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 11681 - 11700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11681 | 2024-08-05 |
Deep Learning-based Lung dose Prediction Using Chest X-ray Images in Non-small Cell Lung Cancer Radiotherapy
2024 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_122_23
PMID:38828071
|
研究论文 | 本研究旨在开发一个深度学习模型，以预测非小细胞肺癌放疗中肺组织接受的辐射剂量 V20 | 首次使用胸部 X 光图像和卷积神经网络回归模型来预测放疗中的 V20 值 | 样本量较小，仅包括91个患者的胸部 X 光图像，可能影响模型的泛化能力 | 开发深度学习模型，以提高对非小细胞肺癌患者放疗中肺部剂量的预测 | 使用胸部 X 光图像的肺癌患者 | 计算机视觉 | 肺癌 | 深度学习 | 卷积神经网络 | 图像 | 91个肺癌患者的胸部 X 光图像 | NA | NA | NA | NA |
| 11682 | 2024-08-05 |
Comparative Analysis of Fusion Strategies for Imaging and Non-imaging Data - Use-case of Hospital Discharge Prediction
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827051
|
研究论文 | 本文针对医院出院预测进行了深度学习融合策略与传统单源模型的比较分析 | 提出了联合融合模型，该模型通过支路神经网络以端到端的方式联合训练，提取两个数据模态中的目标相关信息 | 未提及具体的限制因素 | 提升医院资源管理并预测患者出院情况 | 通过融合胸部X光图像和电子健康记录进行出院预测 | 机器学习 | NA | 深度学习 | 联合融合模型 | 图像和表格数据 | NA | NA | NA | NA | NA |
| 11683 | 2024-08-05 |
Artificial intelligence in interventional pulmonology
2024-01-01, Current opinion in pulmonary medicine
IF:2.8Q2
DOI:10.1097/MCP.0000000000001024
PMID:37916605
|
review | 这项研究回顾了人工智能在介入性肺病学中的应用现状 | 研究展示了深度学习在支气管图像识别和内支气管超声图像分析中的新应用 | 尚未评估人工智能增强程序的临床影响 | 探讨人工智能在介入性肺病学中的能力和影响 | 分析人工智能在内支气管超声图像和支气管图像中的应用 | NA | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 11684 | 2024-08-05 |
Designing a Consumer-centric Care Management Program by Prioritizing Interventions Using Deep Learning Causal Inference
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827098
|
研究论文 | 本文探讨了一种以消费者为中心的护理管理程序，利用深度学习因果推断优先安排干预措施 | 通过深度学习因果推断分析干预措施对消费者参与度的影响，提供了对案例经理选择干预的可靠参考 | 研究的局限性在于干预措施的选择主要依赖案例经理的经验，可能存在主观偏差 | 旨在改善护理管理程序的消费者参与度，减少重返医院的风险 | 研究对象为刚出院患者及其护理管理团队 | 机器学习 | NA | 深度学习因果推断 | NA | NA | 通过三个实验进行结果的交叉验证 | NA | NA | NA | NA |
| 11685 | 2024-08-05 |
Novel Artificial Intelligence Tool for Real-time Patient Identification to Prevent Misidentification in Health Care
2024 Jan-Mar, Journal of medical physics
IF:0.7Q4
DOI:10.4103/jmp.jmp_106_23
PMID:38828072
|
研究论文 | 本文旨在通过实施基于深度学习的实时患者识别程序来减少医疗机构中患者识别错误 | 开发了一种新的基于Python的深度学习程序，实现实时患者识别 | 实际应用中可能会受到环境光线和面部遮挡等因素的影响 | 减少在放射治疗和药物管理过程中的患者识别错误 | 医疗机构中的患者身份识别 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 11686 | 2024-08-05 |
Comparison of Three Deep Learning Models in Accurate Classification of 770 Dermoscopy Skin Lesion Images
