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 1294 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2024-08-05 |
Developing a regional scale construction and demolition waste landfill landslide risk rapid assessment approach
2024-Jul-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.05.042
PMID:38810396
|
研究论文 | 本文提出了一种创新的方法，以快速评估区域范围内的建筑和拆除垃圾填埋场滑坡风险 | 本研究利用深度学习模型快速定位可疑填埋场并开发基于环境因素的风险评估模型 | 现有研究主要集中在单个填埋场的风险评估，缺乏对多个填埋场的快速评估能力 | 旨在通过整合计算机视觉和环境分析来提高填埋场滑坡风险评估的有效性 | 研究对象包括位于深圳的52个可疑建筑和拆除垃圾填埋场 | 数字路径学 | NA | 深度学习 | NA | 环境数据 | 52个可疑垃圾填埋场 | NA | NA | NA | NA |
| 1242 | 2024-08-05 |
Automatic 3D left atrial strain extraction framework on cardiac computed tomography
2024-Jul, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108236
PMID:38776829
|
研究论文 | 该研究提出了一种基于深度学习的全自动框架，用于从心脏CT图像中提取三维左心房应变 | 这是首个完全自动化的深度学习框架，针对心脏CT的三维左心房应变提取 | 该研究主要集中在少数病例上，可能需进一步验证其通用性 | 旨在改进左心房功能评估方法，提供超越超声心动图的评估手段 | 111名接受心电图门控对比增强CT检查的患者 | 数字病理学 | 心房颤动 | CT, 深度学习 | GN-U-Net | 图像 | 111名患者 | NA | NA | NA | NA |
| 1243 | 2024-08-05 |
Digitalization of phosphorous removal process in biological wastewater treatment systems: Challenges, and way forward
2024-Jul-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.119133
PMID:38735379
|
综述 | 论文讨论了在生物废水处理系统中磷回收的数字化过程和面临的挑战 | 提出了将人工智能算法应用于预测废水处理厂中磷动态的创新点 | 缺乏对与水-能源-资源回收-环境关联的网络物理框架的全面分析 | 分析如何利用新兴技术提高废水处理效率和磷回收能力 | 主要对象是废水处理厂中的磷回收过程 | 数字病理学 | NA | 人工智能 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 1244 | 2024-08-05 |
Deep learning reconstruction for high-resolution computed tomography images of the temporal bone: comparison with hybrid iterative reconstruction
2024-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03330-1
PMID:38514472
|
研究论文 | 本研究探讨了深度学习重建（DLR）在颞骨高分辨率CT图像质量方面是否优于混合迭代重建（HIR） | 提出了一种新的深度学习重建方法，并与传统的混合迭代重建方法进行比较，显示出在图像质量上的显著提升 | 本研究的样本大小较小，仅包含36名患者 | 研究深度学习重建对颞骨高分辨率CT图像质量的影响 | 36名接受颞骨高分辨率CT检查的患者 | 数字病理学 | NA | 深度学习重建（DLR） | NA | 图像 | 36名患者（15名男性，21名女性） | NA | NA | NA | NA |
| 1245 | 2024-08-05 |
DermSynth3D: Synthesis of in-the-wild annotated dermatology images
2024-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103145
PMID:38615432
|
研究论文 | 本文提出了一种新框架DermSynth3D，用于合成真实场景下注释的皮肤病图像。 | DermSynth3D通过将皮肤疾病模式融入3D纹理网格并生成多视角的2D图像，解决了现有皮肤病数据集的局限性。 | 尚未提及具体的局限性。 | 旨在解决皮肤病图像分析领域中数据集的不足。 | 合成皮肤病的2D图像及其相应的语义分割注释。 | 计算机视觉 | 皮肤病 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1246 | 2024-08-05 |
Automated identification of aquatic insects: A case study using deep learning and computer vision techniques
2024-Jul-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.172877
PMID:38740196
|
研究论文 | 本研究利用深度学习和计算机视觉技术自动识别水生昆虫，以提高生物监测的效率和分类精度 | 研究建立了一个包含90个EPT分类的数据库，并使用CNN模型实现了98.7%的分类准确率 | 研究中只涉及特定的EPT分类，可能不能推广到所有水生昆虫的分类 | 提高水生昆虫生物监测程序的效率和分类分辨率 | EPT类水生昆虫，包括蜉蝣、石蝇和毛虫 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 共16,650张图像，包含90个EPT分类 | NA | NA | NA | NA |
