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 12091 篇文献，本页显示第 10961 - 10980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10961 | 2024-08-05 |
Software cost estimation predication using a convolutional neural network and particle swarm optimization algorithm
2024-Jun-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63025-8
PMID:38849414
|
研究论文 | 本文提出了一种基于卷积神经网络和粒子群优化算法的软件成本估算模型 | 结合深度学习和机器学习技术，利用CNN和PSO进行时间序列预测，增强了模型的稳健性和泛化能力 | 尽管在多个基准数据集上取得了优异表现，但仍需进一步验证其在不同应用领域的有效性 | 提升软件成本估算的预测准确性和稳定性 | 使用13个不同的基准数据集进行模型训练和测试 | 机器学习 | NA | 卷积神经网络 (CNN) 和粒子群优化 (PSO) | 卷积神经网络 (CNN) | 基准数据集 | 13个不同的基准数据集 |
| 10962 | 2024-08-05 |
Depth-enhanced high-throughput microscopy by compact PSF engineering
2024-Jun-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48502-y
PMID:38849376
|
研究论文 | 本文展示了一种紧凑的点扩散函数工程，以增强高通量显微镜的成像深度 | 提出了一种在物镜中实现紧凑点扩散函数工程的方法，克服了传统方法的笨重光学扩展问题 | 未在实际应用中提供完全的验证，而主要集中于方法论的展示 | 提升高通量显微镜在三维细胞模型中的应用效能 | 聚焦于三维显微成像及其与深度学习结合的能力 | 数字病理学 | NA | 光学方法 | 深度学习 | 图像 | NA |
| 10963 | 2024-08-05 |
PUResNetV2.0: a deep learning model leveraging sparse representation for improved ligand binding site prediction
2024-Jun-07, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00865-6
PMID:38849917
|
研究论文 | 本文介绍了PUResNetV2.0模型，该模型通过稀疏表示提升了配体结合位点预测的准确性 | 提出了一种利用稀疏表示的深度学习模型PUResNetV2.0，以改善配体结合位点预测的准确性 | 在某些特定情况下（如RNA、DNA、肽类配体和离子结合位点预测）的性能受到训练数据限制的影响 | 提升蛋白质中配体结合位点预测的准确性 | 4729个蛋白质家族的蛋白质复合物 | 计算机视觉 | NA | 深度学习 | PUResNetV2.0 | 蛋白质复合物数据 | 4729个蛋白质家族 |
| 10964 | 2024-08-05 |
Explainable deep learning-based ischemia detection using hybrid O-15 H2O perfusion PET/CT imaging and clinical data
2024-Jun-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.101889
PMID:38852900
|
研究论文 | 本研究开发了一种可解释的深度学习分类器，用于通过O-15 H2O灌注PET/CT和冠状动脉CT血管成像识别冠状动脉疾病 | 提出了一种结合图像和数据的深度学习分类器，并能够以可视化方式展示数据结果 | 仅在138名受试者中评估，可能样本量不足以广泛推广 | 研究目的是开发一种有效的深度学习模型用于检测流量限制性冠状动脉疾病 | 研究对象为138名受试者，包含临床、CTA和PET变量 | 计算机视觉 | 冠状动脉疾病 | PET/CT成像 | 深度学习模型 | 图像和数值数据 | 138名受试者 |
| 10965 | 2024-08-05 |
Accuracy of a deep learning-based algorithm for the detection of thoracic aortic calcifications in chest computed tomography and cardiovascular surgery planning
2024-Jun-03, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezae219
PMID:38837348
|
