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 1267 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2024-11-23 |
Comparative efficiency of the SWAT model and a deep learning model in estimating nitrate loads at the Tuckahoe creek watershed, Maryland
2024-Dec-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.176256
PMID:39299317
|
研究论文 | 比较SWAT模型和深度学习模型在马里兰州Tuckahoe溪流域估算硝酸盐负荷的效率 | 深度学习模型在模拟流量和硝酸盐浓度方面优于SWAT模型，特别是在秋季和冬季表现更为显著 | 深度学习模型的有效性依赖于高频数据的定期收集 | 评估SWAT模型和深度学习模型在预测水体硝酸盐负荷方面的性能 | 马里兰州Tuckahoe溪流域的硝酸盐负荷 | 机器学习 | NA | 长短期记忆网络（LSTM）和三维卷积网络（3D Convolutional Networks） | 深度学习模型 | 气象数据和影像数据 | 2014-2017年的训练数据和测试数据 | NA | NA | NA | NA |
| 1042 | 2024-11-23 |
AI-based strategies in breast mass ≤ 2 cm classification with mammography and tomosynthesis
2024-Dec, Breast (Edinburgh, Scotland)
DOI:10.1016/j.breast.2024.103805
PMID:39321503
|
研究论文 | 评估数字乳腺摄影（DM）和数字乳腺断层合成（DBT）结合基于AI的策略在≤2cm乳腺肿块分类中的诊断性能 | 结合数字乳腺摄影和数字乳腺断层合成图像，利用深度学习和放射组学方法提高了≤2cm乳腺肿块的分类准确性 | 仅限于≤2cm的乳腺肿块分类，未提及更大尺寸肿块的分类效果 | 评估AI技术在乳腺肿块分类中的应用效果 | ≤2cm的乳腺肿块 | 计算机视觉 | 乳腺癌 | 深度学习，放射组学 | 深度学习模型 | 图像 | 483名患者，包含512个乳腺肿块 | NA | NA | NA | NA |
| 1043 | 2024-11-23 |
Circulating miRNAs and Machine Learning for Lateralizing Primary Aldosteronism
2024-Dec, Hypertension (Dallas, Tex. : 1979)
|
研究论文 | 本研究探讨了循环miRNAs和机器学习在区分单侧和双侧原发性醛固酮增多症中的应用 | 本研究首次利用循环miRNAs和机器学习模型来区分单侧和双侧原发性醛固酮增多症，提供了一种微创的替代方法 | 研究样本量较小，且仅限于特定的患者群体 | 探索循环miRNAs和机器学习在区分单侧和双侧原发性醛固酮增多症中的应用 | 原发性醛固酮增多症患者 | 机器学习 | 心血管疾病 | miRNA分析 | 神经网络模型、深度学习模型 | miRNA数据 | 18名患者用于miRNA分析，108名患者用于验证 | NA | NA | NA | NA |
| 1044 | 2024-11-22 |
Fast, high-quality, and unshielded 0.2 T low-field mobile MRI using minimal hardware resources
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01184-5
PMID:38967865
|
研究论文 | 提出了一种基于深度学习的低场移动MRI策略，使用最少的硬件资源实现快速、高质量、无屏蔽的成像 | 提出了一种强大的深度学习EMI消除模型，能够准确预测MRI线圈信号中的EMI成分，并通过多层次后处理实现快速和高品质的低场MRI | NA | 开发一种基于深度学习的低场移动MRI策略，以实现快速、高质量、无屏蔽的成像 | 低场移动MRI成像技术 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 20名健康志愿者参与实验 | NA | NA | NA | NA |
| 1045 | 2024-11-22 |
Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01172-9
PMID:38916681
|
