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 12391 篇文献，本页显示第 10521 - 10540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10521 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2024-03-19, Alzheimer's research & therapy
DOI:10.1186/s13195-024-01428-5
PMID:38504336
|
研究论文 | 本研究比较了预定义的方法与深度学习在预测阿尔茨海默病患者脑萎缩模式的表现 | 该研究首次评估了使用深度学习模型与传统方法相比，使用整个脑图像来提高MRI预测阿尔茨海默病相关认知衰退的能力 | 深度学习模型在预测阿尔茨海默病进展方面的表现未优于基于预定义脑区的回归模型 | 研究阿尔茨海默病早期认知衰退的预测方法 | 332名有主观认知衰退或轻度认知障碍的个体 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习模型 | 结构性脑影像 | 332名具有主观认知衰退/轻度认知障碍的个体 | NA | NA | NA | NA |
| 10522 | 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 | NA | NA | NA | NA |
| 10523 | 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 | NA | NA | NA | NA |
| 10524 | 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 | NA | NA | NA | NA |
| 10525 | 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 | NA | NA | NA | NA |
| 10526 | 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 | NA | NA | NA | NA |
| 10527 | 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 | NA | NA | NA | NA |
| 10528 | 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） | NA | NA | NA | NA |
| 10529 | 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 | NA | NA | NA | NA |
| 10530 | 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 | NA | NA | NA | NA |
| 10531 | 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 | NA | NA | NA | NA |
| 10532 | 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 | NA | NA | NA | NA |
| 10533 | 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 | NA | NA | NA | NA |
| 10534 | 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 | NA | NA | NA | NA |
| 10535 | 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 | NA | NA | NA | NA |
| 10536 | 2024-08-07 |
Author Correction: A study on deep learning model based on global-local structure for crowd flow prediction
2024-Jul-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66605-w
PMID:38977774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10537 | 2024-08-05 |
Omics-imaging signature-based nomogram to predict the progression-free survival of patients with hepatocellular carcinoma after transcatheter arterial chemoembolization
2024-Jun-26, World journal of clinical cases
IF:1.0Q3
DOI:10.12998/wjcc.v12.i18.3340
PMID:38983440
|
研究论文 | 本文提出了一种基于影像组学特征的模型用于预测肝细胞癌患者在经导管动脉化疗栓塞治疗后的无进展生存期。 | 本文创新性地结合多相位增强MRI影像的特征，通过构建nomogram模型来提高肝细胞癌患者无进展生存期的预测能力。 | 研究中未提及样本量和其他潜在的临床变量对模型影响的评估 | 旨在通过增强MRI图像建立模型，预测肝细胞癌患者的无进展生存期。 | 研究对象为接受经导管动脉化疗栓塞治疗的肝细胞癌患者。 | 数字病理学 | 肝癌 | 增强MRI | 深度转移学习和深度学习影像组学 | 影像 | 未提供 | NA | NA | NA | NA |
| 10538 | 2024-08-05 |
Cross-species modeling of plant genomes at single nucleotide resolution using a pre-trained DNA language model
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.596709
PMID:38895432
|
研究论文 | 本文介绍了一个基于Caduceus和Mamba架构的植物DNA语言模型PlantCaduceus，旨在跨物种建模植物基因组。 | 该研究提出的PlantCaduceus模型在有限标注数据上的微调显著提高了跨物种预测能力，超越了最佳基线模型。 | 模型可能在某些植物物种的预测准确性上存在局限，具体表现未详细描述。 | 研究旨在理解多样植物基因组的功能和适应性效应，并提供可转移的模型。 | 研究对象为16种不同的被子植物基因组和拟南芥的标注数据。 | 计算机视觉 | NA | 预训练的DNA语言模型 | PlantCaduceus | 基因组序列 | 16种被子植物基因组和有限的拟南芥标注数据 | NA | NA | NA | NA |
| 10539 | 2024-08-05 |
Towards more precise automatic analysis: a systematic review of deep learning-based multi-organ segmentation
2024-Jun-08, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01238-8
PMID:38851691
|
综述 | 本综述系统地总结了基于深度学习的多器官分割的最新研究 | 提出了一种数据驱动的特征提取方法并应用于多器官分割的深度学习技术 | 该综述的范围仅限于2016年至2023年间的研究，可能未涵盖所有相关研究 | 旨在综述多器官分割的最新深度学习研究进展 | 涉及多种器官的分割技术和数据集 | 计算机视觉 | NA | 深度学习 | 完全监督、弱监督和半监督学习 | 医学图像 | 195项研究 | NA | NA | NA | NA |
| 10540 | 2024-08-05 |
Application of artificial intelligence in pancreas endoscopic ultrasound imaging- A systematic review
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108205
PMID:38703435
|
综述 | 本文系统性评估了人工智能在胰腺内镜超声成像中的应用。 | 探讨了人工智能技术在胰腺内镜超声图像分析中的应用，尤其是在提高检测和分类准确性方面的潜力。 | 未具体提及研究中存在的局限性。 | 旨在系统性探讨人工智能辅助系统在胰腺内镜超声中的应用现状及发展。 | 关注人工智能在胰腺内镜超声成像中的应用及其挑战。 | 医学影像学 | 胰腺疾病 | 人工智能 | 传统机器学习和深度学习 | 医学图像 | NA | NA | NA | NA | NA |