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 1165 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-08-31 |
A personal view on the history of toxins: From ancient times to artificial intelligence
2024-Sep, Toxicon : official journal of the International Society on Toxinology
IF:2.6Q3
DOI:10.1016/j.toxicon.2024.108034
PMID:39038662
|
综述 | 本文回顾了从古代到现代，特别是结合人工智能技术，在生物活性物质发现和特性研究方面的进展 | 文章介绍了使用高端仪器和基于深度学习的人工智能计算方法的突破 | NA | 探讨生物活性物质的历史发展和当前的研究进展 | 植物、微生物和动物中的生物活性物质 | NA | NA | 深度学习 | NA | NA | NA |
| 982 | 2024-08-31 |
Characterizing Sentinel Lymph Node Status in Breast Cancer Patients Using a Deep-Learning Model Compared With Radiologists' Analysis of Grayscale Ultrasound and Lymphosonography
2024-Sep-01, Ultrasound quarterly
IF:0.7Q4
DOI:10.1097/RUQ.0000000000000683
PMID:38958999
|
研究论文 | 本研究使用深度学习模型来区分乳腺癌患者中良性和恶性的前哨淋巴结（SLNs），并与放射科医生的评估进行比较 | 本研究采用AutoML开发的图像分类模型，展示了在平衡数据集上的改进诊断性能 | 放射科医生的表现并未受到数据集分布的影响，且读者间的一致性较低 | 评估深度学习模型在乳腺癌患者前哨淋巴结状态识别中的表现 | 乳腺癌患者的前哨淋巴结 | 机器学习 | 乳腺癌 | 超声检查 | AutoML | 图像 | 79名乳腺癌患者，217个前哨淋巴结 |
| 983 | 2024-08-07 |
Predicting tumour origin with cytology-based deep learning: hype or hope?
2024-Sep, Nature reviews. Clinical oncology
DOI:10.1038/s41571-024-00906-x
PMID:38773339
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 984 | 2024-08-30 |
A Deep Learning Framework for Analysis of the Eustachian Tube and the Internal Carotid Artery
2024-Sep, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.789
PMID:38686594
|
研究论文 | 本文介绍了一种深度学习框架，用于从CT扫描中自动分割咽鼓管和颈内动脉，并计算两者之间的距离 | 这是首个端到端的深度学习管道，用于自动分割咽鼓管和颈内动脉，并分析这些结构之间的距离 | NA | 开发一种深度学习管道，自动分割咽鼓管和颈内动脉，并利用这些分割结果计算结构间的距离 | 咽鼓管和颈内动脉 | 计算机视觉 | NA | CT扫描 | nnU-Net | 3D模型 | 30个CT扫描，60对咽鼓管和颈内动脉 |
| 985 | 2024-08-30 |
Recent advances in artificial intelligent strategies for tissue engineering and regenerative medicine
2024-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.70016
PMID:39189880
|
综述 | 本文综述了人工智能策略在组织工程和再生医学领域的最新进展 | 结合组织工程和人工智能，创造了一种新的生物医学技术进步，特别是在深度学习方面，提供了改善科学理解和临床结果的机会 | NA | 探讨人工智能在组织工程和再生医学中的应用潜力 | 组织工程和再生医学中的支架、细胞、组织和器官的设计、制造和评估 | 机器学习 | NA | 人工智能 | 深度学习 | NA | NA |
| 986 | 2024-08-30 |
PRONTO-TK: a user-friendly PROtein Neural neTwOrk tool-kit for accessible protein function prediction
2024-Sep, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqae112
PMID:39193069
|
研究论文 | 本文介绍了一个名为PRONTO-TK的用户友好型蛋白质神经网络工具包，用于实现基于神经网络的复杂蛋白质功能预测工作流程的普及 | PRONTO-TK提供了一个图形用户界面，使即使编程经验有限的研究人员也能利用最先进的深度学习架构进行蛋白质功能注释 | NA | 旨在普及基于神经网络的蛋白质功能预测工具，使更多研究人员能够使用 | 蛋白质功能预测工具PRONTO-TK | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质数据 | NA |
| 987 | 2024-08-29 |
An efficient model for extracting respiratory and blood oxygen saturation data from photoplethysmogram signals by removing motion artifacts using heuristic-aided ensemble learning model
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108911
PMID:39089111
|
