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 11101 - 11120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11101 | 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 |
| 11102 | 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） |
| 11103 | 2024-08-05 |
Self-Supervised Deep Blind Video Super-Resolution
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361168
PMID:38329850
|
研究论文 | 本文提出了一种自监督学习方法来解决盲视频超分辨率问题 | 创新点在于同时估计模糊核和高分辨率视频，并生成辅助配对数据以更好地约束网络 | 在实际应用中，高分辨率视频和对应低分辨率视频的获取仍然很困难 | 研究旨在通过自监督学习方法改善视频超分辨率的效果 | 研究对象是低分辨率视频，目标是恢复出高分辨率视频 | 计算机视觉 | NA | NA | NA | 视频 | NA |
| 11104 | 2024-08-05 |
Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3359087
PMID:38277253
|
研究论文 | 本文提出了一种无监督深度学习方法，用于从不完整测量中进行图像重建 | 提出了一种通过Siamese网络在测量矩阵的零空间和伪逆的范围空间上协作重建的无监督深度学习方法 | 该方法依赖于自监督损失，可能在某些情况下无法达到最佳重建效果 | 扩展深度学习在获取潜在图像挑战性任务中的应用 | 对图像重建进行无监督学习 | 计算机视觉 | NA | 深度学习 | Siamese网络 | 图像 | 应用于四个来自不同应用的成像任务 |
| 11105 | 2024-08-07 |
Editorial for "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.29063
PMID:37818933
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11106 | 2024-08-07 |
Editorial for "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.29059
PMID:37818764
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11107 | 2024-08-05 |
Memory-efficient semantic segmentation of large microscopy images using graph-based neural networks
2024-Jun-06, Microscopy (Oxford, England)
DOI:10.1093/jmicro/dfad049
PMID:37864808
|
研究论文 | 本文提出了一种基于图神经网络的框架，用于大规模显微镜图像分割任务 | 通过将大规模图像转换为图形并使用超像素，克服了深度学习模型在内存方面的限制 | 超像素生成可能导致误差，需改进生成算法或增加超像素数量以提高准确性 | 研究结合图神经网络的显微镜图像分割方法以提高效率 | 生物细胞和细胞集落的显微镜图像 | 数字病理学 | NA | 图神经网络 (GNN) | NA | 图像 | 使用了数百万像素的显微镜图像样本 |
| 11108 | 2024-08-05 |
General Aqueous System Simulation through an AI-Embedded Metaverse Chemistry Laboratory
2024-Jun-06, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01111
PMID:38814104
|
研究论文 | 本研究设计了一种物理支持的深度学习模型，预测一般水相系统的未来状态 | 提出了一种嵌入AI的元宇宙化学实验室框架，能够有效地模拟水相系统属性并预测离子化合物的溶解时间 | 当前的元宇宙框架在实验数据分析上仍有局限，使得优化实验的整体时间消耗较高 | 旨在通过数字化化学信息的方式，优化实验设计和数据利用 | 主要研究100多种常见离子溶液的一般水相系统 | 物理化学 | NA | 深度学习 | NA | 实验数据 | 100+种常见离子溶液 |
| 11109 | 2024-08-05 |
AI in evaluating ambulation of stroke patients: severity classification with video and functional ambulation category scale
2024-Jun-06, Topics in stroke rehabilitation
IF:2.2Q1
DOI:10.1080/10749357.2024.2359342
PMID:38841903
|