研究论文 | 本文评估了一种基于深度学习的算法在胸部计算机断层扫描中自动检测胸主动脉钙化的准确性 | 提出了一种全自动的深度学习模型来检测胸主动脉钙化，并重点关注主动脉夹钳区 | 仅涉及91名患者的回顾性样本，可能影响结果的普适性 | 评估深度学习算法在胸部CT中检测主动脉钙化的准确性 | 回顾性分析100个胸部CT扫描，来自91名患者 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 100个胸部CT扫描，来自91名患者 |
| 10966 | 2024-08-05 |
Machine learning-based classification of structured light modes under turbulence and eavesdropping effects
2024-Jun-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.520510
PMID:38856620
|
研究论文 | 本文考虑了在湍流和窃听影响下对复用结构光模态的分类 | 这是首个同时考虑湍流和窃听威胁对复用结构光模态分类的研究 | 未提及具体的实验条件或其他可能影响分类结果的因素 | 提高在挑战性环境中的通信可靠性和数据传输速率 | 复用的结构光模态，特别是在湍流和窃听场景下的性能 | 机器学习 | NA | 机器学习算法 | 人工神经网络，支持向量机，1D卷积神经网络，2D卷积神经网络 | 光学信号 | 16种模式 |
| 10967 | 2024-08-05 |
Role of ChatGPT-4 for Medical Researchers
2024-Jun, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-023-03336-5
PMID:37526801
|
评论 | 本文强调了ChatGPT-4在医疗领域的贡献、益处和挑战 | 探讨了ChatGPT-4在医学研究中的应用潜力和具体优势 | 对该工具的知识和潜力仍需更深入的了解 | 旨在阐明ChatGPT-4对医学研究的影响 | 医疗研究人员和从业者 | 自然语言处理 | NA | 深度学习 | ChatGPT-4 | 文本 | NA |
| 10968 | 2024-08-05 |
Estimation of modified Zernike coefficients from turbulence-degraded multispectral imagery using deep learning
2024-Jun-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.521072
PMID:38856589
|
研究论文 | 本文研究了波长多样性如何影响深度学习模型从多光谱图像中预测修正Zernike系数的性能 | 提出了一种利用波长依赖的模拟方法来处理湍流引起的波前误差，并采用深度神经网络进行修正Zernike系数的预测 | 在使用带有附加噪声的扩展对象时，增加光谱带数所带来的改进有限 | 研究深度学习在湍流条件下从多光谱图像中高准确度预测修正Zernike系数的能力 | 点对象和来自字符数据集的扩展对象的多光谱图像 | 计算机视觉 | NA | 深度学习 | AlexNet | 图像 | 点对象和扩展对象的模拟图像数据，涉及不同湍流水平的多个样本 |
| 10969 | 2024-08-05 |
Identifying the twist factor of twisted partially coherent optical beams
2024-Jun-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.522975
PMID:38856440
|
研究论文 | 本文介绍了一种识别扭曲部分相干光束扭曲因子的方法 | 提出利用源平面上的圆形光圈来识别扭曲部分相干光束，简化了识别过程 | 识别过程可能受到光束低相干性和随机性的影响 | 研究如何有效识别扭曲部分相干光束的扭曲因子 | 扭曲部分相干光束的扭曲因子 | 光学 | NA | 深度学习 | 简单的深度学习模型 | 光束强度结构 | NA |
| 10970 | 2024-08-05 |
[Computer-vision-based artificial intelligence for detection and recognition of instruments and organs during radical laparoscopic gastrectomy for gastric cancer: a multicenter study]
2024-May-25, Zhonghua wei chang wai ke za zhi = Chinese journal of gastrointestinal surgery
|
研究论文 | 本研究探讨了基于计算机视觉的人工智能技术在胃癌根治性腹腔镜胃切除术中检测和识别器械与器官的可行性和准确性 | 首次应用YOLOv8深度学习框架，在多中心收集的腹腔镜手术视频中实现器械和器官的实时检测与识别 | 主要依赖视频数据，可能存在手术视频的多样性和复杂性影响准确性的可能 | 研究计算机视觉在胃癌根治性腹腔镜手术中检测与识别器械和器官的有效性 | 从四家大医院收集的8段完整腹腔镜胃切除术视频 | 计算机视觉 | 胃癌 | YOLOv8深度学习框架 | YOLOv8m模型 | 图像 | 3369帧图像，训练集包含3032帧，验证集包含337帧 |
