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 11953 篇文献，本页显示第 10661 - 10680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10661 | 2024-08-05 |
Time-gated imaging through dense fog via physics-driven Swin transformer
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519662
PMID:38859030
|
研究论文 | 本文描述了一种通过密集雾霭进行成像的新方法 | 提出了一种基于物理驱动的Swin Transformer方法，结合飞行时间和深度学习原则，改善密集雾霭下的成像质量 | 尽管在光学厚度很高的情况下进行实验，但后续在更复杂的环境下的验证仍需进行 | 研究如何在密集雾霭条件下提高成像质量 | 主要针对被密集雾霭遮挡的目标物体进行成像重建 | 计算机视觉 | NA | 飞行时间 (ToF) 和深度学习 | Swin Transformer | 图像 | 涉及的光学厚度达到3.0的实验数据 |
| 10662 | 2024-08-05 |
Ultra-high-speed four-dimensional hyperspectral imaging
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.520788
PMID:38859098
|
研究论文 | 提出了一种新型的四维光谱成像系统，该系统能够同时获取深度和光谱图像 | 创新性地结合了反射编码孔径快照光谱成像系统和全色相机，实现了超高速的四维光谱成像 | 未提及具体的系统应用场景和可扩展性 | 开发一种快速且高效的光谱成像技术用于深度和光谱图像的同步获取 | 研究对象为高光谱数据立方体和全色图像的对齐与融合 | 计算机视觉 | NA | 深度学习 | U-net-3D | 光谱图像 | NA |
| 10663 | 2024-08-05 |
Deep Learning for Elucidating Modifications to RNA-Status and Challenges Ahead
2024-05-15, Genes
IF:2.8Q2
DOI:10.3390/genes15050629
PMID:38790258
|
research paper | 这篇文章概述了深度学习在RNA修饰及其功能研究中的应用 | 创新点在于深入探讨了深度学习如何应用于mRNA-RBP结合问题，并考虑了其他类型的RNA化学修饰 | 文章未明确指出研究的局限性 | 研究RNA结合蛋白和RNA的化学修饰在基因转录调控中的生物学作用 | 研究对象包括RNA结合蛋白及RNA化学修饰 | 自然语言处理 | NA | 深度学习 | NA | 序列和二级结构数据 | NA |
| 10664 | 2024-08-05 |
A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models
2024-May-13, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14050574
PMID:38785981
|
综述 | 本文回顾了近年来用于估计蛋白质复合体模型准确性的深度学习方法 | 提供了对这些深度学习EMA方法的全面概述，并分析其方法论、数据和特征构建 | 缺乏对现有方法的实证验证和性能比较 | 旨在总结和分析用于蛋白质复合体结构准确性估计的深度学习方法 | 重点关注蛋白质复合体的结构预测和准确性估计 | 机器学习 | NA | 深度学习 | NA | NA | NA |
| 10665 | 2024-08-05 |
Deep learning-based method for defect detection in electroluminescent images of polycrystalline silicon solar cells
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.517341
PMID:38858917
|
研究论文 | 本文提出了一种基于深度学习的ASDD-Net方法，用于光电致发光下的多晶硅太阳能电池缺陷检测 | 引入了增强的跨阶段部分网络融合和混合注意力模块，以优化特征提取和融合能力 | 没有提及模型在不同类型光电致发光图像上的表现 | 旨在实现多晶硅太阳能电池的实时缺陷检测 | 聚焦于光电致发光条件下的多晶硅太阳能电池图像 | 计算机视觉 | NA | 深度学习 | ASDD-Net | 图像 | 使用了PVEL-AD数据集进行评估 |
| 10666 | 2024-08-05 |
Experimental demonstration of wavefront reconstruction and correction techniques for variable targets based on distorted grating and deep learning
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.519163
PMID:38858950
|
研究论文 | 本研究提出了一种适用于可变目标的波前重建和校正的实用方法 | 创新点在于设计了扭曲光栅并提出了独立于成像目标的细化特征和结构聚焦特征，以提高波前像差的表征准确性 | NA | 构建高精度的通用扩展目标自适应光学系统 | 不同成像目标的波前重建与校正 | 光学 | NA | 深度学习 | 噪声到去噪生成对抗网络（N2D-GAN）和基于注意力机制的高效网络（AM-EffNet） | 图像 | 实验设置中验证了不同成像目标的重建效果 |
| 10667 | 2024-08-05 |
ATN-Res2Unet: an advanced deep learning network for the elimination of saturation artifacts in endoscopy optical coherence tomography
