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 10981 - 11000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10981 | 2024-08-05 |
Detecting QT prolongation from a single-lead ECG with deep learning
2024-Jun, PLOS digital health
DOI:10.1371/journal.pdig.0000539
PMID:38917157
|
研究论文 | 该文章开发了一种深度学习模型，能够从单导联心电图中推断QT间期并检测QT延长。 | 提出了一种名为QTNet的深度神经网络，能够通过Lead-I心电图推断QT间期，并有效检测药物诱发的QT延长。 | 模型依赖于高质量的心电图数据，同时在特定人群和临床环境中评估，其适用性可能受到限制。 | 旨在实现无住院QT监测，特别是在抗心律失常药物的加载过程中。 | 研究对象包括来自多个医院的心电图数据及接受Dofetilide治疗的患者。 | 数字病理 | 心血管疾病 | 深度学习 | 深度神经网络 | 心电图 | 超过300万份心电图，涉及653千名患者 | NA | NA | NA | NA |
| 10982 | 2024-08-05 |
Histological Image-based Ensemble Model to Identify Myenteric Plexitis and Predict Endoscopic Postoperative Recurrence in Crohn's Disease: A Multicentre, Retrospective Study
2024-May-31, Journal of Crohn's & colitis
DOI:10.1093/ecco-jcc/jjad196
PMID:38001024
|
研究论文 | 本研究开发并验证了一个深度学习系统，通过自动筛选和识别肌层及肠神经丛的特征来预测克罗恩病的术后复发 | 首次建立了基于组织学图像特征的可解释性堆叠模型来识别肠神经丛炎的严重程度并预测克罗恩病术后复发 | 仅基于回顾性研究，且涉及的样本主要来自两个医院，可能存在选择偏倚 | 旨在开发一种深度学习系统来预测克罗恩病术后复发 | 回顾性分析了205名接受肠切除手术的患者 | 数字病理学 | 克罗恩病 | 深度学习 | 堆叠模型 | 图像 | 205名患者，包含278张手术标本的全切片图像 | NA | NA | NA | NA |
| 10983 | 2024-08-05 |
Millennial changes and cooling trends in land surface warm-season temperatures during the Holocene
2024-May-18, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2024.05.008
PMID:38926060
|
研究论文 | 本文建立了全球暖季温度模型，通过深度学习神经网络分析土壤和湖泊沉积物细菌的膜脂。 | 该研究通过深度学习技术建立了新型的季节性温度重建模型，提供了对全新世温度变化的新见解。 | 本文主要受限于代理和标定模型的稀缺性，这对定量重建千年时间尺度的季节温度造成了显著限制。 | 研究全新世时期的温度变化及其驱动机制。 | 研究面向全新世的全球湖泊、泥炭地和黄土剖面。 | 数字病理学 | NA | 深度学习神经网络分析 | NA | 温度重建数据 | 多个全球湖泊和其他地质剖面样本 | NA | NA | NA | NA |
| 10984 | 2024-08-05 |
Deciphering exogenous chemical carcinogenicity through interpretable deep learning: A novel approach for evaluating atmospheric pollutant hazards
2024-03-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2023.133092
PMID:38039812
|
研究论文 | 本研究介绍了一种新颖的可解释深度学习模型CarcGC，用于预测化学致癌性 | 提出了一种新的基于图卷积神经网络的可解释深度学习模型，具有更好的性能和可解释性 | 深度学习模型可能仍需进一步优化以提高性能和解释性 | 评估空气污染物的致癌性并为环境致癌性筛查提供基础 | 化学致癌性预测的化学物质，尤其是美国环保局的危险空气污染物 | 机器学习 | 肺癌 | 图卷积神经网络（GCN） | CarcGC | 结构分子图 | 使用了美国环保局的危险空气污染物清单中的化学物质 | NA | NA | NA | NA |
| 10985 | 2024-08-05 |
Prior-Guided Attribution of Deep Neural Networks for Obstetrics and Gynecology
2024-Feb, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3337511
PMID:38019619
|
