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 1074 篇文献，本页显示第 1001 - 1020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 2024-08-07 |
Harnessing the deep learning power of foundation models in single-cell omics
2024-Aug, Nature reviews. Molecular cell biology
DOI:10.1038/s41580-024-00756-6
PMID:38926531
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1002 | 2024-08-05 |
A Brazilian native bee (Tetragonisca angustula) dataset for computer vision
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110659
PMID:39044906
|
研究论文 | 文章介绍了一个用于计算机视觉的巴西本土蜜蜂数据集 | 提供了用于蜜蜂追踪的多样化视频数据及其标签和元数据 | 研究中未提及数据集的规模或照片与视频的处理方法 | 证明该数据集在计算机视觉任务中的潜力 | 多个蜜蜂群体的视频记录 | 计算机视觉 | NA | NA | 深度学习模型 | 视频 | 多个蜜蜂群体的视频 | NA | NA | NA | NA |
| 1003 | 2024-08-05 |
SeasVeg: An image dataset of Bangladeshi seasonal vegetables
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110564
PMID:39044911
|
研究论文 | 本研究介绍了一个名为'SeasVeg'的数据集，包含孟加拉国季节性蔬菜的图像 | 数据集的多功能性，不仅用于农业科学的机器学习和深度学习，还可用于儿童学习蔬菜识别 | 研究未提及数据集使用的具体上下文或限制条件 | 探索季节性蔬菜对营养和商业的重要性，并推动农业科学的发展 | 包括十种季节性蔬菜的图像数据集 | 机器学习 | NA | 深度学习 | CNN | 图像 | 4500幅图像（1500幅原始和3000幅增强） | NA | NA | NA | NA |
| 1004 | 2024-08-05 |
An instance segmentation dataset of cabbages over the whole growing season for UAV imagery
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110699
PMID:39044907
|
研究论文 | 本文介绍了一种针对整个生长季节的白菜实例分割数据集，适用于无人机图像 | 提供了标注的白菜图像数据集，以便通过深度学习模型进行白菜识别 | 目前白菜的训练数据集仍然有限 | 创建用于无人机影像的白菜识别训练数据集 | 白菜图像和其标注 | 机器学习 | NA | 深度学习 | NA | 图像 | 458张图像，17,621个标注的白菜 | NA | NA | NA | NA |
| 1005 | 2024-08-05 |
Effect of fully automatic classification model from different tube voltage images on bone density screening: A self-controlled study
2024-Aug, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111521
PMID:38850722
|
研究论文 | 本研究旨在开发结合深度学习和放射组学的骨状态预测模型，并评估管电压对放射组学特征的可重复性和模型预测效能的影响 | 创新地将深度学习与放射组学相结合，区分正常和异常骨密度，并分析管电压变动对模型的诊断效果的影响 | 放射组学模型在不同管电压下的适用性受到限制，无法普遍应用于管电压不同的图像 | 研究管电压对骨密度筛查模型的影响 | 1508名接受标准剂量和低剂量胸部CT扫描的患者 | 数字病理学 | 骨质疏松症 | 低剂量和标准剂量胸部计算机断层扫描 (LDCT 和 SDCT) | 自动分割模型 | 医学图像 | 1508名患者 | NA | NA | NA | NA |
| 1006 | 2024-08-05 |
Mammogram mastery: A robust dataset for breast cancer detection and medical education
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110633
PMID:39035836
|
研究论文 | 该数据文章呈现了一个包含乳腺癌图像的综合数据集 | 数据集提供了独特的视角，涵盖了来自伊拉克Sulaymaniyah地区的乳腺癌发病率和特征 | 数据集主要来源于特定地区，可能无法代表其他地区的情况 | 推动医学研究并帮助开发创新的诊断工具 | 乳腺癌患者和未诊断患者的图像 | 数字病理学 | 乳腺癌 | 深度学习算法 | NA | 图像 | 745张原始图像和9,685张增强图像 | NA | NA | NA | NA |
| 1007 | 2024-08-05 |
Automatic quantification of scapular and glenoid morphology from CT scans using deep learning
2024-Aug, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111588
PMID:38944907
|
研究论文 | 本研究开发并验证了一种开源深度学习模型，用于自动量化肩胛骨和关节盂的形态 | 提出现有方法的改进，通过深度学习自动分割肩胛骨并识别关键标记 | 在关节盂倾斜的手动和自动测量之间存在显著差异 | 旨在为临床提供一种准确的技术来量化肩胛骨及关节盂形态 | 正常受试者和患有肩关节骨关节炎的患者的CT图像 | 计算机视觉 | 肩关节骨关节炎 | 深度学习 | NA | CT图像 | 116个肩胛骨（60个正常/非骨关节炎和56个病理/骨关节炎） | NA | NA | NA | NA |
| 1008 | 2024-08-05 |