2024, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:38827104
|
研究论文 | 本研究提出一种利用深度学习对良性和恶性皮肤病变进行分类的方法 | 将深度学习应用于皮肤病变的分类，并评估了三种深度学习模型的表现 | 仅使用了来自单一医疗机构的770张去标识化的皮肤镜图像 | 提高皮肤癌的早期诊断准确性 | 良性和恶性皮肤病变的分类 | 计算机视觉 | 皮肤癌 | 深度学习 | ResNet50, DenseNet121, Inception-V3 | 图像 | 770张皮肤病变图像 | NA | NA | NA | NA |
| 11687 | 2024-08-05 |
Evaluation of Interstitial Lung Diseases with Deep Learning Method of Two Major Computed Tomography Patterns
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究利用深度学习方法诊断间质性肺疾病的两种主要高分辨率计算机断层扫描模式 | 本研究创新地采用VGG16和VGG19深度学习架构，以无人工干预的方式进行间质性肺疾病模式的诊断 | 没有提及研究中可能的局限性 | 旨在区分和诊断最常见的间质性肺疾病模式 | 研究对象为患有常见间质性肺疾病模式的患者 | 计算机视觉 | 间质性肺疾病 | 深度学习 | VGG16, VGG19 | 计算机断层扫描图像 | NA | NA | NA | NA | NA |
| 11688 | 2024-08-05 |
Recognition of facial emotion based on SOAR model
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1374112
PMID:38826778
|
研究论文 | 本文提出了一种基于SOAR模型的面部情绪识别方法 | 创新点在于结合了3D卷积神经网络和学习自动机，以提高面部情绪识别的效率和准确率 | 未提及具体的局限性 | 研究旨在提高面部情绪识别的准确性和效率 | 研究对象为面部图像中的情绪状态 | 计算机视觉 | NA | 3D卷积神经网络 | 3DCNN与学习自动机的结合 | 图像 | NA | NA | NA | NA | NA |
| 11689 | 2024-08-05 |
Improved tomato leaf disease classification through adaptive ensemble models with exponential moving average fusion and enhanced weighted gradient optimization
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1382416
PMID:38828218
|
研究论文 | 本文提出了一种新的番茄叶病分类方法，利用适应性集成模型实现准确分类 | 本研究通过引入带有时间约束的指数移动平均函数和增强加权梯度优化器，提高了深度学习模型的分类准确性 | 现有机器学习分类器在识别新类型病害的准确性上存在不足 | 旨在提高番茄叶病的识别准确性，以支持农民并改善作物产量 | 研究对象为包含九种不同类型叶病的番茄叶图像数据集 | 计算机视觉 | NA | 深度学习 | VGG-16 和 NASNet | 图像 | 包含10,000张番茄叶图像用于训练和验证，1,000张用于测试 | NA | NA | NA | NA |
| 11690 | 2024-08-07 |
A deep learning-based quantitative prediction model for the processing potentials of soybeans as soymilk raw materials
2024-Sep-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.139671
PMID:38761740
|
研究论文 | 本文建立了一个基于深度学习的模型，用于定量预测大豆作为豆浆原料的处理潜力 | 本文提出的深度学习模型能够定量预测大豆的豆浆品质和利润属性，相较于传统的相关分析、回归分析和分类模型，具有更高的预测准确性 | 模型在预测豆浆气味品质方面仍有改进空间，未来可通过大数据训练进一步优化 | 解决现有技术在评估大豆潜力方面的局限性，推动豆浆产业更高效和盈利 | 54种大豆品种及其对应的豆浆 | 机器学习 | NA | 深度学习 | 深度学习模型 | 化学、质构和感官分析数据 | 54种大豆品种及其对应的豆浆 | NA | NA | NA | NA |
| 11691 | 2024-08-07 |
Rapid identification of medicinal plants via visual feature-based deep learning
2024-May-31, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01202-6
PMID:38822406
|
