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 1034 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-12-07 |
Federated Fusion of Magnified Histopathological Images for Breast Tumor Classification in the Internet of Medical Things
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3256974
PMID:37028353
|
研究论文 | 本文提出了一种基于联邦学习的放大病理图像融合方法，用于在医疗物联网中进行乳腺癌肿瘤分类 | 本文创新性地结合了不同放大倍数的病理图像，并使用联邦学习保护患者数据隐私，同时创建全局模型 | NA | 解决在处理敏感医疗数据时，由于数据共享限制导致公开数据集有限，从而影响深度学习模型性能的问题 | 乳腺癌肿瘤的检测和分类 | 计算机视觉 | 乳腺癌 | 联邦学习 | 残差网络 | 图像 | 使用BreakHis数据集进行比较 | NA | NA | NA | NA |
| 282 | 2024-12-07 |
CLADSI: Deep Continual Learning for Alzheimer's Disease Stage Identification Using Accelerometer Data
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3392354
PMID:38648143
|
研究论文 | 本文提出了一种使用加速度计数据进行阿尔茨海默病阶段识别的深度持续学习方法 | 本文首次探索了使用持续学习算法，使卷积神经网络能够在新数据到来时自我配置，而无需完全访问之前的数据 | 实验仅在35名患者的数据上进行，样本量较小 | 开发一种能够从持续数据流中学习并识别阿尔茨海默病阶段的深度学习方法 | 阿尔茨海默病患者的步态数据 | 机器学习 | 阿尔茨海默病 | 加速度计数据分析 | 卷积神经网络 | 加速度计数据 | 35名阿尔茨海默病患者 | NA | NA | NA | NA |
| 283 | 2024-12-07 |
DDT-Net: Dose-Agnostic Dual-Task Transfer Network for Simultaneous Low-Dose CT Denoising and Simulation
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3376628
PMID:38478459
|
研究论文 | 提出了一种名为DDT-Net的剂量无关双任务迁移网络，用于同时进行低剂量CT去噪和模拟 | 通过双任务学习模块将低剂量CT去噪和模拟任务整合到一个统一的优化框架中，并采用混合剂量训练策略提升低剂量数据的去噪性能 | NA | 解决现有深度学习去噪模型在未见剂量数据上的泛化能力不足以及低剂量CT模拟工具通常依赖于专有投影数据的问题 | 低剂量CT图像的去噪和模拟 | 计算机视觉 | NA | 深度学习 | DDT-Net | 图像 | 使用合成数据和临床数据进行实验 | NA | NA | NA | NA |
| 284 | 2024-12-07 |
Radial Undersampled MRI Reconstruction Using Deep Learning With Mutual Constraints Between Real and Imaginary Components of K-Space
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3357784
PMID:38261493
|
研究论文 | 提出了一种新的复值卷积神经网络Dense-U-Dense Net (DUD-Net)，用于插值欠采样的k空间数据并重建磁共振图像 | 该方法考虑了复值k空间数据中实部和虚部之间的相互约束，通过密集层和U-Net的结合来实现特征稀疏和插值估计 | NA | 提高欠采样磁共振图像重建的质量并减少数据采集时间 | 脑部和膝关节的磁共振图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 两个MRI数据集：脑部幅度磁共振图像和膝关节复值k空间数据 | NA | NA | NA | NA |
| 285 | 2024-12-07 |
Smart Multimodal In-Bed Pose Estimation Framework Incorporating Generative Adversarial Neural Network
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3384453
PMID:38843069
|
研究论文 | 提出了一种基于深度学习的多模态床位姿态估计框架，结合生成对抗神经网络进行特征融合和图像生成 | 引入了生成模型来生成与LWIR/深度图像相似姿态的RGB图像，提高了姿态估计的准确性 | 未提及 | 开发一种新的多模态床位姿态估计方法，以提高睡眠相关疾病和压疮风险的监测和评估 | 床位姿态估计在家庭和医院环境中的应用 | 计算机视觉 | 睡眠障碍 | 生成对抗神经网络 | 生成对抗网络 | 图像 | 使用了Simultaneously-collected multimodal Lying Pose (SLP)数据集，包含长波红外和深度图像两种模态 | NA | NA | NA | NA |