A multiview deep learning-based prediction pipeline augmented with confident learning can improve performance in determining knee arthroplasty candidates
2024-Aug, Knee surgery, sports traumatology, arthroscopy : official journal of the ESSKA
DOI:10.1002/ksa.12221
PMID:38713857
|
研究论文 | 本文提出了一种基于多视图深度学习的膝关节置换预测管道，以确定合适的手术候选者 | 结合了YOLOv3、ResNet-18和自信学习的深度学习管道显著提高了对膝关节置换候选者的预测精度 | 外部验证集的样本较少，仅包含134个膝关节 | 开发和评估一个基于三视图X光片的膝关节置换预测管道 | 正在进行TKA、UKA或非手术干预的患者的X光和手术数据 | 计算机视觉 | 膝关节骨关节炎 | 深度学习 | 多视图卷积神经网络 | 图像 | 总共1779个膝关节 | NA | NA | NA | NA |
| 1009 | 2024-08-05 |
Automated detection and classification of the rotator cuff tear on plain shoulder radiograph using deep learning
2024-Aug, Journal of shoulder and elbow surgery
IF:2.9Q1
DOI:10.1016/j.jse.2023.12.009
PMID:38311106
|
研究论文 | 该文章评估了深度学习算法在肩部X光片中检测和分类肩袖撕裂的诊断性能 | 使用卷积神经网络显著提高了肩袖撕裂的检测和分类的准确性 | 该研究未涵盖所有种类的肩部问题，可能影响结果的普遍适用性 | 评估人工智能在肩袖撕裂检测和分类中的应用 | 1169幅肩部正位X光片，分为完整、小型、中型和大至巨型撕裂组 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 1169幅肩部正位X光片 | NA | NA | NA | NA |
| 1010 | 2024-08-05 |
The Impact of Drop Test Conditions on Brain Strain Location and Severity: A Novel Approach Using a Deep Learning Model
2024-Aug, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-024-03525-w
PMID:38739210
|
研究论文 | 本研究采用深度学习模型分析了实验室控制的掉落测试参数对大脑应变的影响 | 提出了一种新方法，利用训练好的卷积神经网络（CNN）预测大脑区域性最大主应变 | 未讨论不同研究条件对结果的潜在影响 | 探讨掉落测试条件对大脑区域最大主应变的影响 | 运动员在高强度头部冲击下的脑部损伤 | 数字病理学 | NA | 深度学习 | 卷积神经网络（CNN） | 数值数据 | NA | NA | NA | NA | NA |
| 1011 | 2024-08-05 |
Deep learning for temporomandibular joint arthropathies: A systematic review and meta-analysis
2024-Aug, Journal of oral rehabilitation
IF:3.1Q1
DOI:10.1111/joor.13701
PMID:38757865
|
meta-analysis | 本研究回顾了深度学习模型在颞下颌关节疾病诊断中的应用 | 该文章评估了深度学习模型在颞下颌关节疾病诊断的高灵敏度和特异性表现 | 该研究的局限性在于可能存在未被纳入的相关研究 | 本研究旨在系统评估深度学习在颞下颌关节疾病诊断中的有效性 | 研究对象是人类关节基础或关节病引起的颞下颌疾病 | 计算机视觉 | NA | 深度学习 | NA | NA | 21项符合条件的研究 | NA | NA | NA | NA |
| 1012 | 2024-08-05 |
Retina Fundus Photograph-Based Artificial Intelligence Algorithms in Medicine: A Systematic Review
2024-Aug, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-024-00981-4
PMID:38913289
|
综述 | 本文系统评估了人工智能在视网膜基金照影像中的应用研究 | 本研究展示了人工智能算法在解读视网膜图像方面的创新应用，具有较高的准确性 | 本文没有提及具体的算法性能比较或不同数据集的局限性 | 探讨人工智能在眼科及非眼科疾病中的应用 | 视网膜基金照影像 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 影像 | 大量临床与影像数据 | NA | NA | NA | NA |
| 1013 | 2024-08-05 |
Parotid Gland Segmentation Using Purely Transformer-Based U-Shaped Network and Multimodal MRI
2024-Aug, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-024-03510-3
PMID:38691234
|
研究论文 | 本研究使用纯Transformer的U形网络进行腮腺的分割。 | 本研究提出了一种全新的纯Transformer基础的U形分割网络，并采用新的训练方法减少临床医生的标记工作量。 | 尚未提及特定的局限性 | 提高腮腺及肿瘤的分割准确性以改善诊断和手术计划选择。 | 多中心多模态腮腺MRI数据集中的腮腺和肿瘤。 | 计算机视觉 | NA | MRI | Transformer | 图像 | 多中心多模态腮腺MRI数据集 | NA | NA | NA | NA |
| 1014 | 2024-08-05 |
Radiographic Findings Associated With Mild Hip Dysplasia in 3869 Patients Using a Deep Learning Measurement Tool
2024-Aug, Arthroplasty today
IF:1.5Q3
DOI:10.1016/j.artd.2024.101398
PMID:38993836
|