研究论文 | 本文介绍了一种新的MR冠状动脉造影技术，通过使用之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建（HR-DLR）来提高图像质量和扫描效率 | 本文创新性地结合了之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建技术，显著缩短了扫描时间并提高了图像质量 | 本文仅在12名健康受试者和2名患者中进行了验证，样本量较小，需要进一步在大规模临床试验中验证其有效性和适用性 | 开发一种高效且高质量的MR冠状动脉造影技术，以提高患者舒适度和临床效率 | 健康受试者和冠状动脉疾病患者 | 医学影像 | 心血管疾病 | MR冠状动脉造影 | 深度学习 | 图像 | 12名健康受试者和2名患者 | NA | NA | NA | NA |
| 1046 | 2024-09-06 |
Correction to: Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01202-6
PMID:39231858
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1047 | 2024-11-22 |
Enhanced plasmonic scattering imaging via deep learning-based super-resolution reconstruction for exosome imaging
2024-Dec, Analytical and bioanalytical chemistry
IF:3.8Q1
DOI:10.1007/s00216-024-05550-z
PMID:39316091
|
研究论文 | 本文提出了一种基于深度学习的超分辨率重建方法，用于增强外泌体等离子体散射成像的分辨率 | 本文提出了一种新的盲超分辨率深度学习神经网络ESRGAN-SE，能够在不增加实验复杂性的情况下提高外泌体等离子体散射成像的分辨率 | NA | 提高外泌体等离子体散射成像的分辨率，以改进癌症诊断的准确性和效率 | 外泌体等离子体散射成像 | 计算机视觉 | NA | 深度学习 | ESRGAN-SE | 图像 | NA | NA | NA | NA | NA |
| 1048 | 2024-11-22 |
Exploring deep learning models for 4D-STEM-DPC data processing
2024-Dec, Ultramicroscopy
IF:2.1Q2
DOI:10.1016/j.ultramic.2024.114058
PMID:39388848
|
研究论文 | 本文探讨了如何利用卷积神经网络（CNN）进行4D-STEM-DPC数据的自动化和一致性处理 | 提出了两种不同的方法：一种是直接跟踪电子束并进行回归分析，另一种是使用改进的U-net进行直接电子束分割作为预处理步骤 | NA | 研究如何利用深度学习模型改进4D-STEM-DPC数据的处理方法 | 4D-STEM-DPC数据 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 实验获得的4D-STEM数据 | NA | NA | NA | NA |
| 1049 | 2024-11-21 |
External validation of a deep learning model for automatic segmentation of skeletal muscle and adipose tissue on abdominal CT images
2024-Dec-01, The British journal of radiology
DOI:10.1093/bjr/tqae191
PMID:39286936
|
研究论文 | 本文开发并验证了一种深度学习神经网络，用于自动分割腹部CT图像中的骨骼肌和脂肪组织 | 成功训练并外部验证了一种深度学习神经网络，可用于大规模人群研究和临床实践中的体成分分析 | NA | 开发一种用于自动分割腹部CT图像中骨骼肌和脂肪组织的深度学习模型，并进行外部验证 | 腹部CT图像中的骨骼肌和脂肪组织 | 计算机视觉 | NA | 深度学习 | 深度学习神经网络 | 图像 | 训练集包含3187名接受腹部手术的患者，验证集包含2535名腹部癌症患者 | NA | NA | NA | NA |
| 1050 | 2024-11-21 |
Less is More: Selective reduction of CT data for self-supervised pre-training of deep learning models with contrastive learning improves downstream classification performance
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109242
PMID:39388839
|
研究论文 | 本文研究了通过对比学习进行自监督预训练的深度学习模型在医学图像分析中的应用，并探讨了减少数据冗余对下游分类任务性能的影响 | 提出了一种基于深度嵌入、信息论和哈希的不同数据减少策略，以减少医学预训练数据集中的冗余，从而提高对比学习的性能 | NA | 研究如何通过减少医学图像数据集的冗余来提高对比学习在下游分类任务中的性能 | 医学图像数据集的冗余减少策略及其对对比学习性能的影响 | 计算机视觉 | NA | 对比学习 | 深度学习模型 | 图像 | 涉及两个预训练数据集和多个下游分类任务，具体样本数量未详细说明 | NA | NA | NA | NA |
