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 12037 篇文献，本页显示第 9821 - 9840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9821 | 2024-08-05 |
Deep convolutional neural network for differentiating between sarcoidosis and lymphoma based on [18F]FDG maximum-intensity projection images
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09937-x
PMID:37535157
|
研究论文 | 本文比较了未治疗的肉芽肿病和恶性淋巴瘤的 [18F]FDG PET/CT 查找。 | 本研究使用最大强度投影（MIP）图像开发的卷积神经网络（CNN）模型能够高效区分肉芽肿病与恶性淋巴瘤。 | 本研究基于回顾性数据，可能存在偏倚，且样本量相对较小。 | 研究旨在通过FDG累积差异区分肉芽肿病和恶性淋巴瘤。 | 研究对象为新诊断的肉芽肿病和恶性淋巴瘤患者。 | 机器学习 | 淋巴瘤 | [18F]FDG PET/CT | CNN | 图像 | 共纳入118名患者，包含56名肉芽肿患者和62名恶性淋巴瘤患者 |
| 9822 | 2024-08-05 |
Corn leaf disease: insightful diagnosis using VGG16 empowered by explainable AI
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1402835
PMID:38988642
|
研究论文 | 这项研究利用VGG16深度学习模型对玉米叶片进行分类，以识别疾病 | 该研究通过引入层次相关传播（LRP）增强模型的可解释性，生成输入图像的直观热图 | 研究中未提及对不同环境和气候条件下结果的适用性分析 | 旨在提高玉米叶片疾病的早期检测和分类精度 | 研究对象为健康、枯萎、灰斑和普通锈病四种类型的玉米叶片 | 计算机视觉 | NA | 深度学习，VGG16，层次相关传播（LRP） | VGG16 | 图像 | NA |
| 9823 | 2024-08-05 |
HAPI: An efficient Hybrid Feature Engineering-based Approach for Propaganda Identification in social media
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302583
PMID:38985703
|
研究论文 | 本研究介绍了一种基于混合特征工程的宣传识别方法HAPI，用于检测社交媒体上的宣传内容 | 该研究结合传统特征工程方法与机器学习技术，提出了一种新的混合特征选择技术，能有效提高宣传检测的准确率 | 该研究的宣传检测范围主要限于文本数据，未涵盖多模态数据的处理 | 研究目的在于开发一种系统用于社交媒体上文本内容的宣传识别 | 研究对象为从Twitter收集的推文，进行分类为宣传和非宣传 | 自然语言处理 | NA | 机器学习 | 多项式朴素贝叶斯、支持向量机、决策树、逻辑回归 | 文本 | 使用了40个相关特征进行训练和评估 |
| 9824 | 2024-08-05 |
Deep learning-based assessment of CT markers of sarcopenia and myosteatosis for outcome assessment in patients with advanced pancreatic cancer after high-intensity focused ultrasound treatment
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09974-6
PMID:37572195
|
研究论文 | 本文评估了CT基础的肌肉萎缩和肌肉脂肪含量标志物在高强度聚焦超声治疗的晚期胰腺癌患者中的预后价值 | 研究揭示了肌肉脂肪含量标志物在临床评分之外对患者生存期的附加风险评估的更大作用 | 本研究为回顾性研究，可能存在时间和样本选择的偏差 | 评估CT基础的肌肉萎缩和肌肉脂肪含量标志物对晚期胰腺癌患者生存的预后价值 | 142名接受高强度聚焦超声治疗的晚期胰腺癌患者 | 数字病理学 | 胰腺癌 | CT扫描 | Cox比例风险模型 | 影像 | 142名患者的回顾性数据 |
| 9825 | 2024-08-05 |
ML-driven segmentation of microvascular features during histological examination of tissue-engineered vascular grafts
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1411680
PMID:38988863
|
研究论文 | 本研究展示了机器学习驱动的分割方法在组织工程血管移植物组织学分析中的潜力 | 创建了一个独特的数据集并优化了深度神经网络超参数，开发并验证了一个集成模型 | 未提及具体的局限性 | 研究机器学习工具在组织工程血管移植物的组织学分析中的应用 | 采用104个组织工程血管移植物的全切片图像进行分析 | 数字病理学 | NA | 深度学习 | U-Net, LinkNet, FPN, PSPNet, DeepLabV3, MA-Net | 图像 | 104 张全切片图像和 1401 个手动注释的区域 |
| 9826 | 2024-08-05 |
Deep learning reconstruction CT for liver metastases: low-dose dual-energy vs standard-dose single-energy
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10033-3
PMID:37532899
|
