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 12022 篇文献，本页显示第 11641 - 11660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11641 | 2024-08-07 |
SCANED: Siamese collateral assessment network for evaluation of collaterals from ischemic damage
2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究利用基于深度学习的孪生网络对缺血性损伤中的侧支进行评估，解决了小规模且不平衡数据集的挑战 | 采用基于3D ResNet的孪生网络SCANED进行侧支分类，通过非对比计算机断层扫描（NCCT）图像自动识别和评估侧支，使用欧几里得距离（ED）进行相似性测量 | NA | 加速决策过程并提高侧支评估的准确性 | 缺血性损伤中的侧支 | 计算机视觉 | 缺血性中风 | 深度学习 | 孪生网络 | 图像 | NA | NA | NA | NA | NA |
| 11642 | 2024-08-07 |
Dynamic recurrent inference machines for accelerated MRI-guided radiotherapy of the liver
2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种动态循环推理机（DRIM），用于重建稀疏采样的4D MRI，以加速肝脏MRI引导的放射治疗 | DRIM通过利用呼吸状态之间的相关性，提高了重建图像的质量，并实现了比现有临床协议更快的扫描时间 | 呼吸状态预处理的数据分箱会略微降低重建质量，但提高了整体协议的速度 | 开发一种新的深度学习模型，用于加速和提高MRI引导的放射治疗中肝脏图像重建的质量 | 肝脏病变在MRI引导的放射治疗中的4D MRI重建 | 机器学习 | NA | MRI | 循环推理机（RIM） | 图像 | 小数据集 | NA | NA | NA | NA |
| 11643 | 2024-08-07 |
Automatic artery/vein classification methods for retinal blood vessel: A review
2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文回顾了2003年至2022年间自动视网膜动静脉分类方法的发展 | 强调了深度学习与拓扑信息结合在未来的研究意义 | NA | 协助眼科医生进行疾病早期诊断 | 视网膜动静脉分类 | 计算机视觉 | NA | 深度学习, 拓扑图 | NA | 图像 | 涉及多个公共动静脉分类数据集 | NA | NA | NA | NA |
| 11644 | 2024-08-07 |
The Evaluation of Artificial Intelligence Technology for the Differentiation of Fresh Human Blood Cells From Other Species' Blood in the Investigation of Crime Scenes
2024-Apr, Cureus
DOI:10.7759/cureus.58496
PMID:38765447
|
研究论文 | 本研究利用深度机器学习方法区分人类血液样本与牛、山羊和鸡的血液痕迹 | 研究展示了深度学习在区分犯罪现场新鲜血液痕迹物种来源方面的潜力 | NA | 评估人工智能技术在犯罪现场调查中区分人类血液与其他物种血液的能力 | 人类、牛、山羊和鸡的血液样本 | 计算机视觉 | NA | 深度学习 | VGG16, Resnet18, Resnet34 | 图像 | 1,955张吉姆萨染色的数字化图像 | NA | NA | NA | NA |
| 11645 | 2024-08-07 |
Development and validation of a deep-learning model to predict 10-year atherosclerotic cardiovascular disease risk from retinal images using the UK Biobank and EyePACS 10K datasets
2024-Apr, Cardiovascular digital health journal
IF:2.6Q2
DOI:10.1016/j.cvdhj.2023.12.004
PMID:38765618
|
研究论文 | 研究开发并验证了一种深度学习模型，用于从视网膜图像中预测10年动脉粥样硬化心血管疾病风险 | 首次使用视网膜图像结合有限的人口统计数据来预测个体的10年动脉粥样硬化心血管疾病风险 | 模型在不同种族和糖尿病患者中的表现存在差异 | 开发和验证一种深度学习模型，用于早期检测高风险个体并及时干预 | 动脉粥样硬化心血管疾病风险预测 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 89,894张视网膜底片图像来自44,176名UK Biobank参与者，以及18,900张图像来自8969名EyePACS 10K数据集的糖尿病患者 | NA | NA | NA | NA |
| 11646 | 2024-08-07 |
