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 1098 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2024-11-15 |
Development of a Deep Learning System for Intraoperative Identification of Cancer Metastases
2024-Dec-01, Annals of surgery
IF:7.5Q1
DOI:10.1097/SLA.0000000000006294
PMID:38577794
|
研究论文 | 开发并测试了一种用于术中识别癌症转移的深度学习手术指导系统 | 提出了一个深度学习手术指导系统，能够在术中识别腹膜表面转移，其性能优于肿瘤外科医生 | 仍需在多机构临床环境中进行进一步开发和验证 | 开发和测试一种能够在术中识别腹膜表面转移的深度学习手术指导系统 | 腹膜表面转移的识别 | 计算机视觉 | 胃肠道癌 | 深度学习 | 深度学习模型 | 图像 | 132名患者，包含4287个可见腹膜表面病变图像和3650个365个活检腹膜表面病变图像 |
| 942 | 2024-11-15 |
Harnessing uncertainty: A deep mechanistic approach for cautious diagnostic and forecast of Bovine Respiratory Disease
2024-Dec, Preventive veterinary medicine
IF:2.2Q1
DOI:10.1016/j.prevetmed.2024.106354
PMID:39471650
|
研究论文 | 本文介绍了一种结合数据驱动模型和数学流行病学模型的新方法，用于牛呼吸道疾病的诊断和预测 | 提出了贝叶斯深度机制方法，结合数据驱动模型和数学流行病学模型，考虑了过程中的不确定性 | 未来研究可能需要整合多种传感器数据，如视频监控、音频记录和环境参数，以提供更全面的动物健康评估 | 提高牛呼吸道疾病的诊断和预测准确性 | 牛呼吸道疾病及其相关风险因素 | 机器学习 | 牛呼吸道疾病 | 贝叶斯深度学习模型 | 贝叶斯深度学习模型 | 视频 | 265个肺部超声视频，来自法国9个农场的163头牛 |
| 943 | 2024-11-15 |
The Artificial Neural Twin - Process optimization and continual learning in distributed process chains
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106647
PMID:39208460
|
研究论文 | 本文提出了一种名为人工神经双胞胎的方法，用于分布式工艺链中的过程优化和持续学习 | 结合了模型预测控制、深度学习和传感器网络的概念，引入了分散的可微数据融合方法，用于估计分布式工艺步骤的状态及其对输入数据的依赖性 | NA | 解决工业过程中数据主权、目标差异和专家知识需求等问题，提高经济和生态效率 | 分布式工艺链中的过程优化和控制 | 机器学习 | NA | 深度学习 | 神经网络 | 数据 | NA |
| 944 | 2024-11-15 |
A surrogate-assisted extended generative adversarial network for parameter optimization in free-form metasurface design
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106654
PMID:39208457
|
研究论文 | 本文提出了一种基于代理辅助扩展生成对抗网络（XGAN）的参数优化方法，用于自由形式超表面设计 | 引入代理模型为XGAN提供物理约束，使其能够从输入光谱响应中准确生成超表面 | NA | 加速和优化自由形式超表面设计 | 自由形式超表面 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 光谱响应 | 20000个自由形式超表面设计 |
| 945 | 2024-11-15 |
A dual-region speech enhancement method based on voiceprint segmentation
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106683
PMID:39255636
|
研究论文 | 本文提出了一种基于声纹区域分割的双区域语音增强方法 | 通过声纹区域分割，分别对语音能量集中和非集中区域建立不同的语音增强模型，从而提高模型性能 | 未提及 | 验证基于声纹区域分割的双区域语音增强模型的有效性 | 噪声污染的语音信号和干净的语音信号之间的映射关系 | 自然语言处理 | NA | 深度学习 | 双区域语音增强模型 | 语音信号 | 使用公共数据集进行实验 |
| 946 | 2024-11-15 |
AI-Enhanced Detection of Clinically Relevant Structural and Functional Anomalies in MRI: Traversing the Landscape of Conventional to Explainable Approaches
2024-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29247
PMID:38243677
|
综述 | 本文详细探讨了人工智能在磁共振成像（MRI）中异常检测的应用，强调了其在医学诊断中的变革性影响 | 本文介绍了最新的集成方法和可解释人工智能的进展，为未来的研究方向和潜在突破提供了见解 | NA | 提高MRI中关键结构和功能异常检测的精度和速度 | MRI图像中的异常检测 | 计算机视觉 | NA | 机器学习和深度学习 | 集成方法和可解释人工智能 | 图像 | NA |
| 947 | 2024-11-15 |
Deep Learning Radiomic Analysis of MRI Combined with Clinical Characteristics Diagnoses Placenta Accreta Spectrum and its Subtypes