研究论文 | 提出了一种名为Prior-Guided Attribution (PGA)的新方法，用于提高深度神经网络在妇产科超声成像任务中的表现 | 创新点在于利用空间先验信息引导深度神经网络的归因过程，同时引入了一种新的先验分配策略以处理多个空间先验 | 需要额外的信息仅在训练过程中使用，推断时不需要，但对于隐私的保护可能仍然存在一些限制 | 旨在解决妇产科领域深度学习在超声图像任务中的数据不足问题 | 研究对象为妇产科超声成像中的乳腺癌检测和扫描平面检测任务 | 计算机视觉 | 乳腺癌 | 深度神经网络 | NA | 超声图像 | NA | NA | NA | NA | NA |
| 10986 | 2024-08-05 |
Lung nodule malignancy classification with associated pulmonary fibrosis using 3D attention-gated convolutional network with CT scans
2024-01-13, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-023-04798-w
PMID:38216992
|
研究论文 | 本研究旨在使用3D注意力门控卷积网络对肺结节的恶性分类进行评估，考虑了相关的肺纤维化因素 | 提出了一种可视化的3D分类模型，并特别考虑肺纤维化的信息以提高肺结节恶性分类的准确性 | 本研究基于自有的CT数据集，可能缺乏足够的多样性以代表广泛的人群 | 评估在胸部CT图像中将纤维化微环境纳入肺结节恶性分类的效果 | 研究对象为胸部CT图像中的肺结节及其微环境 | 数字病理学 | 肺癌 | 深度学习 | 3D卷积神经网络 | CT图像 | 使用了内部CT数据集，具体样本大小未详细说明 | NA | NA | NA | NA |
| 10987 | 2024-08-05 |
Development of a deep learning model for predicting recurrence of hepatocellular carcinoma after liver transplantation
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1373005
PMID:38919938
|
研究论文 | 本研究开发了一种深度学习模型，用于预测肝移植后肝细胞癌的复发 | 提出了一种基于TabNet的预后模型，在预测肝移植后复发方面优于米兰标准 | 研究未涉及其他潜在影响复发风险的临床因素 | 旨在建立和验证深度学习模型，更好地指导肝移植后的治疗 | 评估356例接受肝移植的肝细胞癌患者的复发风险 | 机器学习 | 肝细胞癌 | 深度学习 | TabNet | 表格数据 | 356个肝细胞癌患者 | NA | NA | NA | NA |
| 10988 | 2024-08-05 |
Development of a predictive model for 1-year postoperative recovery in patients with lumbar disk herniation based on deep learning and machine learning
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1255780
PMID:38919973
|
研究论文 | 本研究旨在开发一个预测模型，以预测腰椎间盘突出患者术后1年的恢复情况 | 利用深度学习和机器学习技术开发的预测模型为临床决策提供信息 | 数据来自于特定时间段的回顾性分析，可能存在样本偏差 | 开发一个能预测腰椎间盘突出患者术后恢复的模型 | 470名接受微创手术的住院患者的临床数据 | 机器学习 | NA | 深度学习和机器学习 | MLP（人工神经网络） | 临床数据 | 470名住院患者 | NA | NA | NA | NA |
| 10989 | 2024-08-05 |
FF-LPD: A Real-Time Frame-by-Frame License Plate Detector With Knowledge Distillation and Feature Propagation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3414269
PMID:38896516
|
研究论文 | 提出了一种针对实时准确车牌检测的逐帧车牌检测器。 | 引入了知识蒸馏策略和特征传播方法来提高低级流的性能，并设计了一种空间-时间注意特征传播方法，利用视频中的时间相关性。 | 未提及具体的局限性 | 旨在实现实时准确的自动车牌检测。 | 针对肆意移动车辆的车牌信息进行检测。 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 10990 | 2024-08-05 |
MRI-Based Breast Cancer Classification and Localization by Multiparametric Feature Extraction and Combination Using Deep Learning
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28713
PMID:37013422
|
研究论文 | 本文实现了一种深度学习方法，以从多序列中提取和组合特征来进行乳腺癌分类和检测 | 应用了多参数磁共振成像（mpMRI）的组合，并利用深度学习进行乳腺癌的分类和定位 | 未详细探讨其他成像技术的结合和比较 | 检测和分类乳腺癌的有效技术 | 569例乳腺癌患者的内部队列和125例公共数据集中的外部队列 | 计算机视觉 | 乳腺癌 | 磁共振成像（MRI） | 卷积神经网络和长短期记忆网络 | 图像 | 内部队列569例，外部队列125例 | NA | NA | NA | NA |