| 1051 | 2024-11-21 |
Higher effect sizes for the detection of accelerated brain volume loss and disability progression in multiple sclerosis using deep-learning
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109289
PMID:39423705
|
研究论文 | 本文介绍了一种基于深度学习的脑体积损失检测方法BrainLossNet，用于多发性硬化症（MS）患者中加速脑体积损失和残疾进展的检测 | BrainLossNet相比传统方法Siena在检测加速脑体积损失和区分MS患者残疾进展方面具有更高的效果 | NA | 验证BrainLossNet在多发性硬化症患者中检测加速脑体积损失和区分残疾进展的有效性 | 多发性硬化症患者和健康对照组的脑体积损失 | 机器学习 | 多发性硬化症 | 深度学习 | NA | 图像 | 563名健康对照组，414名和156名MS患者，以及216名混合扫描器患者 | NA | NA | NA | NA |
| 1052 | 2024-11-21 |
A systematic review of generalization research in medical image classification
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109256
PMID:39427426
|
综述 | 本文系统回顾了医学图像分类中领域泛化研究的现状 | 提出了基于偏移类型的分类法，并讨论了未来发展的挑战 | 主要关注了现有的领域适应技术，未全面涵盖所有偏移类型 | 探索现有领域泛化方法，提出分类法并讨论未来挑战 | 医学图像分类中的领域泛化问题 | 计算机视觉 | NA | 深度学习 | 分类模型 | 图像 | 77篇文献 | NA | NA | NA | NA |
| 1053 | 2024-11-21 |
RADIANCE: Reliable and interpretable depression detection from speech using transformer
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109325
PMID:39489109
|
研究论文 | 提出了一种名为RADIANCE的可靠且可解释的抑郁症检测方法，使用Transformer模型从语音中提取可解释的抑郁症症状特征 | 引入了一种新的FilterBank VIsion Transformer (FBViT)网络，提供可解释的抑郁症症状特征；采用了一种新的损失函数处理数据集中的类别不平衡问题；提出了基于低级描述符的可靠性预测器，确保预测的可信度 | NA | 开发一种可靠且可解释的抑郁症检测方法，以提高诊断的准确性和透明度 | 抑郁症的自动检测 | 机器学习 | 精神疾病 | Transformer | Transformer | 语音 | DAIC-WOZ、E-DAIC和CMDC数据集 | NA | NA | NA | NA |
| 1054 | 2024-11-20 |
Radiomics of pituitary adenoma using computer vision: a review
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03163-3
PMID:39012416
|
综述 | 本文综述了使用计算机视觉技术进行垂体腺瘤放射组学的研究现状 | 本文介绍了深度学习方法在放射组学中的应用前景 | 需要创建高质量且足够大的数据集来训练深度神经网络，深度放射组学的可解释性也是一个重大挑战 | 分析当前垂体腺瘤放射组学研究的现状 | 垂体腺瘤的放射组学特征 | 计算机视觉 | 垂体腺瘤 | 计算机视觉方法 | 深度学习 | 图像 | 34篇相关研究文献 | NA | NA | NA | NA |
| 1055 | 2024-11-20 |
ConKeD: multiview contrastive descriptor learning for keypoint-based retinal image registration
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03160-6
PMID:38969811
|
研究论文 | 提出了一种名为ConKeD的新型深度学习方法，用于视网膜图像配准的描述符学习 | 采用了一种新颖的多正多负对比学习策略，能够利用额外的训练样本信息，从而在有限训练数据的情况下学习高质量的描述符 | 未提及 | 开发和应用基于深度学习的视网膜图像配准方法 | 视网膜图像配准 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 有限训练数据 | NA | NA | NA | NA |
| 1056 | 2024-11-20 |
