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 12081 篇文献，本页显示第 10041 - 10060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10041 | 2024-08-05 |
Is Automatic Tumor Segmentation on Whole-Body 18F-FDG PET Images a Clinical Reality?
2024-Jul-01, Journal of nuclear medicine : official publication, Society of Nuclear Medicine
IF:9.1Q1
DOI:10.2967/jnumed.123.267183
PMID:38844359
|
评论 | 本文探讨了使用F-FDG PET/CT图像进行自动化全身肿瘤分割在肿瘤诊断中的重要转变 | 突出人工智能和深度学习技术在自动化肿瘤分割中的应用 | 存在数据多样性、验证需求和监管障碍等挑战 | 研究自动化肿瘤分割在临床中的应用潜力 | 聚焦于F-FDG PET/CT图像的肿瘤分割问题 | 计算机视觉 | 肿瘤 | 深度学习 | NA | 医学图像 | NA |
| 10042 | 2024-08-05 |
Semantic and traditional feature fusion for software defect prediction using hybrid deep learning model
2024-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65639-4
PMID:38951608
|
研究论文 | 本文提出了一种新颖的缺陷预测模型，通过混合深度学习方法结合传统和语义特征 | 提出了一种混合CNN-MLP分类器，结合了从抽象语法树提取的语义特征和传统特征 | 只使用单一特征种类会对预测性能产生负面影响 | 旨在找到一种可靠的方法，预测特定软件项目中的缺陷 | 软件缺陷预测模型 | 计算机视觉 | NA | 混合深度学习 | CNN-MLP | 开源项目数据 | 多个开源项目 |
| 10043 | 2024-08-05 |
Analysis of banana plant health using machine learning techniques
2024-07-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63930-y
PMID:38951552
|
研究论文 | 本文旨在通过机器学习技术分析香蕉植物健康状况。 | 提出了两种结合人工神经网络（ANN）与尺度不变特征变换（SIFT）模型或方向梯度直方图（HOG）与局部二值模式（LBP）模型的替代模型，以提高香蕉叶病害识别的性能。 | 现有的卷积神经网络（CNN）模型在旋转和尺度不变性方面存在不足，且不能与特征提取方法结合使用。 | 推进对香蕉叶病害的预测和检测的理解，并刺激相关研究的进展。 | 研究对象为香蕉叶及其病害。 | 机器学习 | NA | 机器学习 | 人工神经网络（ANN） | 图像 | NA |
| 10044 | 2024-08-05 |
Enhancing tunnel crack detection with linear seam using mixed stride convolution and attention mechanism
2024-Jul-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65909-1
PMID:38951575
|
研究论文 | 提出了一种基于深度学习的隧道衬砌裂缝检测新方法 | 引入了改进的注意机制和混合条纹卷积模块，提高了裂缝检测的准确性 | 未提及具体的局限性 | 提升隧道衬砌结构中裂缝的检测精度 | 隧道衬砌结构中的裂缝 | 计算机视觉 | NA | 深度学习 | U型网络 | 图像 | 使用了Tunnel200、Crack500和DeepCrack数据集 |
| 10045 | 2024-08-05 |
Evaluating surgical expertise with AI-based automated instrument recognition for robotic distal gastrectomy
2024-Jul, Annals of gastroenterological surgery
IF:2.9Q2
DOI:10.1002/ags3.12784
PMID:38957567
|
研究论文 | 本文探讨了一种新颖的人工智能模型如何通过识别手术器械来评估机器人辅助远端胃切除术的外科技能。 | 本研究首次报告了可以成功且准确地通过AI模型来评估机器人辅助远端胃切除术的外科技能。 | 本研究仅分析了55个手术视频，样本量可能较小。 | 研究的目的是评估外科医生在机器人辅助远端胃切除术中的手术技能。 | 研究对象为进行胃癌机器人手术的外科医生及其操作视频。 | 医学影像处理 | 胃癌 | 深度学习 | 多阶段时序卷积网络 (Deeplab) | 视频 | 55个机器人手术视频，1234个手动注释图像和149个测试图像 |