| 1247 | 2024-08-05 |
Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3358168
PMID:38265904
|
研究论文 | 通过复杂系统理论评估自然语言生成模型的能力。 | 提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。 | 未提及具体的局限性。 | 探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。 | 比较GPT-2生成的英文文本与人类创作的小说和程序代码。 | 自然语言处理 | NA | 复杂性测量 | GPT-2 | 文本 | 分析了三种文本类型，具体样本量未提及 | NA | NA | NA | NA |
| 1248 | 2024-08-05 |
Detection and coverage estimation of purple nutsedge in turf with image classification neural networks
2024-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8055
PMID:38436512
|
研究论文 | 该研究评估了使用图像分类神经网络检测和估算草坪中紫色猪殃殃覆盖率的有效性 | 通过使用不同的深度学习模型，尤其是DenseNet，在杂草检测和覆盖估算上表现出先进的准确性和效率 | 需要大量注释数据进行模型训练 | 实现精确的杂草检测和覆盖率估算以优化除草剂应用 | 杂草检测和估算在百慕大草坪中的覆盖率 | 计算机视觉 | NA | 深度学习 | DenseNet, GoogLeNet, ResNet | 图像 | NA | NA | NA | NA | NA |
| 1249 | 2024-08-05 |
Research on precise phenotype identification and growth prediction of lettuce based on deep learning
2024-Jul-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.118845
PMID:38570128
|
研究论文 | 本文研究了生菜的精确表型识别和生长预测 | 通过深度学习模型，提出了用于生菜生长的预测模型，并定义了一些新颖的表型指标 | 没有详细说明实验的样本大小和营养应激条件的具体影响 | 旨在实现精准农业的目标，通过识别和监测生菜的表型特征 | 生菜的表型特征及其生长状态 | 数字农业 | NA | 深度学习 | NA | RGB图像 | NA | NA | NA | NA | NA |
| 1250 | 2024-08-05 |
On the Number of Linear Regions of Convolutional Neural Networks With Piecewise Linear Activations
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361155
PMID:38300783
|
研究论文 | 本文提供了用于研究具有分段线性激活的卷积神经网络线性区域的数学结果 | 提出了一层和多层分段线性卷积神经网络的最大和平均线性区域数量的数学结果 | 未提及具体限制 | 研究具有分段线性激活的卷积神经网络的线性区域 | 分段线性卷积神经网络的线性区域 | 机器学习 | NA | NA | PLCNN | NA | NA | NA | NA | NA | NA |
| 1251 | 2024-08-05 |
Self-Supervised Deep Blind Video Super-Resolution
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361168
PMID:38329850
|
研究论文 | 本文提出了一种自监督学习方法来解决盲视频超分辨率问题 | 创新点在于同时估计模糊核和高分辨率视频，并生成辅助配对数据以更好地约束网络 | 在实际应用中，高分辨率视频和对应低分辨率视频的获取仍然很困难 | 研究旨在通过自监督学习方法改善视频超分辨率的效果 | 研究对象是低分辨率视频，目标是恢复出高分辨率视频 | 计算机视觉 | NA | NA | NA | 视频 | NA | NA | NA | NA | NA |
| 1252 | 2024-08-05 |
Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3359087
PMID:38277253
|
研究论文 | 本文提出了一种无监督深度学习方法，用于从不完整测量中进行图像重建 | 提出了一种通过Siamese网络在测量矩阵的零空间和伪逆的范围空间上协作重建的无监督深度学习方法 | 该方法依赖于自监督损失，可能在某些情况下无法达到最佳重建效果 | 扩展深度学习在获取潜在图像挑战性任务中的应用 | 对图像重建进行无监督学习 | 计算机视觉 | NA | 深度学习 | Siamese网络 | 图像 | 应用于四个来自不同应用的成像任务 | NA | NA | NA | NA |
| 1253 | 2024-08-05 |
Microstrip isoelectric focusing with deep learning for simultaneous screening of diabetes, anemia, and thalassemia
2024-Jul-11, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.342696
PMID:38834281
|
研究论文 | 本文提出了一种基于微带等电聚焦和深度学习的方法用于同时筛查糖尿病、贫血和地中海贫血 | 首次实现了Hb的绝对定量检测、Hb种类的相对定量及多种疾病的同时筛查 | 基于Hb种类的疾病诊断准确率较低，仅为69.33% | 提高糖尿病、贫血和地中海贫血的筛查准确性 | 检测 Hb 的相对含量及其相关疾病的筛查 | 数字病理学 | 糖尿病、贫血、地中海贫血 | 微带等电聚焦 (mIEF) | ResNet1D | 图像 | NA | NA | NA | NA | NA |
