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 1164 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2024-08-28 |
Diagnostic accuracy of CT-based radiomics and deep learning for predicting lymph node metastasis in esophageal cancer
2024-Sep, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2024.110225
PMID:38905878
|
meta-analysis | 本文通过系统综述和荟萃分析，评估了基于CT的放射组学和深度学习在预测食管癌淋巴结转移中的诊断准确性 | 结合放射组学和深度学习与CT成像，为食管癌淋巴结转移的诊断提供了新的方法，有望革新预后评估和治疗计划 | 需要进一步的多中心研究与独立验证以确认结果并促进更广泛的临床应用 | 研究旨在提高食管癌淋巴结转移的诊断准确性 | 食管癌淋巴结转移的诊断 | digital pathology | 食管癌 | CT-based radiomics, deep learning | DL | image | 12项研究被综述，其中7项被纳入荟萃分析 | NA | NA | NA | NA |
| 1042 | 2024-08-28 |
MOCNN: A Multiscale Deep Convolutional Neural Network for ERP-Based Brain-Computer Interfaces
2024-Sep, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2024.3390805
PMID:38713574
|
研究论文 | 本文提出了一种多尺度深度卷积神经网络（MOCNN），用于基于事件相关电位（ERP）的脑-机接口（BCI），通过多尺度特征融合提高分类性能 | 引入八度卷积的广义概念到ERP-BCI领域，通过分支宽度优化和多尺度信息交互有效提取时空特征 | NA | 提高基于ERP的脑-机接口的分类性能 | ERP信号的多尺度时空特征 | 机器学习 | NA | 深度学习 | CNN | 信号 | 两个公共数据集和一个自收集的ERP数据集 | NA | NA | NA | NA |
| 1043 | 2024-08-27 |
An integrated CBLA-Net with fractional discrete wavelet transform and frequency-based CARS to predict heavy metal elements by XRF
2024-Sep-22, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343073
PMID:39182974
|
研究论文 | 本文提出了一种综合框架，用于通过XRF预测土壤中重金属元素的浓度，包括预处理、变量选择和决策制定 | 引入了基于分数离散小波变换的最优去噪方法和基于频率的竞争自适应重加权采样算法进行特征选择，并设计了一种新的深度学习网络CBLA-Net，用于精确估计重金属元素浓度 | NA | 提高通过XRF技术预测土壤中重金属元素浓度的准确性 | 土壤中的重金属元素浓度 | 机器学习 | NA | XRF | CBLA-Net | 光谱数据 | 未具体说明样本数量 | NA | NA | NA | NA |
| 1044 | 2024-08-27 |
In vivo ultrasound localization microscopy for high-density microbubbles
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107410
PMID:39084108
|
研究论文 | 本文介绍了一种结合Transformer和U-Net架构的深度学习框架ULM-TransUNet，用于提高高密度微泡条件下的超声定位显微成像质量 | 提出了ULM-TransUNet框架，能够学习重叠微泡的复杂数据模式，提高定位精度 | 目前仅通过数值模拟和体内实验验证，尚未在临床广泛应用 | 旨在提高高密度微泡条件下的超声定位显微成像性能 | 高密度微泡的超声定位显微成像 | 计算机视觉 | NA | 超声定位显微成像（ULM） | Transformer和U-Net | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 1045 | 2024-08-27 |
Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107406
PMID:39047350
|
research paper | 本文提出了一种名为SAE-Net的新型网络，结合组织微观结构信息与形态学信息，用于提高高级别乳腺病变的识别 | SAE-Net通过结合灰度图像分支和光谱模式分支，能够同时学习图像形态学特征和超声射频信号的微观结构特征 | NA | 提高乳腺超声筛查中高级别乳腺病变的识别准确性 | 乳腺病变，特别是BI-RADS分类为4级或以上的病变 | computer vision | breast cancer | NA | CNN | image | NA | NA | NA | NA | NA |