研究论文 | 本文开发了一种深度学习算法来测量和分类轻度髋关节发育不良的患者 | 创新点在于自动化测量与髋关节发育不良相关的多个角度，并应用于大规模患者群体的发病率分析 | 本研究没有提到患者的先前髋关节置换手术情况和其他潜在的混淆变量 | 本研究旨在使用深度学习算法测量与髋关节发育不良相关的角度并评估发病率 | 研究对象为3869名无先前髋关节置换手术的患者 | 计算机视觉 | NA | 深度学习(DL) | NA | 影像 | 3869名患者 | NA | NA | NA | NA |
| 1015 | 2024-08-05 |
Floating on groundwater: Insight of multi-source remote sensing for Qaidam basin
2024-Aug, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121513
PMID:38909574
|
研究论文 | 本文从遥感角度探讨了柴达木盆地湖泊的补给源和地下水循环模式 | 提出了改进的遥感自适应优化网络 RSA-IOCRNet，并获得了优于其他七个网络的实验结果 | 本文未明确指出具体的实验条件和数据集限制 | 研究柴达木盆地湖泊的水源及其与地下水的关系 | 柴达木盆地的16个主要湖泊及其地下水循环 | 自然语言处理 | NA | 深度学习网络 | OCRNet | 多源遥感数据 | 包含柴达木盆地的16个主要湖泊 | NA | NA | NA | NA |
| 1016 | 2024-08-05 |
Development and clinical validation of a deep learning-based knee CT image segmentation method for robotic-assisted total knee arthroplasty
2024-Aug, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.2664
PMID:38994900
|
研究论文 | 本研究开发了一种名为DDA-Transformer的新型深度卷积神经网络，用于膝关节CT图像分割并在机器人辅助的全膝关节置换术中进行验证 | 引入了一种双路径双重注意力变换器DDA-Transformer，实现了膝关节CT图像的精准快速分割 | NA | 开发一种高效的膝关节CT图像分割方法并进行临床验证 | 膝关节CT图像的分割性能与速度评估 | 计算机视觉 | NA | 深度学习 | DDA-Transformer | 图像 | 六个与之比较的网络 | NA | NA | NA | NA |
| 1017 | 2024-08-05 |
A review of ADHD detection studies with machine learning methods using rsfMRI data
2024-Aug, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5138
PMID:38472163
|
综述 | 本文综述了基于静息状态功能磁共振成像(rsfMRI)数据和机器学习方法的ADHD检测研究 | 该研究首次专门调查了ADHD的检测，并详细比较了现有研究的性能优缺点 | 文章未提及具体数据的样本大小和类型 | 研究旨在评估rsfMRI数据与机器学习方法在ADHD检测中的应用 | 研究对象为ADHD相关的fMRI数据和机器学习检测方法 | 机器学习 | 注意力缺陷多动障碍 | rsfMRI | 机器学习 | fMRI数据 | NA | NA | NA | NA | NA |
| 1018 | 2024-08-05 |
A review of self-supervised, generative, and few-shot deep learning methods for data-limited magnetic resonance imaging segmentation
2024-Aug, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5143
PMID:38523402
|
review | 该文章回顾了用于数据有限的磁共振成像分割的自监督、生成和少样本深度学习方法 | 创新点在于总结了利用少量标注样本的最新算法，并探讨了自监督学习、生成模型、少样本学习和半监督学习的基本原理 | 本综述没有深入探讨所有最新算法的细节，只是提供了一个概述 | 本研究的目的是回顾在数据有限情况下进行的磁共振成像分割的先进算法 | 研究对象包括心脏、腹部和脑部的磁共振成像分割应用 | 数字病理 | NA | NA | 自监督学习、生成模型、少样本学习和半监督学习 | MRI图像 | NA | NA | NA | NA | NA |
| 1019 | 2024-08-05 |
DeepAlienorNet: A deep learning model to extract clinical features from colour fundus photography in age-related macular degeneration
2024-Aug, Acta ophthalmologica
IF:3.0Q1
DOI:10.1111/aos.16660
PMID:38345159
|
研究论文 | 本研究旨在开发一个名为'DeepAlienorNet'的深度学习模型，以从彩色眼底摄影中自动提取年龄相关性黄斑变性(AMD)的临床特征 | 该模型具有高可解释性，能够生成突出相关图像区域的热图，减少了黑箱效应 | 没有明显的限制信息 | 研究旨在开发一个用于自动识别AMD临床特征的深度学习模型 | 研究对象为77岁及以上的法国个体，分析其眼底图像 | 数字病理学 | 年龄相关性黄斑变性 | 深度学习 | 多标签深度学习模型 | 图像 | 1178张图像 | NA | NA | NA | NA |
| 1020 | 2024-08-05 |
Segmentation and detection of crop pests using novel U-Net with hybrid deep learning mechanism
2024-Aug, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8083
PMID:38506377
|
研究论文 | 本研究提出了一种新的混合深度学习机制，用于作物害虫的分割和检测 | 通过将DenseNet-77与传统的U-Net模型混合，减少了U-Net模型的复杂性，并提出了新的卷积切片注意力门控递归单元模型进行害虫的检测 | 未提及具体的限制 | 旨在提高作物害虫检测的准确性 | 作物中的害虫 | 计算机视觉 | NA | 深度学习 | 混合的DenseNet-77 U-Net和卷积切片注意力门控递归单元模型 | 图像 | NA | NA | NA | NA | NA |