研究论文 | 本研究利用自研设备获取高分辨率数据，构建了一个视觉多品种中药材图像数据集，并提出了一种新的混合监督预训练网络，通过结合全局特征和局部细节，有效提升了特征捕获能力。 | 提出了一种随机局部数据增强预处理方法和一种新的混合监督预训练网络，通过引入并行分类分支和新的损失函数，增强了特征捕获能力和训练效率。 | NA | 准确识别中药材，避免因加工条件和栽培环境差异影响临床安全和药物疗效。 | 中药材 | 计算机视觉 | NA | 深度学习 | Masked Autoencoders (MAE) | 图像 | 多品种中药材图像数据集 | NA | NA | NA | NA |
| 11692 | 2024-08-07 |
DASUNet: a deeply supervised change detection network integrating full-scale features
2024-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63257-8
PMID:38816456
|
研究论文 | 本文提出了一种深度监督的变化检测网络DASUNet，该网络采用孪生架构，融合全尺度特征信息，并实现端到端训练 | DASUNet网络通过采用空洞空间金字塔池化模块和深度监督模块，有效融合了全尺度特征信息，提高了特征信息的获取能力 | NA | 提高变化检测技术的准确性和应用范围 | 变化检测技术中的特征信息融合 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 在CDD和WHU-CD数据集上进行了实验，分别达到了94.32%和90.37%的F1分数 | NA | NA | NA | NA |
| 11693 | 2024-08-07 |
Interdisciplinary approach to identify language markers for post-traumatic stress disorder using machine learning and deep learning
2024-05-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61557-7
PMID:38816468
|
研究论文 | 本研究探讨了语言作为创伤后应激障碍（PTSD）的潜在诊断生物标志物的可能性，通过分析2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据，采用跨学科方法结合精神病学、语言学和自然语言处理技术，评估语言特征与PTSD之间的关系。 | 本研究首次采用跨学科方法，结合精神病学、语言学和自然语言处理技术，探讨语言作为PTSD的诊断生物标志物，并提出了一种三步法的方法论。 | 研究样本仅限于2015年巴黎恐怖袭击事件后的个体，可能限制了结果的普遍性。 | 探讨语言作为创伤后应激障碍的诊断生物标志物的可能性，并提出一种跨学科的方法论。 | 2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据。 | 自然语言处理 | 心理疾病 | 机器学习, 深度学习 | 机器学习模型, 深度学习模型 | 文本 | 148名个体 | NA | NA | NA | NA |
| 11694 | 2024-08-07 |
A review of machine learning methods for cancer characterization from microbiome data
2024-May-30, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00617-7
PMID:38816569
|
综述 | 本文综述了从微生物组数据中利用机器学习方法进行癌症特征化的研究 | 提出了基于随机森林的方法，并探讨了利用深度学习和改进的机器学习模型来提高模型性能和泛化能力的可能性 | 当前方法在临床广泛应用上仍不足，且存在模型泛化能力差的问题 | 探讨机器学习方法在从微生物组数据中进行癌症特征化的应用 | 微生物组数据与癌症特征化 | 机器学习 | NA | 机器学习 | 随机森林 | 微生物组数据 | NA | NA | NA | NA | NA |
| 11695 | 2024-08-07 |
K-band: Self-supervised MRI Reconstruction via Stochastic Gradient Descent over K-space Subsets
2024-May-23, ArXiv
PMID:38827449
|
研究论文 | 介绍了一种名为k-band的新型数学框架，用于在仅使用部分、有限分辨率的k空间数据的情况下训练深度学习模型进行MRI重建 | 提出了一种使用随机梯度下降（SGD）在k空间子集上训练的方法，能够在有限分辨率数据上实现与高分辨率数据训练相媲美的性能 | NA | 开发一种实用的、易于实施的自监督训练框架，用于MRI重建 | 高维动态/体积磁共振成像（MRI）中的逆问题解决 | 机器学习 | NA | 深度学习（DL） | DL模型 | k空间数据 | 使用部分、有限分辨率的k空间数据进行训练 | NA | NA | NA | NA |
| 11696 | 2024-08-07 |
DEMIST: A Deep-Learning-Based Detection-Task-Specific Denoising Approach for Myocardial Perfusion SPECT
2024-Apr, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2024.3379215
PMID:38766558
|