| 1046 | 2024-08-27 |
Deep coherence learning: An unsupervised deep beamformer for high quality single plane wave imaging in medical ultrasound
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107408
PMID:39094387
|
研究论文 | 本文提出了一种新的无监督学习方法——深度相干学习（DCL），用于提高医学超声中单平面波成像（PWI）的质量 | 提出的DCL-based深度学习波束形成器（DL-DCL）能够从低质量的单平面波数据中生成高质量的PWI，并具有通用波束形成能力 | NA | 旨在通过深度学习技术提高医学超声中单平面波成像的质量 | 医学超声中的单平面波成像 | 计算机视觉 | NA | 深度学习 | 深度相干学习（DCL） | 图像 | 使用公开数据集进行了模拟、幻影和体内研究 | NA | NA | NA | NA |
| 1047 | 2024-08-27 |
Deep learning based diagnosis of PTSD using 3D-CNN and resting-state fMRI data
2024-Sep, Psychiatry research. Neuroimaging
|
研究论文 | 本研究使用基于深度学习的三维卷积神经网络（3D-CNN）和静息态功能磁共振成像（rs-fMRI）数据来诊断创伤后应激障碍（PTSD） | 本研究首次使用3D-CNN模型对rs-fMRI数据进行分析，显示出比其他六种机器学习技术更高的分类准确率 | NA | 旨在通过分类PTSD患者与健康对照来准确检测PTSD | PTSD患者与健康对照的rs-fMRI扫描数据 | 机器学习 | 心理疾病 | 功能磁共振成像（fMRI） | 三维卷积神经网络（3D-CNN） | 图像 | 19名PTSD男性患者和24名健康对照男性 | NA | NA | NA | NA |
| 1048 | 2024-08-26 |
New liver window width in detecting hepatocellular carcinoma on dynamic contrast-enhanced computed tomography with deep learning reconstruction
2024-Sep, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00817-7
PMID:38837119
|
研究论文 | 本研究探讨了调整窗口宽度（WW）对深度学习重建（DLR）CT图像中肝细胞癌（HCC）检测的影响 | 发现最优WW为120 HU，相比传统WW（150 HU）显著提高了HCC的检测性能 | 研究为回顾性，样本量较小，仅包括35名患者 | 研究调整WW对DLR CT图像中HCC检测的影响 | 肝细胞癌（HCC）的检测 | 计算机视觉 | 肝癌 | 深度学习重建（DLR） | NA | 图像 | 35名患者 | NA | NA | NA | NA |
| 1049 | 2024-08-24 |
High-dimensional mass cytometry identified circulating natural killer T-cell subsets associated with protection from cytomegalovirus infection in kidney transplant recipients
2024-Sep, Kidney international
IF:14.8Q1
DOI:10.1016/j.kint.2024.03.027
PMID:38685562
|
研究论文 | 本研究通过高维质谱流式细胞术和功能性检测，分析了112份来自CMV血清阳性肾移植受者的连续样本，利用先进的无监督深度学习分析评估了与预防CMV感染和抗病毒免疫功能显著相关的免疫细胞群。 | 本研究首次描述了一种新型NK-T细胞亚群的动力学，该亚群可能在肾移植后CMV感染中发挥保护作用。 | NA | 研究肾移植受者中与预防CMV感染相关的循环自然杀伤T细胞亚群。 | 肾移植受者中的CMV感染及其相关的免疫细胞亚群。 | 数字病理学 | 肾移植 | 质谱流式细胞术 | 深度学习 | 细胞样本 | 112份连续样本 | NA | NA | NA | NA |
| 1050 | 2024-08-24 |
Development and validation of a deep learning-based framework for automated lung CT segmentation and acute respiratory distress syndrome prediction: a multicenter cohort study
2024-Sep, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102772
PMID:39170939
|
研究论文 | 本研究开发并验证了一种基于深度学习的框架，用于自动肺部CT分割和急性呼吸窘迫综合征预测 | 使用UNETR模型进行肺部病变分割和早期ARDS预测，通过MONAI框架增强训练样本多样性和模型泛化能力 | NA | 开发一种人工智能模型，用于自动肺部病变分割和早期预测ARDS，以促进重症监护室中的及时干预 | 928名重症监护室患者及其胸部CT扫描图像 | 计算机视觉 | 急性呼吸窘迫综合征 | 深度学习 | UNETR | 图像 | 928名患者 | NA | NA | NA | NA |
