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 11910 篇文献，本页显示第 10821 - 10840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10821 | 2024-08-05 |
Automated detection of incidental abdominal aortic aneurysms on computed tomography
2024-02, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04119-1
PMID:38091064
|
研究论文 | 本文探讨了在一大群无症状成人患者中使用全自动深度学习软件检测和评估腹主动脉瘤（AAA） | 提出了一种由全自动深度学习模型训练的腹主动脉分割和AAA检测的方法 | 研究在现有的外部验证数据集上进行，但可能未涵盖所有人群特征 | 研究旨在评估全自动检测腹主动脉瘤的可行性和准确性 | 研究对象为9172名无症状患者，这些患者接受了结肠癌筛查的CT扫描 | 数字病理学 | NA | 深度学习 | NA | CT图像 | 9172名无症状患者的CT扫描 |
| 10822 | 2024-08-05 |
Deep learning based retinal vessel segmentation and hypertensive retinopathy quantification using heterogeneous features cross-attention neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1377479
PMID:38841586
|
研究论文 | 本文提出了一种基于深度学习的视网膜血管分割和高血压性视网膜病量化方法 | 创新点在于提出了一种异构神经网络，结合了卷积神经网络的局部语义信息提取与变换网络结构的长距离空间特征挖掘 | NA | 研究旨在提高视网膜图像中血管的自动分割精度和高血压性视网膜病的量化 | 研究对象为视网膜图像中的血管 | 计算机视觉 | 高血压性视网膜病 | 深度学习 | 异构神经网络 | 图像 | 四个公开可用数据集 |
| 10823 | 2024-08-05 |
Predicting cardiovascular disease risk using photoplethysmography and deep learning
2024, PLOS global public health
DOI:10.1371/journal.pgph.0003204
PMID:38833495
|
研究论文 | 本研究探讨使用光电容积脉搏波描记法（PPG）和深度学习技术预测心血管疾病风险的潜力 | 开发了一种基于PPG的深度学习心血管疾病风险评分（DLS），使得在无身体检查的情况下能够有效预测心血管事件的风险 | 仅使用年龄、性别、吸烟状态和PPG作为预测因子，可能忽略其他相关健康指标 | 为资源有限地区的心血管疾病早期检测和干预提供可行的替代方案 | 141,509名参与者的开发数据集和54,856名参与者的测试数据集来自UK Biobank | 机器学习 | 心血管疾病 | 光电容积脉搏波描记法（PPG） | 深度学习 | 数据集（参与者信息） | 141,509名用于模型开发和54,856名用于模型测试的参与者 |
| 10824 | 2024-08-05 |
Multi-centre benchmarking of deep learning models for COVID-19 detection in chest x-rays
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1386906
PMID:38836218
|
研究论文 | 本研究评估了用于从胸部X光片中检测COVID-19的深度学习模型的性能 | 该研究综合评估了多中心深度学习模型在临床决策支持工具中的适用性，并强调了临床医生在模型开发各阶段的参与必要性 | 模型在应用于复杂临床案例及放射科医生定义的“轻微”病例时表现不佳，且对国际人群的泛化能力不足 | 评估深度学习模型作为临床决策支持工具的适用性 | 基于来自26家NHS医院的国家COVID-19胸部影像数据库的模型进行训练和评估 | 计算机视觉 | COVID-19 | 深度学习 | NA | 影像 | 多中心数据集，来自26家医院的样本，包含NHS人群和国际人群 |
| 10825 | 2024-08-05 |
Peripheral blood MicroRNAs as biomarkers of schizophrenia: expectations from a meta-analysis that combines deep learning methods
2024 Jan-Feb, The world journal of biological psychiatry : the official journal of the World Federation of Societies of Biological Psychiatry
DOI:10.1080/15622975.2023.2258975
PMID:37703215
|
meta-analysis | 本研究利用元分析结合深度学习方法识别血液中与精神分裂症有关的可靠差异表达miRNAs | 结合计算方法和数学方法的元分析为精神分裂症候选生物标志物的识别提供了可靠工具 | 研究的局限性未在摘要中描述 | 识别血液中精神分裂症的可靠差异表达miRNAs | 精神分裂症相关的miRNAs | NA | 精神分裂症 | 深度学习，元分析 | 随机森林 (RF) | 血液中的miRNA数据 | 涉及27个显著的差异表达miRNAs |
| 10826 | 2024-08-05 |
Exploring the dynamics of monkeypox transmission with data-driven methods and a deterministic model
2024, Frontiers in epidemiology
DOI:10.3389/fepid.2024.1334964
PMID:38840980
|
研究论文 | 本研究分析了全球Mpox的单变量时间序列数据，为理解Mpox传播动态提供了综合分析 | 本研究创新之处在于同时使用数据驱动的方法和数学模型来深入分析Mpox时间序列数据 | 本研究的局限性在于未针对各种潜在的外部因素进行详细考量 | 本研究旨在分析Mpox传播的动态，以便更好地预测和控制该疾病的传播 | 研究对象为全球范围内的Mpox传播数据 | 计算机视觉 | NA | 深度学习模型（CNN、LSTM、BiLSTM、混合CNN-LSTM和CNN-BiLSTM）和统计时间序列模型（ARIMA、指数平滑） | 确定性模型 | 时间序列数据 | 涉及多个国家和地区的Mpox疫情数据 |