2024-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29317
PMID:38390981
|
研究论文 | 本文开发了一种级联深度语义-放射组学-临床（DRC）模型，用于基于T2加权MRI诊断胎盘植入谱（PAS）及其亚型 | 本文创新性地结合了放射组学、深度语义特征和临床特征，开发了一种级联模型用于诊断PAS及其亚型 | 本文为回顾性研究，样本量相对较小，且未提及模型的长期性能评估 | 开发一种新的深度学习模型，用于诊断胎盘植入谱及其亚型，以辅助手术规划 | 胎盘植入谱及其亚型 | 机器学习 | 妇产科疾病 | MRI | 深度学习模型 | 图像 | 361名疑似PAS的孕妇，分为训练组和测试组 |
| 948 | 2024-11-15 |
Editorial for "Deep Learning Radiomic Analysis of MRI Combined with Clinical Characteristics Diagnoses Placenta Accreta Spectrum and its Subtypes"
2024-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29321
PMID:38415787
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 949 | 2024-11-15 |
Fully Automated Identification of Lymph Node Metastases and Lymphovascular Invasion in Endometrial Cancer From Multi-Parametric MRI by Deep Learning
2024-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29344
PMID:38471960
|
研究论文 | 本文开发了一种深度学习模型，用于从多参数MRI图像中自动识别子宫内膜癌患者的淋巴结转移和淋巴血管侵犯 | 本文首次提出了一种多任务深度学习模型，能够同时识别淋巴结转移和淋巴血管侵犯，并在外部测试集上表现优于三名放射科医生 | 本文的研究是回顾性的，且样本量相对较小，未来需要在前瞻性研究和更大样本量的验证中进一步验证模型的有效性 | 开发一种深度学习模型，用于从多参数MRI图像中自动识别子宫内膜癌患者的淋巴结转移和淋巴血管侵犯，以辅助临床治疗方案的设计 | 子宫内膜癌患者的淋巴结转移和淋巴血管侵犯 | 计算机视觉 | 妇科肿瘤 | 多参数MRI | nnU-Net | 图像 | 621名子宫内膜癌患者，其中111名淋巴结转移阳性，168名淋巴血管侵犯阳性，分为训练集398例，内部测试集169例，外部测试集54例 |
| 950 | 2024-11-15 |
Editorial for "Fully Automated Identification of Lymph Node Metastases and Lymphovascular Invasion in Endometrial Cancer From Multi-Parametric MRI by Deep Learning"
2024-Dec, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29409
PMID:38662938
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 951 | 2024-11-13 |
Post-deployment performance of a deep learning algorithm for normal and abnormal chest X-ray classification: A study at visa screening centers in the United Arab Emirates
2024-Dec, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100606
PMID:39507100
|
研究论文 | 研究了在阿联酋签证筛查中心部署的深度学习算法在正常和异常胸片分类中的表现 | 使用了大量数据进行研究，高负预测值和与人类读者的满意一致性表明AI可以可靠地识别正常胸片 | 正预测值较低，整体与放射科医生的同意率仅为72.90% | 评估深度学习算法在胸片分类中的实际应用效果 | 胸片分类算法在签证筛查中心的部署表现 | 计算机视觉 | NA | 深度学习 | 深度学习算法 | 图像 | 1,309,443张胸片，来自1,309,431名患者 |
| 952 | 2024-11-10 |
Novel Uncertainty Quantification Through Perturbation-Assisted Sample Synthesis
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3393364
PMID:38656858
|
研究论文 | 本文介绍了一种新的扰动辅助推理（PAI）框架，利用扰动辅助样本合成（PASS）方法生成的合成数据进行不确定性量化 | 提出了扰动辅助样本合成（PASS）方法，通过生成模型创建合成数据，增强数据多样性和隐私保护，并提高了估计精度 | 未提及 | 推进复杂数据驱动任务中的不确定性量化 | 复杂数据场景中的不确定性量化，特别是非结构化数据 | 机器学习 | NA | 深度学习模型 | 生成模型 | 非结构化数据 | 未提及 |
| 953 | 2024-11-09 |
Adversarial Training With Anti-Adversaries
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3432973
PMID:39046856
|
研究论文 | 本文探讨了对抗训练中不同扰动方向（对抗和反对抗）及其边界对深度神经网络鲁棒性、泛化性和公平性的影响 | 提出了一种结合对抗和反对抗扰动的新型训练方法，通过理论和实验验证了其在提高模型公平性和鲁棒性方面的有效性 | 未提及具体的局限性 | 研究对抗训练在不同扰动方向和边界下的理论和实际影响，提出改进方法以提高模型的公平性和鲁棒性 | 深度神经网络的鲁棒性、泛化性和公平性 | 机器学习 | NA | 对抗训练 | 深度神经网络 | NA | 未提及具体样本数量 |