| 286 | 2024-12-07 |
A Scalable Federated Learning Approach for Collaborative Smart Healthcare Systems With Intermittent Clients Using Medical Imaging
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3282955
PMID:37279135
|
研究论文 | 本文提出了一种可扩展的联邦学习框架，用于处理间歇性客户端和数据不平衡问题，以支持智能医疗系统的协作 | 本文的创新点在于结合了联邦学习与数据增强技术，解决了间歇性客户端和数据不平衡问题，提高了模型的准确性和可持续性 | 本文的局限性在于实验中客户端数量较少，且未探讨更大规模或更复杂场景下的性能 | 本文的研究目的是开发一种保护数据隐私且能处理间歇性客户端和数据不平衡问题的联邦学习框架，以支持智能医疗系统的协作 | 本文的研究对象是间歇性客户端和数据不平衡问题，以及如何在保护隐私的前提下提高模型的准确性和可持续性 | 计算机视觉 | NA | 联邦学习 | 深度学习模型 | 图像 | 实验中使用了5到18个客户端，并测试了不同大小的测试数据集 | NA | NA | NA | NA |
| 287 | 2024-12-07 |
Adaptive Knowledge Distillation for High-Quality Unsupervised MRI Reconstruction With Model-Driven Priors
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3365784
PMID:38349826
|
研究论文 | 本文提出了一种无监督的MRI重建方法，通过自适应知识蒸馏技术提高重建质量和速度 | 提出了一种自适应知识蒸馏方法，根据教师模型的方差重新加权样本，以提高蒸馏质量 | 未提及 | 开发一种无监督的MRI重建方法，能够在没有全采样训练数据的情况下生成高质量的重建图像 | MRI图像重建 | 计算机视觉 | NA | 深度学习 (DL) 和压缩感知 (CS) | 自适应知识蒸馏模型 | MRI图像 | 多个数据集 | NA | NA | NA | NA |
| 288 | 2024-12-07 |
SCAC: A Semi-Supervised Learning Approach for Cervical Abnormal Cell Detection
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3375889
PMID:38470598
|
研究论文 | 提出了一种半监督学习方法SCAC用于宫颈异常细胞检测 | 利用Transformer作为骨干网络捕捉长距离依赖，设计了统一强弱增强策略USWA和全局注意力特征金字塔网络GAFPN，并创建了首个公开的大规模未标注宫颈细胞学图像数据集 | 未提及具体限制 | 提高宫颈异常细胞检测的准确性 | 宫颈异常细胞 | 计算机视觉 | 宫颈癌 | 半监督学习 | Transformer | 图像 | 结合两个公开标注数据集和一个新创建的未标注数据集进行实验 | NA | NA | NA | NA |
| 289 | 2024-12-07 |
Predicting ICU Interventions: A Transparent Decision Support Model Based on Multivariate Time Series Graph Convolutional Neural Network
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3379998
PMID:38512747
|
研究论文 | 本文提出了一种基于多元时间序列图卷积神经网络的透明决策支持模型，用于预测重症监护室患者的干预措施 | 本文的创新点在于使用多元时间序列图卷积神经网络来提高预测重症监护室干预措施的准确性和可解释性 | NA | 本文的研究目的是开发一种能够及时准确预测重症监护室患者干预措施的决策支持系统 | 本文的研究对象是重症监护室患者的生理信号、药物管理信息和静态特征 | 机器学习 | NA | 图卷积神经网络 | 图卷积神经网络 | 时间序列数据 | 使用了MIMIC-III数据集中的真实重症监护室记录 | NA | NA | NA | NA |
| 290 | 2024-12-07 |
NKUT: Dataset and Benchmark for Pediatric Mandibular Wisdom Teeth Segmentation
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3383222
PMID:38557613
|
