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 1298 篇文献，本页显示第 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2024-10-02 |
Clarifications on the Differentiation of Vertebral Fractures Using Deep Learning Models
2024-Oct, Radiology
IF:12.1Q1
DOI:10.1148/radiol.241162
PMID:39352286
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1122 | 2024-10-01 |
Enhanced multistage deep learning for diagnosing anterior disc displacement in the temporomandibular joint using MRI
2024-Oct-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae033
PMID:39024472
|
研究论文 | 本文提出了一种基于多阶段深度学习的前移盘诊断方法，使用MRI图像进行颞下颌关节（TMJ）的自动诊断 | 采用多阶段方法，易于识别和改进影响最终结果的因素 | NA | 开发一种自动诊断颞下颌关节前移盘的方法 | 颞下颌关节的前移盘诊断 | 机器学习 | NA | MRI | DeepLabV3+ | 图像 | 368个颞下颌关节样本，来自204名患者 |
| 1123 | 2024-10-01 |
An artificial intelligence grading system of apical periodontitis in cone-beam computed tomography data
2024-Oct-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae029
PMID:38960866
|
研究论文 | 开发了一种基于深度学习的人工智能系统，用于在锥形束计算机断层扫描数据中对根尖周炎进行分级，并评估其可靠性和准确性 | 提出了一个名为PAINet的自创算法，并将其与经典算法和基于Transformer的模型进行比较，结果显示PAINet在性能上表现最佳 | NA | 开发和评估一种人工智能系统，以帮助初级医生更好地诊断根尖周炎 | 根尖周炎的分级和诊断 | 计算机视觉 | 口腔疾病 | 深度学习 | PAINet | 图像 | 120张锥形束计算机断层扫描图像 |
| 1124 | 2024-10-01 |
Automatic classification and segmentation of multiclass jaw lesions in cone-beam CT using deep learning
2024-Oct-01, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae028
PMID:38937280
|
研究论文 | 开发并验证了一种基于nnU-Net的深度学习模型，用于在锥形束CT（CBCT）中对五类颌骨病变进行分类和分割 | 提出了一个基于nnU-Net的深度学习模型，能够同时进行颌骨病变的分类和分割，并且在分类和分割性能上均优于口腔颌面放射科医生和口腔颌面外科医生 | NA | 开发和验证一种能够准确高效地分类和分割颌骨病变的深度学习模型 | 颌骨病变在锥形束CT（CBCT）中的分类和分割 | 计算机视觉 | 口腔颌面疾病 | 深度学习 | nnU-Net | 图像 | 368个CBCT扫描（37168个切片） |
| 1125 | 2024-10-01 |
Fully automatic quantification for hand synovitis in rheumatoid arthritis using pixel-classification-based segmentation network in DCE-MRI
2024-Oct, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01592-6
PMID:38789911
|
研究论文 | 提出了一种基于深度学习的分类分割方法，用于在动态对比增强磁共振成像（DCE-MRI）中自动量化类风湿性关节炎（RA）患者的滑膜炎 | 开发了一种基于膨胀因果卷积和SELU激活函数的深度学习模型，用于增强滑膜的分割和量化 | 研究为回顾性研究，样本量较小，且依赖于专家指导下的手动分割 | 开发一种自动化的方法，用于在DCE-MRI中量化RA患者的滑膜炎 | 类风湿性关节炎患者的滑膜炎 | 计算机视觉 | 类风湿性关节炎 | 动态对比增强磁共振成像（DCE-MRI） | 深度学习模型 | 图像 | 28名类风湿性关节炎患者 |
| 1126 | 2024-10-01 |
Radiation dose reduction and image quality improvement with ultra-high resolution temporal bone CT using deep learning-based reconstruction: An anatomical study
2024-Oct, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.05.001
PMID:38744577
|
研究论文 | 本研究评估了使用深度学习重建（DLR）的超高分辨率CT（UHR-CT）在减少辐射剂量的同时保持或提高颞骨图像质量的效果 | 本研究首次展示了使用深度学习重建的超高分辨率CT在大幅减少辐射剂量的同时，仍能保持或提高图像质量 | 本研究仅在尸体颞骨CT上进行了评估，尚未在临床环境中验证其效果 | 评估使用深度学习重建的超高分辨率CT在减少辐射剂量的同时保持或提高颞骨图像质量的效果 | 颞骨CT图像质量 | 计算机视觉 | NA | 深度学习重建（DLR） | 深度学习模型 | 图像 | 6具尸体颞骨 |
| 1127 | 2024-09-15 |
Breaking barriers in inner ear MRI: The changing role of deep learning reconstruction
2024-Oct, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.07.010
PMID:39271366
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1128 | 2024-09-30 |