| 1254 | 2024-08-05 |
Prediction of cardiovascular risk factors from retinal fundus photographs: Validation of a deep learning algorithm in a prospective non-interventional study in Kenya
2024-Jul, Diabetes, obesity & metabolism
DOI:10.1111/dom.15587
PMID:38618987
|
研究论文 | 本研究开发并验证了一种机器学习算法，用于从视网膜眼底照片中估计心血管风险因素。 | 通过在肯尼亚的非干预研究中验证机器学习模型，推动了心血管筛查的早期应用，尤其是在资源有限的环境中 | 模型性能表现与开发使用的英国生物银行人群相比，准确度稍低，可能需要重新校准 | 评估机器学习算法在低收入国家心血管风险因素估计中的有效性 | 肯尼亚地区的301名参与者，通过收集视网膜照片及其临床参数进行研究 | 机器学习 | 心血管疾病 | 机器学习 | 未提及 | 图像 | 301名参与者 | NA | NA | NA | NA |
| 1255 | 2024-08-05 |
NVAM-Net: deep learning networks for reconstructing high-quality fiber orientation distributions
2024-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03341-y
PMID:38563964
|
研究论文 | 该研究介绍了一种名为NVAM-Net的神经网络，用于重建高质量的纤维取向分布图像。 | 该文章创新性地引入了相邻体素注意机制网络，利用变换器架构和两种新的注意机制来改进FOD估计。 | 未提供明显的局限性说明 | 本研究旨在提高扩散磁共振成像中体素取向分布的重建精度。 | 本研究使用了人脑连通组项目（HCP）数据集进行实验。 | 数字病理学 | NA | 扩散磁共振成像（dMRI） | 变换器 | 图像 | 使用人脑连通组项目（HCP）数据集的实验结果 | NA | NA | NA | NA |
| 1256 | 2024-08-05 |
Effect of deep learning-based reconstruction on high-resolution three-dimensional T2-weighted fast asymmetric spin-echo imaging in the preoperative evaluation of cerebellopontine angle tumors
2024-Jul, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03328-9
PMID:38480538
|
研究论文 | 本文旨在评估基于深度学习重建（DLR）在小脑桥角肿瘤术前评估中的影响。 | 本研究创新地使用深度学习重建技术提高了HR-3D T2-FASE成像的对比噪声比。 | 样本量较小，仅包含13例患者，可能影响结果的普遍性。 | 研究旨在评估DLR对小脑桥角肿瘤术前评估中成像质量的影响。 | 研究对象为接受术前HR-3D T2-FASE成像的13例患者。 | 数字病理学 | 脑肿瘤 | MRI | 深度学习重建 | 医学影像 | 13例患者 | NA | NA | NA | NA |
| 1257 | 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 |
| 1258 | 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 |
| 1259 | 2024-08-07 |
A deep learning-based pipeline for developing multi-rib shape generative model with populational percentiles or anthropometrics as predictors
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学习的流程，用于开发多肋骨横截面形状生成模型，该模型使用人口百分位数或人体测量学作为预测因子 | 利用条件变分自编码器（CVAE）和随机树回归器，将肋骨形状数据与人体测量学特征（如年龄、身高和体重）关联起来，从而生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状 | NA | 开发一种能够生成具有特定人口百分位数或特定人体测量学特征的肋骨横截面形状的模型，以促进未来考虑人口多样性的生物医学和生物力学研究 | 肋骨横截面形状及其与人体测量学特征的关联 | 机器学习 | NA | 条件变分自编码器（CVAE） | CNN | 图像 | 3193个肋骨样本 | NA | NA | NA | NA |
| 1260 | 2024-08-07 |
W-DRAG: A joint framework of WGAN with data random augmentation optimized for generative networks for bone marrow edema detection in dual energy CT
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学习技术的框架W-DRAG，用于在双能CT中检测骨髓水肿，通过结合Wasserstein GAN和数据随机增强优化生成对抗网络，提高了疾病筛查和骨病变定位的准确性 | 本文创新性地结合了数据增强优化和Wasserstein GAN，生成稳定且与真实图像分布高度一致的合成图像，提高了分类模型的性能 | NA | 开发一种新的生成对抗网络框架，用于提高双能CT中骨髓水肿检测的准确性 | 双能CT图像中的骨髓水肿检测 | 计算机视觉 | 骨髓水肿 | 生成对抗网络(GAN) | Wasserstein GAN | 图像 | 使用真实和合成样本进行训练和测试 | NA | NA | NA | NA |