| 10827 | 2024-08-05 |
An automated hybrid approach via deep learning and radiomics focused on the midbrain and substantia nigra to detect early-stage Parkinson's disease
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1397896
PMID:38832074
|
研究论文 | 本研究提出了一种新的混合模型，通过深度学习和放射组学自动检测早期帕金森病 | 提出了一种将放射组学和深度学习相结合的新方法，在用于早期帕金森病的诊断中表现出色 | 未提及特定的限制因素 | 旨在开发一种有效的方法以早期检测帕金森病 | 收集了73名早期帕金森病患者和65名健康对照的定量敏感性成像(QSM)数据 | 数字病理学 | 帕金森病 | QSM | 混合特征支持向量机(SVM) | 图像 | 73名早期帕金森病患者和65名健康对照，以及24名外部验证参与者 |
| 10828 | 2024-08-05 |
Multi-sequence generative adversarial network: better generation for enhanced magnetic resonance imaging images
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1365238
PMID:38841427
|
研究论文 | 提出了一种基于pix2pix模型的多模态输入生成对抗网络，以生成增强的磁共振成像图像 | 通过比较提出的模型与pix2pix模型，展示了在生成增强序列图像方面的新方法 | NA | 旨在减少对对比剂的使用，保护某些特定人群 | 对比不同MRI序列生成增强图像的效果 | 数字病理学 | 癌症 | 生成对抗网络 | pix2pix | 图像 | NA |
| 10829 | 2024-08-05 |
Prediction of recurrence risk factors in patients with early-stage cervical cancers by nomogram based on MRI handcrafted radiomics features and deep learning features: a dual-center study
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04125-3
PMID:37987856
|
研究论文 | 建立并验证了一种基于MR图像和临床特征的深度学习放射组学评分模型以预测早期宫颈癌患者的复发风险因素 | 该研究首次结合深度学习特征和手工放射组学特征，建立了用于预测复发风险的深度学习放射组学评分模型 | 研究的样本主要集中在两个中心，外部验证的样本量相对较小 | 旨在预测早期宫颈癌患者的复发风险因素并进行风险分层 | 研究对象为225例病理确认的早期宫颈癌患者 | 数字病理学 | 宫颈癌 | MRI手工放射组学特征和深度学习特征 | 逻辑回归 | 医学影像 | 225例早期宫颈癌患者及40例外部验证患者 |
| 10830 | 2024-08-05 |
Single-channel seizure detection with clinical confirmation of seizure locations using CHB-MIT dataset
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1389731
PMID:38836000
|
研究论文 | 本文提出了一种基于深度学习的单通道癫痫发作检测方法。 | 创新点在于使用患者特异性的单通道检测方法，结合神经学家的癫痫空间特征确认。 | 研究的样本量较小，仅涉及13名患者，且只选择了特定的通道。 | 研究旨在改善难治性癫痫患者的长时间EEG监测。 | 研究对象包括13名患有难治性癫痫的患者。 | 数字病理学 | 癫痫 | 深度学习 | 多通道和单通道检测器 | EEG | 13名患者的EEG记录 |
| 10831 | 2024-08-07 |
Editorial: Applications of artificial intelligence, machine learning, and deep learning in plant breeding
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420938
PMID:38841285
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10832 | 2024-08-05 |
Automated identification of aquatic insects: A case study using deep learning and computer vision techniques
2024-Jul-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.172877
PMID:38740196
|
研究论文 | 本研究利用深度学习和计算机视觉技术自动识别水生昆虫，以提高生物监测的效率和分类精度 | 研究建立了一个包含90个EPT分类的数据库，并使用CNN模型实现了98.7%的分类准确率 | 研究中只涉及特定的EPT分类，可能不能推广到所有水生昆虫的分类 | 提高水生昆虫生物监测程序的效率和分类分辨率 | EPT类水生昆虫，包括蜉蝣、石蝇和毛虫 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 共16,650张图像，包含90个EPT分类 |
| 10833 | 2024-08-05 |
Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3358168
PMID:38265904
|
研究论文 | 通过复杂系统理论评估自然语言生成模型的能力。 | 提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。 | 未提及具体的局限性。 | 探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。 | 比较GPT-2生成的英文文本与人类创作的小说和程序代码。 | 自然语言处理 | NA | 复杂性测量 | GPT-2 | 文本 | 分析了三种文本类型，具体样本量未提及 |
| 10834 | 2024-08-05 |