| 10971 | 2024-08-05 |
Systematic training of table tennis players' physical performance based on artificial intelligence technology and data fusion of sensing devices
2024-May-23, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2024.100151
PMID:38796032
|
研究论文 | 本文研究了基于人工智能技术和传感器设备数据融合的乒乓球运动员体能训练的系统方法 | 结合人工智能的体能训练模型，提高了比赛信息提取的效率和观众体验 | 没有具体提及样本量和广泛适用性 | 探讨乒乓球运动员的体能训练对提高比赛表现的重要性 | 聚焦于中国乒乓球运动员的训练和技术动作识别 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 视频 | NA |
| 10972 | 2024-08-05 |
Coded aperture compressive temporal imaging via unsupervised lightweight local-global networks with geometric characteristics
2024-May-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.510414
PMID:38856504
|
研究论文 | 本文提出了一种轻量级重建网络，通过压缩测量恢复高维信号。 | 本研究创新性地设计了一个轻量级网络，利用无监督学习和几何特征来改进信号重建。 | 受限于实际光学成像系统中的应用，可能对数据质量和网络训练有依赖。 | 研究压缩测量下的高维信号重建问题。 | 研究对象为通过压缩测量恢复的视频信号。 | 计算机视觉 | NA | 压缩感知 | 轻量级网络 | 视频 | 实验结果未提供样本大小 |
| 10973 | 2024-08-05 |
Imaging through thick scattering media based on envelope-informed learning with a simulated training dataset
2024-May-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.521140
PMID:38856497
|
研究论文 | 本文提出了一种基于卷积和高斯分布包络的深度学习方法，用于在厚散射介质中成像 | 通过使用高斯分布的包络来模拟点扩散函数，从而减少了训练数据集构建的时间和条件 | 重建物体的质量与散射介质的厚度呈负相关 | 研究如何在散射成像中有效应用深度学习 | 使用模拟训练数据集的神经网络重建被未知散射介质遮挡的物体 | 计算成像 | NA | 深度学习 | 神经网络 | 图像 | 通过手写数字与点扩散函数的卷积获取的训练数据集的样本 |
| 10974 | 2024-08-05 |
Improving the reliability of deep learning computational ghost imaging with prediction uncertainty based on neighborhood feature maps
2024-May-10, Applied optics
IF:1.7Q3
DOI:10.1364/AO.511817
PMID:38856335
|
研究论文 | 本文展示了基于邻域特征图的迭代估计在深度学习计算幽灵成像中的应用 | 提出了一种通过邻域特征图评估输出不确定性的迭代估计方法，以提高深度学习输出的可靠性 | 未提及具体的算法或数据集限制 | 提高深度学习在精密测量中的输出可靠性 | 深度学习算法在缺陷检测中的应用 | 计算机视觉 | NA | 深度学习 | NA | NA | 实验结果未具体说明样本数量 |
| 10975 | 2024-08-05 |
Unsupervised speckle denoising in digital holographic interferometry based on 4-f optical simulation integrated cycle-consistent generative adversarial network
2024-May-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.521701
PMID:38856541
|
研究论文 | 本文提出了一种自监督深度学习的散斑去噪方法，旨在减轻数字全息干涉法中的散斑噪声影响 | 创新点在于提出了一种将4-f光学散斑噪声模拟模块与循环一致生成对抗网络集成的方法 | 本文未提及具体的局限性 | 研究旨在改善数字全息干涉法中的散斑噪声去除能力 | 研究对象为数字全息干涉法中遇到的散斑噪声 | 计算机视觉 | NA | 生成对抗网络 | 循环一致生成对抗网络 | 模拟数据和实验数据 | NA |
