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 1161 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-12-08 |
Towards multi-agent system for learning object recommendation
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39088
PMID:39640789
|
研究论文 | 本文介绍了一种基于多智能体系统和深度学习的教育内容推荐系统，旨在根据学习者的知识水平和学习风格提供个性化的学习对象推荐 | 本文创新性地结合了多智能体系统和深度学习技术，通过四个智能体（学习者代理、导师代理、学习对象代理和推荐代理）协同工作，提供个性化的学习对象推荐 | NA | 开发一种能够根据学习者知识水平和学习风格提供个性化学习对象推荐的多智能体系统 | 在线教育内容推荐系统 | 机器学习 | NA | 卷积神经网络 (CNN) 和多层感知器 (MLP) | 多智能体系统 | 文本 | NA | NA | NA | NA | NA |
| 282 | 2024-12-08 |
AI-based fingerprint index of visceral adipose tissue for the prediction of bowel damage in patients with Crohn's disease
2024-Oct-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111022
PMID:39635135
|
研究论文 | 开发了一种基于人工智能的内脏脂肪组织指纹指数，用于预测克罗恩病患者的肠道损伤 | 提出了内脏脂肪组织指纹指数（VAT-FI），并证明其在预测肠道损伤方面比皮下脂肪组织指纹指数（SAT-FI）更准确 | NA | 开发和验证一种新的生物标志物，用于预测克罗恩病患者的肠道损伤 | 克罗恩病患者的内脏脂肪组织和肠道损伤 | 计算机视觉 | 消化系统疾病 | 放射组学和深度学习 | NA | 图像 | 1135名克罗恩病患者，分为训练组（600例）和测试组（535例） | NA | NA | NA | NA |
| 283 | 2024-12-08 |
Prediction of homologous recombination deficiency from routine histology with attention-based multiple instance learning in nine different tumor types
2024-Oct-08, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-024-02022-9
PMID:39379982
|
研究论文 | 研究使用基于注意力机制的多实例学习（attMIL）从常规组织学图像中预测同源重组缺陷（HRD）状态 | 首次证明可以通过常规组织学图像直接预测HRD状态，并展示了其在九种不同肿瘤类型中的适用性 | 研究仅限于九种肿瘤类型，且需要进一步验证其在其他肿瘤类型中的适用性 | 验证深度学习方法能否仅基于常规组织学图像预测HRD状态 | 九种不同类型的肿瘤 | 数字病理 | NA | 全基因组测序（WGS） | 基于注意力机制的多实例学习（attMIL） | 图像 | 5209名患者 | NA | NA | NA | NA |
| 284 | 2024-12-06 |
Revolutionizing dementia detection: Leveraging vision and Swin transformers for early diagnosis
2024-Oct, American journal of medical genetics. Part B, Neuropsychiatric genetics : the official publication of the International Society of Psychiatric Genetics
DOI:10.1002/ajmg.b.32979
PMID:38619385
|
研究论文 | 本文探讨了利用计算机视觉和Swin transformer算法进行早期痴呆症检测的方法 | 本文采用了Swin transformer算法，相比传统的Vision transformer和卷积神经网络，在整体准确性上表现更优 | NA | 旨在通过先进的技术手段实现痴呆症的早期诊断 | 痴呆症及其早期检测方法 | 计算机视觉 | 神经退行性疾病 | 计算机视觉和深度学习 | Swin transformer | 影像数据（如正电子发射断层扫描） | NA | NA | NA | NA | NA |
| 285 | 2024-12-05 |
A deep learning model for predicting the modified micro-dosimetric kinetic model-based dose and the dose-averaged linear energy transfer for prostate cancer in carbon ion therapy
2024-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2024.100671
PMID:39624391
|
研究论文 | 本研究开发了一种深度学习模型，用于快速预测碳离子治疗中前列腺癌的修正微剂量动力学模型（mMKM）剂量和剂量平均线性能量转移（LET）分布 | 本研究首次将深度学习应用于预测碳离子治疗中前列腺癌的mMKM剂量和LET分布，提供了一种快速、准确的评估工具 | 本研究仅使用了50名患者的样本数据进行训练和测试，样本量较小 | 开发一种快速、准确的工具，用于评估碳离子治疗中前列腺癌的生物剂量和剂量平均线性能量转移（LET）变化 | 前列腺癌患者在碳离子治疗中的修正微剂量动力学模型（mMKM）剂量和剂量平均线性能量转移（LET）分布 | 机器学习 | 前列腺癌 | 深度学习 | 深度学习模型 | 图像 | 50名前列腺癌患者 | NA | NA | NA | NA |