Development and prospective validation of an artificial intelligence-based smartphone app for rapid intraoperative pituitary adenoma identification
2024-Mar-13, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00469-z
PMID:38480833
|
研究论文 | 开发并前瞻性验证了一种基于人工智能的智能手机应用程序，用于快速识别垂体腺瘤 | 使用刺激拉曼组织学技术，该应用程序能够几乎即时地区分垂体腺瘤和正常垂体腺 | 需要进一步验证该应用程序在不同类型肿瘤和光学图像上的适用性 | 开发一种能够在手术中快速准确区分肿瘤与正常组织的智能手机应用程序 | 垂体腺瘤和正常垂体腺 | 数字病理学 | 垂体腺瘤 | 刺激拉曼组织学 | 深度学习 | 图像 | 40名连续患者，共194个样本 | NA | NA | NA | NA |
| 11647 | 2024-08-07 |
Learning from crowds for automated histopathological image segmentation
2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种新的众包方法用于自动化组织病理学图像分割，通过两个耦合网络学习专家分割和标注者的专业知识 | 提出了一种新的众包分割方法，通过单一网络估计标注者的行为，提高了标注者数量的可扩展性，并引入了考虑图像全局特征的标注者网络模型 | 当前方法通常为每个标注者学习一个不同的神经网络，这在标注者数量增加时扩展性差 | 解决深度学习在组织病理学图像分割中专家标注稀缺的问题，通过众包减少个体标注成本 | 组织病理学图像的自动化语义分割 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 图像 | 涉及多个医学学生标注的真实世界三阴性乳腺癌图像数据集 | NA | NA | NA | NA |
| 11648 | 2024-08-07 |
Multiple instance learning for digital pathology: A review of the state-of-the-art, limitations & future potential
2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了数字病理学中多实例学习的现状、局限性和未来潜力 | 多实例学习为深度神经网络在没有完全标注数据的情况下提供了一种有效的训练工具 | 多实例学习方法仍面临挑战，如需要大量图像数据和手动标注 | 探讨多实例学习在数字病理学中的应用及其未来发展 | 数字病理学中的图像分析工具和深度神经网络 | 数字病理学 | NA | 多实例学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 11649 | 2024-08-07 |
Uninformed Teacher-Student for hard-samples distillation in weakly supervised mitosis localization
2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种新的弱监督方法，用于检测有丝分裂，并引入了一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本，通过比较弱监督定位和注释的质心，使用强增强来增强不确定性。 | 本文的创新点在于引入了一种未受指导的教师-学生（UTS）流水线，通过强增强来提炼不确定样本，并测量预测和注释的有丝分裂之间的差异。 | 本文的局限性在于依赖于图像级别的标签，并且需要复杂的标注场景来减少假阳性。 | 本文的研究目的是提出一种新的弱监督方法，用于检测有丝分裂，并引入一种未受指导的教师-学生（UTS）流水线来检测和提炼硬样本。 | 本文的研究对象是有丝分裂的检测和计数。 | 数字病理学 | 乳腺癌 | 卷积神经网络（CNN） | CNN | 图像 | 本文评估了三个公开的有丝分裂检测数据集和两个全切片图像的有丝分裂活动计数数据集。 | NA | NA | NA | NA |
| 11650 | 2024-08-07 |
Multi-modal brain tumor segmentation via conditional synthesis with Fourier domain adaptation
2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文研究使用条件生成对抗网络（GAN）合成多模态图像以训练深度学习神经网络进行高级别胶质瘤（HGG）分割的方法 | 提出了一种基于傅里叶域适应（FDA）的方法，通过调整合成数据与真实数据在低频傅里叶空间成分上的风格，显著提高了分割性能和预测信心 | NA | 探索使用合成多模态图像训练深度学习模型以提高脑肿瘤分割准确性的方法 | 高级别胶质瘤（HGG）的脑肿瘤分割 | 计算机视觉 | 脑肿瘤 | 多模态磁共振成像（MRI） | GAN | 图像 | 使用了BraTS2020数据集进行实验 | NA | NA | NA | NA |
| 11651 | 2024-08-07 |
Resolving the non-uniformity in the feature space of age estimation: A deep learning model based on feature clusters of panoramic images
