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 1160 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2024-11-02 |
A Comparative Analysis of Deep Learning-Based Approaches for Classifying Dental Implants Decision Support System
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01086-x
PMID:38565730
|
研究论文 | 本研究旨在通过基于深度学习的计算机诊断系统实现牙科植入物品牌的自主识别 | 本研究采用了28种不同的深度学习模型，包括18种卷积神经网络（CNN）模型和10种视觉变换器模型，并展示了ConvNeXt架构的小模型在分类准确性上的显著优势 | NA | 提供一种有效的解决方案，用于自主识别牙科植入物品牌，并评估该系统在临床实践中的潜力 | 牙科植入物品牌分类 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN）和视觉变换器 | 图像 | 1258张全景放射影像，来自2012年至2023年间在Erciyes大学牙科学院接受植入治疗的患者的六种不同植入系统 | NA | NA | NA | NA |
| 562 | 2024-11-02 |
A Classification-Based Adaptive Segmentation Pipeline: Feasibility Study Using Polycystic Liver Disease and Metastases from Colorectal Cancer CT Images
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01072-3
PMID:38587766
|
研究论文 | 本文研究了一种基于分类的自适应分割工作流程，用于区分不同病理图像并将其路由到特定的分割模型 | 提出了一种基于深度学习分类器的工作流程，能够自动分类图像并将其路由到适当的分割模型，从而提高分割精度 | 研究仅限于肝囊肿和结直肠癌肝转移的CT图像，未来需验证其在其他病理图像上的适用性 | 探索构建一种能够高效地将图像路由到特定训练的分割模型的可行性 | 肝囊肿和结直肠癌肝转移的CT图像 | 计算机视觉 | NA | 深度学习 | 分类器 | 图像 | 700张CT图像，包括350张肝囊肿图像和350张结直肠癌肝转移图像 | NA | NA | NA | NA |
| 563 | 2024-11-02 |
Automated Pulmonary Tuberculosis Severity Assessment on Chest X-rays
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01052-7
PMID:38587769
|
研究论文 | 本文提出了三种基于深度学习的方法来自动评估胸部X光片上的肺结核严重程度 | 本文创新性地使用YOLOV5n和DenseNet121模型来检测病变区域和预测空洞的存在，并通过不同的深度学习模型组合来预测Timika评分 | 本文未详细讨论模型的可解释性问题，且仅使用了三个数据集进行泛化评估 | 开发自动评估肺结核严重程度的方法，以优化资源分配和监测治疗反应 | 胸部X光片上的肺结核病变 | 计算机视觉 | 肺结核 | 深度学习 | DenseNet121, YOLOV5n | 图像 | 三个独立的数据集 | NA | NA | NA | NA |
| 564 | 2024-11-02 |
Pure Vision Transformer (CT-ViT) with Noise2Neighbors Interpolation for Low-Dose CT Image Denoising
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01108-8
PMID:38622385
|
研究论文 | 本文提出了一种基于纯视觉变换器（ViT）和Noise2Neighbors插值的低剂量CT图像去噪方法 | 使用纯视觉变换器（ViT）替代传统的卷积神经网络（CNN），并结合Noise2Neighbors插值操作，提高了低剂量CT图像去噪的效果 | NA | 解决卷积神经网络在医学图像处理中的局限性，特别是低剂量CT图像去噪问题 | 低剂量CT图像的去噪效果 | 计算机视觉 | NA | 视觉变换器（ViT） | 视觉变换器（ViT） | 图像 | 五个包含低剂量CT和正常剂量CT图像对的不同的数据集 | NA | NA | NA | NA |
| 565 | 2024-11-02 |
Synthetic Low-Energy Monochromatic Image Generation in Single-Energy Computed Tomography System Using a Transformer-Based Deep Learning Model
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01111-z
PMID:38637424
|