| 10046 | 2024-08-05 |
Can artificial intelligence replace endoscopists when assessing mucosal healing in ulcerative colitis? A systematic review and diagnostic test accuracy meta-analysis
2024-Jul, Digestive and liver disease : official journal of the Italian Society of Gastroenterology and the Italian Association for the Study of the Liver
IF:4.0Q1
DOI:10.1016/j.dld.2023.11.005
PMID:38057218
|
meta-analysis | 该文章系统评价了人工智能在评估溃疡性结肠炎黏膜愈合中的可替代性 | 本文创新性地探讨了深度学习算法在评估溃疡性结肠炎黏膜愈合中的表现，并提出标准化的AI训练以降低系统间的异质性 | 研究中观察到中等到高水平的异质性，限制了证据的质量 | 探讨人工智能是否能替代内镜医生评估溃疡性结肠炎中的黏膜愈合 | 主要研究对象为溃疡性结肠炎患者的黏膜愈合评估 | 自然语言处理 | 溃疡性结肠炎 | 深度学习 | 卷积神经网络 | 影像 | 12个研究 |
| 10047 | 2024-08-05 |
The impact of large language models on radiology: a guide for radiologists on the latest innovations in AI
2024-Jul, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01552-0
PMID:38551772
|
综述 | 本文探讨了大型语言模型在放射学领域的最新创新及其影响 | 文章强调了大型语言模型在自动化和优化放射学工作流程方面的潜力 | 大型语言模型仍存在信息幻觉和偏见等未解决的挑战，影响临床可靠性 | 帮助放射学家理解并利用大型语言模型的潜力，同时保持医疗安全与伦理 | 针对放射学的技术创新与应用 | 计算机视觉 | NA | 深度学习 | 大型语言模型 | 图像 | NA |
| 10048 | 2024-08-07 |
The Road to Robust and Automated Strain Measurements in Echocardiography by Deep Learning
2024-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.02.015
PMID:38613555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10049 | 2024-08-05 |
Rapid Detection of SARS-CoV-2 Variants Using an Angiotensin-Converting Enzyme 2-Based Surface-Enhanced Raman Spectroscopy Sensor Enhanced by CoVari Deep Learning Algorithms
2024-Jun-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c00488
PMID:38843447
|
研究论文 | 开发了一种基于ACE2的表面增强拉曼光谱传感器与深度学习算法相结合的方法，快速检测和定量SARS-CoV-2变体 | 结合了表面增强拉曼光谱(SERS)和深度学习算法CoVari，显著提高了对病毒变体的检测速度和准确性 | 在未知样本测试中，仅在高于781 PFU/mL的浓度下分类准确率超过90% | 研究快速和定量检测SARS-CoV-2变体的新方法 | SARS-CoV-2及其变体的检测和定量 | 数字病理学 | 肺癌 | 表面增强拉曼光谱(SERS) | CoVari深度学习算法 | 光谱数据 | 涉及三种病毒的不同浓度样本 |
| 10050 | 2024-08-05 |
Image2Flow: A proof-of-concept hybrid image and graph convolutional neural network for rapid patient-specific pulmonary artery segmentation and CFD flow field calculation from 3D cardiac MRI data
2024-Jun, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012231
PMID:38900817
|
研究论文 | 本文展示了一种新型混合图像和图卷积神经网络Image2Flow，用于从3D心脏MRI数据中快速进行患者特异性肺动脉分割和CFD流场计算 | 开发了Image2Flow模型，实现了患者特异性体积网格生成和CFD流场的直接估计，速度远快于传统手动方法 | 研究仅使用了135份3D心脏MRI数据，可能限制了结果的广泛适用性 | 旨在通过深度学习方法提高肺动脉分割和CFD流动计算的自动化和效率 | 使用135个3D心脏MRI图像进行肺动脉的手动分割和CFD流场的计算 | 计算流体动力学 | 心脏病 | 深度学习 | 混合图像和图卷积神经网络 | 图像 | 135份3D心脏MRI数据 |