2024-03, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究提出了一种基于全景图像特征聚类的深度学习模型，用于解决年龄估计中特征空间非均匀性的问题 | 通过预先根据年龄特征对数据进行划分，并训练每个回归器来估计个体特征的年龄，模型能够更好地关注临床上有意义的区域，特别是在生长和衰老期 | NA | 改进年龄估计技术，特别是在法医学领域 | 牙科全景图像的年龄估计 | 机器学习 | NA | 深度学习 | 分类头和多回归头模型 | 图像 | NA | NA | NA | NA | NA |
| 11652 | 2024-08-07 |
Ischemic stroke outcome prediction with diversity features from whole brain tissue using deep learning network
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1394879
PMID:38765270
|
研究论文 | 本研究提出了一种基于全脑多样性特征的缺血性中风结果预测方法，通过深度学习网络提高预测的准确性和效率 | 本研究不使用患者基本信息和病变图像特征，直接从动态磁敏感对比灌注加权成像中提取特征，结合机器和深度学习模型进行预测 | NA | 提高缺血性中风结果预测的准确性和效率 | 缺血性中风的结果预测 | 机器学习 | 中风 | 动态磁敏感对比灌注加权成像（DSC-PWI） | Resnet 18 | 图像 | NA | NA | NA | NA | NA |
| 11653 | 2024-08-07 |
Data leakage in deep learning studies of translational EEG
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1373515
PMID:38765672
|
研究论文 | 本文探讨了在应用深度神经网络（DNNs）于人类脑电图（EEG）记录以识别多种疾病时，由于数据分割方式导致的数据泄露问题 | 通过比较基于片段和基于受试者的保留方法，揭示了现有研究中普遍存在的数据泄露问题 | 仅限于分析两种数据集（阿尔茨海默病和癫痫发作），可能需要更多数据集来验证结论的普遍性 | 评估和揭示在EEG数据分析中使用深度学习模型时可能存在的数据泄露问题 | 脑电图记录和深度神经网络分类器的性能 | 机器学习 | NA | 深度神经网络（DNNs） | DNN分类器 | 脑电图（EEG）记录 | 涉及两个数据集（一个用于阿尔茨海默病分类，另一个用于癫痫发作分类） | NA | NA | NA | NA |
| 11654 | 2024-08-07 |
Fusion inception and transformer network for continuous estimation of finger kinematics from surface electromyography
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1305605
PMID:38765870
|
研究论文 | 本文提出了一种名为融合初始和变换器网络（FIT）的新型深度学习模型，用于从表面肌电图（sEMG）连续估计手指运动学 | FIT模型结合了Inception和Transformer网络的优势，有效处理序列数据的局部和全局信息 | NA | 实现稳定、自然和一致的人机交互（HCI）控制 | 从表面肌电图信号中预测手部关节角度的值 | 机器学习 | NA | 深度学习 | 融合初始和变换器网络（FIT） | 表面肌电图信号 | 10名受试者的六种典型手部抓握动作 | NA | NA | NA | NA |
| 11655 | 2024-08-07 |
FetSAM: Advanced Segmentation Techniques for Fetal Head Biometrics in Ultrasound Imagery
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3382487
PMID:38766538
|
研究论文 | FetSAM是一种先进的深度学习模型，旨在通过改进胎儿头部超声图像分割来提高产前诊断的精确度 | FetSAM采用了基于提示的学习方法和双损失机制（结合加权DiceLoss和加权Lovasz Loss），并通过AdamW优化和类别权重调整来实现更好的分割平衡 | NA | 提高胎儿头部超声图像分割的准确性，从而提升产前诊断的精确度 | 胎儿头部超声图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 最大的胎儿头部指标数据集 | NA | NA | NA | NA |
| 11656 | 2024-08-07 |
SwinD-Net: a lightweight segmentation network for laparoscopic liver segmentation
2024-12, Computer assisted surgery (Abingdon, England)
DOI:10.1080/24699322.2024.2329675
PMID:38504595
|
