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 1143 篇文献，本页显示第 1021 - 1040 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1021 | 2024-08-07 |
Leveraging deep learning for more accurate prediction of lung microwave ablation zones
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10995-y
PMID:39075303
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1022 | 2024-10-29 |
Breast cancer survival prediction using an automated mitosis detection pipeline
2024-Nov, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70008
PMID:39466133
|
研究论文 | 本文研究了一种全自动的细胞分裂检测流程，用于乳腺癌患者的生存预测 | 本文提出了一种新的自动区域选择方法，用于找到最佳的有丝分裂热点并计算每2mm的细胞分裂计数 | NA | 验证全自动细胞分裂计数AI算法在乳腺癌患者中的预后价值 | 乳腺癌患者的细胞分裂计数和生存预测 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 912例乳腺癌患者 |
| 1023 | 2024-10-28 |
Current status and prospects of breast cancer imaging-based diagnosis using artificial intelligence
2024-Nov, International journal of clinical oncology
IF:2.4Q3
DOI:10.1007/s10147-024-02594-0
PMID:39297908
|
综述 | 本文综述了人工智能在乳腺癌影像诊断中的现状和前景 | 探讨了人工智能在乳腺癌影像诊断中的应用潜力，特别是机器学习和深度学习技术 | 尽管AI模型表现良好，但其整体利用率仍然较低，需要大量多样化的影像数据和前瞻性验证以证明其高重复性和鲁棒性 | 探讨人工智能在乳腺癌影像诊断中的应用现状和未来发展 | 乳腺癌影像诊断 | 计算机视觉 | 乳腺癌 | 机器学习, 深度学习 | NA | 影像 | NA |
| 1024 | 2024-10-28 |
Current status and prospects of artificial intelligence in breast cancer pathology: convolutional neural networks to prospective Vision Transformers
2024-Nov, International journal of clinical oncology
IF:2.4Q3
DOI:10.1007/s10147-024-02513-3
PMID:38619651
|
综述 | 本文综述了人工智能在乳腺癌病理学中的现状和前景，重点介绍了卷积神经网络和新兴的Vision Transformers在自动化病理任务中的应用 | 本文介绍了卷积神经网络和Vision Transformers在乳腺癌诊断中的应用，并探讨了其在提高病理服务效率和预测蛋白质表达、分子亚型、突变状态、治疗效果和预后方面的潜力 | NA | 探讨深度学习在乳腺癌诊断中的现状和前景 | 乳腺癌的病理学特征和诊断 | 数字病理 | 乳腺癌 | 深度学习 | 卷积神经网络和Vision Transformers | 全切片图像 | NA |
| 1025 | 2024-10-27 |
Deep learning and its associated factors among Chinese nursing undergraduates: A cross-sectional study
2024-11, Nurse education today
IF:3.6Q1
DOI:10.1016/j.nedt.2024.106356
PMID:39167874
|
研究论文 | 研究了中国护理本科生的深度学习水平及其相关因素 | 首次探讨了中国护理本科生的深度学习及其相关因素 | 研究采用横断面设计，无法确定因果关系 | 描述中国护理本科生的深度学习水平并探索其相关因素 | 中国护理本科生 | NA | NA | NA | NA | NA | 271名护理本科生 |
| 1026 | 2024-10-20 |
Designed with interactome-based deep learning
2024-Nov, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-024-01754-7
PMID:39424957
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1027 | 2024-10-26 |
Artificial intelligence and myocarditis-a systematic review of current applications
2024-Nov, Heart failure reviews
IF:4.5Q1
DOI:10.1007/s10741-024-10431-9
PMID:39138803
|
综述 | 本文系统回顾了人工智能在心肌炎中的应用，旨在整合当前知识并指导未来研究 | 本文展示了人工智能在心肌炎诊断、生存预测和分子分析方面的广泛应用和潜在变革性 | 需要克服的限制包括数据质量和算法透明度等问题 | 探索人工智能在心肌炎中的应用，整合当前知识并指导未来研究 | 心肌炎的诊断、生存预测和分子分析 | 机器学习 | 心血管疾病 | NA | NA | NA | NA |
| 1028 | 2024-10-26 |
Automated Machine Learning versus Expert-Designed Models in Ocular Toxoplasmosis: Detection and Lesion Localization Using Fundus Images
2024-Nov, Ocular immunology and inflammation
IF:2.6Q2
DOI:10.1080/09273948.2024.2319281
PMID:38411944
|
研究论文 | 本研究评估了自动化机器学习（AutoML）在检测和定位眼弓形虫病（OT）病变中的表现，并将其与专家设计的模型进行比较 | 通过AutoML，即使没有编码经验的临床医生也能构建深度学习模型，这为临床医生提供了更广泛的应用深度学习模型的可能性 | 研究仅使用了304张标记的视网膜图像，样本量较小，可能影响模型的泛化能力 | 评估AutoML在眼弓形虫病检测和病变定位中的表现，并比较其与专家设计模型的效果 | 眼弓形虫病（OT）病变在视网膜图像中的检测和定位 | 计算机视觉 | 眼科疾病 | 自动化机器学习（AutoML） | 深度学习模型 | 图像 | 304张标记的视网膜图像 |
| 1029 | 2024-10-25 |
Forensic bone age assessment of hand and wrist joint MRI images in Chinese han male adolescents based on deep convolutional neural networks
2024-Nov, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03282-4
PMID:39060444
|
研究论文 | 研究开发了一种基于深度卷积神经网络的中国汉族男性青少年手和腕关节MRI图像的法医骨龄评估系统 | 提出了一个新的深度学习模型，用于提取和增强MRI手和腕骨特征，以提高目标MRI手和腕骨年龄的预测和精确分类 | 样本量相对较小，且仅限于中国汉族男性青少年 | 探索使用深度学习技术对手和腕关节MRI图像进行骨龄评估的可行性 | 中国汉族男性青少年的手和腕关节MRI图像 | 计算机视觉 | NA | MRI | 深度卷积神经网络 | 图像 | 282名6.0-21.0岁的中国汉族男性 |
| 1030 | 2024-10-25 |
Can deep learning-designed anterior tooth-borne crown fulfill morphologic, aesthetic, and functional criteria in clinical practice?