| 1051 | 2024-08-23 |
Two-step optimization for accelerating deep image prior-based PET image reconstruction
2024-Sep, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00831-9
PMID:39096446
|
研究论文 | 本研究提出了一种两步优化方法，用于加速基于深度图像先验（DIP）的正电子发射断层扫描（PET）图像重建并提高图像质量 | 本研究创新性地提出了一种两步优化方法，通过预训练步骤使用条件DIP去噪和端到端重建步骤的微调，显著减少了计算时间并提高了图像质量 | NA | 加速基于深度图像先验的PET图像重建并提高图像质量 | 基于深度图像先验的PET图像重建方法 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 1052 | 2024-08-23 |
Deep learning-based correction for time truncation in cerebral computed tomography perfusion
2024-Sep, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00818-6
PMID:38861134
|
研究论文 | 本文提出了一种基于三维卷积神经网络的方法，用于预测脑部CT灌注成像中因时间截断而缺失的图像帧 | 首次采用三维卷积神经网络来预测CT灌注成像中的缺失帧，并评估了三种预测多时间点的策略 | 仅使用了公开数据集中的72次CT灌注扫描进行训练和测试，可能需要更多临床数据以验证其泛化能力 | 克服脑部CT灌注成像中因时间截断导致的数据不完整问题 | 脑部CT灌注成像中的时间截断问题 | 计算机视觉 | NA | CT灌注成像 | CNN | 图像 | 72次CT灌注扫描，共89帧，8切片 | NA | NA | NA | NA |
| 1053 | 2024-08-23 |
Verification of image quality improvement by deep learning reconstruction to 1.5 T MRI in T2-weighted images of the prostate gland
2024-Sep, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00819-5
PMID:38850389
|
研究论文 | 本研究旨在评估通过深度学习重建（DLR）技术，1.5T磁共振成像（MRI）的前列腺T2加权图像质量是否等于或优于3T MRI | 使用深度学习重建技术在1.5T MRI中显著提高了信号噪声比（SNR）和图像质量，使其优于3T MRI | NA | 评估1.5T MRI通过深度学习重建技术后的图像质量 | 前列腺的T2加权图像 | 计算机视觉 | NA | 深度学习重建（DLR） | NA | 图像 | 13名健康志愿者 | NA | NA | NA | NA |
| 1054 | 2024-08-23 |
Applications of machine learning in urodynamics: A narrative review
2024-Sep, Neurourology and urodynamics
IF:1.8Q3
DOI:10.1002/nau.25490
PMID:38837301
|
综述 | 本文综述了机器学习算法在尿动力学领域的应用 | 目前尚未有研究评估如何为不同的尿动力学研究任务选择合适的算法模型 | 大多数研究是单中心回顾性研究，缺乏外部验证，模型泛化能力需要进一步验证，样本量不足 | 总结和分类应用于尿动力学领域的机器学习算法，指导研究人员根据不同任务需求选择合适的算法模型 | 尿动力学领域的机器学习算法应用 | 机器学习 | NA | 机器学习算法，包括传统机器学习和深度学习 | NA | NA | 不足 | NA | NA | NA | NA |
| 1055 | 2024-08-23 |
Application of Hybrid DeepLearning Architectures for Identification of Individuals with Obsessive Compulsive Disorder Based on EEG Data
2024-Sep, Clinical EEG and neuroscience
IF:1.6Q3
DOI:10.1177/15500594231222980
PMID:38192213
|
研究论文 | 本研究利用混合深度学习架构，通过脑电图数据识别强迫症患者 | 首次使用一维卷积神经网络（1DCNN）与长短期记忆（LSTM）和梯度循环单元（GRU）相结合的混合模型进行强迫症的分类 | NA | 探索利用脑电图数据通过混合深度学习模型有效区分强迫症患者与健康对照 | 强迫症患者与健康对照的分类 | 机器学习 | 强迫症 | 脑电图 | 一维卷积神经网络（1DCNN）与长短期记忆（LSTM）和梯度循环单元（GRU） | 脑电图数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1056 | 2024-08-22 |