研究论文 | 本研究验证了一种深度学习模型，用于根据功能步态分类（FAC）规模对中风患者的步态图像数据进行分类 | 提出了基于视频数据的人体姿势估计方法，用于开发步态参数模型和分类模型 | 研究依赖于收集的大量多样化数据，这些数据是在非标准化的真实环境中收集的 | 验证深度学习模型对中风患者步态图像数据的分类能力 | 203名中风患者和182名健康个体的步态视觉数据 | 计算机视觉 | 中风 | 深度学习 | NA | 视频 | 203名中风患者和182名健康个体 |
| 11110 | 2024-08-05 |
Sustainable Sea of Internet of Things: Wind Energy Harvesting System for Unmanned Surface Vehicles
2024-Jun-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c05142
PMID:38768307
|
研究论文 | 本论文提出了一种基于压电和电磁效应的无人水面车辆风能采集系统 | 创新点在于自我调节策略的实施和优化的磁体配置，有效提高了风能收集的性能 | 未提及具体环境条件对设备性能的影响 | 旨在开发一种智能的海洋环境监测系统，通过风能采集为无人水面车辆提供动力 | 研究对象为无人水面车辆及其风能采集系统 | 物联网 | NA | 风能采集 | 深度学习算法 | 实验数据 | 原型制造和测试，具体样本量未提及 |
| 11111 | 2024-08-07 |
Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images
2024-Jun-03, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02562-8
PMID:38831373
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11112 | 2024-08-05 |
Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions
2024-06, Medical teacher
IF:3.3Q1
DOI:10.1080/0142159X.2023.2285249
PMID:38035575
|
研究论文 | 本研究探讨了在线团队基础学习（TBL）应用课程中的语言互动情况。 | 研究提供了对在线TBL课程中互动类型的深入分析，揭示了互动在促进深度学习中的重要性。 | 研究主要集中在特定的在线应用课程中，可能无法全面代表所有在线TBL课程。 | 深入了解在线TBL应用课程中互动的性质和程度，并探讨其在不同团队和课程中的变化。 | 研究对象为12个TBL团队在两次在线应用课程中的互动情况。 | 教育研究 | NA | 音视频记录 | NA | 文本、音频和视频 | 12个TBL团队 |
| 11113 | 2024-08-05 |
GenCoder: A Novel Convolutional Neural Network Based Autoencoder for Genomic Sequence Data Compression
2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3366240
PMID:38358865
|
研究论文 | 本文提出了一种名为GenCoder的基于卷积自编码器的基因组序列数据压缩新算法 | 该算法实现了不损失信息的基因组序列压缩和重构 | 尚未提到特定的限制因素 | 研究如何对基因组序列数据进行无损压缩 | 基因组序列数据 | 机器学习 | NA | 卷积自编码器 | 自编码器 | 基因组序列数据 | 在多个基因组和基准数据集上进行评估 |
| 11114 | 2024-08-05 |
Panoramic Radiography in the Evaluation of the Relationship of Maxillary Molar Teeth and Maxillary Sinuses on the Deep Learning Models Improved with the Findings Obtained by Cone Beam Computed Tomography
2024-May-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_220_24
PMID:38842718
|
研究论文 | 本研究评估了深度学习模型在判断上颌磨牙与上颌窦底接触关系中的诊断性能 | 结合锥形束计算机断层扫描的数据，改进了深度学习模型的评估方法 | 该研究为回顾性研究，可能存在选择偏倚 | 评估深度学习在使用全景放射摄影确定牙齿与上颌窦的接触关系中的应用 | 2162颗第一次和第二次上颌磨牙 | 数字病理学 | NA | 深度学习 | GoogLeNet, VGG16, VGG19, DarkNet19, DarkNet53 | 影像 | 2162颗磨牙 |
| 11115 | 2024-08-05 |
Detection of caries around restorations on bitewings using deep learning
2024-04, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104886
PMID:38342368
|
