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 11061 - 11080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11061 | 2024-08-05 |
Deep learning reconstruction for lumbar spine MRI acceleration: a prospective study
2024-Jun-21, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00470-0
PMID:38902467
|
研究论文 | 本文比较了深度学习技术重建的磁共振成像（MRI）与标准重建图像在图像质量和常见退行性病变检测性能方面的差异 | 提出了深度学习重建的MRI方案，能够在不降低图像质量的情况下减少45%的扫描时间 | 仅在单中心进行的前瞻性研究，样本量相对较小 | 评估深度学习重建在腰椎MRI中的应用效果 | 包括31名接受腰椎MRI检查的患者 | 数字病理学 | NA | 深度学习（TSE-DL） | NA | 图像 | 31名患者（15名男性和16名女性） | NA | NA | NA | NA |
| 11062 | 2024-08-05 |
Global research trends and future directions in diabetic macular edema research: A bibliometric and visualized analysis
2024-Jun-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000038596
PMID:38905408
|
研究论文 | 这项研究评估了全球糖尿病性黄斑水肿（DME）研究趋势，并识别了未来的研究方向 | 揭示了美国在DME研究中的主导地位，并确定了当前的研究热点和新兴趋势 | 未提及具体的研究限制 | 评估糖尿病性黄斑水肿的全球研究趋势并指导未来的研究和临床管理 | 关于糖尿病性黄斑水肿的相关出版物的分析 | 数字病理学 | 糖尿病性黄斑水肿 | 文献计量学分析 | NA | 出版物 | 5624篇出版物 | NA | NA | NA | NA |
| 11063 | 2024-08-05 |
Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65060-x
PMID:38902319
|
研究论文 | 本研究提出了一种AI模型，利用少量患者面部和颈部照片准确预测困难直接喉镜检查（DDL） | 该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性 | 研究限制在于仅在单中心进行，可能限制了结果的普遍适用性 | 研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全 | 研究对象为接受全麻下气管插管的成人患者 | 深度学习 | NA | 智能手机拍摄的图像分析 | EfficientNet-B5 | 图像 | 3053名患者的18163张照片 | NA | NA | NA | NA |
| 11064 | 2024-08-05 |
PatchSorter: a high throughput deep learning digital pathology tool for object labeling
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01150-4
PMID:38902336
|
研究论文 | 本文介绍了一个开源的数字病理标记工具PatchSorter，它结合了深度学习和直观的网络界面 | 提出了一种新的高通量标记方法，通过深度学习显著提高了每秒标签数量 | 未提及具体的限制 | 提高数字病理图像中大规模组织标记的效率 | 超过10万个组织对象 | 数字病理学 | NA | 深度学习 | NA | 图像 | 超过100,000个对象 | NA | NA | NA | NA |
| 11065 | 2024-08-05 |
A deep learning-powered diagnostic model for acute pancreatitis
2024-Jun-20, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01339-9
PMID:38902660
|
研究论文 | 本研究旨在开发一种深度学习驱动的急性胰腺炎诊断模型 | 提出了一个包含急性胰腺炎分类器和胰腺病变分割模块的双模块模型 | 这是一项回顾性研究，可能存在选择偏倚 | 研究的目的是提高急性胰腺炎的快速准确识别能力 | 190名急性胰腺炎患者及健康个体的CT扫描数据 | 机器学习 | 急性胰腺炎 | 计算机断层扫描（CT） | 深度学习模型 | 影像 | 190名急性胰腺炎患者和对照的健康个体 | NA | NA | NA | NA |
| 11066 | 2024-08-05 |
A multi-feature spatial-temporal fusion network for traffic flow prediction
2024-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65040-1
PMID:38902350
|
研究论文 | 该论文提出了一种多特征时空融合网络用于交通流预测 | 创新点在于引入了自适应交通特征提取机制和多特征时空融合网络，能够提高特征表示能力和预测解释性 | 论文未详细讨论模型在特定场景下的适用性 | 研究的目的是通过多特征融合改善交通流预测精度 | 研究对象为影响交通流的多种交通特征 | 机器学习 | NA | 深度学习 | 时空融合网络 | 交通流数据 | 基于多种基线模型的实验验证 | NA | NA | NA | NA |
| 11067 | 2024-08-05 |
Development and validation of a smartphone-based deep-learning-enabled system to detect middle-ear conditions in otoscopic images
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01159-9
PMID:38902477
|