研究论文 | 本研究提出了一种基于Transformer深度学习模型SwinUNETR，从单能CT图像生成合成低能虚拟单色图像的方法 | 首次使用Transformer模型SwinUNETR从单能CT图像生成合成低能虚拟单色图像，提高了图像质量 | 仅在头部和颈部放射治疗患者数据上进行了验证，需要进一步验证其在其他部位和疾病中的适用性 | 探索从单能CT图像生成合成低能虚拟单色图像的方法，以提高图像质量和扩大受益人群 | 头部和颈部放射治疗患者的CT图像 | 计算机视觉 | NA | NA | Transformer | 图像 | 85名患者，其中70名用于模型构建，15名用于预测 | NA | NA | NA | NA |
| 566 | 2024-11-02 |
A Semi-Supervised Learning Framework for Classifying Colorectal Neoplasia Based on the NICE Classification
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01123-9
PMID:38653910
|
研究论文 | 本文提出了一种基于SimCLR的半监督学习框架，用于根据NICE分类对结直肠肿瘤进行分类 | 利用SimCLR模型在自监督学习阶段使用大量未标记数据进行预训练，然后在有限的标记数据上进行微调，显著提高了分类性能 | 尽管性能优于传统监督学习模型和初级内镜医师，但仍略逊于高级内镜医师 | 开发一种半监督学习框架，以提高在有限标记数据情况下的结直肠肿瘤分类性能 | 结直肠肿瘤的分类 | 计算机视觉 | 结直肠肿瘤 | SimCLR | ResNet | 图像 | 大量未标记数据和有限的标记数据 | NA | NA | NA | NA |
| 567 | 2024-11-02 |
Super-resolution Deep Learning Reconstruction Cervical Spine 1.5T MRI: Improved Interobserver Agreement in Evaluations of Neuroforaminal Stenosis Compared to Conventional Deep Learning Reconstruction
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01112-y
PMID:38671337
|
研究论文 | 本研究探讨了超分辨率深度学习重建（SR-DLR）与传统深度学习重建（DLR）在1.5T颈椎MRI神经孔狭窄评估中的观察者间一致性 | 本研究首次比较了SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性，并发现SR-DLR显著优于DLR | 本研究为回顾性研究，样本量较小，且仅限于1.5T颈椎MRI | 研究SR-DLR与DLR在神经孔狭窄评估中的观察者间一致性 | 39名接受1.5T颈椎MRI的患者 | 计算机视觉 | NA | 超分辨率深度学习重建（SR-DLR） | 深度学习模型 | 图像 | 39名患者 | NA | NA | NA | NA |
| 568 | 2024-11-02 |
Development of a Secure Web-Based Medical Imaging Analysis Platform: The AWESOMME Project
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01110-0
PMID:38689149
|
研究论文 | 本文开发了一个安全的基于Web的医学影像分析平台，名为AWESOMME项目，旨在通过深度学习模型预测骨肉瘤患者的治疗反应 | 该平台涵盖了医学影像处理的各个步骤，包括可视化、分割、特征提取和辅助诊断，并支持机器学习模型的测试和使用 | NA | 开发一个易于访问且安全的Web平台，用于医学影像分析和机器学习模型的应用 | 骨肉瘤患者的医学影像数据 | 计算机视觉 | 骨肉瘤 | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 569 | 2024-11-02 |
Letter to the Editor Regarding Article "Prior to Initiation of Chemotherapy, Can We Predict Breast Tumor Response? Deep Learning Convolutional Neural Networks Approach Using a Breast MRI Tumor Dataset"
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01129-3
PMID:38689150
|
comments | 对一篇使用深度学习卷积神经网络预测乳腺癌化疗反应的文章提出质疑 | NA | 怀疑训练和测试数据集之间存在无意中的数据泄露 | 质疑前述文章中报告的结果是否因数据泄露所致 | 乳腺癌化疗反应预测 | machine learning | breast cancer | convolutional neural network | CNN | MRI | NA | NA | NA | NA | NA |
| 570 | 2024-11-02 |
Automatic Skeleton Segmentation in CT Images Based on U-Net
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01127-5
PMID:38689152
|