| 954 | 2024-11-09 |
DifFace: Blind Face Restoration With Diffused Error Contraction
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3432651
PMID:39042531
|
研究论文 | 提出了一种名为DifFace的新方法，用于盲人脸修复，通过扩散误差收缩来处理未见过的复杂退化问题 | DifFace方法通过建立从低质量图像到高质量图像的后验分布，避免了复杂的损失设计，并能更优雅地处理未见过的复杂退化问题 | NA | 改进盲人脸修复技术，使其能够更好地处理未见过的复杂退化问题 | 盲人脸修复中的低质量图像到高质量图像的转换 | 计算机视觉 | NA | 扩散模型 | 扩散模型 | 图像 | 使用合成数据进行训练 |
| 955 | 2024-11-09 |
Adan: Adaptive Nesterov Momentum Algorithm for Faster Optimizing Deep Models
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3423382
PMID:38963744
|
研究论文 | 提出了一种名为Adan的自适应Nesterov动量算法，旨在提高深度模型训练速度 | 重新定义了Nesterov加速方法，开发了一种新的Nesterov动量估计方法，避免了在外推点计算梯度的额外开销，并证明了Adan在非凸随机问题中找到ϵ-近似一阶平稳点的复杂度与最佳已知下界匹配 | NA | 提高深度学习模型训练效率 | 深度学习模型优化器 | 机器学习 | NA | 自适应梯度算法 | Nesterov动量算法 | NA | NA |
| 956 | 2024-11-09 |
Transformer-Based Visual Segmentation: A Survey
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3434373
PMID:39074008
|
综述 | 本文综述了基于Transformer的视觉分割技术，总结了近年来的进展 | Transformer在视觉处理任务中显著超越了传统的卷积或循环方法，提供了更强大、统一和简单的解决方案 | 本文未提及具体的局限性 | 综述基于Transformer的视觉分割技术，总结进展并指出未来研究方向 | 视觉分割技术及其在自动驾驶、图像编辑、机器人感知和医学分析等领域的应用 | 计算机视觉 | NA | Transformer | Transformer | 图像、视频帧、点云 | NA |
| 957 | 2024-11-09 |
Surface Reconstruction From Point Clouds: A Survey and a Benchmark
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3429209
PMID:39012756
|
综述 | 本文综述并评估了深度学习时代下从点云重建连续二维流形表面的现有方法 | 本文贡献了一个大规模的基准数据集，包含合成和真实扫描数据，并进行了全面的实证研究，特别关注现有方法对扫描缺陷的鲁棒性 | 本文指出多视角扫描点集的对齐问题、表面点缺失和点异常值等实际挑战仍未被现有方法解决 | 综述和评估现有从点云重建表面的方法，并提供一个基准数据集和实证研究 | 从点云重建连续二维流形表面的方法 | 计算机视觉 | NA | 深度学习 | NA | 点云 | 大规模基准数据集，包含合成和真实扫描数据 |
| 958 | 2024-11-09 |
Dynamic 3D Point Cloud Sequences as 2D Videos
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3421359
PMID:38954587
|
研究论文 | 本文提出了一种新的通用表示方法，称为结构化点云视频（SPCV），通过将动态3D点云序列重新组织为具有空间平滑性和时间一致性的2D视频，以实现高效的3D点云序列处理和分析 | 提出了结构化点云视频（SPCV）表示方法，通过将3D点云序列重新组织为2D视频，利用现有的2D图像/视频技术进行处理，提高了处理效率和效果 | NA | 开发一种新的方法来有效地处理和分析动态3D点云序列 | 动态3D点云序列 | 计算机视觉 | NA | 自监督学习 | NA | 点云 | NA |
| 959 | 2024-11-09 |
Large-Scale Object Detection in the Wild With Imbalanced Data Distribution, and Multi-Labels
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3421300
PMID:38949947
|
研究论文 | 本文研究了在大规模不平衡数据分布和多标签情况下进行目标检测的问题，并提出了解决方案 | 设计了并发softmax处理多标签问题，并提出软平衡采样方法和混合训练调度器来解决标签不平衡问题 | NA | 提高大规模目标检测任务中的模型性能 | Open Images数据集中的目标检测任务 | 计算机视觉 | NA | NA | NA | 图像 | 涉及Open Images数据集中的大量样本 |
| 960 | 2024-11-09 |
A Survey of Label-Efficient Deep Learning for 3D Point Clouds
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3416302
PMID:38889032
|
综述 | 本文对三维点云的标签高效深度学习进行了全面的综述 | 首次全面综述了三维点云的标签高效学习方法 | 未提及具体的研究局限性 | 探讨三维点云处理中标签高效学习的必要性、涵盖的子领域及其进展 | 三维点云数据及其在深度学习中的应用 | 计算机视觉 | NA | 深度神经网络 | NA | 点云 | 未提及具体样本数量 |