研究论文 | 本文介绍了一种基于智能手机的深度学习系统，用于识别耳镜图像中的中耳疾病 | 提出了一个集成深度学习模型的智能手机应用，能够在数字耳镜图像中达到专家级的诊断准确性 | 该系统在其他中耳疾病的表现存在差异，需要进一步的前瞻性验证 | 研究旨在评估深度学习在耳镜图像解读中的应用 | 对2013年至2020年在法国斯特拉斯堡的耳鼻喉科诊所接受治疗的5岁以上患者的耳镜图像进行分析 | 计算机视觉 | NA | 深度学习 | Inception-v2 | 图像 | 共涉及41,664幅耳镜图像，验证集为3,962幅图像，测试集为326幅图像 | NA | NA | NA | NA |
| 11068 | 2024-08-05 |
Automatic classification of normal and abnormal cell division using deep learning
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64834-7
PMID:38902496
|
研究论文 | 本文开发了一种自动分类正常和异常细胞分裂的方法 | 提出了一种使用深度学习进行自动有丝分裂分类的创新方法 | 尚未集成细胞分割和跟踪功能 | 旨在分类正常与异常细胞分裂 | 小的有丝分裂图像序列 | 计算机视觉 | NA | 深度学习（ResNet50 + LSTM） | ResNet50与LSTM | 图像 | 从经历不同辐射水平的细胞群体视频中提取的图像序列 | NA | NA | NA | NA |
| 11069 | 2024-08-05 |
Deep Ensemble learning and quantum machine learning approach for Alzheimer's disease detection
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61452-1
PMID:38902368
|
研究论文 | 本文提出了一种基于量子机器学习分类器的集成深度学习模型用于阿尔茨海默病的分类 | 利用量子计算模型提升阿尔茨海默病分类的准确性，充分挖掘量子计算在疾病分类中的潜力 | 未提及模型在更大规模或不同背景下的应用限制 | 探讨量子机器学习在阿尔茨海默病早期诊断中的应用 | 阿尔茨海默病患者的影像数据集 | 机器学习 | 阿尔茨海默病 | 量子机器学习 | 深度学习模型（VGG16和ResNet50） | 影像 | 合并的阿尔茨海默病神经影像学倡议I和II数据集 | NA | NA | NA | NA |
| 11070 | 2024-08-05 |
Deep learning for predicting 16S rRNA gene copy number
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64658-5
PMID:38902329
|
研究论文 | 本研究提出了一种基于深度学习的方法ANNA16，用于直接从16S基因序列中估计16S rRNA基因拷贝数。 | 提出了一种新的方法ANNA16，能够直接从16S基因序列中进行16S GCN值的估计，且表现优于常用算法。 | 目前未提及研究中的具体局限性 | 研究的目的是提高微生物组分析中16S rRNA基因拷贝数的量化估计能力。 | 研究对象为不同社区成员的16S rRNA基因拷贝数。 | 数字病理学 | NA | 深度学习 | 人工神经网络 | 基因序列 | 27,579个16S rRNA基因序列 | NA | NA | NA | NA |
| 11071 | 2024-08-05 |
Deep Learning-Based HLA Allele Imputation Applicable to GWAS
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3874-3_5
PMID:38907891
|
研究论文 | 本文介绍了一种基于深度学习的HLA等位基因填充方法Deep*HLA | 该方法采用深度学习算法，显著提高了HLA等位基因的填充精度和计算效率 | 对于稀有等位基因的填充精度有所下降 | 旨在提高HLA基因的等位基因填充准确性，以更好地理解人类特征的遗传基础 | 关注HLA等位基因的填充，基于区域性单核苷酸变异进行分析 | 机器学习 | NA | 深度学习 | NA | NA | 在两个不同谱系的参考面板上进行训练和基准测试 | NA | NA | NA | NA |
| 11072 | 2024-08-05 |
Intelligent deep learning supports biomedical image detection and classification of oral cancer
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248041
PMID:38759069
|
研究论文 | 本文提出了一种有效并准确的口腔癌识别与分类方法 | 提出了一种新的CANet分类模型，结合了注意机制和位置忽略信息，探索了注意机制与深度网络的复杂组合 | NA | 研究口腔癌的识别和分类技术 | 口腔癌图像数据集的分类 | 计算机视觉 | 口腔癌 | 深度学习，CNN和Swin变换 | CANet和Swin transformer | 图像 | Kaggle口腔癌图像数据集 | NA | NA | NA | NA |
| 11073 | 2024-08-05 |
A deep learning approach for acute liver failure prediction with combined fully connected and convolutional neural networks
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248048
PMID:38759076
|
研究论文 | 本文提出了一种结合全连接和卷积神经网络的深度学习方法用于急性肝衰竭预测 | 创新点在于结合了全连接神经网络和卷积神经网络，以提高传统机器学习方法在预测急性肝衰竭中的性能和泛化能力 | 模型的鲁棒性和针对不平衡数据的能力仍需进一步改进 | 研究旨在通过深度学习提高急性肝衰竭预测的准确性和有效性 | 研究对象是急性肝衰竭患者及其相关临床数据 | 机器学习 | 肝病 | 深度学习 | 全连接神经网络和卷积神经网络 | 临床数据 | NA | NA | NA | NA | NA |
| 11074 | 2024-08-05 |
Deep learning-based anatomical position recognition for gastroscopic examination