研究论文 | 本研究开发了一种基于卷积神经网络的算法来检测咬合片上的初级和次级龋齿 | 创新点在于利用深度学习技术提高了龋齿检测的准确性，特别是在修复体周围的次级龋齿检测 | 本研究的数据来源于有限的临床样本，可能影响模型的普适性和推广性 | 本研究旨在通过深度学习技术改善修复体周围龋齿的诊断准确性 | 研究对象为从荷兰7家普通牙科诊所收集的425份咬合片，涉及383名患者 | 计算机视觉 | 龋齿 | 深度学习 | 卷积神经网络（CNN） | 影像 | 425份咬合片，383名患者 |
| 11116 | 2024-08-05 |
PfgPDI: Pocket feature-enabled graph neural network for protein-drug interaction prediction
2024-Apr, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720024500045
PMID:38812467
|
研究论文 | 本研究提出了一种基于口袋特征的图神经网络，用于预测蛋白质与药物的相互作用 | 该研究创新地结合了变换器网络和图卷积网络，优化了蛋白质-配体复合物的特征表示 | 当前方法仍然可能无法完全适应所有种类的蛋白质-配体相互作用 | 本研究旨在提高药物发现过程中的蛋白质-配体相互作用预测准确性 | 研究对象为蛋白质和小分子配体之间的相互作用 | 机器学习 | NA | 图卷积网络（GCN） | 变换器网络（Transformer） | 序列数据 | 多种蛋白质-配体结合预测方法的实验样本 |
| 11117 | 2024-08-05 |
Medical report generation based on multimodal federated learning
2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于多模态联邦学习的方法，用于生成医疗图像报告 | 引入了一种新的多模态联邦学习架构，解决了医疗数据的隐私问题，同时提高了医疗图像报告的准确性和质量 | 未提及具体的样本大小和研究限制 | 旨在提高医疗图像报告生成的隐私保护和准确性 | 医疗机构中生成医疗图像报告的模型 | 数字病理学 | NA | 联邦学习 | 深度学习 | 医疗图像 | NA |
| 11118 | 2024-08-05 |
Tooth morphology, internal fit, occlusion and proximal contacts of dental crowns designed by deep learning-based dental software: A comparative study
2024-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2023.104830
PMID:38163455
|
研究论文 | 本研究比较了通过两种深度学习(DL)基础的牙科软件自动生成的牙冠与由经验丰富的牙科技师使用传统软件手动设计的牙冠在牙齿形态、内部适配性、咬合和邻接接触点的表现 | 首次对使用深度学习生成的牙冠设计与人工作业相比，在内部适配性和接触点数量上进行了系统比较 | 样本规模较小，仅使用了30个部分拱形扫描 | 评估深度学习软件在牙冠设计中的有效性和临床适用性 | 使用不同设计方法的牙冠，包括两种DL方法和一种手动技术师方法 | 数字病理学 | NA | 深度学习 | NA | 三维扫描 | 30个准备好的后牙部分拱形扫描 |
| 11119 | 2024-08-05 |
AI-based dental caries and tooth number detection in intraoral photos: Model development and performance evaluation
2024-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2023.104821
PMID:38145804
|
研究论文 | 本研究旨在利用级联区域基础深度卷积神经网络模型在全口内摄影图像中集成牙齿数量识别和龋齿检测 | 提出了一种深度学习模型，实现了全口内摄影图像中牙齿数量识别和龋齿检测的自动化 | 研究主要依赖于标注的图像数据，可能缺乏多样性和广泛的样本代表性 | 旨在促进人工智能驱动的自动龋齿检测在临床实践中的应用 | 包含24,578张内口图像的数据集，用于牙齿数量和龋齿的识别 | 计算机视觉 | NA | 级联区域基础深度卷积神经网络 (R-CNN) | 深度学习模型 | 图像 | 24,578张图像 |
| 11120 | 2024-08-05 |
Liver fibrosis classification from ultrasound using machine learning: a systematic literature review
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04081-y
PMID:37950068
|
综述 | 该研究通过系统文献回顾分析了基于超声的非侵入性肝纤维化分类的机器学习/深度学习模型 | 本研究探讨了机器学习和深度学习在肝纤维化分类中的应用，并评估了现有研究的分类方法 | 缺乏外部比较和前瞻性临床试验的限制使得这些模型的适用性受到影响 | 探讨超声图像中应用机器学习和深度学习进行肝纤维化分类的潜力 | 筛选出的17项研究中，分析使用超声图像的机器学习与深度学习模型 | 机器学习 | NA | NA | OTS分类器、注意力模型、生成模型和集成分类器 | 图像 | 188项研究中筛选出17项研究 |