研究论文 | 本文开发了一种基于深度学习的方法，从光电容积脉搏波信号中提取呼吸率和血氧饱和度数据，通过启发式辅助的集成学习模型去除运动伪影 | 提出的AGTBO-ELRR-SpO2EN模型在第二数据集上达到了96%的准确率，优于传统的MLP、Adaboost、A-LSTM和MLP-ADA-ALSTM模型 | NA | 开发一种高效的呼吸率和血氧饱和度估计框架，用于从光电容积脉搏波信号中提取数据 | 光电容积脉搏波信号中的呼吸率和血氧饱和度数据 | 机器学习 | 心血管疾病 | 深度学习 | 集成学习模型 | 信号 | NA |
| 988 | 2024-08-29 |
Using deep learning for predicting the dynamic evolution of breast cancer migration
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108890
PMID:39068903
|
研究论文 | 本研究通过深度学习技术预测乳腺癌细胞迁移的动态演变 | 引入Prediction Wound Progression Framework (PWPF)，利用深度学习和人工数据生成来克服传统二维模型在数据稀缺和劳动密集型方面的局限 | NA | 提高对乳腺癌转移过程中细胞迁移机制的理解，以改进治疗策略 | 乳腺癌细胞迁移的动态演变 | 机器学习 | 乳腺癌 | 深度学习 | DL模型 | 人工数据和真实数据 | 涉及MCF-7乳腺癌细胞单层和球体 |
| 989 | 2024-08-29 |
Model-based federated learning for accurate MR image reconstruction from undersampled k-space data
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108905
PMID:39067156
|
研究论文 | 本文提出了一种基于模型的联邦学习框架ModFed，用于从欠采样的k空间数据中重建磁共振（MR）图像 | ModFed设计了注意力辅助的基于模型的神经网络，提出了一种自适应动态聚合方案，并引入了空间拉普拉斯注意力机制和个性化客户端损失正则化 | NA | 解决现有联邦学习方法在处理来自不同中心的高度异质数据时面临的挑战 | 磁共振图像重建 | 机器学习 | NA | 联邦学习 | 神经网络 | 图像 | 三个体内数据集 |
| 990 | 2024-08-29 |
Random effects during training: Implications for deep learning-based medical image segmentation
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108944
PMID:39096609
|
研究论文 | 本研究评估了训练过程中随机效应对深度学习医学图像分割模型性能比较可靠性的影响 | 首次系统评估了随机效应对深度学习分割模型性能比较的影响 | 仅使用了单一学习算法nnU-Net进行实验，结果可能不完全适用于其他算法 | 探讨训练过程中随机效应对医学图像分割模型性能比较的影响 | 脑肿瘤、海马体和心脏分割等三个多类3D医学图像分割问题 | 计算机视觉 | NA | 深度学习 | nnU-Net | 图像 | 50个不同的随机种子 |
| 991 | 2024-08-29 |
CytoGAN: Unpaired staining transfer by structure preservation for cytopathology image analysis
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108942
PMID:39096614
|
研究论文 | 本文提出了一种名为CytoGAN的不同染色转换模型，用于生成具有不同染色风格的细胞学图像，同时保留细胞结构 | CytoGAN模型包含一个新颖的结构保留模块和一个染色自适应模块，能够在源域和目标域分辨率或细胞大小不匹配的情况下，生成真实且高质量的细胞学图像 | NA | 解决不同染色风格的细胞学图像对分析算法性能的影响 | 子宫内膜细胞形态分析 | 数字病理学 | 子宫内膜癌 | NA | GAN | 图像 | NA |
| 992 | 2024-08-29 |
Comparison of AI with and without hand-crafted features to classify Alzheimer's disease in different languages
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108950
PMID:39096605
|
研究论文 | 本研究比较了基于手工特征和非手工特征的人工智能模型在不同语言环境下对阿尔茨海默病进行分类的效果 | 本研究首次在不同语言环境下比较了基于手工特征和非手工特征的人工智能模型在阿尔茨海默病诊断中的应用 | 研究仅使用了韩语和英语两种语言的数据集，未涵盖其他语言 | 探讨人工智能模型在不同语言环境下对阿尔茨海默病的诊断能力 | 阿尔茨海默病患者的语音数据 | 机器学习 | 阿尔茨海默病 | NA | 机器学习模型和深度学习模型 | 语音数据 | 使用了韩语和英语两种语言的语音数据集 |
| 993 | 2024-08-29 |
CBAM VGG16: An efficient driver distraction classification using CBAM embedded VGG16 architecture
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108945
PMID:39094328
|
研究论文 | 本文提出了一种将卷积块注意力模块（CBAM）嵌入到VGG16深度学习架构中的方法，以提高驾驶员分心分类的性能 | 通过在传统的VGG16架构中加入CBAM层，增强了模型的特征提取能力，从而提高了驾驶员分心分类的结果 | NA | 提高自动驾驶系统中驾驶员监控系统的驾驶员分心分类性能 | 驾驶员分心或活动分类 | 计算机视觉 | NA | 深度学习 | CBAM VGG16 | 图像 | 使用开罗美国大学（AUC）分心驾驶员数据集版本2（AUCD2）中的摄像头1和2图像进行测试 |
| 994 | 2024-08-29 |
Deep learning for rapid virtual H&E staining of label-free glioma tissue from hyperspectral images
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108958
PMID:39094325
|
