网膜病变 | 无源领域适应（SFDA） | NA | 图像 | 利用三个彩色眼底照片数据集（APTOS2019、DDR和EyePACS）进行验证 | NA | NA | NA | NA |
| 9809 | 2024-08-05 |
Spotting Culex pipiens from satellite: modeling habitat suitability in central Italy using Sentinel-2 and deep learning techniques
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1383320
PMID:39027906
|
研究论文 | 本研究通过深度学习技术预测意大利中部的 Culex pipiens 栖息地适宜性 | 该研究开发了多种深度学习模型（如 DCNN 和 MAGAT），结合 Sentinel-2 卫星数据，提供了新的方式来检测蚊子的潜在分布与栖息地适宜性 | 研究只集中在意大利中部的特定地区，可能无法推广到其他地区 | 预测 Culex pipiens 在意大利中部的潜在分布 | 主要研究对象为 Culex pipiens 蚊子及其栖息地 | 机器学习 | NA | Sentinel-2, 深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT) | 深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT) | 图像 | 2,555 次昆虫学采集，108,064 张 20 米分辨率的图像补丁 | NA | NA | NA | NA |
| 9810 | 2024-08-05 |
Decoding phenotypic screening: A comparative analysis of image representations
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.02.022
PMID:38510976
|
研究论文 | 本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型 | 提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略 | 研究可能面临的数据集限制和适用性问题 | 开发用于高通量筛选数据的通用表示模型 | 主要针对使用U2OS细胞和CellPainting协议生成的数据 | 数字病理学 | NA | 深度学习 | 自监督学习模型 | 图像 | 使用了来自多个联盟伙伴的数据 | NA | NA | NA | NA |
| 9811 | 2024-08-05 |
Deep learning-based voxel sampling for particle therapy treatment planning
2024-Jul-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad5bba
PMID:38917844
|
研究论文 | 本文提出了一种基于深度学习的体素采样方法来改善粒子治疗的治疗计划 | 引入了一种不依赖于特定患者输入的深度学习模型，以实现最佳体素采样 | 使用了70名头颈癌患者的数据进行训练，可能限制了模型的泛化能力 | 旨在通过优化体素选择过程来提高粒子治疗的计算效率 | 研究对象为接受碳离子治疗的头颈癌患者 | 数字病理学 | NA | 人工智能（AI）基础设施 | 深度学习模型 | 治疗计划数据 | 70名头颈癌患者（50名用于训练，10名用于验证，10名用于测试） | NA | NA | NA | NA |
| 9812 | 2024-08-05 |
CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection
2024-Jul-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50426-6
PMID:39013885
|
研究论文 | 提出一种解释性图神经网络框架CGMega，以进行癌症基因模块分解 | 开发了基于图注意力的深度学习框架CGMega，超越当前癌症基因预测方法，并有效整合多组学信息 | NA | 研究癌症基因模块的分解及其在癌症发展中的作用 | 应用CGMega于乳腺癌细胞系和急性髓系白血病患者 | 数字病理学 | 急性髓系白血病 | 深度学习 | 图神经网络 | 基因组数据 | 乳腺癌细胞系和急性髓系白血病患者的样本 | NA | NA | NA | NA |
| 9813 | 2024-08-05 |
Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning
2024-Jul-16, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01232-0
PMID:39014411
|
研究论文 | 本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草 | 通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力 | 引入多尺度特征层导致模型计算增加，降低了模型推理速度 | 旨在提高水稻田杂草的精确识别能力，以便于精准喷药 | 水稻田中的杂草 | 计算机视觉 | NA | 深度学习 | DETR | 图像 | 构建的水稻田杂草数据集和DOTA公共数据集 | NA | NA | NA | NA |
| 9814 | 2024-08-05 |
Machine learning without a processor: Emergent learning in a nonlinear analog network
2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319718121
PMID:38954545
|
研究论文 | 本文介绍了一种基于非线性类脑电子网络的自主学习能力。 | 提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。 | 目前的实现仍未充分探索非线性元素的可行性和实用性。 | 探索非线性元素在模拟机器学习中的潜力。 | 介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。 | 机器学习 | NA | 类脑电子网络 | 非线性循环神经网络 | NA | NA | NA | NA | NA | NA |
| 9815 | 2024-08-05 |
Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function
2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2320870121
PMID:38959033
|
研究论文 | 本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。 | BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。 | NA | 研究如何高效存储和共享海量生物医学数据。 | 生物医学数据。 | 机器学习 | NA | 隐式神经函数 | NA | 生物医学数据 | NA | NA | NA | NA | NA |
| 9816 | 2024-08-05 |
Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy
2024-Jul-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.7.12
PMID:39007833
|
研究论文 | 本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响 | 本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响 | 本研究样本仅限于54名患者，可能影响结果的普遍适用性 | 研究玻璃体切除术及后玻璃体剥离对血流变化的影响 | 54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼 | 数字病理学 | 视网膜血管疾病 | 色度分析 | NA | 图像 | 54名患者 | NA | NA | NA | NA |
| 9817 | 2024-08-05 |
Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1858
PMID:39022266
|
研究论文 | 本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割 | 提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果 | 未提及模型在不同疾病类型或其他影像数据上的适用性 | 提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划 | 使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量 | 计算机视觉 | NA | 磁化率定量成像（QSM） | 深度学习网络（AGSeg） | 三维磁化率图像 | 210个三维磁化率测量 | NA | NA | NA | NA |
| 9818 | 2024-08-05 |
Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-67
PMID:39022237
|
研究论文 | 本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究 | 首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景 | 文章没有针对具体的超分辨率技术或算法进行深入探讨 | 识别医学影像超分辨率领域的全球趋势和未来研究发展 | 分析了3262篇医学影像超分辨率相关的文献 | 数字病理学 | NA | NA | NA | 文献 | 3262篇文献 | NA | NA | NA | NA |
| 9819 | 2024-08-05 |
Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1744
PMID:39022238
|
研究论文 | 本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型 | 开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力 | 未提及可能的局限性，样本来自两个特定中心 | 基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型 | 160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者 | 计算机视觉 | 非小细胞肺癌 | 磁共振成像（MRI） | 多尺度特征融合网络（MSF-Net） | 医学影像 | 160名和72名患者 | NA | NA | NA | NA |
| 9820 | 2024-08-05 |
Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1659
PMID:39022236
|
研究论文 | 本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果 | 引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量 | 研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果 | 旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果 | 参与研究的对象为77名3至15岁的儿童 | 数字病理 | NA | 适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR） | NA | 图像 | 77名儿童，评估116个椎弓根螺钉 | NA | NA | NA | NA |