| 286 | 2024-12-01 |
Machine-Learning-Based Depression Detection Model from Electroencephalograph (EEG) Data Obtained by Consumer-Grade EEG Device
2024-Oct-30, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci14111107
PMID:39595870
|
研究论文 | 本文提出了一种基于消费级脑电图（EEG）数据的机器学习模型，用于检测抑郁症 | 使用消费级EEG设备进行抑郁症检测，并通过特征选择方法提高模型的准确性 | 研究中使用的样本量未明确提及，且仅限于消费级EEG设备的数据 | 提高使用消费级EEG设备进行抑郁症检测的准确性 | 消费级EEG设备获取的脑电图数据 | 机器学习 | NA | 脑电图（EEG） | Light Gradient Boosting Machine (LightGBM) | 脑电图数据 | NA | NA | NA | NA | NA |
| 287 | 2024-12-01 |
Novel Approaches for the Early Detection of Glaucoma Using Artificial Intelligence
2024-Oct-28, Life (Basel, Switzerland)
DOI:10.3390/life14111386
PMID:39598184
|
研究论文 | 本文探讨了人工智能在青光眼早期检测中的应用，特别是机器学习和深度学习模型的优势和局限 | 本文介绍了卷积神经网络和其他深度学习算法在青光眼检测中的高灵敏度和特异性，展示了其在自动化筛查中的潜力 | 本文指出需要多样化的训练数据集、外部验证、决策透明度以及处理道德和法律问题等挑战 | 研究目的是探讨人工智能在青光眼早期诊断、治疗和检测中的应用，并评估不同AI模型和算法的优缺点 | 研究对象是青光眼的早期检测和治疗 | 机器学习 | 青光眼 | 机器学习、深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 288 | 2024-12-01 |
Perception of First-Year MBBS Students Toward Virtual Dissection in Learning Anatomy: A Comparative Study Between High and Low Academic Achievers
2024-Oct, Cureus
DOI:10.7759/cureus.72508
PMID:39606542
|
研究论文 | 研究了第一年MBBS学生对虚拟解剖学习的看法，并比较了高分和低分学生的反馈 | 探讨了虚拟解剖作为一种创新教学方法在解剖学教学中的应用 | 研究样本量较小，且仅限于特定机构的学生 | 评估第一年MBBS学生对虚拟解剖的看法，并比较高分和低分学生的反馈 | 第一年MBBS学生 | NA | NA | NA | NA | 问卷调查 | 99名学生，其中89名参与了调查 | NA | NA | NA | NA |
| 289 | 2024-11-29 |
MIMO-Uformer: A Transformer-Based Image Deblurring Network for Vehicle Surveillance Scenarios
2024-Oct-31, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10110274
PMID:39590738
|
研究论文 | 提出了一种基于Transformer的图像去模糊网络MIMO-Uformer，用于车辆监控场景 | 采用基于基本窗口的多头自注意力机制（W-MSA）来降低计算复杂度，并结合多输入多输出U形网络（MIMO-UNet）进行多尺度图像操作，同时提出Intersection over Patch（IoP）因子和监督形态学损失来改善局部模糊性能 | 主要针对车辆监控场景中的局部模糊问题，可能不适用于其他类型的模糊 | 开发一种高效的Transformer基去模糊网络，以提高车辆监控场景中的图像清晰度 | 车辆监控场景中的运动模糊图像 | 计算机视觉 | NA | Transformer | MIMO-Uformer | 图像 | 使用公开数据集和自建数据集进行广泛实验 | NA | NA | NA | NA |
| 290 | 2024-11-29 |
Development and Validation of Deep Learning Preoperative Planning Software for Automatic Lumbosacral Screw Selection Using Computed Tomography
2024-Oct-30, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11111094
PMID:39593754
|
研究论文 | 开发并验证了一种基于深度学习的术前计划软件，用于自动选择腰椎骶椎螺钉 | 使用深度学习模型自动进行腰椎骶椎螺钉的术前计划，显著提高了计划速度和准确性 | 研究样本量相对较小，且仅限于特定类型的手术 | 提高腰椎骶椎螺钉术前计划的效率和准确性 | 腰椎骶椎螺钉的术前计划 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | CT扫描数据 | 316例腰椎骶椎融合手术患者 | NA | NA | NA | NA |