Conquering class imbalances in deep learning-based segmentation of dental radiographs with different loss functions
2024-09, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105063
PMID:38735467
|
研究论文 | 本文评估了六种不同的损失函数在牙科放射图像分割任务中的性能，以解决深度学习中类别不平衡的问题 | 本文采用了混合损失函数，显著优于单一损失函数，并在不同架构中提供了稳健的结果 | NA | 评估不同损失函数在牙科放射图像分割任务中的性能 | 牙科放射图像中的牙齿结构分割 | 机器学习 | NA | 深度学习 | U-Net, Linknet, DeepLavbV3+ | 图像 | 1,625张咬翼放射图像 | NA | NA | NA | NA |
| 1057 | 2024-08-22 |
AI in Neuro-Ophthalmology: Current Practice and Future Opportunities
2024-Sep-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002205
PMID:38965655
|
综述 | 本文综述了人工智能在神经眼科学中的应用现状和未来机遇 | 人工智能，特别是机器学习算法，在解释影像数据、识别细微模式以及辅助临床医生进行更准确及时的诊断方面展示了显著潜力 | 当前面临的挑战包括将人工智能整合到临床实践和研究中 | 旨在全面概述人工智能在神经眼科学中的应用发展 | 神经眼科学中的AI应用、光学相干断层扫描（OCT）和眼底摄影 | 计算机视觉 | NA | 机器学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 1058 | 2024-08-22 |
A sensitive system based on radon amplification at soil-air interface: Aiming to advance earthquake precursor research
2024-Sep, Journal of environmental radioactivity
IF:1.9Q3
DOI:10.1016/j.jenvrad.2024.107482
PMID:38905879
|
研究论文 | 本文提出了一种基于土壤-空气界面氡浓度梯度的新方法，以提高对地壳应力诱导氡信号的检测灵敏度 | 引入了“Bhabha氡观测站用于地震应用（BhaROSA）”，这是一个远程传感、太阳能供电的氡观测站，设计用于广泛部署和连续无人监测，以生成大数据库 | 需要进一步的国际合作和深度学习应用，以更准确地预测地震 | 旨在提高对地壳应力动态的理解，并应用于地震前兆研究等领域 | 地壳应力诱导的氡信号 | 地球物理学 | NA | 氡监测技术 | 深度学习 | 氡浓度数据 | NA | NA | NA | NA | NA |
| 1059 | 2024-08-22 |
From pixels to prognosis: unlocking the potential of deep learning in fibrotic lung disease imaging analysis
2024-Sep-01, The British journal of radiology
DOI:10.1093/bjr/tqae108
PMID:38781513
|
综述 | 本文综述了深度学习在纤维化肺疾病影像分析中的发展和应用 | 深度学习旨在通过自主定量分析克服传统定量CT方法依赖人工输入的局限 | 深度学习面临算法偏差最小化、可解释性以及可访问性和伦理问题的挑战 | 探索深度学习在改善纤维化肺疾病影像分析过程中的应用 | 纤维化肺疾病，包括特发性肺纤维化（IPF） | 计算机视觉 | 肺纤维化 | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 1060 | 2024-08-22 |
Learning classifiers in clustered data: BCI pattern recognition model for EEG-based human emotion recognition
2024-Sep, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2252953
PMID:37668071
|
研究论文 | 本文提出了一种基于脑电图（EEG）信号的人类情绪识别的脑机接口（BCI）模式识别模型，通过使用EMD分解和统计属性提取，结合RBF核和LASSO特征选择，以及决策树、随机森林和KNN分类器，提高了分类准确性 | 本文采用EMD分解和统计属性提取方法，结合RBF核和LASSO特征选择，以及决策树、随机森林和KNN分类器，提高了分类准确性，并在DEAP数据集上实现了99.17%的准确率 | NA | 提高基于EEG信号的人类情绪识别的分类准确性 | 基于EEG信号的人类情绪识别 | 机器学习 | NA | EMD, RBF核, LASSO特征选择 | 决策树, 随机森林, KNN | 脑电图信号 | DEAP数据集 | NA | NA | NA | NA |