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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202408-202408] [清除筛选条件]
当前共找到 1168 篇文献,本页显示第 1061 - 1080 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
1061 2024-08-05
Skin-CAD: Explainable deep learning classification of skin cancer from dermoscopic images by feature selection of dual high-level CNNs features and transfer learning
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本研究提出了一种名为“Skin-CAD”的可解释深度学习系统,用于通过皮肤镜图像分类皮肤癌 Skin-CAD使用四个不同拓扑和深度的CNN,结合双层特征和PCA方法,减少特征维度,并采用LIME方法进行预测解释 研究中未提及样本的选择标准或者潜在偏差 旨在提高皮肤癌的诊断和分类的准确性和速度 本研究对象为皮肤镜图像,用于分类良性和恶性皮肤癌 计算机视觉 皮肤癌 深度学习 CNN 图像 两个基准数据集,分别为皮肤癌:恶性与良性和HAM10000数据集
1062 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
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)
1063 2024-08-05
AI-Driven localization of all impacted teeth and prediction of winter angulation for third molars on panoramic radiographs: Clinical user interface design
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本研究旨在利用人工智能模型在全景X光片上检测所有阻生牙并根据Winter方法对阻生智齿进行分类 使用YOLOv8深度学习算法对阻生牙进行高精度检测,并设计了用于临床的用户界面 未提及具体限制信息 检测所有阻生牙并对阻生智齿进行Winter分类 1197张全景X光片用于阻生牙的检测和1000张全景X光片用于Winter分类 数字病理学 NA YOLOv8深度学习算法 YOLOv8 图像 1197张全景X光片用于检测及1000张用于Winter分类
1064 2024-08-05
Automatic Segmentation and Alignment of Uterine Shapes from 3D Ultrasound Data
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本文介绍了一种从3D超声数据中自动分割和对齐子宫形状的方法 通过使用真实世界的3D阴道超声扫描数据建立正常子宫的形状,并开发了一种自动化系统来实现子宫形状的分割和对齐 关于子宫的研究依然缺乏大规模的数据集,现有分类缺乏基于现实世界测量的定义 填补关于正常子宫形状的知识空白,并促进与不孕症和反复流产相关的子宫形状异常的研究 基于来自多个医疗中心的3D超声图像的综合数据集进行子宫形状的自动分割和对齐 数字病理学 不孕症 深度学习 nnU-Net 图像 来自多个医疗中心的综合3D超声图像数据集
1065 2024-08-05
Lesion-aware cross-phase attention network for renal tumor subtype classification on multi-phase CT scans
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本文提出了一种新颖的病灶感知交叉相位注意网络,用于多相CT影像中肾肿瘤亚型的分类 创新性在于提出了一种能够有效捕捉肾病灶在CT相位间的时间依赖关系的网络设计 本文未提及实验样本的具体限制 研究的目的是提高肾癌病灶分类的准确性 主要研究对象为多相CT影像中肾癌的病灶类型 计算机视觉 肾癌 多相CT扫描 交叉相位注意网络 (LACPANet) 图像 来自肾癌患者的多相CT扫描数据集
1066 2024-08-05
State-of-art technologies, challenges, and emerging trends of computer vision in dental images
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 文章概述了计算机视觉在牙科影像中的应用及其挑战和未来趋势 整合了传统图像处理与深度学习技术,概述了牙科放射影像分析的新兴方法 研究中未详细探讨每种成像技术的局限性 旨在总结计算机视觉在牙科影像中的应用及其未来发展方向 包括不同的牙科异常的解剖分割、识别和分类 计算机视觉 NA 深度学习、经典图像处理 NA 影像 NA
1067 2024-08-05
Developing and validating a knowledge-based AI assessment system for learning clinical core medical knowledge in otolaryngology
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本研究开发了一种基于知识的人工智能评估系统,以促进耳鼻喉科的临床核心医学知识学习 提出了多专家知识聚合的自适应评估方案MEKAS,利用知识驱动的人工智能方法来改善医学学习 需要在更大规模和多样化的机构中进一步验证MEKAS的可扩展性、普遍性和长期影响 旨在通过MEKAS提高耳鼻喉科临床核心医学知识的学习效果 研究对象包括22名UPGY学员和8名耳鼻喉科住院医师,对其进行自学习效果的评估 数字病理学 NA 基于知识的人工智能 NA 评分数据 EG组22名UPGY学员和8名耳鼻喉科住院医师,CG组24名UPGY学员
1068 2024-08-05
Dual-channel end-to-end network with prior knowledge embedding for improving spatial resolution of magnetic particle imaging
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 提出了一种双通道端到端网络,通过嵌入先验知识来提高磁粒子成像的空间分辨率 开发了一种新型的深度学习方法,根据磁粒子成像的先验知识来改善图像分辨率,同时保持信噪比 现有方法未考虑导致成像模糊的物理过程,可能影响解读能力 提高磁粒子成像的空间分辨率,同时不影响信噪比 低梯度和高梯度的磁粒子成像图像 计算机视觉 NA 深度学习 双通道端到端网络 图像 模拟、幻像和体内的MPI实验
1069 2024-08-05
Deep learning-based automated detection and segmentation of bone and traumatic bone marrow lesions from MRI following an acute ACL tear