研究论文 | 本文提出了一种结合深度学习和超光谱成像技术的方法，用于快速将超光谱图像转换为虚拟H&E染色图像，以替代传统的H&E染色技术 | 该方法通过捕捉不同波长的组织信息，提供了与真实H&E染色相似的全面和详细的组织成分信息，并开发了一个集成了CCD控制、显微镜控制和虚拟H&E染色技术的综合软件系统 | NA | 旨在开发一种快速且准确的方法，用于虚拟H&E染色，以替代传统的H&E染色技术 | 胶质瘤组织 | 数字病理学 | 脑瘤 | 超光谱成像 | Unet | 图像 | NA |
| 995 | 2024-08-29 |
Shape prior-constrained deep learning network for medical image segmentation
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108932
PMID:39079416
|
研究论文 | 本文提出了一种形状先验约束的多尺度特征融合分割网络，用于医学图像分割 | 该方法包括形状先验约束和多尺度特征融合两个模块，通过形状生成自编码器网络模型与分割网络模型的循环协作框架，提高了分割精度 | NA | 旨在解决医学图像分割中低对比度和邻近器官强度相似的问题 | 医学图像中的目标器官 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 在ACDC MICCAI'17挑战数据集、COVID-19 CT肺部扫描和LiTS2017肝脏数据集上进行了评估 |
| 996 | 2024-08-29 |
A transformer-based unified multimodal framework for Alzheimer's disease assessment
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108979
PMID:39098237
|
研究论文 | 提出了一种基于transformer的统一多模态框架AD-Transformer，用于阿尔茨海默病评估 | AD-Transformer通过整合结构磁共振成像、临床和遗传数据，创新性地使用transformer块学习输入数据的综合表示，捕捉各模态间的复杂交互 | NA | 提高阿尔茨海默病诊断和轻度认知障碍转换预测的准确性 | 阿尔茨海默病患者和轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | NA | Transformer | 图像和非图像数据 | 1651名受试者 |
| 997 | 2024-08-29 |
Action tremor features discovery for essential tremor and Parkinson's disease with explainable multilayer BiLSTM
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108957
PMID:39098236
|
研究论文 | 本文通过引入具有可解释性的人工智能（XAI）的多层双向长短期记忆网络（BiLSTM），旨在更好地解释震颤特征并量化震颤区分中的重要区域，以区分帕金森病（PD）和原发性震颤（ET）。 | 本文提出的XAI-BiLSTM模型能够揭示PD和ET震颤的独特时间模式和频率范围，有助于减少误诊率并提高治疗效果。 | NA | 克服深度学习模型在临床应用中的不透明性，提高震颤分类的准确性。 | 帕金森病（PD）、原发性震颤（ET）及正常震颤的分类。 | 机器学习 | 神经退行性疾病 | 多层双向长短期记忆网络（BiLSTM） | BiLSTM | 时间序列数据 | NA |
| 998 | 2024-08-29 |
Visceral Adiposity and Progression of ADPKD: A Cohort Study of Patients From the TEMPO 3:4 Trial
2024-Sep, American journal of kidney diseases : the official journal of the National Kidney Foundation
IF:9.4Q1
DOI:10.1053/j.ajkd.2024.02.014
PMID:38608748
|
研究论文 | 本研究通过回顾性队列研究探讨了内脏脂肪与常染色体显性多囊肾病（ADPKD）进展之间的关系，并评估了托伐普坦的疗效受内脏脂肪影响的情况。 | 使用深度学习从磁共振成像（MRI）中提取内脏脂肪数据，并分析其与ADPKD患者肾脏体积年变化率的关系，以及对托伐普坦疗效的影响。 | 回顾性研究；快速进展者；深度学习的计算需求。 | 探讨内脏脂肪与ADPKD患者肾脏疾病进展的关系及对托伐普坦疗效的影响。 | ADPKD患者及托伐普坦治疗效果。 | NA | 多囊肾病 | 磁共振成像（MRI），深度学习 | 深度学习分割模型 | 图像 | 1053名ADPKD患者 |
| 999 | 2024-08-29 |
Brain-GCN-Net: Graph-Convolutional Neural Network for brain tumor identification
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108971
PMID:39106672
|
研究论文 | 本文提出了一种结合图神经网络和卷积神经网络的深度学习模型，用于提高脑肿瘤检测的准确性 | 该模型通过整合图神经网络和卷积神经网络，能够更全面地表示脑肿瘤图像并提高分类性能 | NA | 提高脑肿瘤检测和分类的准确性 | 脑肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | 图卷积神经网络 | 图像 | 10847张MRI图像 |
| 1000 | 2024-08-29 |
Contrastive learning based method for X-ray and CT registration under surgical equipment occlusion
2024-Sep, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108946
PMID:39106676
|
研究论文 | 本文设计了一种基于对比学习的X射线和CT图像配准方法，以解决手术设备遮挡问题 | 提出了一种对比学习方法，将遮挡和未遮挡的X射线视为正样本，增强模型对遮挡的鲁棒性 | 未提及具体限制 | 提高手术导航中3D/2D图像配准的准确性，特别是在存在手术设备遮挡的情况下 | X射线和CT图像的配准 | 计算机视觉 | NA | 对比学习 | Transformer | 图像 | 包含不同手术设备的遮挡X射线 |