Detection and coverage estimation of purple nutsedge in turf with image classification neural networks
2024-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8055
PMID:38436512
|
研究论文 | 该研究评估了使用图像分类神经网络检测和估算草坪中紫色猪殃殃覆盖率的有效性 | 通过使用不同的深度学习模型，尤其是DenseNet，在杂草检测和覆盖估算上表现出先进的准确性和效率 | 需要大量注释数据进行模型训练 | 实现精确的杂草检测和覆盖率估算以优化除草剂应用 | 杂草检测和估算在百慕大草坪中的覆盖率 | 计算机视觉 | NA | 深度学习 | DenseNet, GoogLeNet, ResNet | 图像 | NA |
| 10835 | 2024-08-05 |
Global and Regional Deep Learning Models for Multiple Sclerosis Stratification From MRI
2024-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29046
PMID:37803817
|
研究论文 | 该文章比较了不同的输入策略对多发性硬化症患者残疾分级模型的性能影响 | 首次评估全脑输入采样策略与区域/特定组织策略在多发性硬化症患者残疾分级中的效果 | 缺乏对不同输入策略影响模型表现的深入研究 | 旨在根据残疾水平对多发性硬化症患者进行分级 | 319名多发性硬化症患者及440名来自多个中心的患者 | 计算机视觉 | 多发性硬化症 | MRI | 3D-CNN | 图像 | 319名多发性硬化症患者，382个脑MRI扫描；440名患者的外部验证组 |
| 10836 | 2024-08-05 |
Research on precise phenotype identification and growth prediction of lettuce based on deep learning
2024-Jul-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.118845
PMID:38570128
|
研究论文 | 本文研究了生菜的精确表型识别和生长预测 | 通过深度学习模型，提出了用于生菜生长的预测模型，并定义了一些新颖的表型指标 | 没有详细说明实验的样本大小和营养应激条件的具体影响 | 旨在实现精准农业的目标，通过识别和监测生菜的表型特征 | 生菜的表型特征及其生长状态 | 数字农业 | NA | 深度学习 | NA | RGB图像 | NA |
| 10837 | 2024-08-05 |
Automated Breast Density Assessment in MRI Using Deep Learning and Radiomics: Strategies for Reducing Inter-Observer Variability
2024-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29058
PMID:37846440
|
研究论文 | 本研究探讨了使用深度学习和放射组学对MRI中乳腺密度评估的自动化方法。 | 提出了通过人工智能辅助解释来减少乳腺密度评估的观察者间变异性。 | 对于极度致密类别的评估，观察者之间的一致性较低，显示出模型在此任务中的局限性。 | 评估人工智能在降低乳腺密度评估中观察者间变异性的可行性。 | 涉及621名没有乳腺假体或重建的患者，通过分层数据集进行分析。 | 数字病理学 | NA | 深度学习，放射组学 | NA | MRI图像 | 621名患者，分为训练（377），验证（98）和独立测试（146）数据集 |
| 10838 | 2024-08-05 |
On the Number of Linear Regions of Convolutional Neural Networks With Piecewise Linear Activations
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361155
PMID:38300783
|
研究论文 | 本文提供了用于研究具有分段线性激活的卷积神经网络线性区域的数学结果 | 提出了一层和多层分段线性卷积神经网络的最大和平均线性区域数量的数学结果 | 未提及具体限制 | 研究具有分段线性激活的卷积神经网络的线性区域 | 分段线性卷积神经网络的线性区域 | 机器学习 | NA | NA | PLCNN | NA | NA |
| 10839 | 2024-08-05 |
Magnetic Resonance Deep Learning Radiomic Model Based on Distinct Metastatic Vascular Patterns for Evaluating Recurrence-Free Survival in Hepatocellular Carcinoma
2024-Jul, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29064
PMID:37888871
|
研究论文 | 本文建立并比较了与肝细胞癌(HCC)患者无复发生存期相关的VETC-MVI模型 | 创新性地结合了微血管侵袭(MVI)和肿瘤团簇包裹血管(VETC)的不同转移血管模式来评估肝细胞癌的复发生存期 | 研究限于回顾性，样本来自五家医院，可能影响模型的外部验证 | 旨在构建与HCC患者无复发生存期相关的临床、放射组学和深度学习模型 | 398名接受切除手术的HCC患者进行分析 | 数字病理学 | 肝癌 | 磁共振成像(MRI) | 深度学习模型 | 影像 | 398名HCC患者（349名男性，49名女性） |
| 10840 | 2024-08-05 |
A Multi-Level Interpretable Sleep Stage Scoring System by Infusing Experts' Knowledge Into a Deep Network Architecture
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3366170
PMID:38358869
|
研究论文 | 本文设计了一种可解释的深度学习系统用于睡眠阶段评分的电生理信号分类 | 提出了一种结合人类专家睡眠评分原则的可解释深度神经网络架构 | 研究中并未详细讨论算法在不同患者样本上的适应性 | 构建一个透明的深度学习系统用于电生理信号的睡眠阶段评分 | 电生理信号的时间序列分类，主要针对睡眠阶段的评分 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 信号 | NA |