2024-Aug, Computers in biology and medicine IF:7.0Q1
研究论文 本研究使用3D U-Net自动识别和分割急性ACL撕裂后MRI中的骨和创伤性骨髓病变。 通过多任务学习和后处理算法提高了创伤性骨髓病变的自动分割准确性,提供了一种定量评估方法。 模型的训练和测试数据来自不同的研究,可能存在数据集一致性的问题。 研究使用深度学习方法自动检测和分割急性ACL撕裂后MRI中的骨髓病变。 研究对象为经历急性全层ACL撕裂的患者的MRI扫描数据。 计算机视觉 NA MRI 3D U-Net 图像 多个急性ACL撕裂患者的数据集
1070 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
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
1071 2024-08-05
A preliminary study of super-resolution deep learning reconstruction with cardiac option for evaluation of endovascular-treated intracranial aneurysms
2024-Aug-01, The British journal of radiology
研究论文 本研究探讨了带心脏选项的超分辨率深度学习重建在内血管治疗颅内动脉瘤图像质量评估中的有效性。 该研究首次展示了带心脏选项的超分辨率深度学习重建能够显著提高图像信号-to-噪声比和对比度-to-噪声比,并降低图像噪声。 本研究为单中心回顾性研究,样本量较小,可能影响结果的普遍性。 研究的目的是评估带心脏选项的超分辨率深度学习重建在内血管治疗中的图像质量。 研究对象为50名患有颅内动脉瘤的患者,接受了不同类型的内血管治疗。 数字病理学 NA 超分辨率深度学习重建 NA 图像 50名患者
1072 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
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
1073 2024-08-05
deepAFT: A nonlinear accelerated failure time model with artificial neural network
2024-Aug-30, Statistics in medicine IF:1.8Q1
研究论文 本文提出了一种基于深度人工神经网络的非参数非线性加速失效时间模型,旨在预测生存结果数据 提出的深AFT方法基于深度学习,能直接预测生存结果,并提供分布函数的预测,克服了现有模型的局限性 尽管深AFT方法在预测精度上表现良好,但在某些情况下可能仍然会受到数据特性的影响 研究加速失效时间模型中的生存结果预测方法 研究对象为生存结果数据,包括淋巴瘤临床试验的应用 机器学习 淋巴瘤 深度学习 深度人工神经网络 生存数据 在模拟研究和淋巴瘤临床试验中使用了多个样本
1074 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
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
1075 2024-08-05
Predicting the Outcome and Survival of Patients with Spinal Cord Injury Using Machine Learning Algorithms: A Systematic Review
2024-Aug, World neurosurgery IF:1.9Q2
systematic review 本文系统评估了机器学习算法在脊髓损伤的诊断和预后预测中的表现 创新点在于系统性审查了机器学习算法在脊髓损伤患者预测结果的应用 尽管研究显示潜力,但在急性脊髓损伤的诊断中使用深度学习算法的研究仍然不足 探讨机器学习算法在脊髓损伤患者结果预测和诊断中的有效性 脊髓损伤患者的预后和功能结果 machine learning NA 机器学习算法 NA NA 9424名脊髓损伤患者
1076 2024-08-05
Deep learning for temporomandibular joint arthropathies: A systematic review and meta-analysis
2024-Aug, Journal of oral rehabilitation IF:3.1Q1
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
1077 2024-08-05
Usefulness of Artificial Intelligence in Traumatic Brain Injury: A Bibliometric Analysis and Mini-review
2024-Aug, World neurosurgery IF:1.9Q2
文献综述 本研究对人工智能在创伤性脑损伤中的主要应用进行了文献计量分析和迷你综述。 此文章的创新点在于首次系统整理了人工智能在创伤性脑损伤中的应用及相关文献。 研究仅基于截至2023年4月的Scopus数据库的数据,可能未涵盖所有相关研究。 本研究旨在探讨人工智能在创伤性脑损伤领域的应用和发展。 涉及创伤性脑损伤领域中使用人工智能的科学出版物。 数字病理学 脑损伤 人工智能 NA 文献 495份科学出版物
1078 2024-08-05
Retina Fundus Photograph-Based Artificial Intelligence Algorithms in Medicine: A Systematic Review
2024-Aug, Ophthalmology and therapy IF:2.6Q2
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
1079 2024-08-05
Enhancing Chicago Classification diagnoses with functional lumen imaging probe-mechanics (FLIP-MECH)
2024-Aug, Neurogastroenterology and motility IF:3.5Q2
研究论文 本文提出了一种系统的方法,通过深度学习和力学,结合HRM和FLIP的诊断,以改善食管运动障碍的诊断。 创新之处在于开发了一种基于力学的参数量化食管健康,并利用变分自编码器生成虚拟疾病景观,用于进行HRM和FLIP的诊断对比。 研究可能在于所用样本仅限于特定的食管运动障碍患者和正常受试者,样本多样性可能影响结果的普适性。 研究旨在通过深度学习和力学技术,桥接HRM和FLIP测量之间的诊断差距。 研究对象为740名受试者,涵盖不同类型的食管运动障碍患者及正常受试者。 数字病理学 食管运动障碍 FLIP 变分自编码器 参数数据 740名受试者
1080 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
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
回到顶部