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 1037 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 2024-08-05 |
Prostate cancer diagnosis based on multi-parametric MRI, clinical and pathological factors using deep learning
2024-06-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65354-0
PMID:38942817
|
研究论文 | 本研究使用深度学习方法结合多参数MRI、临床和病理因素对前列腺癌进行诊断 | 首次将多参数MRI与临床和病理数据结合使用深度学习提高前列腺癌诊断的准确性 | 研究仅基于来自一所医院的数据，可能影响结果的广泛适用性 | 提高前列腺癌的早期诊断准确性 | 343名前列腺癌患者的数据 | 医学影像分析 | 前列腺癌 | 深度学习 | ResNet50 | 多参数MRI图像 | 343名患者 |
| 502 | 2024-08-05 |
Variable data structures and customized deep learning surrogates for computationally efficient and reliable characterization of buried objects
2024-Jun-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65996-0
PMID:38942986
|
研究论文 | 本研究通过深度学习代理建模方法，表征埋 buried 物体。 | 提出了一种深度回归网络（DRN），在与传统网络模型相比下，该模型的计算效率提高了大约 13 倍。 | 关于原始 B 扫描数据和 B 扫描轮廓处理步骤的使用在物体特征化中导致高计算成本，这可能成为一个挑战。 | 该研究旨在通过深度学习技术高效可靠地表征埋藏物体。 | 研究对象为不同半径、不同位置（深度和横向位置）埋藏在不同色散地下介质中的物体。 | 数字病理学 | NA | 全波电磁模拟 | 深度回归网络（DRN） | 图像 | NA |
| 503 | 2024-08-05 |
High-precision object detection network for automate pear picking
2024-Jun-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65750-6
PMID:38942940
|
research paper | 本研究提出了一种高精度的物体检测网络，用于自动化梨采摘任务 | 创新点在于提出了HDMNet网络，结合了语义聚焦注意机制和变形感知特征金字塔网络，提高了检测准确性 | 当前方法仍需在复杂环境下的适应性和多样性验证 | 旨在提高自动化梨采摘的检测精度和实时性 | 研究对象为自动化梨采摘中的梨果物体 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA |
| 504 | 2024-08-05 |
CPSign: conformal prediction for cheminformatics modeling
2024-Jun-28, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00870-9
PMID:38943219
|
研究论文 | CPSign是一个用于化学信息学建模的完全实现的顺应预测开源软件 | CPSign结合了顺应预测和概率预测的方法，支持多种建模技术，并提供易于使用的可视化功能 | 未提及具体的局限性 | 提供一个综合的软件工具，以便在化学结构上进行数据预处理、建模和预测 | 化学信息学中的数据和模型 | 化学信息学 | NA | 顺应预测 | 支持向量机（SVM） | 化学数据 | 多项研究中使用，但具体样本大小未提及 |
| 505 | 2024-08-05 |
Deep learning-based prediction of plant height and crown area of vegetable crops using LiDAR point cloud
2024-06-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65322-8
PMID:38942825
|
研究论文 | 本文开发了一种深度学习框架，用于预测蔬菜作物在不同生长阶段的植物高度和冠幅 | 提出了一种结合LSTM和GRU的混合深度学习模型，显著提高了对冠幅的预测准确性 | LSTM和GRU模型在捕捉结构参数变化方面存在局限，且在临近收获的高级生长阶段预测质量较低 | 开发和应用深度学习框架以预测蔬菜作物的植物高度和冠幅 | 针对番茄、茄子和卷心菜进行研究 | 数字农业 | NA | LiDAR点云 | LSTM和GRU的混合模型 | 点云数据 | 五个时间点的实验研究农场数据 |
| 506 | 2024-08-05 |
Multimodal explainable artificial intelligence identifies patients with non-ischaemic cardiomyopathy at risk of lethal ventricular arrhythmias
2024-06-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65357-x
PMID:38937555
|
研究论文 | 本文提出了一种多模态深度学习模型，用于预测非缺血性心肌病患者的心律失常风险 | 本研究的创新之处在于将LGE心脏磁共振成像、心电图和临床数据整合到一个模型中，以提高心律失常预测的准确性 | 研究的局限性在于仅使用两个三级医院的数据，可能影响模型的广泛适用性 | 研究的目的是开发一种多模态风险预测模型，以帮助预防非缺血性心肌病患者的突发性心脏死亡 | 研究对象为289名在植入ICD之前接受了短轴LGE-MRI扫描和12导联心电图的患者 | 计算机视觉 | 心血管疾病 | LGE MRI | 深度风险模型 (DEEP RISK) | 图像和临床数据 | 289名患者 |
| 507 | 2024-08-05 |
Modeling 0.6 million genes for the rational design of functional cis-regulatory variants and de novo design of cis-regulatory sequences
2024-Jun-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319811121
PMID:38889146
|
研究论文 | 本文开发了PhytoExpr，一个深度学习框架，可预测植物mRNA丰度和物种 | 提出了通过深度学习实现植物调控序列的合理设计和变异体发现 | 对输入序列的分析依赖于深度学习模型的训练数据和算法 | 旨在无专家干预或先前领域知识的情况下设计植物调控DNA序列 | 17种主要植物门类的代表性物种 | 计算机视觉 | NA | 深度学习 | NA | 序列 | 600,000个基因 |
| 508 | 2024-08-05 |
An improved method for diagnosis of Parkinson's disease using deep learning models enhanced with metaheuristic algorithm
2024-Jun-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01335-z
PMID:38910241
|
研究论文 | 本研究提出了一种改进的深度学习模型，利用启发式算法提高帕金森病的早期诊断精度 | 研究中结合了灰狼优化算法和多种深度学习模型以增强帕金森病的诊断能力 | 研究只使用了两个标准数据集，可能限制了模型的泛化能力 | 提高帕金森病的早期诊断准确性 | 使用深度学习模型和医学影像数据集来检测帕金森病 | 机器学习 | 帕金森病 | 医学影像技术、灰狼优化 | GWO-VGG16，GWO-DenseNet，GWO-DenseNet + LSTM，GWO-InceptionV3，GWO-VGG16 + InceptionV3 | 医学影像 | 使用了T1、T2加权和SPECT DaTscan数据集的标准数据集 |
| 509 | 2024-08-05 |
Evaluation of Dental Plaque Area with Artificial Intelligence Model
2024-Jun-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_862_23
PMID:38943301
|
研究论文 | 本研究评估了一种利用深度学习的人工智能系统在识别牙菌斑方面的诊断准确性 | 本研究开发的人工智能算法在检测牙菌斑方面表现出色，优于牙医的诊断性能 | 样本量相对较小，仅包括20名患者的168颗永久牙 | 评估人工智能系统在牙菌斑识别中的诊断准确性 | 20名10至15岁患者的168颗牙齿照片 | NA | NA | 深度学习 | NA | 图像 | 168颗牙齿，来自20名患者 |
| 510 | 2024-08-05 |
A comparative analysis of deep learning-based location-adaptive threshold method software against other commercially available software
2024-Jun, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03099-7
PMID:38634943
|
研究论文 | 本研究分析了一种基于深度学习的自适应阈值方法软件在冠状动脉CT成像中的表现 | 提出了一种新的基于深度学习的自适应阈值方法(DL-LATM)用于冠状动脉分割，并显示出优于现有商业软件的性能 | 样本量较小，仅使用了19名患者的26个血管段的数据进行评估 | 评估基于DL-LATM的方法在冠状动脉CT成像中的分割性能 | 使用基于冠状动脉CT成像的分割软件进行分析 | 数字病理学 | 冠状动脉疾病 | 冠状动脉计算机断层成像(CCTA) | 深度学习 | 图像 | 19名患者的26个血管段 |
| 511 | 2024-08-05 |
Development of an automatic surgical planning system for high tibial osteotomy using artificial intelligence
2024-Jun, The Knee
DOI:10.1016/j.knee.2024.03.008
PMID:38599029
|
研究论文 | 本研究提出了一种基于深度学习的高胫骨截骨自动手术规划系统，并验证了其准确性 | 该系统能够快速准确地测量下肢对齐参数，并且测量时间远短于外科医生 | 研究未提及大样本数据或长期随访结果 | 研究旨在开发一种提高高胫骨截骨手术规划效率和准确性的智能系统 | 107名接受高胫骨截骨的患者及其整个腿部站立X光片 | 数字病理学 | NA | 深度学习 | NA | X光片 | 107张来自107名患者的整个腿部站立X光片 |
| 512 | 2024-08-05 |
Deep learning to quantify care manipulation activities in neonatal intensive care units
2024-Jun-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01164-y
PMID:38937643
|
研究论文 | 本研究旨在量化新生儿重症监护病房中的护理操作活动 | 开发了一种深度学习方法以从视频中检测操作活动，估算其持续时间和频率，并整合生理信号以评估反应 | 相对误差容忍度为13.8%的活动持续时间和频率，结果仅与人工注释相当 | 监测新生儿重症监护中的压力 | 27名新生儿在2个新生儿重症监护病房中的330次会话 | 计算机视觉 | NA | 深度学习 | NA | 视频和生理信号 | 27名新生儿，289小时视频记录和生理数据 |
| 513 | 2024-08-05 |
Fully automated assessment of the future liver remnant in a blood-free setting via CT before major hepatectomy via deep learning
2024-Jun-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01724-6
PMID:38935177
|
研究论文 | 本研究开发并验证了一种用于血液-free环境下CT影像的肝脏未来残余肝脏的深度学习模型 | 开发了全自动的肝静脉和门静脉分割模型，并成功应用于主要肝切除术前的FLR评估 | 没有提到模型在不同病灶或患者特征下的适用性 | 目的在于提高肝脏未来残余肝脏的评估准确性和自动化水平 | 包括170名在2018年1月至2019年3月期间接受治疗的患者 | 数字病理 | NA | CT影像 | 3D U-Net | 影像 | 170名患者 |
| 514 | 2024-08-05 |
Simulation-driven design of smart gloves for gesture recognition
2024-06-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65069-2
PMID:38937537
|
研究论文 | 本文提出了一个开放的仿真平台用于设计智能手套，以实现手势识别 | 创新点在于利用单目视频而非精确运动数据，并通过新方法减少运动提取误差的影响 | 具体样本数量及其多样性未在摘要中说明 | 研究智能手套的设计，以提高手势识别的效率和准确性 | 智能手套的传感器布局和深度学习模型 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA |
| 515 | 2024-08-05 |
Addressing label noise for electronic health records: insights from computer vision for tabular data
2024-Jun-27, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02581-5
PMID:38937744
|
研究论文 | 本研究探讨了如何通过计算机视觉算法减轻电子健康记录中的标签噪声对深度学习模型的影响 | 将计算机视觉算法应用于电子健康记录，以应对标签噪声的挑战 | 不确定计算机视觉方法在电子健康记录领域的有效性，因为两个领域之间存在显著差异 | 旨在提高深度学习模型在电子健康记录中应对标签噪声的能力 | 电子健康记录数据中的标签噪声 | 机器学习 | COVID-19 | 深度学习 | 未指定 | 电子健康记录数据 | 未指定 |
| 516 | 2024-08-05 |
Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI
2024-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.230177
PMID:38722232
|
研究论文 | 本研究开发了一种深度学习模型，以提高心脏cine MRI的帧率，同时保持空间分辨率和扫描时间 | 提出了一种基于transformer的深度学习模型，能够在提高帧率的同时保持图像质量 | 在不同成像设备和磁场强度下进行的回归分析未能完全排除所有潜在误差 | 研究旨在提高心脏cine MRI的图像帧率 | 对来自5840名患者回顾性cine图像进行分析，及对49名临床心脏MRI参与者实现前瞻性研究 | 数字病理学 | 心血管疾病 | MRI | Transformer | 影像 | 5840名患者的回顾性样本和49名参与者的前瞻性样本 |
| 517 | 2024-08-05 |
Deep learning based automated left ventricle segmentation and flow quantification in 4D flow cardiac MRI
2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2023.100003
PMID:38211658
|
研究论文 | 本研究开发并评估基于深度学习的方法，以直接从4D流动MRI中分割左心室并定量血流。 | 提出了用于从短轴重构的4D流动体积中进行左心室自动分割的新型深度学习网络和特征融合方法 | 评估只基于内部数据集，可能存在样本偏差 | 旨在提高4D流动MRI中的左心室分割和血流定量分析的准确性 | 以101名受试者的4D流动MRI数据为研究对象 | 计算机视觉 | 心血管疾病 | 4D流动MRI | 2D U-Net | 图像 | 101个受试者，67,567个2D图像和3030个3D体积 |
| 518 | 2024-08-07 |
Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning
2024-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240140
PMID:38842457
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 519 | 2024-08-05 |
Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques
2024-Jun-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5a14
PMID:38901416
|
研究论文 | 本研究提出了一种基于可解释人工智能的自动分割和多阶段分类系统，用于胃食管反流疾病的诊断 | 提出了一个专门为胃肠道疾病诊断而设计的系统，结合目标检测和深度学习分割技术 | 未提及研究的局限性 | 旨在开发自动化工具以快速和准确地诊断胃食管反流疾病 | 关注于胃食管反流疾病患者的医学图像 | 计算机视觉 | 胃食管反流疾病 | Yolov5, Deep LabV3+ | 自定义深度神经网络 | 图像 | NA |
| 520 | 2024-08-05 |
A novel radiomics approach for predicting TACE outcomes in hepatocellular carcinoma patients using deep learning for multi-organ segmentation
2024-06-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65630-z
PMID:38926517
|
研究论文 | 本研究提出了一种新的放射组学方法，利用深度学习进行多脏器分割，以预测肝细胞癌患者的TACE治疗结果 | 本研究采用全自动的、预训练的深度学习模型，从多个感兴趣的脏器体积中提取放射组学特征，克服了传统模型手动分割的限制 | 本研究的局限性在于未能考虑所有可能影响TACE结果的临床因素 | 本研究旨在开发一种新的方法来预测肝细胞癌患者的TACE治疗结果 | 研究对象为252名接受TACE治疗的肝细胞癌患者 | 数字病理学 | 肝癌 | 深度学习 | 随机生存森林模型 | CT图像 | 252名肝细胞癌患者 |