| 10976 | 2024-08-05 |
Res-U2Net: untrained deep learning for phase retrieval and image reconstruction
2024-May-01, Journal of the Optical Society of America. A, Optics, image science, and vision
DOI:10.1364/JOSAA.511074
PMID:38856563
|
研究论文 | 本文提出了一种新颖的无训练 Res-U2Net 模型用于相位恢复和图像重建 | 提出了一种创新的无训练模型，通过逆向物理模型实现图像形成过程 | 传统的图像重建方法依赖于大量难以获取的训练数据 | 研究一种无需训练数据的图像重建方法 | 分析物体表面的变化并生成其 3D 结构的网格表示 | 计算机视觉 | NA | NA | Res-U2Net | 图像 | 使用来自 GDXRAY 数据集的图像进行比较 |
| 10977 | 2024-08-05 |
Adaptive noise-resilient deep learning for image reconstruction in multimode fiber scattering
2024-Apr-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.519285
PMID:38856444
|
研究论文 | 本研究探讨了光纤和压电材料领域中的三个重要方面，包括电压变化对压电位移的影响、多模光纤（MMF）弯曲对数据传输的影响，以及在有无附加噪声情况下自编码器在MMF图像重建中的表现 | 文章通过研究电压变化对压电位移的影响和MMF弯曲对数据传输的影响，为光纤技术的优化提供了新的见解，且展示了自编码器在MMF图像重建中的高精度 | 文章未明确指出研究的局限性 | 研究光纤和压电材料的性能，优化数据传输及图像重建技术 | 研究对象包括压电材料的位移、MMF的数据传输性能以及自编码器在图像重建中的应用 | 光纤技术 | NA | 自编码器 | 自编码器 | 图像 | 使用了一组多模光纤图像数据集 |
| 10978 | 2024-08-05 |
Characterization of organic fouling on thermal bubble-driven micro-pumps
2024 Mar-Apr, Biofouling
IF:2.6Q1
DOI:10.1080/08927014.2024.2353034
PMID:38785127
|
研究论文 | 该文章研究了热泡驱动微泵与生物流体的相互作用，尤其是有机污垢对其性能的影响 | 首次探讨了热泡驱动微泵在与血液和富含蛋白质的液体接触时的有机污垢现象 | 当前研究仅集中在鸡蛋清和牛全血的影响上，未考虑其他类型的生物流体 | 了解热泡驱动微泵与生物流体的相互作用及其对泵性能的影响 | 主要研究对象是热泡驱动微泵在与鸡蛋清和牛全血接触时的污垢效应 | 微流体 | NA | 高速度成像和基于RESNET-18的深度学习神经网络 | NA | 图像 | NA |
| 10979 | 2024-08-05 |
Development of MRI-Based Deep Learning Signature for Prediction of Axillary Response After NAC in Breast Cancer
2024-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.004
PMID:37914627
|
研究论文 | 本研究开发了一种基于MRI的深度学习特征，用于预测乳腺癌患者在新辅助化疗后腋窝反应 | 本研究利用深度学习从动态对比增强MRI中提取特征，并提出了一种新的预测模型 | NA | 开发一种用于预测乳腺癌患者在新辅助化疗后腋窝反应的MRI基础深度学习特征 | 327名乳腺癌患者，这些患者在新辅助化疗后接受腋窝手术 | 医学影像学 | 乳腺癌 | 动态对比增强MRI | 支持向量机 | 医学影像 | 327名乳腺癌患者 |
| 10980 | 2024-08-05 |
Shortening Acquisition Time and Improving Image Quality for Pelvic MRI Using Deep Learning Reconstruction for Diffusion-Weighted Imaging at 1.5 T
2024-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.06.035
PMID:37500416
|
研究论文 | 本研究探讨使用深度学习重建技术对1.5T下骨盆扩散加权成像的采集时间和图像质量的影响 | 创新地应用深度学习技术来缩短扩散加权成像的采集时间并提高图像质量 | 研究仅限于单一中心，样本量相对较小且为回顾性研究 | 研究骨盆MRI的扩散加权成像中，深度学习重建对采集时间和图像质量的影响 | 55名患者接受了标准扩散加权成像和深度学习重建的扩散加权成像 | 数字病理学 | NA | 深度学习重建 | NA | 图像 | 55名患者（年龄范围27至89岁） |