| 10991 | 2024-08-05 |
A semi-automatic deep learning model based on biparametric MRI scanning strategy to predict bone metastases in newly diagnosed prostate cancer patients
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1298516
PMID:38919538
|
研究论文 | 本文开发了一种半自动模型，用于预测新诊断的前列腺癌患者的骨转移。 | 文章通过结合放射组学、深度学习和临床特征，提出了一种用于骨转移预测的创新模型。 | 该研究为回顾性研究，可能存在选择偏倚。 | 研究目的在于通过bpMRI图像预测前列腺癌患者的骨转移。 | 研究对象为414名新诊断的前列腺癌患者。 | 数字病理学 | 前列腺癌 | Biparametric MRI (bpMRI) | ResNet | 医学影像 | 414名前列腺癌患者（BM组136名，NO-BM组278名） | NA | NA | NA | NA |
| 10992 | 2024-08-05 |
BrainCDNet: a concatenated deep neural network for the detection of brain tumors from MRI images
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1405586
PMID:38919881
|
研究论文 | 本文提出了一种名为BrainCDNet的新型深度学习架构，用于从MRI图像中检测脑肿瘤。 | BrainCDNet通过连接池层和采用'He Normal'初始化处理过拟合问题，增强了图像特征提取和分类的性能。 | 未提及具体的局限性。 | 提高脑肿瘤的检测准确性，减少误诊并促进早期诊断。 | 对比分析健康与病理、不同类型脑肿瘤的MRI图像。 | 计算机视觉 | 脑癌 | 深度学习 | NA | MRI图像 | 使用了二元和多分类的MRI数据库进行实验 | NA | NA | NA | NA |
| 10993 | 2024-08-05 |
CMR-net: A cross modality reconstruction network for multi-modality remote sensing classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304999
PMID:38917124
|
研究论文 | 本研究提出了一种基于卷积神经网络（CNN）的CMR-Net深度学习架构，用于多模态遥感图像数据的分类 | 创新之处在于设计了一个在多模态特征融合阶段的跨模态重建模块，以有效整合来自多种遥感数据的特征 | 该研究的局限性未在摘要中提及 | 本研究旨在解决多模态遥感数据分类中的挑战 | 本研究的对象为两个多模态遥感数据集，包括Houston2013数据集和Berlin数据集 | 遥感 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 超光谱和激光雷达数据，合成孔径雷达数据 | 两个数据集的样本数量未在摘要中具体说明 | NA | NA | NA | NA |
| 10994 | 2024-08-05 |
A comprehensive evaluation method for dust pollution: Digital image processing and deep learning approach
2024-Aug-15, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.134761
PMID:38870848
|
研究论文 | 本文提出了一种新颖的灰度平均分析与深度学习结合的尘埃污染评估方法 | 将灰度平均分析与深度学习相结合，以提高图像分类的准确性和效率 | 未提及针对不同尘埃污染类型的适用性和全面性 | 评估和改善尘埃污染对环境和人类健康的影响 | 300幅自设计的尘埃扩散模拟系统生成的图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 300幅图像 | NA | NA | NA | NA |
| 10995 | 2024-08-05 |
Harmonizing Elastic Modulus and Dielectric Constant of Elastomers for Improved Pressure Sensing Performance
2024-Jun-26, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c06122
PMID:38864718
|
研究论文 | 通过液态金属混合弹性体提升电容压力传感器的灵敏度和可靠性 | 引入无链延伸聚氨酯和液态金属的混合弹性体，平衡电介质层材料的弹性模量和介电常数，从而增强传感性能 | 增加复杂的制造过程和设备可靠性可能受到影响 | 研究如何优化电容压力传感器的性能 | 液态金属混合弹性体及其在压力传感器中的应用 | 材料科学 | NA | 电容传感技术 | CNN | NA | NA | NA | NA | NA | NA |
| 10996 | 2024-08-05 |