| 291 | 2024-11-29 |
HyMNet: A Multimodal Deep Learning System for Hypertension Prediction Using Fundus Images and Cardiometabolic Risk Factors
2024-Oct-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11111080
PMID:39593740
|
研究论文 | 本研究开发了一种名为HyMNet的多模态深度学习系统，结合眼底图像和心血管代谢风险因素（年龄和性别）来提高高血压的检测 | 创新点在于整合了眼底图像和心血管代谢因素，通过多模态深度学习系统HyMNet提高了高血压检测的准确性 | 研究样本主要来自沙特阿拉伯，可能限制了结果的普遍适用性 | 开发一种多模态深度学习系统，以提高高血压的检测准确性 | 高血压的检测 | 计算机视觉 | 心血管疾病 | 多模态深度学习 | CNN | 图像和数值数据 | 5016张眼底图像，来自1243名个体 | NA | NA | NA | NA |
| 292 | 2024-11-29 |
Deep Learning in Spinal Endoscopy: U-Net Models for Neural Tissue Detection
2024-Oct-29, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11111082
PMID:39593742
|
研究论文 | 本研究开发了一种基于U-Net架构的深度学习模型，用于脊柱内窥镜手术中神经组织的分割，以提高手术的安全性和有效性 | 首次将U-Net模型应用于脊柱内窥镜手术中的神经组织检测，显著提高了神经组织的识别精度 | 研究样本量较小，仅包含28例手术视频，未来需扩大样本量以验证模型的泛化能力 | 开发一种能够准确分割神经组织的深度学习模型，以提高脊柱内窥镜手术的安全性和效果 | 脊柱内窥镜手术中的神经组织 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 28例手术视频，包含2307张训练图像和635张验证图像 | NA | NA | NA | NA |
| 293 | 2024-11-29 |
Mapping the Knowledge Structure of Image Recognition in Cultural Heritage: A Scientometric Analysis Using CiteSpace, VOSviewer, and Bibliometrix
2024-Oct-26, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10110272
PMID:39590736
|
研究论文 | 本文通过CiteSpace、VOSviewer和Bibliometrix工具对Web of Science数据库中的文献进行计量分析，探讨了图像识别技术在文化遗产领域的知识结构和发展趋势 | 本文首次通过计量分析方法，全面揭示了图像识别技术在文化遗产领域的宏观演进，并强调了人工智能和深度学习在该领域的应用 | 本文主要依赖于文献计量分析，可能忽略了实际应用中的具体案例和技术细节 | 旨在通过计量分析填补图像识别技术在文化遗产领域应用的宏观理解空白 | 图像识别技术在文化遗产领域的应用及其发展趋势 | 计算机视觉 | NA | 计量分析 | 深度学习 | 文献 | 1995年至2024年Web of Science数据库中的相关文献 | NA | NA | NA | NA |
| 294 | 2024-11-29 |
Accuracy Assessment of EM3D App-Based 3D Facial Scanning Compared to Cone Beam Computed Tomography
2024-Oct-25, Dentistry journal
IF:2.5Q2
DOI:10.3390/dj12110342
PMID:39590392
|
研究论文 | 本研究评估了基于EM3D应用的3D面部扫描与锥束计算机断层扫描（CBCT）的准确性 | 利用iPhone的TrueDepth摄像头技术和EM3D应用，提供了一种成本效益高的3D面部建模替代方案 | 研究样本量较小，仅涉及30名患者 | 验证EM3D应用在3D面部扫描中的准确性，并将其与CBCT进行比较 | 30名需要CBCT扫描的患者 | 计算机视觉 | NA | 深度学习 | NA | 3D模型 | 30名患者 | NA | NA | NA | NA |
| 295 | 2024-11-29 |
Image Forensics in the Encrypted Domain
2024-Oct-24, Entropy (Basel, Switzerland)
DOI:10.3390/e26110900
PMID:39593845
|
研究论文 | 本文首次介绍了加密域图像取证（IFED），包括其问题描述、形式定义和评估指标，并提出了一种基于深度学习的轻量级增强取证网络（LEFN）来检测加密域中的复制移动篡改 | 首次提出加密域图像取证（IFED）的概念，并开发了一种基于深度学习的轻量级增强取证网络（LEFN）来应对加密域中的复制移动篡改检测挑战 | NA | 解决加密域中的图像取证问题，特别是检测加密域中的复制移动篡改 | 加密域中的图像取证，特别是复制移动篡改的检测 | 计算机视觉 | NA | 深度学习 | 轻量级增强取证网络（LEFN） | 图像 | NA | NA | NA | NA | NA |
| 296 | 2024-11-29 |
The Adversarial Robust and Generalizable Stereo Matching for Infrared Binocular Based on Deep Learning