2024-Nov, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105368
PMID:39326724
|
研究论文 | 本研究旨在比较基于深度学习（DL）软件设计的前牙冠与传统牙科计算机辅助设计（CAD）软件设计的前牙冠在形态、功能和美学方面的差异 | 本研究首次评估了基于深度学习的前牙冠设计软件在临床实践中的应用效果 | 研究样本量较小，且未评估所有可能的功能和美学指标 | 评估基于深度学习的前牙冠设计软件在形态、功能和美学方面的表现 | 前牙冠的设计效果 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 25个活体数据集，包括上颌和下颌弓扫描的预备上颌中切牙 |
| 1031 | 2024-10-25 |
Deep learning method to automatically diagnose periodontal bone loss and periodontitis stage in dental panoramic radiograph
2024-Nov, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105373
PMID:39332519
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）的深度学习集成模型，用于自动诊断牙科全景X光片中的牙周骨丢失和牙周炎阶段 | 本文的创新点在于提出了一种新的深度学习集成模型，结合了YOLOv8、Mask R-CNN和TransUNet算法，用于牙位检测、牙齿轮廓分割、牙齿组织分割以及牙周骨丢失和牙周炎阶段的预测 | 本文的局限性在于数据集仅包含320名患者的数据，可能不足以完全代表所有患者的情况 | 本研究旨在开发一种高效准确的深度学习方法，用于自动诊断牙周疾病 | 本研究的对象是牙科全景X光片中的牙周骨丢失和牙周炎阶段 | 计算机视觉 | 牙周疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 320名患者的8462颗牙齿 |
| 1032 | 2024-10-24 |
Towards objective and systematic evaluation of bias in artificial intelligence for medical imaging
2024-Nov-01, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae165
PMID:38942737
|
研究论文 | 本文介绍了一种用于系统性和客观性评估医学影像中人工智能模型偏差的分析框架 | 提出了一个用于系统性评估医学影像中AI模型偏差的分析框架，并展示了其在深度学习模型中的应用 | 仅限于使用合成神经影像数据进行分析，未涵盖所有真实世界中的偏差来源 | 开发一种方法来客观和系统地评估医学影像中AI模型的偏差 | 医学影像中的AI模型偏差 | 计算机视觉 | NA | NA | 卷积神经网络（CNN） | 合成神经影像 | NA |
| 1033 | 2024-10-24 |
Deep learning assisted quantitative analysis of Aβ and microglia in patients with idiopathic normal pressure hydrocephalus in relation to cognitive outcome
2024-Nov-01, Journal of neuropathology and experimental neurology
IF:3.2Q2
DOI:10.1093/jnen/nlae083
PMID:39101555
|
研究论文 | 本文开发了一个自动化分析平台，用于量化特发性正常压力脑积水（iNPH）患者皮质活检中的Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联 | 利用深度学习技术自动分析Aβ负荷和反应性小胶质细胞，并评估其与认知结果的关联 | 研究样本量有限，且仅限于特发性正常压力脑积水患者 | 研究Aβ积累和神经炎症与特发性正常压力脑积水患者认知结果的关系 | 特发性正常压力脑积水患者的皮质活检样本 | 计算机视觉 | 脑积水 | 深度学习 | 深度学习模型 | 图像 | 120例特发性正常压力脑积水患者的皮质活检样本 |
| 1034 | 2024-10-21 |
Sex estimation from coxal bones using deep learning in a population balanced by sex and age
2024-Nov, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-024-03268-2
PMID:38862820
|
研究论文 | 本文研究了使用深度学习方法从骨盆骨的CT扫描重建图像中进行性别估计 | 本文提出了一种全自动的数据驱动机器学习方法，使用解耦变分自编码器（DVAE）和分类器（C）进行性别估计，准确率高达99.8% | NA | 研究如何利用深度学习技术提高法医人类学中性别估计的准确性和效率 | 骨盆骨的CT扫描图像 | 计算机视觉 | NA | 深度学习 | 解耦变分自编码器（DVAE） | 图像 | 580个CT扫描图像 |
| 1035 | 2024-10-21 |