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248004
PMID:38669495
|
研究论文 | 该研究使用深度学习开发了用于胃镜检查的自动位置识别技术 | 提出了一种新的方法MogaNet，比现有模型在解剖位置识别上表现更优秀 | 未提及特定限制因素 | 利用深度学习技术提高胃镜检查中的解剖位置识别 | 17182张不同解剖位置的胃镜图像 | 计算机视觉 | NA | 卷积神经网络 | MogaNet | 图像 | 17182张 | NA | NA | NA | NA |
| 11075 | 2024-08-05 |
Deep learning approaches for breast cancer detection in histopathology images: A review
2024, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230251
PMID:38517775
|
综述 | 本文综述了使用深度学习技术对乳腺癌进行检测的最新技术现状 | 本文强调了深度学习算法在乳腺癌检测中的潜力，并讨论了不同架构在多种数据集上的表现 | 本文提到需要大量多样化的数据集及深度学习模型的可解释性作为挑战 | 本文旨在提供乳腺癌检测领域的最新技术和研究概况 | 本文研究对象为乳腺癌与组织病理图像的深度学习检测和分类 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 组织病理图像 | NA | NA | NA | NA | NA |
| 11076 | 2024-08-05 |
DeepHLApan: A Deep Learning Approach for the Prediction of Peptide-HLA Binding and Immunogenicity
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3874-3_15
PMID:38907901
|
研究论文 | 本文介绍了一种名为DeepHLApan的深度学习工具，用于预测肽-HLA结合亲和力及免疫原性 | 创新点在于结合肽-HLA结合亲和力和免疫原性进行新抗原的预测 | NA | 研究旨在推动肿瘤新抗原的预测及其在癌症免疫治疗中的应用 | 研究对象为肽-HLA结合及其免疫原性 | 生物信息学 | 癌症 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 11077 | 2024-08-05 |
Super-resolution of diffusion-weighted images using space-customized learning model
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248037
PMID:38759065
|
研究论文 | 本研究开发了一种端到端的深度学习网络，以提高扩散加权成像（DWI）的空间分辨率 | 提出了一种空间定制的深度学习方法，结合了卷积神经网络和图卷积网络，以改善DWI的图像质量 | 对高维和非欧几何的DWI应用仍然具有挑战性 | 研究旨在通过后处理提高DWI的空间分辨率 | 本研究对象为扩散加权成像（DWI） | 计算机视觉 | NA | 深度学习 | CNN和GCNN | 图像 | 在人体连接组项目中评估 | NA | NA | NA | NA |
| 11078 | 2024-08-05 |
Intelligent quality control of traditional chinese medical tongue diagnosis images based on deep learning
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248018
PMID:38759050
|
研究论文 | 本文提出了一种基于深度学习的图像质量控制算法，用于验证中医舌诊图像的合格性。 | 该研究利用ResNet34模型并通过迁移学习方法，达到97.06%的图像质量控制准确率，确保舌图像处理的后续分析。 | 研究并未涉及舌诊图像以外的其他中医诊断图像的质量控制。 | 研究旨在提高传统中医舌诊技术的标准化、客观化和量化水平。 | 研究对象为中医舌诊图片，分为五种状态。 | 数字病理学 | NA | 深度学习 | ResNet34 | 图像 | 大量图像样本 | NA | NA | NA | NA |
| 11079 | 2024-08-05 |
Applications of deep learning models in precision prediction of survival rates for heart failure patients
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248029
PMID:38759059
|
研究论文 | 本研究使用Seq2Seq模型提高心力衰竭患者的死亡率预测精度 | 该研究首次将Seq2Seq模型与患者特征结合用于心力衰竭的死亡率精准预测，优于传统机器学习方法 | 未提及存在的局限性 | 利用Seq2Seq模型与患者特征进行心力衰竭死亡率的精准预测 | 心力衰竭患者的12个患者特征 | 机器学习 | 心血管疾病 | 深度学习 | Seq2Seq | 连续医疗记录 | NA | NA | NA | NA | NA |
| 11080 | 2024-08-05 |
Deep learning-based differentiation of ventricular septal defect from tetralogy of Fallot in fetal echocardiography images
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248040
PMID:38759068
|
研究论文 | 本文探讨了使用深度学习技术区分胎儿超声图像中的室间隔缺损和法洛四联症 | 采用弱监督数据增强网络（WSDAN）在细粒度图像分类任务中表现最佳，显示了其在识别先天性心脏病中的潜力 | 研究可能受到样本数量的限制，只有105张TOF图像和96张VSD图像 | 提高对先天性心脏病的早期诊断能力 | 胎儿超声图像中的法洛四联症和室间隔缺损 | 计算机视觉 | 先天性心脏病 | 卷积神经网络（CNN） | VGG19, ResNet50, NTS-Net, WSDAN | 图像 | 共收集了201张图像，包括105张法洛四联症图像和96张室间隔缺损图像 | NA | NA | NA | NA |