Identification of diabetic retinopathy classification using machine learning algorithms on clinical data and optical coherence tomography angiography
2024-Oct, Eye (London, England)
DOI:10.1038/s41433-024-03173-3
PMID:38871934
|
研究论文 | 本文研究了使用机器学习算法对糖尿病视网膜病变进行多分类，结合临床数据和光学相干断层扫描血管造影（OCTA） | 首次将OCTA与临床数据结合，使用多种机器学习算法进行糖尿病视网膜病变的多分类 | 样本量相对较小，且仅限于糖尿病患者 | 开发和验证基于机器学习的糖尿病视网膜病变多分类模型 | 糖尿病视网膜病变的多分类 | 机器学习 | 糖尿病 | 光学相干断层扫描血管造影（OCTA） | 随机森林、梯度提升机（GBM）、深度学习和逻辑回归 | 临床数据和OCTA参数 | 研究样本包括203名糖尿病患者（203只眼），验证样本包括169名糖尿病患者（169只眼） |
| 1129 | 2024-09-30 |
Colour fusion effect on deep learning classification of uveal melanoma
2024-Oct, Eye (London, England)
DOI:10.1038/s41433-024-03148-4
PMID:38773261
|
研究论文 | 研究验证了深度学习在区分葡萄膜黑色素瘤和脉络膜痣中的应用，并评估了颜色融合选项对分类性能的影响 | 研究首次评估了不同颜色融合选项对深度学习分类性能的影响 | 研究为回顾性研究，样本量有限 | 验证深度学习在区分葡萄膜黑色素瘤和脉络膜痣中的应用，并评估颜色融合选项的影响 | 葡萄膜黑色素瘤和脉络膜痣的分类 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 798张超广角视网膜图像，涉及438名患者，其中157名患有葡萄膜黑色素瘤，281名患有脉络膜痣 |
| 1130 | 2024-09-30 |
Classification of Shoulder Implant Manufacturer Using Pre-Trained DenseNet201 Combined With Capsule Network
2024-Oct, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.2672
PMID:39334563
|
研究论文 | 本研究旨在通过X射线影像和深度学习技术，提前识别肩部植入物制造商，以加速修订手术和治疗 | 提出了基于预训练DenseNet201与胶囊网络（DenseNet201-Caps）的肩部植入物分类模型，并通过多阶段分类方法提高了准确性 | DenseNet201-Caps在区分Cofield和Depuy制造商时存在困难 | 加速修订手术和治疗，提前识别肩部植入物制造商 | 肩部植入物制造商的分类 | 计算机视觉 | NA | 深度学习 | DenseNet201与胶囊网络 | X射线影像 | 聚类的肩部植入物数据集 |
| 1131 | 2024-09-30 |
Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study
2024-Oct, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03429-5
PMID:39014270
|
研究论文 | 本文评估了nnU-net在多序列MRI上自动分割和体积测量眼附属器淋巴瘤（OAL）的性能 | 开发并训练了基于深度学习的nnU-net框架，用于自动分割和体积测量OAL | 模型2在检测T1c序列时失败了19例 | 评估nnU-net在自动分割和体积测量眼附属器淋巴瘤（OAL）中的性能 | 眼附属器淋巴瘤（OAL） | 计算机视觉 | 淋巴瘤 | MRI | nnU-net | 图像 | 训练集包含147例患者，测试集包含33例患者 |
| 1132 | 2024-08-07 |
Correction to: Fully automated segmentation and volumetric measurement of ocular adnexal lymphoma by deep learning-based self-configuring nnU-net on multi-sequence MRI: a multi-center study
2024-Oct, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-024-03437-5
PMID:39085640
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1133 | 2024-09-30 |
Artificial intelligence-assisted automated heart failure detection and classification from electronic health records
2024-Oct, ESC heart failure
IF:3.2Q2
DOI:10.1002/ehf2.14828
PMID:38700133
|
研究论文 | 本文探讨了通过电子健康记录（EHR）、DICOM图像和深度学习算法自动检测和分类心力衰竭（HF）患者的方法 | 结合关键词搜索、AI自动解读DICOM超声心动图图像和生物样本分析，实现了HF亚型的自动识别 | NA | 通过自动化方法提高心力衰竭患者的检测和分类准确性 | 心力衰竭患者及其亚型分类 | 机器学习 | 心血管疾病 | 深度学习 | NA | 文本、图像 | 60,850份EHR数据，最终筛选出578名患者，包括186名对照组、236名HFpEF患者和156名HFrEF患者 |
| 1134 | 2024-09-30 |
Challenges for augmenting intelligence in cardiac imaging
2024-Oct, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00142-0
PMID:39214759
|
研究论文 | 本文探讨了人工智能在心脏影像中的应用及其面临的挑战 | 提出将人工智能视为增强智能，以补充而非取代人类判断，并强调从孤立测量转向整合非线性复杂数据以识别疾病表型 | 数据稀缺、隐私问题、伦理担忧以及缺乏统一模型和高质量标注数据等问题限制了AI在心脏影像中的应用 | 探讨人工智能在心脏影像中的应用及其面临的挑战，并提出改进方法 | 心脏影像数据及其在医疗中的应用 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA |
| 1135 | 2024-09-30 |
Deep learning assessment of senescence-associated nuclear morphologies in mammary tissue from healthy female donors to predict future risk of breast cancer: a retrospective cohort study
2024-Oct, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00150-X
PMID:39332852
|
研究论文 | 本研究利用深度学习技术评估健康女性乳腺组织中与衰老相关的细胞核形态，以预测未来乳腺癌的风险 | 首次将深度学习应用于评估乳腺组织中衰老细胞的核形态，并结合多种模型提高乳腺癌风险预测的准确性 | 研究基于回顾性队列，且样本主要来自健康女性，可能限制了结果的普适性 | 探索衰老标志物在健康女性乳腺组织中对乳腺癌发展的临床相关性 | 健康女性乳腺组织的细胞核形态 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 4382名健康女性捐赠者 |
| 1136 | 2024-09-28 |
Genome analysis through image processing with deep learning models
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-024-01275-0
PMID:39085457
|
综述 | 本文综述了通过深度学习模型进行图像处理以分析基因组序列的三种典型应用 | 本文介绍了将基因组信息编码为图像或将图像中的空间信息整合到分析过程中的创新方法 | NA | 总结和评估使用图像处理和深度学习模型进行基因组分析的方法 | 基因组序列及其图像表示 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 1137 | 2024-09-28 |
Efficient HLA imputation from sequential SNPs data by transformer
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-024-01278-x
PMID:39095607
|
研究论文 | 本文提出了一种基于Transformer模型的HLA基因型推断方法HLARIMNT，通过利用SNP数据序列进行高效推断 | 本文创新性地使用Transformer模型进行HLA基因型推断，相较于传统的CNN模型，在推断罕见等位基因方面表现出更高的效率和准确性 | 本文未详细讨论HLARIMNT在不同种族群体中的适用性 | 开发一种高效的HLA基因型推断方法，以减少直接分型的成本和时间 | HLA基因型及其与疾病的相关性 | 机器学习 | NA | Transformer模型 | Transformer | SNP数据 | 使用了两个参考面板：Pan-Asian参考面板（n=530）和Type 1 Diabetes genetics Consortium（T1DGC）参考面板（n=5225），以及一个合并面板（n=1060） |
| 1138 | 2024-09-28 |
Two-stage strategy using denoising autoencoders for robust reference-free genotype imputation with missing input genotypes
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-024-01261-6
PMID:38918526
|
研究论文 | 本文提出了一种基于去噪自编码器的两阶段策略，用于在没有参考基因组的情况下进行稳健的基因型填补 | 本文提出了一种新的两阶段填补策略，通过使用去噪自编码器处理缺失的基因型数据，提高了RNN-IMP模型的填补准确性 | RNN-IMP模型对输入基因型中的缺失值敏感 | 开发一种无需参考基因组且具有高填补准确性的基因型填补方法 | 基因型填补方法的性能评估 | 机器学习 | NA | 深度学习 | RNN-IMP | 基因型数据 | 1000 Genomes Project Phase 3数据集和相应的模拟Omni2.5 SNP基因型数据 |
| 1139 | 2024-09-28 |
Comparison of the Accuracy of a Deep Learning Method for Lesion Detection in PET/CT and PET/MRI Images
2024-Oct, Molecular imaging and biology
IF:3.0Q2
DOI:10.1007/s11307-024-01943-9
PMID:39141195
|
研究论文 | 本文开发并验证了一种用于PET/CT和PET/MRI图像中病灶检测的深度学习算法，并探讨了影响其性能的因素 | 本文创新性地开发了一种通用的病灶识别算法，并将其应用于PET/CT和PET/MRI图像中 | 本文的局限性在于仅分析了PET/CT和PET/MRI图像中的病灶检测性能，未涉及其他类型的医学影像 | 开发和验证一种通用的病灶识别算法，并探讨影响其性能的因素 | PET/CT和PET/MRI图像中的病灶检测 | 计算机视觉 | NA | 深度学习 | 2D和3D fractional-residual (F-Res)模型 | 图像 | 1014个PET/CT数据集和38个患者的PET/CT及PET/MRI数据 |
| 1140 | 2024-09-28 |
Genotype imputation methods for whole and complex genomic regions utilizing deep learning technology
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-023-01213-6
PMID:38225263
|
研究论文 | 本文探讨了利用深度学习技术进行全基因组和复杂基因区域基因型填补的方法 | 本文介绍了基于深度学习的基因型填补方法，能够学习复杂的连锁不平衡模式，并应用于HLA区域 | 当前基于深度学习的基因型填补方法在准确性上仅略优于统计和传统机器学习方法 | 提高全基因组关联研究和后续精细定位的效力 | 未测量的基因型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因型数据 | NA |