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.517587
PMID:38858918
|
研究论文 | 本研究提出了一种名为ATN-Res2Unet的深度学习网络，旨在减少内镜光学相干断层扫描中的饱和伪影 | 本研究首次探索利用深度学习技术消除内镜光学相干断层扫描图像中的伪影 | 缺乏足够的真实数据用于训练和验证 | 研究旨在改善内镜光学相干断层扫描图像的质量 | 研究对象为内镜光学相干断层扫描图像中的饱和伪影 | 计算机视觉 | NA | 深度学习 | ATN-Res2Unet | 图像 | 使用了实验性体内数据进行验证 |
| 10668 | 2024-08-05 |
Reconstruction method suitable for fast CT imaging
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.522097
PMID:38858899
|
研究论文 | 该文提出了一种适用于快速CT成像的重建方法 | 引入了深度学习模型X-CTReNet，通过非线性映射函数从正交投影到CT体积进行重建，显著提高了从稀疏投影推断CT体积的能力 | 研究中未详细讨论模型在投影数量极少情况下的表现限制 | 寻求一种在可用投影高度稀疏的情况下适用的CT成像重建方法 | CT图像重建 | 计算机视觉 | NA | 深度学习 | X-CTReNet | 图像 | 使用了从两视图投影生成的CT体积数据进行验证 |
| 10669 | 2024-08-05 |
Sub-photon accuracy noise reduction of a single shot coherent diffraction pattern with an atomic model trained autoencoder
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.523999
PMID:38858990
|
研究论文 | 本研究利用深度学习验证噪声减少技术，使用自编码器作为学习模型。 | 采用U-net架构实现亚光子精度的噪声减少，且扩展模型以适应不同形状的粒子衍射模式。 | 对比其他神经网络架构的性能时，U-net虽然表现出色，但未说明不同形状粒子与模拟数据间的适应性全面。 | 验证深度学习在衍射模式噪声减少中的有效性。 | 主要研究纳米粒子的衍射模式。 | 计算机视觉 | NA | 深度学习，噪声减少 | U-net | 模拟数据，衍射图案 | NA |
| 10670 | 2024-08-05 |
Fully dense generative adversarial network for removing artifacts caused by microwave dielectric effect in thermoacoustic imaging
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.522550
PMID:38858929
|
研究论文 | 提出了一种基于深度学习的完全密集生成对抗网络用于去除热声成像中由微波介电效应引起的伪影 | 引入了完全密集块到生成对抗网络中，以提高伪影去除的有效性 | 未提及实际临床应用的数据验证 | 提高热声成像的图像准确性和质量 | 热声成像中由微波介电效应造成的伪影 | 计算机视觉 | NA | 深度学习 | 完全密集生成对抗网络 (FD-GAN) | 模拟和实验数据 | NA |
| 10671 | 2024-08-05 |
Terahertz deep learning fusion computed tomography
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.518997
PMID:38858949
|
研究论文 | 提出了一种基于时域THz信号的多维成像框架和多尺度时空谱融合Unet，旨在提高THz图像质量 | 引入了MS3-Unet，通过多尺度分支提取特征，并使用自适应滤波器实现THz图像的高质量还原 | NA | 提高THz成像的图像质量以便于物体探索和检测 | 几何变化的物体 | 数字病理 | NA | THz成像 | Unet | 图像 | NA |
| 10672 | 2024-08-05 |
SAHIS-Net: a spectral attention and feature enhancement network for microscopic hyperspectral cholangiocarcinoma image segmentation
2024-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.519090
PMID:38855697
|
研究论文 | 本文介绍了一种用于胆道癌图像分割的深度学习方法SAHIS-Net。 | 提出了基于光谱注意力模块的SAHIS-Net及改进的特征增强机制，以更好地区分胆道癌区域。 | 尚未提及具体的局限性。 | 通过深度学习提高胆道癌显微高光谱成像的分割精度。 | 主要研究对象为胆道癌的显微高光谱图像。 | 计算机视觉 | 胆道癌 | 高光谱成像 | U-Net | 图像 | NA |
| 10673 | 2024-08-05 |
Unveiling the Influence of AI Predictive Analytics on Patient Outcomes: A Comprehensive Narrative Review
2024-May, Cureus
DOI:10.7759/cureus.59954
PMID:38854327
|
review | 这篇综合文献综述探讨了人工智能预测分析对医疗保健及患者结果的变革性影响 | 文章创新地将人工智能预测分析应用于改善疾病进展、治疗反应和恢复率的领域 | 文章提到伦理考虑，包括数据隐私、偏见和责任，但未详细探讨这些问题 | 研究的目的是探索人工智能预测分析在提高患者结果方面的潜力 | 研究对象包括电子健康记录、成像和基因数据等大数据集 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | 电子健康记录、成像和基因数据 | NA |