研究论文 | 该研究评估了低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的影像质量和效果 | 本研究创新点在于利用深度学习图像重建技术实现低剂量双能源CT在保持影像质量的同时减少辐射剂量34% | 该研究的样本数量相对较小，且仅在特定条件下进行评估，可能影响结果的广泛适用性 | 研究目的在于比较低剂量双能源CT与标准剂量单能源CT在肝脏转移瘤检测中的表现 | 参与者为80名，分别接受低剂量双能源CT和标准剂量单能源CT扫描 | 医学影像学 | 肝癌 | 深度学习图像重建 | NA | 影像 | 80名参与者，分别为40名接受低剂量双能源CT和40名接受标准剂量单能源CT |
| 9827 | 2024-08-05 |
Drug repurposing for obsessive-compulsive disorder using deep learning-based binding affinity prediction models
2024, AIMS neuroscience
IF:3.1Q2
DOI:10.3934/Neuroscience.2024013
PMID:38988885
|
研究论文 | 本研究使用基于深度学习的方法构建了预测与强迫症相关的生物靶点相互作用的分子模型 | 创新点在于利用深度学习方法构建了多模型组合，并在大型药物数据库上进行外部验证 | 研究可能受限于模型的选择和验证样本的多样性 | 研究旨在发现针对强迫症的药物再利用 | 研究对象为与强迫症相关的分子及其与生物靶点的相互作用 | 机器学习 | 强迫症 | 深度学习 | 集成模型 | 分子数据 | 包含多个高分子的综合模型验证和案例研究 |
| 9828 | 2024-08-05 |
Making MS Omics Data ML-Ready: SpeCollate Protocols
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4007-4_9
PMID:38995540
|
研究论文 | 本文提供了将质谱（MS）数据转化为机器学习（ML）训练和应用的全面指南 | 提出了SpeCollate深度学习模型，并展示了其在肽谱匹配中的应用 | 未提及具体的样本尺寸和限度 | 旨在为质谱分析提供数据变换、推理和机器学习模型应用的全面概述 | 质谱数据及其在肽谱匹配中的应用 | 机器学习 | NA | 质谱 | 深度学习模型（SpeCollate） | 质谱数据 | NA |
| 9829 | 2024-08-05 |
A novel MRI-based deep learning networks combined with attention mechanism for predicting CDKN2A/B homozygous deletion status in IDH-mutant astrocytoma
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09944-y
PMID:37553486
|
研究论文 | 本文开发了一种基于MRI的深度学习方法，以预测IDH突变星形胶质瘤中的CDKN2A/B同源缺失状态 | 提出了一种结合注意力机制的深度学习网络FN-Net，优于以往的ResNet网络 | 没有提及潜在的局限性 | 研究旨在提高预测IDH突变星形胶质瘤中CDKN2A/B同源缺失状态的准确性 | 234名参与者的多参数脑MRI数据及相应的基因组信息 | 数字病理学 | 脑癌 | MRI | ConvNeXt | 图像 | 234名参与者（111例阳性，123例阴性） |
| 9830 | 2024-08-05 |
An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418280
PMID:38988988
|
研究论文 | 该文章提出了一种改进的深度学习方法，用于在MRI图像中检测和分割脑肿瘤 | 本研究使用二进制卷积神经网络（BCNN）算法，成功扩展了肿瘤分割能力，从仅分割四种类型提升到十种主要脑肿瘤类型 | NA | 提高脑肿瘤的早期检测和分割精度 | 通过MRI图像对脑肿瘤进行识别、分类和分级 | 计算机视觉 | NA | 深度学习 | 二进制卷积神经网络（BCNN） | 图像 | 6600张脑MRI图像 |
| 9831 | 2024-08-05 |
Advanced Techniques for MR Neuroimaging
2024, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.e.2024-1000
PMID:38945942
|
综述 | 本期特别刊物总结了MR神经成像的先进技术和应用 | 涉及多个领域的最新进展，如深度学习图像增强和放射组学 | 未提供具体的研究数据或样本量信息 | 介绍MR神经成像领域的最新技术进展 | 九篇由专家撰写的综述文章 | 数字病理学 | 神经系统疾病 | 磁共振成像 | NA | 图像 | NA |
| 9832 | 2024-08-05 |
Deep learning-based scan range optimization can reduce radiation exposure in coronary CT angiography
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09971-9
PMID:37552254
|
研究论文 | 本研究旨在开发一个深度神经网络，以优化CT定位器的扫描范围，从而减少患者辐射剂量 | 采用深度学习自动划定CT扫描范围，显著提高了扫描准确性，并减少了辐射暴露 | 可能存在训练数据的代表性问题，外部验证的样本来自单一医院 | 旨在降低冠状动脉CT血管造影中患者的辐射剂量 | 涉及1507个冠状动脉CT定位器的回顾性训练队列 | 数字病理学 | 心血管疾病 | Monte Carlo仿真 | 深度神经网络 | 影像 | 1507个CT定位器，内部队列233个，外部队列298个 |
| 9833 | 2024-08-07 |
Reducing radiation dose in routine CT scans: an AI-driven approach with deep learning-based dual-energy CT reconstruction
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10066-8
PMID:37540322
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9834 | 2024-08-05 |