2024-Oct-22, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10110264
PMID:39590728
|
研究论文 | 本文提出了一种基于深度学习的红外双目立体匹配方法，旨在提高算法在复杂条件下的鲁棒性和泛化能力 | 该方法无需大型红外图像数据集，能够无缝适应任何特定红外相机，并扩展到标准双目图像，适用于红外和可见光立体图像 | NA | 提高深度学习方法在红外双目图像立体匹配中的鲁棒性和泛化能力 | 红外双目图像和可见光双目图像的立体匹配 | 计算机视觉 | NA | 多尺度census变换 | 堆叠沙漏子网络 | 图像 | 广泛使用的自动驾驶数据集 | NA | NA | NA | NA |
| 297 | 2024-11-29 |
Robust Real-Time Cancer Tracking via Dual-Panel X-Ray Images for Precision Radiotherapy
2024-Oct-22, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11111051
PMID:39593711
|
研究论文 | 本研究提出了一种基于深度学习的实时无标记肺肿瘤跟踪方法，利用正交X射线投影图像进行精确的肿瘤定位 | 创新性地结合了混合变形模型与3D薄板样条变换的数据增强技术，以及基于Transformer的分割网络和CNN回归网络，实现了高精度的肿瘤跟踪 | NA | 提高肺癌放疗中肿瘤定位的精确性和实时性 | 肺癌肿瘤的实时跟踪和定位 | 计算机视觉 | 肺癌 | X射线成像 | Transformer, CNN | 图像 | 使用The Cancer Imaging Archive的患者数据和动态胸腔模型数据进行评估 | NA | NA | NA | NA |
| 298 | 2024-11-29 |
Deep-learning-based Attenuation Correction for 68Ga-DOTATATE Whole-body PET Imaging: A Dual-center Clinical Study
2024-Oct-07, Molecular imaging and radionuclide therapy
IF:0.9Q4
DOI:10.4274/mirt.galenos.2024.86422
PMID:39373140
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于68Ga-DOTATATE全身PET图像的衰减校正 | 提出了一种基于深度学习的衰减校正方法，避免了使用CT进行衰减校正带来的额外辐射剂量 | 使用不同中心的数据集时，PSNR和SSIM值较低 | 开发一种基于深度学习的衰减校正模型，以减少患者辐射剂量 | 68Ga-DOTATATE全身PET图像的衰减校正 | 计算机视觉 | NA | 深度学习 | 残差网络 | 图像 | 118名患者 | NA | NA | NA | NA |
| 299 | 2024-11-29 |
Determining individual suitability for neoadjuvant systemic therapy in breast cancer patients through deep learning
2024-Oct, Clinical & translational oncology : official publication of the Federation of Spanish Oncology Societies and of the National Cancer Institute of Mexico
IF:2.8Q2
DOI:10.1007/s12094-024-03459-8
PMID:38678522
|
研究论文 | 本文通过深度学习模型评估乳腺癌患者对新辅助系统治疗的个体适应性 | 提出了基于深度学习的个性化治疗推荐模型BITES，显著提高了治疗效果 | 需要在临床环境中进一步验证模型，并深入研究更多患者特征和结果指标 | 评估乳腺癌患者对新辅助系统治疗的个体反应，提出个性化治疗建议 | 乳腺癌患者及其对新辅助系统治疗的反应 | 机器学习 | 乳腺癌 | 深度学习 | BITES模型 | 患者数据 | 94,487名女性乳腺癌患者 | NA | NA | NA | NA |
| 300 | 2024-11-27 |
Application of multimodal deep learning and multi-instance learning fusion techniques in predicting STN-DBS outcomes for Parkinson's disease patients
2024-Oct, Neurotherapeutics : the journal of the American Society for Experimental NeuroTherapeutics
IF:5.6Q1
DOI:10.1016/j.neurot.2024.e00471
PMID:39419638
|
研究论文 | 本研究利用多模态深度学习和多实例学习融合技术预测帕金森病患者STN-DBS治疗效果 | 开发了一种新的2.5D深度学习方法，结合多切片表示提取详细的ROI特征，并通过多实例学习融合技术整合多个切片的预测结果，提升了模型性能 | 本研究为回顾性研究，样本量有限，未来需在前瞻性研究中验证模型效果 | 提高帕金森病患者STN-DBS治疗效果预测的准确性，支持个性化治疗计划 | 127名接受STN-DBS治疗的帕金森病患者 | 机器学习 | 帕金森病 | 多实例学习融合技术 | 深度学习模型 | 医学影像数据 | 127名帕金森病患者 | NA | NA | NA | NA |