研究论文 | 本文介绍了首个公开的儿童下颌智齿分割数据集NKUT，并提出了一种新的网络模型WTNet用于智齿和骨骼的分割 | 首次公开了儿童下颌智齿分割数据集NKUT，并提出了WTNet网络模型，通过引入输入增强块和牙齿-骨骼特征分离块解决了特征混淆和语义模糊问题 | NA | 开发一种自动化的方法来减少手动分割智齿和骨骼的时间和延迟 | 儿童下颌智齿的分割 | 计算机视觉 | NA | 深度学习 | WTNet | 3D体积图像 | NA | NA | NA | NA | NA |
| 291 | 2024-12-06 |
Recent Developments in Machine Learning for Mass Spectrometry
2024-Jun-19, ACS measurement science au
IF:4.6Q1
DOI:10.1021/acsmeasuresciau.3c00060
PMID:38910862
|
综述 | 本文综述了机器学习在质谱分析中的最新进展 | 介绍了现代机器学习方法和架构在质谱分析中的新应用 | NA | 提供机器学习方法在质谱分析中的实用概述，并探讨该领域的未来发展方向 | 质谱分析数据 | 机器学习 | NA | 质谱分析 | 人工神经网络 (ANN) 和深度学习架构 | 质谱数据 | NA | NA | NA | NA | NA |
| 292 | 2024-12-06 |
Privacy-Preserving Federated Learning With Domain Adaptation for Multi-Disease Ocular Disease Recognition
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3305685
PMID:37590112
|
研究论文 | 本文提出了一种隐私保护的联邦学习框架，结合领域自适应方法用于多疾病眼科疾病的识别 | 采用高斯随机化机制保护本地数据隐私，并引入两步领域自适应方法解决多站点数据间的领域差异问题 | 未提及具体的研究局限性 | 开发一种能够保护数据隐私并提高多站点数据间识别性能的联邦学习框架 | 多疾病眼科疾病的早期识别 | 计算机视觉 | 眼科疾病 | 联邦学习 | NA | 图像 | 使用了一个多疾病早期眼底筛查数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 293 | 2024-11-27 |
Predicting Glaucoma Surgical Outcomes Using Neural Networks and Machine Learning on Electronic Health Records
2024-Jun-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.6.15
PMID:38904612
|
研究论文 | 开发机器学习和深度学习模型以预测青光眼手术结果 | 利用电子健康记录中的结构化数据，通过机器学习和深度学习算法预测青光眼手术结果 | 预测性能在不同结果（如眼压、额外手术需求和药物需求）上存在差异 | 开发预测青光眼手术结果的机器学习和深度学习模型 | 青光眼手术及其术后结果 | 机器学习 | 青光眼 | 机器学习、深度学习 | 随机森林、深度学习模型 | 电子健康记录 | 2398例青光眼手术，涉及1571名患者 | NA | NA | NA | NA |
| 294 | 2024-11-27 |
Real-time Continuous Blood Pressure Estimation with Contact-free Bedseismogram
2024-Jun, IEEE International Conference on Communications : [proceedings]. IEEE International Conference on Communications
DOI:10.1109/icc51166.2024.10622995
PMID:39583890
|
研究论文 | 本文介绍了一种名为BedDot的非接触式床载连续血压监测传感器 | BedDot是首个非接触式且床载的连续血压监测传感器，使用地震传感器避免了外部可穿戴设备和物理接触，同时避免了与摄像头或雷达等技术相关的隐私或辐射问题 | NA | 开发一种非侵入性的解决方案，用于在睡眠期间监测血压并评估心血管健康 | 连续血压监测 | NA | 心血管疾病 | AI算法 | 深度学习模型 | 时间序列信号 | 超过75名参与者 | NA | NA | NA | NA |
| 295 | 2024-11-22 |
AIxSuture: vision-based assessment of open suturing skills
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03093-3
PMID:38526613
|
研究论文 | 本文提出了一种基于视觉的开放式缝合技能评估方法 | 首次提出了针对开放手术技能的自动化评估方法，并使用深度学习模型进行技能分类 | 模型在数据集上的准确率和F1分数分别为75%和72%，与人工评分者的表现相似，但仍有提升空间 | 提高手术技能培训的效率和客观性，改善患者手术结果 | 开放式缝合技能的评估 | 计算机视觉 | NA | 深度学习 | 时间片段网络（Temporal Segment Network） | 视频 | 314个视频，每个视频约五分钟 | NA | NA | NA | NA |