研究论文 | 本文提出了一种基于深度学习的特定检测任务去噪方法DEMIST，用于改善心肌灌注SPECT图像的观察者性能 | DEMIST方法在去噪的同时保留了影响观察者检测任务性能的特征，显著提高了接收者操作特征曲线下的面积（AUC） | 需要进一步的临床评估来验证DEMIST在低计数图像中的应用效果 | 开发一种能够提高低剂量心肌灌注SPECT图像检测性能的去噪方法 | 心肌灌注SPECT图像 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 338名接受MPI研究的患者 | NA | NA | NA | NA |
| 11697 | 2024-08-07 |
Opposing effects of thyroid hormones on hypothalamic subunits and limbic structures in hyperthyroidism patients: A comprehensive volumetric study
2024-03, Journal of neuroendocrinology
IF:3.3Q2
DOI:10.1111/jne.13369
PMID:38326952
|
研究论文 | 本研究旨在探讨甲状腺功能亢进症患者大脑特定区域的萎缩模式，包括下丘脑亚区和边缘结构，并分析这些变化与激素水平及心理测试之间的关系 | 本研究首次全面分析了甲状腺功能亢进症患者下丘脑亚区和边缘结构体积的变化，并探讨了这些变化与激素水平及心理测试结果的相关性 | 本研究样本量较小，且仅包括新诊断未治疗的甲状腺功能亢进症患者，可能影响结果的普遍性 | 探索甲状腺功能亢进症患者大脑特定区域的体积变化及其与激素水平和心理测试的关系 | 甲状腺功能亢进症患者及匹配的对照组的大脑下丘脑亚区和边缘结构 | NA | 甲状腺疾病 | 磁共振成像（MRI） | 深度学习算法 | 图像 | 19名新诊断未治疗的甲状腺功能亢进症患者和15名年龄性别匹配的对照组 | NA | NA | NA | NA |
| 11698 | 2024-08-07 |
The dynamic-static dual-branch deep neural network for urban speeding hotspot identification using street view image data
2024-Aug, Accident; analysis and prevention
DOI:10.1016/j.aap.2024.107636
PMID:38776837
|
研究论文 | 提出了一种基于街景图像数据的动态-静态双分支深度神经网络，用于城市超速热点识别 | 提出了双分支上下文动态-静态特征融合网络，结合静态全景图像和动态序列数据，以更准确地识别城市超速热点区域 | NA | 旨在通过分析道路环境的视觉信息，提高交通安全的水平 | 城市超速热点区域 | 计算机视觉 | NA | 深度学习 | 双分支上下文动态-静态特征融合网络 | 图像 | NA | NA | NA | NA | NA |
| 11699 | 2024-08-07 |
Unsupervised classification of multi-contrast magnetic resonance histology of peripheral arterial disease lesions using a convolutional variational autoencoder with a Gaussian mixture model in latent space: A technical feasibility study
2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
技术可行性研究 | 研究使用结合变分自编码器（VAE）和二维卷积神经网络（CNN）的深度学习算法，自动量化外周动脉疾病（PAD）闭塞病变中硬组织的分布和形态的可行性 | 结合2D CNN VAE和GMM实现了对含硬组织病变的高分类概率 | 软组织病变的复杂性导致伪彩色图像的异质性，使得GMM组件更多地归属于软组织类别 | 探索深度学习算法在自动量化外周动脉疾病磁共振图像中硬组织分布和形态的可行性 | 外周动脉疾病的闭塞病变 | 计算机视觉 | 外周动脉疾病 | 磁共振成像 | CNN | 图像 | 4014张伪彩色合成图像，来自六条截肢腿的病变 | NA | NA | NA | NA |
| 11700 | 2024-08-07 |
Deep learning-based glomerulus detection and classification with generative morphology augmentation in renal pathology images
2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种基于深度卷积神经网络的方法，用于自动检测和分类肾病理图像中的不同染色的肾小球 | 本文提出了一个扁平化的Xception与特征金字塔网络（FX-FPN）用于肾小球检测，并通过循环一致生成对抗网络（CycleGAN）进行数据增强以提高分类器的判别能力 | NA | 优化肾病理学家在解释肾病理图像时的时间消耗和劳动强度 | 肾病理图像中的肾小球 | 数字病理学 | NA | 深度卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |