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 1299 篇文献，本页显示第 1181 - 1200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1181 | 2024-08-05 |
Bidirectional Hybrid LSTM Based Recurrent Neural Network for Multi-View Stereo
2024-Jul, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2022.3165860
PMID:35394911
|
研究论文 | 本文提出了一种有效的双向混合LSTM基于递归神经网络的多视图立体重建方法 | 采用双向混合长短期记忆结构进行成本体积正则化，提高了准确性并节省了运行时内存 | 可能在特定情况下性能受限于数据集的多样性 | 提高多视图立体重建的准确性和效率 | 密集点云重建 | 计算机视觉 | NA | 深度学习 | 双向混合LSTM | 点云 | 在DTU、Tanks and Temples和ETH3D数据集上进行了广泛实验 | NA | NA | NA | NA |
| 1182 | 2024-08-05 |
Revisiting the current and emerging concepts of postharvest fresh fruit and vegetable pathology for next-generation antifungal technologies
2024-Jul, Comprehensive reviews in food science and food safety
IF:12.0Q1
DOI:10.1111/1541-4337.13397
PMID:38924311
|
评论 | 本文回顾了当前和新兴的后成熟鲜果蔬菜病理学概念，以促进抗真菌技术的发展 | 提出了基于微生物组和病理组的新概念，为后成熟病原控制技术提供了更全面的观点 | 尚未明确讨论现有控制策略的长期有效性和可持续性 | 研究后成熟鲜果蔬菜的病理，并开发可持续的控制策略 | 后成熟鲜果蔬菜中的真菌感染及其控制策略 | 数字病理学 | NA | 基因组技术，深度学习，人工智能 | NA | NA | NA | NA | NA | NA | NA |
| 1183 | 2024-08-05 |
Real-time object-removal tampering localization in surveillance videos by employing YOLO-V8
2024-Jul, Journal of forensic sciences
IF:1.5Q2
DOI:10.1111/1556-4029.15516
PMID:38572826
|
研究论文 | 本文提出了一种基于YOLO-V8的监控视频实时物体移除篡改检测方法 | 提出了一种被动的最大中值平均运动残差算法与YOLO-V8结合，用于真实时间的物体移除伪造区域定位 | 未提及具体的局限性 | 研究视频中物体移除伪造的检测与定位方法 | 监控视频中的物体移除伪造 | 计算机视觉 | NA | 深度学习 | YOLO-V8 | 视频 | 在SYSU-OBJFORG数据集上进行了训练 | NA | NA | NA | NA |
| 1184 | 2024-08-05 |
An AI healthcare ecosystem framework for Covid-19 detection and forecasting using CronaSona
2024-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03058-3
PMID:38472600
|
研究论文 | 本文旨在建立一个用于COVID-19检测和预测的医疗生态系统框架CronaSona | 创新在于创建一个全面的医疗生态系统框架，解决COVID-19诊断和更广泛健康挑战 | NA | 介绍一种新型框架，简化针对疾病的应用程序开发和构建 | 开发CronaSona应用程序以验证并测试框架的功能 | 数字病理学 | 新冠肺炎 | 深度学习 | NA | 胸部X光图像 | NA | NA | NA | NA | NA |
| 1185 | 2024-08-05 |
A Deep Learning-Based Approach to Estimate Paneth Cell Granule Area in Celiac Disease
2024-Jul-01, Archives of pathology & laboratory medicine
IF:3.7Q1
DOI:10.5858/arpa.2023-0074-OA
PMID:37852171
|
研究论文 | 本文研究了在腹腔疾病中，胰腺细胞颗粒区域的变化与疾病相关性 | 本研究采用无代码的人工智能工作流程分析完整的组织切片，提升了胰腺细胞功能评估的效率 | 在研究中仅分析了特定患者群体，可能不具备普遍适用性 | 比较腹腔疾病患者与非腹腔疾病患者的隐窝细胞和胰腺细胞颗粒区域 | 包含349名患者的十二指肠活检样本，185名有腹腔疾病病史，164名为对照组 | 数字病理 | 腹腔疾病 | 人工智能，数字病理分析 | 深度学习模型 | 图像 | 349名患者的十二指肠活检样本 | NA | NA | NA | NA |
| 1186 | 2024-08-05 |
[Artificial intelligence in kidney transplant pathology]
2024-Jul, Pathologie (Heidelberg, Germany)
DOI:10.1007/s00292-024-01324-7
PMID:38598097
|
综述 | 总结人工智能在肾移植病理学诊断领域的研究现状及其局限性 | 该文章探讨了AI在肾移植病理中的最新应用及其未来展望 | 在代表性数据集的收集和Banff分类的更新方面存在重要的局限性和挑战 | 研究人工智能在肾移植病理学诊断中的应用及存在的限制 | 聚焦于使用AI改善肾移植诊断的组织病理学研究 | 数字病理学 | NA | 深度学习 | NA | 文献 | NA | NA | NA | NA | NA |
| 1187 | 2024-08-05 |
NerveTracker: a Python-based software toolkit for visualizing and tracking groups of nerve fibers in serial block-face microscopy with ultraviolet surface excitation images
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076501
PMID:38912214
|
研究论文 | 本文开发了一种用于视觉化和跟踪神经纤维组的Python软件工具NerveTracker | 创新点在于提供了一套专用的、可定制的软件以进行外周神经样本的微观跟踪 | 未提及具体的局限性 | 研究旨在开发能够处理和可视化神经样本图像的定制软件 | 研究对象为外周神经样本中的神经纤维 | 计算机视觉 | NA | 三维显微镜与紫外表面激发 | NA | 图像 | 在几毫米的神经长度上测试了多个样本 | NA | NA | NA | NA |
| 1188 | 2024-08-05 |
Reproducibility and Explainability of Deep Learning in Mammography: A Systematic Review of Literature
2024-Jul, The Indian journal of radiology & imaging
DOI:10.1055/s-0043-1775737
PMID:38912238
|
系统评价 | 本文评估了深度学习在乳腺癌筛查中的可重复性与解释性。 | 提出了针对文献的质量评估工具mQUADAS-2，并揭示了许多研究存在偏倚风险。 | 大多数研究由于患者选择不具代表性而具有高风险偏倚，没有研究提供超出定位准确性的解释能力。 | 评估乳腺癌筛查中深度学习文献的可重复性，确定模型设计的最佳实践。 | 包括使用深度学习检测病变或将图像分类为癌症或非癌症的研究。 | 数字病理学 | 乳腺癌 | 深度学习 | 卷积神经网络（CNN），集成模型 | 图像 | 共筛选了12,123条记录，其中107条符合纳入标准 | NA | NA | NA | NA |
| 1189 | 2024-08-07 |
Enhancing diagnostic precision in liver lesion analysis using a deep learning-based system: opportunities and challenges
2024-Jul, Nature reviews. Clinical oncology
DOI:10.1038/s41571-024-00887-x
PMID:38519602
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1190 | 2024-08-07 |
Automated deep learning framework: providing decision-making information for breast cancer management
2024-Jul, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102674
PMID:38911837
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1191 | 2024-08-05 |
Computed tomography machine learning classifier correlates with mortality in interstitial lung disease
2024-Jul, Respiratory investigation
IF:2.4Q2
DOI:10.1016/j.resinv.2024.05.010
PMID:38772191
|
研究论文 | 本研究探讨了机器学习分类器Fibresolve在间质性肺病中的死亡率预测能力。 | Fibresolve作为一种基于深度学习的非侵入性诊断工具，首次被验证为间质性肺病死亡率的独立预测因子。 | 此研究的样本量虽然大，但仅包括228名可随访数据的患者，可能限制了结果的广泛适用性。 | 研究Fibresolve在间质性肺病患者中预测死亡率的有效性。 | 研究对象为228名患有特发性肺纤维化及其他间质性肺病的患者。 | 计算机视觉 | 间质性肺病 | 深度学习 | Cox回归分析 | 医学影像 | 228名患者 | NA | NA | NA | NA |
| 1192 | 2024-08-05 |
From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging
2024-Jul, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2024.03.019
PMID:38583576
|
研究论文 | 本研究比较了传统2D Cobb角测量和利用重负荷3D成像技术的自动测量在青少年特发性脊柱侧弯患者中的应用 | 提出了使用重负荷3D成像技术的自动测量方法，提供了更精准的脊柱曲度评估 | 需要更多涉及重度曲线患者的研究来验证和扩展这些结果 | 旨在改善青少年特发性脊柱侧弯的临床评估准确性 | 53名被诊断为青少年特发性脊柱侧弯的患者 | 数字病理学 | 青少年特发性脊柱侧弯 | WR3D成像技术 | 3D-UNet | 图像 | 53名患者，88条脊柱曲线 | NA | NA | NA | NA |
| 1193 | 2024-08-05 |
Comparative analysis of machine learning methods for prediction of chlorophyll-a in a river with different hydrology characteristics: A case study in Fuchun River, China
2024-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121386
PMID:38865920
|
研究论文 | 本研究分析了不同水文特征河流中氯ophyll-a浓度的预测方法 | 首次比较了传统机器学习和深度学习模型在不同水文特征下的氯ophyll-a预测性能 | 未涉及其他可能影响氯ophyll-a的环境因素 | 探究氯ophyll-a的时空分布及其准确预测对水系统管理的重要性 | 富春江中的氯ophyll-a浓度及其关联环境因子 | 机器学习 | NA | 机器学习 | 传统机器学习模型及深度学习模型 | 环境数据 | NA | NA | NA | NA | NA |
| 1194 | 2024-08-05 |
Adapted generative latent diffusion models for accurate pathological analysis in chest X-ray images
2024-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03056-5
PMID:38499946
|
研究论文 | 本文章提出了一种基于自适应生成潜在扩散模型的新数据增强方法，以提高胸部X光图像的自动病理筛查性能 | 创新点在于提出了一种新型的数据增强方法，专门针对结核病和肺结节的病理分析 | 研究依赖于有限的公共数据集，可能不完全代表所有实际临床场景 | 研究旨在改善胸部X光图像中病理分析的自动化性能 | 研究对象为结核病和肺结节的胸部X光图像 | 数字病理学 | 肺癌 | 数据增强 | 生成潜在扩散模型 | 图像 | 使用三个公共可用数据集进行评估 | NA | NA | NA | NA |
| 1195 | 2024-08-05 |
Longitudinal artificial intelligence-based deep learning models for diagnosis and prediction of the future occurrence of polyneuropathy in diabetes and prediabetes
2024-Jul, Neurophysiologie clinique = Clinical neurophysiology
DOI:10.1016/j.neucli.2024.102982
PMID:38761793
|
研究论文 | 本研究旨在开发基于人工智能的深度学习模型，以诊断和预测糖尿病及前糖尿病患者未来发生糖尿病远端感觉运动多神经病(DSPN)的风险 | 结合随机森林技术与卷积神经网络(CNN)和长短期记忆网络(LSTM)，为DSPN的诊断和预测提供了创新的深度学习框架 | 研究可能受限于样本的特异性，可能无法推广至其他类型糖尿病患者或不同的种族背景 | 研究旨在评估深度学习模型在糖尿病远端感觉运动多神经病的诊断和预测中的潜力 | 394名患者，其中300名为2型糖尿病患者，94名为前糖尿病患者 | 数字病理学 | 糖尿病 | 随机森林(RF)，卷积神经网络(CNN)，长短期记忆网络(LSTM) | CNN和LSTM | 临床评估数据 | 394名患者（300名2型糖尿病患者，94名前糖尿病患者） | NA | NA | NA | NA |
| 1196 | 2024-08-05 |
Research on machine learning hybrid framework by coupling grid-based runoff generation model and runoff process vectorization for flood forecasting
2024-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121466
PMID:38870784
|
研究论文 | 本研究提出了一种结合网格型径流生成模型和径流过程向量化的混合深度学习洪水预测框架 | 创新点在于通过结合GRGM、RPV和LSTM模型来提高洪水预测的准确性和鲁棒性 | 研究中可能缺乏对其他因素影响的考虑，如气候变化的长期影响 | 研究旨在改进洪水预测模型的性能，以减少洪水灾害的风险 | 本研究的对象为流域Jialu River的水文数据和测量洪水实例 | 机器学习 | NA | LSTM | GRGM-RPV-LSTM | 水文数据 | 18个测量洪水实例 | NA | NA | NA | NA |
| 1197 | 2024-08-05 |
Advancing brain tumor classification through MTAP model: an innovative approach in medical diagnostics
2024-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03064-5
PMID:38483711
|
研究论文 | 本文介绍了MTAP模型在脑肿瘤分类中的应用，旨在提高诊断准确性 | MTAP模型通过ADASYN方法解决数据集类别不平衡问题，并采用网络剪枝技术和Avg-TopK池化方法进行特征提取，提出了新型的分类策略 | NA | 提高脑肿瘤类型检测的准确性，这是医学成像和诊断的关键方面 | 脑肿瘤 | 医学诊断 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 1198 | 2024-08-05 |
Automatic detection of bumblefoot in cage-free hens using computer vision technologies
2024-Jul, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.103780
PMID:38688138
|
研究论文 | 本研究开发并测试了深度学习模型以自动检测无笼鸡的鸡足肿胀情况 | 首次提出并应用自动化方法检测无笼环境中鸡足肿胀，尤其是在早期阶段 | 研究主要集中在特定环境和设置下，尚未在商业层面广泛实施 | 旨在开发自动化检测系统以提升无笼鸡的福利 | 主要研究对象为无笼养殖环境中的母鸡及其足肿胀情况 | 计算机视觉 | NA | 深度学习 | YOLOv5系列模型 | 图像 | NA | NA | NA | NA | NA |
| 1199 | 2024-08-07 |
Fusion of Deep Learning with Conventional Imaging Processing: Does It Bring Artificial Intelligence Closer to the Clinic?
2024-Jul, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2023.10.043
PMID:38310497
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1200 | 2024-08-05 |
Ultra-High-Resolution T2-Weighted PROPELLER MRI of the Rectum With Deep Learning Reconstruction: Assessment of Image Quality and Diagnostic Performance
2024-Jul-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001047
PMID:37975732
|
研究论文 | 本研究评估了超高分辨率获取和深度学习重建对直肠T2加权PROPELLER成像的图像质量和诊断性能的影响 | 提出了一种结合超高分辨率和深度学习重建的PROPELLER成像方法，从而改善了图像质量和识别性能 | 在直肠癌的病理情况下，MRI的诊断准确性并未提高，可能受到假阳性MRI结果或假阴性病理结果的影响 | 评估超高分辨率和深度学习重建在直肠MRI中的应用效果 | 34名接受MRI检查的直肠肿瘤患者 | 医学影像学 | 直肠癌 | 磁共振成像（MRI） | 深度学习重建（DLR） | 影像 | 34名患者 | NA | NA | NA | NA |