研究论文 | 本文提出了一种基于U-Net架构的神经网络模型，用于从二维计算机断层扫描（CT）切片中自动分割骨骼 | 本文的创新点在于使用U-Net架构进行骨骼分割，并取得了较高的Jaccard指数（IoU）和Dice指数 | 本文的局限性在于仅使用了77张CT图像进行训练和测试，样本量较小 | 本文的研究目的是开发一种自动化的骨骼分割方法，以辅助临床评估骨骼结构的形态变化 | 本文的研究对象是CT图像中的骨骼结构 | 计算机视觉 | NA | NA | U-Net | 图像 | 77张CT图像 | NA | NA | NA | NA |
| 571 | 2024-11-02 |
Robust Ensemble of Two Different Multimodal Approaches to Segment 3D Ischemic Stroke Segmentation Using Brain Tumor Representation Among Multiple Center Datasets
2024-Oct, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01099-6
PMID:38693333
|
研究论文 | 本文提出了一种结合两种多模态方法的集成模型，用于在多中心数据集上进行3D缺血性脑卒中分割 | 利用脑肿瘤数据进行迁移学习，并结合不同训练方案的多模态MR图像，显著提高了分割性能 | NA | 提高在多中心数据集上进行缺血性脑卒中分割的准确性和鲁棒性 | 缺血性脑卒中病灶的分割 | 计算机视觉 | 脑卒中 | 扩散加权成像（DWI）和表观扩散系数（ADC）MR成像 | nnU-Net | 图像 | 846个扫描数据 | NA | NA | NA | NA |
| 572 | 2024-10-30 |
Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38227
PMID:39469701
|
研究论文 | 本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测 | 引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性 | 未提及具体限制 | 开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行 | 电力市场价格预测 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | 四个电力市场数据集 | NA | NA | NA | NA |
| 573 | 2024-10-30 |
Vehicular Mini-LED backlight display inspection based on residual global context mechanism
2024-Oct-29, Frontiers of optoelectronics
IF:4.1Q2
DOI:10.1007/s12200-024-00140-4
PMID:39467917
|
研究论文 | 本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法 | 本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度 | NA | 提高车辆Mini-LED背光显示的质量检测精度 | 车辆Mini-LED背光显示的质量检测 | 计算机视觉 | NA | 深度学习 | 高分辨率网络（Hrnet） | 图像 | NA | NA | NA | NA | NA |
| 574 | 2024-10-30 |
Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation
2024-Oct-29, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000005511
PMID:39468375
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像 | 本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像 | NA | 本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果 | 研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者 | 计算机视觉 | NA | PET成像 | SwinUNETR | 图像 | 120名患者 | NA | NA | NA | NA |
| 575 | 2024-10-30 |
Comparison of image quality and lesion conspicuity between conventional and deep learning reconstruction in gadoxetic acid-enhanced liver MRI
2024-Oct-28, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01825-2
PMID:39466542
|
研究论文 | 比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性 | 深度学习重建在钆塞酸增强肝脏MRI中提供了比常规重建更高的图像质量和动脉期病变显著性 | 深度学习重建在门静脉期和肝胆期与常规重建相比，病变显著性无显著差异 | 比较常规重建与深度学习重建在钆塞酸增强肝脏MRI中的图像质量和病变显著性 | 钆塞酸增强肝脏MRI图像 | 计算机视觉 | 肝病 | MRI | 深度学习 | 图像 | 50名参与者 | NA | NA | NA | NA |
| 576 | 2024-10-30 |