Hybrid clinical-radiomics model based on fully automatic segmentation for predicting the early expansion of spontaneous intracerebral hemorrhage: A multi-center study
2024-Nov, Journal of stroke and cerebrovascular diseases : the official journal of National Stroke Association
|
研究论文 | 本文提出了一种基于深度学习和影像组学的混合模型，用于预测自发性脑出血后的早期血肿扩张 | 本文提供了一种全自动的血肿分割方法，并构建了一个混合预测模型，用于血肿扩张的风险分层 | NA | 提出一种自动方法，用于预测自发性脑出血后的早期血肿扩张 | 自发性脑出血患者 | 计算机视觉 | 脑血管疾病 | 深度学习 | 混合模型 | 影像数据 | 共258名患者用于模型构建和内部验证，另外两个队列（n=87, 149）用于独立验证 |
| 1036 | 2024-10-20 |
Applications of artificial intelligence in dentomaxillofacial imaging: a systematic review
2024-11, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2023.12.790
PMID:38637235
|
综述 | 本文系统回顾了人工智能在口腔颌面影像中的应用及其性能 | 本文总结了人工智能在牙齿和植入物分类与识别、三维头影测量标志点检测、病变检测（根尖周、颌骨和骨骼）以及骨质疏松检测等方面的应用 | 尽管人工智能模型显示出有希望的结果，但仍需进一步研究以探索特定应用和现实场景，才能自信地将这些模型整合到牙科实践中 | 评估人工智能算法在不同口腔颌面影像模式中的应用和性能 | 口腔颌面影像中的人工智能应用 | 计算机视觉 | NA | 机器学习、深度学习、神经网络 | NA | 影像 | 共纳入194篇文章 |
| 1037 | 2024-08-07 |
Deep learning applications in digital pathology
2024-Nov, Nature reviews. Nephrology
DOI:10.1038/s41581-024-00870-w
PMID:39014062
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1038 | 2024-10-19 |
Deep learning radiomics based on ultrasound images for the assisted diagnosis of chronic kidney disease
2024-Nov, Nephrology (Carlton, Vic.)
DOI:10.1111/nep.14376
PMID:39134509
|
研究论文 | 本研究旨在通过构建基于灰度超声图像的慢性肾病筛查模型，探讨超声图像在慢性肾病筛查中的价值 | 本研究创新性地融合了ResNet34和纹理特征，构建了用于慢性肾病及其分期筛查的深度学习模型 | 本研究仅使用了浙江省同德医院的1049名患者的4365张肾脏超声图像，样本量和数据来源有限 | 探讨超声图像在慢性肾病筛查中的应用价值 | 慢性肾病及其分期 | 计算机视觉 | 肾脏疾病 | 卷积神经网络 | ResNet34 | 图像 | 1049名患者，4365张肾脏超声图像 |
| 1039 | 2024-10-19 |
Diagnosing Cataracts in the Digital Age: A Survey on AI, Metaverse, and Digital Twin Applications
2024-Nov, Seminars in ophthalmology
IF:1.9Q2
DOI:10.1080/08820538.2024.2403436
PMID:39300918
|
综述 | 研究探讨了白内障诊断的演变，重点关注传统方法和创新技术集成 | 引入人工智能、机器学习和深度学习技术，以及元宇宙、数字孪生和远程眼科技术，以提高诊断准确性和可及性 | NA | 解决传统白内障分级中的主观性问题，并评估新技术如何增强诊断准确性和可及性 | 白内障诊断 | 计算机视觉 | 眼科疾病 | 人工智能、机器学习、深度学习 | NA | NA | NA |
| 1040 | 2024-10-19 |
FCS videos: Fluorescence correlation spectroscopy in space and time
2024-Nov, Biochimica et biophysica acta. General subjects
DOI:10.1016/j.bbagen.2024.130716
PMID:39349260
|
研究论文 | 本文介绍了通过深度学习将荧光相关光谱（FCS）的时间分辨率提高到秒级，从而实现FCS视频的技术，展示了其在脂质双层和细胞膜研究中的应用 | 本文通过深度学习将FCS的时间分辨率提高到秒级，实现了FCS视频，为分子过程研究提供了新的可能性 | FCS视频的测量时间仍然有限，通常在分钟级别 | 提高荧光相关光谱（FCS）的时间分辨率，实现FCS视频，以研究分子参数在空间和时间上的变化 | 脂质双层和细胞膜 | 生物医学 | NA | 荧光相关光谱（FCS） | 深度学习 | 视频 | NA |