研究论文 | 提出了一种基于跳跃连接、深度可分离卷积和Swin Transformer块的轻量级分割网络SwinD-Net，用于腹腔镜肝脏分割 | 引入了Swin Transformer块以提取全局信息和捕获高级语义特征，同时通过减少浅层特征图的通道数和去除第一层的跳跃连接来降低计算开销 | NA | 旨在开发一种轻量级的分割网络，以满足实时计算需求，特别是在计算资源有限的医院环境中 | 腹腔镜肝脏分割 | 计算机视觉 | NA | 深度可分离卷积, Swin Transformer块 | SwinD-Net | 图像 | CholecSeg8k数据集 | NA | NA | NA | NA |
| 11657 | 2024-08-07 |
A soft touch with electron beams: Digging out structural information of nanomaterials with advanced scanning low energy electron microscopy coupled with deep learning
2024-Aug, Ultramicroscopy
IF:2.1Q2
DOI:10.1016/j.ultramic.2024.113965
PMID:38640578
|
研究论文 | 本文展示了通过结合扫描低能电子显微镜（SLEEM）与深度学习技术，如何获得纳米材料的更清晰结构和表面信息 | SLEEM与深度学习结合的方法不需要样品涂覆导电膜，避免了分析中的伪影，提高了使用的便利性 | NA | 探索纳米材料结构信息的获取方法 | 金纳米颗粒负载的中孔二氧化硅 | 纳米技术 | NA | 扫描低能电子显微镜（SLEEM） | 深度学习 | 图像 | 金纳米颗粒负载的中孔二氧化硅模型系统 | NA | NA | NA | NA |
| 11658 | 2024-08-07 |
Prediction of visceral pleural invasion of clinical stage I lung adenocarcinoma using thoracoscopic images and deep learning
2024-Jun, Surgery today
IF:1.7Q2
DOI:10.1007/s00595-023-02756-z
PMID:37864054
|
研究论文 | 本研究利用胸腔镜图像和深度学习模型预测临床I期肺腺癌患者的脏层胸膜侵犯 | 本研究首次应用基于卷积神经网络和视觉变换器的深度学习模型，通过胸腔镜图像识别脏层胸膜侵犯 | 研究样本量较小，需要通过数据扩展来提高模型的临床应用性 | 开发和验证基于胸腔镜图像的深度学习模型在临床I期肺腺癌患者中识别脏层胸膜侵犯的应用 | 临床I期肺腺癌患者的脏层胸膜侵犯 | 机器学习 | 肺腺癌 | 深度学习 | CNN, ViT | 图像 | 训练集包含463张图像（VPI阴性：269张，VPI阳性：194张），验证集包含46张图像（VPI阴性：28张，VPI阳性：18张） | NA | NA | NA | NA |
| 11659 | 2024-08-07 |
In silico prediction of ocular toxicity of compounds using explainable machine learning and deep learning approaches
2024-06, Journal of applied toxicology : JAT
IF:2.7Q3
DOI:10.1002/jat.4586
PMID:38329145
|
研究论文 | 本文利用可解释的机器学习和深度学习方法，开发了一种用于预测化合物眼部毒性的计算工具 | 通过结合政府GHS合规数据库和文献中的最大数据集（4901种化合物），使用12种分子表示和多种机器学习及深度学习算法，开发了高性能的二元分类模型 | NA | 旨在提高化学品眼部毒性的预测准确性，减少动物测试的使用 | 化学品的眼部毒性 | 机器学习 | NA | 机器学习和深度学习 | GCN, RF-Descriptor | 化合物数据 | 4901种化合物 | NA | NA | NA | NA |
| 11660 | 2024-08-07 |
The greener the living environment, the better the health? Examining the effects of multiple green exposure metrics on physical activity and health among young students
2024-Jun-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.118520
PMID:38401683
|
研究论文 | 本研究探讨了校园绿色空间对大学生身体活动和健康的影响，通过构建包括客观和主观绿色空间暴露指标的框架，使用空间分析、深度学习技术和无人机测量技术进行评估。 | 创新性地开发了一个从2D到3D的客观暴露评估框架，并结合主观暴露指标，如访问频率和感知质量，以更全面地评估绿色空间的影响。 | 研究为横断面研究，可能存在因果关系解释的局限性；且仅基于南京的大学生样本，结果的普遍性有待进一步验证。 | 旨在阐明校园绿色空间、身体活动与健康之间的复杂关系和机制，并为以健康为导向的校园绿色空间规划提供实际参考。 | 研究对象为南京的820名大学生，关注他们的居住环境和校园绿色空间暴露情况。 | NA | NA | 空间分析、深度学习技术、无人机测量技术 | 广义线性模型（GLM）、结构方程模型（SEM） | 问卷调查数据 | 820名大学生 | NA | NA | NA | NA |