| 10051 | 2024-08-05 |
Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence
2024-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0749
PMID:38691380
|
研究论文 | 本研究探讨了基于卫星图像的建成环境与心脏代谢疾病流行率之间的关联 | 通过卷积神经网络提取的建成环境特征与心脏病、中风和慢性肾病的流行率显著相关 | 本研究局限于特定城市和横断面设计，可能无法全面反映全国情况 | 研究城市中基于图像的建成环境与心脏代谢疾病流行率之间的关系 | 使用谷歌卫星图像分析数据来关联心脏病、中风和慢性肾病的流行率 | 数字病理学 | 心血管疾病 | 卷积神经网络、轻梯度提升机 | 卷积神经网络 | 图像 | 31,786张空中图像，覆盖789个普查区 |
| 10052 | 2024-08-05 |
Justifying the prediction of major soil nutrients levels (N, P, and K) in cabbage cultivation
2024-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102793
PMID:38957375
|
研究论文 | 本研究预测有机卷心菜种植中的土壤养分水平 | 首次使用深度学习模型及切线 sigmoid 转换函数进行土壤养分预测，并提供了数学理论支持 | 没有关于数据来源和样本量的详细说明 | 证明切线 sigmoid 转换函数在土壤养分预测中的有效性 | 研究重点为有机种植中的氮、磷、钾土壤养分水平 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA |
| 10053 | 2024-08-05 |
The Role of Artificial Intelligence in Healthcare: Enhancing Coronary Computed Tomography Angiography for Coronary Artery Disease Management
2024-Jun, Cureus
DOI:10.7759/cureus.61523
PMID:38957241
|
综述 | 本综述旨在探讨人工智能在冠状动脉CT血管造影中的潜力，以帮助冠状动脉疾病的管理 | 本研究创新性在于探讨将人工智能技术（如机器学习和深度学习）融入CCTA，提高诊断准确性和操作效率 | 本领域在数据保护、算法透明度和标准化编码标准等方面仍面临挑战 | 本研究的目的是提高冠状动脉疾病的诊断和管理效率 | 本研究对象是冠状动脉CT血管造影（CCTA）图像及其分析 | 计算机视觉 | 冠状动脉疾病 | 机器学习，深度学习 | NA | 图像 | NA |
| 10054 | 2024-08-05 |
Use of Artificial Intelligence in the Prediction of Chiari Malformation Type 1 Recurrence After Posterior Fossa Decompressive Surgery
2024-May, Cureus
DOI:10.7759/cureus.60879
PMID:38784688
|
研究论文 | 本研究旨在训练一种基于深度学习的方法，以预测接受手术的Chiari畸形1型（CM1）患者术后症状复发 | 这是首次探索使用机器学习方法预测CM1患者术后症状复发的研究 | 需要利用更大样本量的进一步研究来提高性能 | 研究CM1患者手术后症状复发的预测方法 | 接受CM1手术的患者 | 机器学习 | NA | 深度学习 | ResNet50，CLAM | MRI数据，临床特征 | 57名接受CM1减压手术的患者 |
| 10055 | 2024-08-05 |
Generalized global solar radiation forecasting model via cyber-secure deep federated learning
2024-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-023-30224-1
PMID:37837598
|
研究论文 | 本研究提出了一种基于联邦学习和卷积神经网络的全球太阳辐射预测方法。 | 提出的程序不仅维护输入数据隐私，还可以作为全球超模型使用。 | 缺乏来自阿巴德、贾尔卡维赫和阿拉克地区的训练数据限制了传统方法的有效性。 | 准确预测太阳辐射以应对数据访问和隐私问题。 | 涉及伊朗八个区域的气候特征及三个新区域的数据进行实验。 | 机器学习 | NA | 联邦学习，卷积神经网络 | CNN | 数据集 | 八个区域的数据和三个新区域（阿巴德、贾尔卡维赫、阿拉克）的数据 |
| 10056 | 2024-08-05 |