Two-stage deep learning framework for occlusal crown depth image generation
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109220
PMID:39366141
|
研究论文 | 本文提出了一种两阶段深度学习框架，用于生成不同位置的咬合牙冠深度图像 | 该框架通过分割和修复两个阶段，实现了对牙冠形状和表面结构的高精度生成，相较于传统方法显著提高了生成图像的质量 | NA | 减少熟练牙科技师的工作量，通过计算机视觉模型生成逼真的咬合牙冠深度图像 | 咬合牙冠的深度图像生成 | 计算机视觉 | NA | NA | GAN | 图像 | NA | NA | NA | NA | NA |
| 1057 | 2024-11-20 |
Enhancing dental caries classification in CBCT images by using image processing and self-supervised learning
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109221
PMID:39378579
|
研究论文 | 本研究利用自监督学习任务改进锥束计算机断层扫描（CBCT）图像中的龋齿分类 | 本研究创新性地将图像处理技术与自监督学习任务结合，并探讨了无标签数据在模型性能提升中的必要性 | 本研究未详细讨论模型在实际临床应用中的表现和潜在的局限性 | 旨在通过自监督学习提高CBCT图像中龋齿分类的准确性和效率 | 研究对象为CBCT图像中的龋齿分类 | 计算机视觉 | 口腔疾病 | 自监督学习（SSL） | ResNet-18 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1058 | 2024-11-20 |
Segmentation of four-chamber view images in fetal ultrasound exams using a novel deep learning model ensemble method
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109188
PMID:39395344
|
研究论文 | 本文介绍了一种新的深度学习模型集成方法，用于在胎儿超声检查中分割四腔视图图像 | 本文提出了一种新的集成方法，通过结合多个深度学习模型的原始预测，获得最优的分割组件，从而提高分割效果 | NA | 开发一种新的方法来自动化分割胎儿心脏超声图像中的关键解剖结构 | 胎儿心脏超声图像中的关键解剖结构 | 计算机视觉 | NA | 深度学习 | 集成模型 | 图像 | 使用了一个大型私人数据集进行模型训练和评估 | NA | NA | NA | NA |
| 1059 | 2024-11-20 |
Multi-modal classification of breast cancer lesions in Digital Mammography and contrast enhanced spectral mammography images
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109266
PMID:39405734
|
研究论文 | 本文探讨了在数字乳腺摄影和对比增强光谱乳腺摄影图像中使用深度学习方法检测和分类乳腺癌病变的有效性 | 提出了JointNet架构，结合卷积模块、变换器模块和特征融合层，显著提高了图像分类和病变分类的准确性 | 未提及具体局限性 | 研究数字乳腺摄影和对比增强光谱乳腺摄影在乳腺癌病变检测中的效果，并提出改进的分类方法 | 乳腺癌病变在数字乳腺摄影和对比增强光谱乳腺摄影图像中的检测和分类 | 计算机视觉 | 乳腺癌 | 深度学习 | 卷积神经网络（CNN）和变换器（Transformer） | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1060 | 2024-11-20 |
An interpretable and generalizable deep learning model for iEEG-based seizure prediction using prototype learning and contrastive learning
2024-Dec, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109257
PMID:39423703
|
研究论文 | 本文提出了一种基于原型学习和对比学习的可解释且可泛化的深度学习模型，用于基于iEEG的癫痫发作预测 | 本文将自解释原型学习网络扩展到一个新的领域适应框架，用于跨患者癫痫发作预测，并引入了对比语义对齐损失约束，增强了学习原型的鲁棒性 | NA | 建立一种可解释且可泛化的癫痫发作预测模型，以满足临床诊断的需求 | 基于iEEG的癫痫发作预测 | 机器学习 | 癫痫 | 深度学习 | 深度学习模型 | iEEG数据 | 20名患者，共82次癫痫发作 | NA | NA | NA | NA |