Quantification of litter in cities using a smartphone application and citizen science in conjunction with deep learning-based image processing
2024-Sep-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.06.026
PMID:38943818
|
研究论文 | 本研究提出了一种多学科方法，通过智能手机应用和深度学习图像处理量化城市垃圾的丰富性和组成 | 结合公民科学和智能手机应用，实现垃圾的视觉分类和深度学习图像处理的创新 | 未提及具体的局限性 | 研究城市环境中的垃圾数量和分类 | 利用Pirika智能手机应用收集的垃圾图像数据 | 数字病理学 | NA | 深度学习图像处理 | 深度学习算法 | 图像 | 约一百万张垃圾图像 |
| 9835 | 2024-08-05 |
Research progress on prediction of RNA-protein binding sites in the past five years
2024-Aug, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115535
PMID:38643894
|
综述 | 准确预测RNA-蛋白结合位点对于理解蛋白-RNA相互作用及其调控机制至关重要 | 综述了2018-2023年间使用传统机器学习和深度学习的计算方法的应用和创新 | 探讨了现有计算方法的局限性 | 为了深入理解RNA-蛋白结合位点的预测方法 | 总结常用的数据库和计算方法 | 计算生物学 | NA | 传统机器学习和深度学习 | 卷积神经网络和长短期记忆网络 | NA | NA |
| 9836 | 2024-08-05 |
Deep demosaicking convolution neural network and quantum wavelet transform-based image denoising
2024-Jul-11, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2358950
PMID:38989778
|
研究论文 | 本研究开发了一种基于深度学习的图像去噪和去马赛克的方法 | 提出了结合量子小波变换和自回归圆波优化的去马赛克卷积神经网络 | 未提及具体的局限性 | 寻求适合多重图像恢复的策略 | 解决图像去噪和去马赛克问题的深度学习模型 | 计算机视觉 | NA | 量子小波变换 | DMCNN | 图像 | NA |
| 9837 | 2024-08-05 |
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5db2
PMID:38955139
|
研究论文 | 该研究旨在创建一种自动化的方法，通过光学相干断层扫描(OCT)来分类视网膜疾病 | 提出了一种结合机器学习和深度学习技术的新框架 | NA | 研究自动识别和分类视网膜疾病的方法 | 视网膜疾病，包括脉络膜新生血管、糖尿病性黄斑水肿、眼底脂质沉积和正常病例 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 支持向量机(SVM)、K-最近邻(K-NN)、决策树(DT)、集成模型(EM) | 图像 | 18000张OCT图像 |
| 9838 | 2024-08-05 |
Anatomical-Marker-Driven 3D Markerless Human Motion Capture
2024-Jul-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3424869
PMID:38980775
|
研究论文 | 提出了一种基于解剖标记的无标记三维人动作捕捉方法。 | 通过使用解剖学 landmark 和深度神经网络来提高 2D 关键点标注的精度，进而计算 3D 标记位置。 | 方法依赖于高质量的标注数据，数据集的标注错误会影响最终的估计准确度。 | 改善无标记运动捕捉的精度，使其在生物力学研究中得到更广泛的应用。 | 测试集包含 10 名受试者执行的各种动作。 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 10 个受试者 |
| 9839 | 2024-08-05 |
Deep learning based bilateral filtering for edge-preserving denoising of respiratory-gated PET
2024-Jul-09, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00661-z
PMID:38977533
|
研究论文 | 本文探讨了一种基于深度学习的双边滤波方法用于呼吸门控PET图像的边缘保持去噪。 | 采用深度学习优化双边滤波操作，自动化实现了手动调整的去噪效果。 | 在大多数数据集上选择了合适的滤波参数，少数情况下仍需人工调优。 | 提高呼吸门控PET图像的去噪效果，同时保持图像边缘。 | 使用69个呼吸门控临床PET/CT扫描数据，涉及不同放射性示踪剂。 | 数字病理学 | NA | 深度学习 | 3D U-Net CNN | 图像 | 69个呼吸门控临床PET/CT扫描样本 |
| 9840 | 2024-08-05 |
Optimization of vision transformer-based detection of lung diseases from chest X-ray images
2024-Jul-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02591-3
PMID:38978027
|
研究论文 | 本文系统评估和比较了不同优化方法在基于视觉变换器的肺病预测中的性能 | 探究了不同优化器在视觉变换器模型中的有效性，是对该领域的前沿研究 | 未提及特定的限制因素 | 旨在优化基于视觉变换器的肺病检测模型 | 胸部X光图像数据集中的正常病例和六种肺病 | 计算机视觉 | 肺癌 | 深度学习 | ViT，FastViT，CrossViT | 图像 | 19003幅X光图像 |