Scanner-Independent MyoMapNet for Accelerated Cardiac MRI T1 Mapping Across Vendors and Field Strengths
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28739
PMID:37052580
|
研究论文 | 本文开发并评估了一种基于MyoMapNet的加速心脏T1映射方法，该方法可以在不同厂商和磁场强度下使用 | 提出的SI-MyoMapNet通过将扫描仪厂商和磁场强度作为额外输入纳入深度学习架构，从而实现模型的通用性 | 仅使用四张T1加权图像进行建模，可能在某些情况下影响精度 | 开发一种能够在各种扫描仪和磁场强度下进行心脏T1映射的方法 | 1423名已知或怀疑患有心脏病的患者 | 数字病理学 | 心脏疾病 | 改良Look-Locker反转恢复（MOLLI） | 卷积神经网络（CNN） | 图像 | 1423名患者 |
| 10057 | 2024-08-05 |
Effects of different ground segmentation methods on the accuracy of UAV-based canopy volume measurements
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393592
PMID:38957596
|
研究论文 | 本文研究了不同地面分割方法对无人机( UAV) 基于果树冠秆体积测量精度的影响。 | 本文提出了一种基于深度学习的U-Net模型在果树冠分割中的应用，并与传统的OTS和RANSAC方法进行了比较。 | 研究主要依赖于手动标记的数据集，可能对分割结果造成一定的偏差。 | 本文旨在探讨不同分割方法对无人机果树冠体积测量精度的影响。 | 研究对象为果树冠及其体积测量。 | 数字病理 | NA | 结构从运动 (SFM) 技术、深度学习 | U-Net | 图像 | 使用了手动标记的数据集，但具体样本大小未提供 |
| 10058 | 2024-08-05 |
Application of CT and MRI images based on artificial intelligence to predict lymph node metastases in patients with oral squamous cell carcinoma: a subgroup meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1395159
PMID:38957322
|
meta-analysis | 本研究系统评估了人工智能在预测口腔鳞状细胞癌患者淋巴结转移中的应用 | 首次定量评估了基于人工智能的CT和MRI在口腔鳞状细胞癌中的淋巴结转移预测性能 | 纳入的研究数量有限，且异质性存在 | 研究基于人工智能的CT和MRI在预测口腔鳞状细胞癌患者淋巴结转移的诊断性能 | 纳入了关于口腔鳞状细胞癌患者淋巴结转移预测的相关研究 | 医学影像 | 口腔癌 | 人工智能算法 | 机器学习和深度学习 | 影像 | 纳入了14项符合条件的研究 |
| 10059 | 2024-08-05 |
[Application of artificial intelligence in glaucoma. Part 1. Neural networks and deep learning in glaucoma screening and diagnosis]
2024, Vestnik oftalmologii
DOI:10.17116/oftalma202414003182
PMID:38962983
|
review | 本文回顾了人工智能在青光眼筛查、诊断、监测和治疗中的应用 | 文章探讨了深度学习和神经网络如何改善青光眼筛查的有效性 | 所回顾的文献结果相互矛盾，表明AI模型的改进需要进一步研究和标准化方法 | 探讨人工智能在青光眼筛查和诊断中的应用 | 关注使用深度学习和神经网络分析大数据的技术 | NA | 青光眼 | 眼部成像技术 | 神经网络 | 大数据 | NA |
| 10060 | 2024-08-05 |
Enhancing unmanned ground vehicle performance in SAR operations: integrated gesture-control and deep learning framework for optimised victim detection
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1356345
PMID:38957217
|
研究论文 | 本研究提出了一种通过集成手势控制和深度学习来增强无人地面车辆在搜索和救援操作中的表现。 | 研究引入了一种新颖的技术框架，结合先进的手势识别和最前沿的深度学习，特别设计用于在灾难场景中提升UGV的受害者识别能力。 | NA | 提升在灾害中进行搜索和救援的情况意识和受害者检测能力。 | 无人地面车辆（UGVs）在混乱环境中的表现优化。 | 计算机视觉 | NA | YOLOv8，手势识别，深度学习 | MOA-SConv-Bi-LSTM-GRU | 图像 | 在模拟紧急场景中进行全面测试 |