Classifying real-world macroscopic images in the primary-secondary care interface using transfer learning: implications for development of artificial intelligence solutions using nondermoscopic images
2024-Jun-25, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llad400
PMID:37990943
|
研究论文 | 本研究评估深度学习在非皮肤镜影像数据集上的泛化能力，并探讨如何在缺乏大型诊断标记数据集的情况下获得临床满意的表现 | 引入了在非皮肤镜图像上进行的深度学习模型的训练和微调方法，并探索了真实世界数据的有效利用 | 本研究依赖于已有的数据集，没有构建更大的地方特定数据集 | 评估深度学习如何在初级-次级护理接口的非皮肤镜数据集上泛化 | 2213张来自初级护理的图像和1510张来自次级护理的图像 | 计算机视觉 | 皮肤病 | 深度学习 | EfficientNet和SWIN变换器 | 图像 | 总共3723张来自NHS的数据，外加公共领域的两个数据集 | NA | NA | NA | NA |
| 10997 | 2024-08-05 |
ChatGPT versus clinician: challenging the diagnostic capabilities of artificial intelligence in dermatology
2024-Jun-25, Clinical and experimental dermatology
IF:3.7Q1
DOI:10.1093/ced/llad402
PMID:37979201
|
研究论文 | 本文研究了ChatGPT在皮肤科诊断中的能力 | 首次将ChatGPT的诊断能力与皮肤科医生进行比较 | ChatGPT在当前形式下未能显著提高初级或次级护理的诊断率 | 评估ChatGPT在医疗皮肤科病例中的诊断能力 | 对90名在皮肤科急诊诊所就诊的患者的匿名医疗信息进行分析 | 自然语言处理 | 皮肤病 | 深度学习技术 | NA | 临床信息 | 36名患者 | NA | NA | NA | NA |
| 10998 | 2024-08-05 |
Estimating mandibular growth stage based on cervical vertebral maturation in lateral cephalometric radiographs using artificial intelligence
2024-Jun-24, Progress in orthodontics
IF:3.5Q1
DOI:10.1186/s40510-024-00527-1
PMID:38910180
|
研究论文 | 本研究旨在利用人工智能通过侧位头影测量图估计下颌骨生长阶段。 | 提出了一种新的方法，将颈椎与下颌骨生长斜率直接相关联，区别于以往的常规CVM阶段命名。 | 研究仅限于200名样本，可能影响结果的广泛适用性。 | 研究旨在确定下颌骨生长阶段以优化正畸治疗时机。 | 研究对象为200名患者的侧位头影测量图像，包含108名女性和92名男性。 | 数字病理学 | NA | 深度学习 | CNN, ResNet-18 | 图像 | 200人，663幅图像 | NA | NA | NA | NA |
| 10999 | 2024-08-05 |
Image-based facial emotion recognition using convolutional neural network on emognition dataset
2024-06-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65276-x
PMID:38910179
|
研究论文 | 本研究使用卷积神经网络从Emognition数据集中检测面部表情的情感。 | 研究扩展了深度学习在面部情感识别中的应用，并使用了包含十种目标情感的新数据集。 | 研究中可能存在的数据集偏差和面部表情的多样性限制了结果的普遍性。 | 研究目标是提高基于面部图像的情感识别的准确性。 | 研究对象为Emognition数据集中包含的十种情感的面部图像。 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 11000 | 2024-08-05 |
Enhancing automated vehicle identification by integrating YOLO v8 and OCR techniques for high-precision license plate detection and recognition
2024-Jun-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65272-1
PMID:38909147
|
研究论文 | 本论文提出了一种基于YOLO v8和OCR技术的高精度车牌检测与识别方法 | 通过集成YOLO v8深度学习方法和OCR技术，开发了一种创新的车牌检测与识别方法 | 所使用的数据集仅包含270张互联网图像，可能限制了模型的泛化能力 | 提升自动车辆识别系统的准确性和效率 | 通过计算机视觉和机器学习技术进行车牌的检测和字符识别 | 计算机视觉 | NA | YOLO v8，OCR | NA | 图像 | 270张图像 | NA | NA | NA | NA |