| 296 | 2024-11-22 |
PitSurgRT: real-time localization of critical anatomical structures in endoscopic pituitary surgery
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03094-2
PMID:38528306
|
研究论文 | 提出了一种名为PitSurgRT的深度学习网络，用于内窥镜垂体手术中关键解剖结构的实时定位 | 使用HRNet作为骨干网络，结合多头机制同时定位和分割关键解剖结构，并通过TensorRT优化和加速模型 | 未提及具体局限性 | 开发一种能够在内窥镜垂体手术中实时定位关键解剖结构的方法，以减少手术并发症的风险 | 内窥镜垂体手术中的关键解剖结构，如颈动脉和视神经 | 计算机视觉 | NA | 深度学习 | HRNet | 图像 | 15名神经外科医生参与研究 | NA | NA | NA | NA |
| 297 | 2024-11-22 |
XRelevanceCAM: towards explainable tissue characterization with improved localisation of pathological structures in probe-based confocal laser endomicroscopy
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03096-0
PMID:38538880
|
研究论文 | 本文介绍了一种名为XRelevanceCAM的新解释方法，用于在探针式共聚焦激光显微内窥镜（pCLE）数据中精确定位临床重要结构 | XRelevanceCAM基于更好的反向传播方法，结合了敏感性和保守性公理，提供了更强的理论基础并有效缓解了破碎梯度问题 | NA | 开发一种新的解释方法，以提高探针式共聚焦激光显微内窥镜数据中病理结构的定位精度 | 探针式共聚焦激光显微内窥镜数据中的脑肿瘤组织 | 计算机视觉 | 脑肿瘤 | Class Activation Map (CAM) | NA | 图像 | 基于离体pCLE数据的脑肿瘤样本 | NA | NA | NA | NA |
| 298 | 2024-11-22 |
From quantitative metrics to clinical success: assessing the utility of deep learning for tumor segmentation in breast surgery
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03133-y
PMID:38642296
|
研究论文 | 本文评估了深度学习模型在乳腺癌手术中肿瘤分割的临床效用 | 首次将深度学习模型应用于乳腺癌手术中的肿瘤分割，并进行了临床评估 | 生成的轮廓在预测病理边缘状态方面的效用有限 | 评估深度学习模型在乳腺癌手术中肿瘤分割的临床效用 | 深度学习模型在乳腺癌手术中的肿瘤分割 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 7318张超声图像，来自33名患者 | NA | NA | NA | NA |
| 299 | 2024-11-22 |
Robot-assisted biopsy sampling for online Raman spectroscopy cancer confirmation in the operating room
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03100-7
PMID:38573566
|
研究论文 | 本文提出了一种在手术室中使用机器人辅助活检采样结合拉曼光谱技术进行癌症实时确认的方法 | 本文创新地将拉曼光谱技术与机器人辅助系统结合，实现了手术室中的实时癌症确认，并提出了使用一维卷积神经网络进行组织分类 | 本文仅在体外数据集上进行了测试，尚未在临床环境中验证其有效性 | 提高手术室中癌症治疗的局部控制，实现实时癌症确认 | 新鲜组织样本的癌症确认 | 计算机视觉 | NA | 拉曼光谱技术 | 一维卷积神经网络 | 光谱数据 | 30个测试地标，三个体外数据集（脑、乳腺和前列腺） | NA | NA | NA | NA |
| 300 | 2024-11-22 |
On-the-fly point annotation for fast medical video labeling
2024-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03098-y
PMID:38573565
|
研究论文 | 提出了一种实时视频标注方法，以提高医学视频标注的效率 | 引入了一种连续单点标注方法，通过保持光标在实时视频中的对象上来减少传统标注方法中的繁琐暂停和重复导航 | 未提及具体限制 | 提高医学研究中深度学习模型所需的高质量标注数据的标注效率 | 医学视频中的对象检测任务 | 计算机视觉 | NA | NA | NA | 视频 | 未提及具体样本数量 | NA | NA | NA | NA |