Adversarial robustness improvement for X-ray bone segmentation using synthetic data created from computed tomography scans
2024-10-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73363-2
PMID:39468116
|
研究论文 | 本文提出了一种利用从计算机断层扫描（CT）扫描生成的合成数据来改进X射线骨分割对抗鲁棒性的方法 | 本文的创新点在于使用从3D光子计数CT体积正投影生成的合成X射线图像和标注掩码来创建现实且非最佳定位的X射线图像，以补充训练数据，从而提高模型的鲁棒性 | 本文未详细讨论合成数据生成过程中可能引入的误差或偏差，以及这些因素对模型性能的潜在影响 | 本文的研究目的是通过使用合成数据来解决深度学习在医学图像分析中面临的数据稀缺和对抗数据敏感性问题，从而提高模型的鲁棒性 | 本文的研究对象是X射线骨分割模型的对抗鲁棒性 | 计算机视觉 | NA | 深度学习 | TotalSegmentator | 图像 | 本文未明确提及具体样本数量，但提到了使用真实数据和合成数据进行训练 | NA | NA | NA | NA |
| 577 | 2024-10-30 |
A deep learning approach to optimize remaining useful life prediction for Li-ion batteries
2024-Oct-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77427-1
PMID:39468251
|
研究论文 | 本文提出了一种基于深度学习的锂离子电池剩余使用寿命预测方法 | 利用深度学习技术，特别是结合自编码器和长短期记忆网络（LSTM）层，提高了锂离子电池剩余使用寿命预测的准确性和效率 | NA | 提高锂离子电池在消费电子和电动汽车等应用中的性能和安全性 | 锂离子电池的剩余使用寿命 | 机器学习 | NA | 深度学习 | LSTM | 电池操作特征数据 | 22种电流变化，涉及3个锂离子电池 | NA | NA | NA | NA |
| 578 | 2024-10-30 |
Accelerated hazard prediction based on age time-scale for women diagnosed with breast cancer using a deep learning method
2024-Oct-28, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02725-7
PMID:39468511
|
研究论文 | 本文研究了使用深度学习方法预测乳腺癌患者基于年龄类别的加速风险率 | 本文提出了基于年龄类别的加速风险率预测模型，并使用深度学习方法进行实现 | 本文仅针对乳腺癌患者进行了研究，且样本量有限 | 研究如何使用深度学习方法预测乳腺癌患者的加速风险率 | 乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | 深度学习模型 | 临床数据 | 1225名女性乳腺癌患者 | NA | NA | NA | NA |
| 579 | 2024-10-30 |
An analysis of decipherable red blood cell abnormality detection under federated environment leveraging XAI incorporated deep learning
2024-10-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76359-0
PMID:39463436
|
研究论文 | 本文研究了在联邦学习环境下利用可解释AI结合深度学习进行红细胞异常检测的方法 | 本文创新性地将联邦学习与可解释AI结合，用于解决红细胞图像数据集中训练的隐私问题，并通过加权平均方法提高模型鲁棒性 | 实验结果显示联邦学习方法的准确率略低于最佳深度学习模型，且未详细讨论加权平均方法的具体实现细节 | 研究如何在保护数据隐私的前提下，利用联邦学习进行红细胞异常检测 | 红细胞图像中的异常检测 | 机器学习 | NA | 联邦学习 (FL) | 深度学习 (DL) | 图像 | 红细胞图像数据集 | NA | NA | NA | NA |
| 580 | 2024-10-30 |
Detecting command injection attacks in web applications based on novel deep learning methods
2024-Oct-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74350-3
PMID:39461962
|
研究论文 | 提出了一种基于深度学习的新型检测模型CCBA，用于识别Web应用程序中的命令注入攻击 | 提出了Convolutional Channel-BiLSTM Attention (CCBA)模型，结合了双CNN卷积通道、BiLSTM网络和注意力机制，显著提高了命令注入攻击的检测准确性和召回率 | 未提及具体的局限性 | 提高Web应用程序中命令注入攻击的检测效率和准确性 | Web应用程序中的命令注入攻击 | 计算机视觉 | NA | 深度学习 | CNN, BiLSTM, 注意力机制 | 数据集 | 使用了真实世界数据集和两个广泛认可的公共网络安全数据集进行测试 | NA | NA | NA | NA |