| 10674 | 2024-08-05 |
Working memory load recognition with deep learning time series classification
2024-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.516063
PMID:38855665
|
研究论文 | 本研究提出了一种用于工作记忆负荷识别的深度学习时间序列分类模型 | 提出了一种新的TAResnet-BiLSTM模型，在跨主体工作记忆负荷解码中达到最高准确率 | 样本数量仅为27人，可能限制结果的普遍性和适用性 | 研究旨在精确评估工作记忆负荷以改善人机交互应用 | 研究对象为27名参与者的血氧信号 | 计算机视觉 | NA | fNIRS | TAResnet-BiLSTM | 时间序列 | 27名参与者 |
| 10675 | 2024-08-05 |
STCS-Net: a medical image segmentation network that fully utilizes multi-scale information
2024-May-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.517737
PMID:38855673
|
研究论文 | 本文提出了一种名为STCS-Net的医学图像分割网络，充分利用多尺度信息 | 创新点在于设计了一个能够多尺度滤波和信息校正的解码器，以及引入了强调重要特征的信息增强模块 | NA | 研究医学图像分割领域的新方法 | 医学图像，包括ISIC2016、ISIC2018和肺部数据集 | 数字病理学 | 肺癌 | 深度学习 | NA | 图像 | 在ISIC2016、ISIC2018和肺部数据集上进行的评估 |
| 10676 | 2024-08-05 |
Role of artificial intelligence in multiple sclerosis management
2024-May, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202405_36289
PMID:38856129
|
研究论文 | 本文探讨了人工智能在多发性硬化症管理中的应用前景 | 强调了人工智能在提高多发性硬化症早期检测、个性化治疗和预后预测中的潜力 | 研究可能面临数据量不足和模型准确性问题 | 研究人工智能在多发性硬化症诊断和治疗中的作用 | 患者数据（人口统计、基因信息、临床和影像表现） | 医疗健康 | 多发性硬化症 | 人工智能 | 机器学习，深度学习，神经网络 | 数据，影像 | NA |
| 10677 | 2024-08-07 |
Correction: Identification of a novel bile marker clusterin and a public online prediction platform based on deep learning for cholangiocarcinoma
2024-Apr-29, BMC medicine
IF:7.0Q1
DOI:10.1186/s12916-024-03404-0
PMID:38679726
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10678 | 2024-08-05 |
Application of Medical Statistical and Machine Learning Methods in the Age Estimation of Living Individuals
2024-Apr-25, Fa yi xue za zhi
|
综述 | 本文回顾了常用的医学统计方法和机器学习方法在活体年龄估计中的应用 | 总结医学统计方法与机器学习方法之间的相关性及应用前景 | 未提及具体的实证研究及其效果 | 为活体年龄估计研究提供技术指导，获得更科学准确的结果 | 活体个体的年龄估计 | 机器学习 | NA | 医学统计方法与机器学习方法 | 浅层学习与深度学习 | 数据分析 | NA |
| 10679 | 2024-08-05 |
SE-FSCNet: full-scale connection network for single-shot phase demodulation
2024-Apr-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.520818
PMID:38859184
|
研究论文 | 提出了一种基于新型全尺度连接网络SE-FSCNet的单次相位解调方法 | SE-FSCNet采用全尺度连接方法和特征融合模块，改善了特征传输和利用能力 | 未提及具体的局限性 | 提高投影条纹3D测量中相位解调的准确性 | 针对条纹投影的相位解调方法 | 计算机视觉 | NA | 深度学习 | SE-FSCNet | NA | 测试集 |
| 10680 | 2024-08-05 |
Towards high-performance polarimeters with large-area uniform chiral shells: a comparative study on the polarization detection precision enabled by the Mueller matrix and deep learning algorithm
2024-Apr-22, Optics express
IF:3.2Q2
DOI:10.1364/OE.521432
PMID:38859268
|
研究论文 | 本研究展示了一种基于大面积均匀手性外壳的高精度宽带全斯托克斯偏振计 | 提出了一种后建立的映射关系，通过深度学习算法和穆勒矩阵理论来提高偏振检测精度 | 研究可能受到设备制造和检测误差的影响 | 提高偏振检测和成像技术的精度和稳定性 | 基于大面积均匀手性外壳的全斯托克斯偏振计 | 光学 | NA | 深度学习算法，穆勒矩阵理论 | NA | 光学数据 | 大数据集，具体样本数量未明确提及 |