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 23701 篇文献，本页显示第 20101 - 20120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20101 | 2024-08-05 |
Deep Learning for Predicting Phlebitis in Patients with Intravenous Catheters
2024-Jul-24, Studies in health technology and informatics
DOI:10.3233/SHTI240231
PMID:39049337
|
研究论文 | 本研究提出了一种深度学习模型来预测有外周静脉导管插入的患者的静脉炎 | 开发的深度学习模型在各种机器学习模型中表现优越，显示出更高的准确性和AUC | NA | 早期检测静脉炎，改善患者结果和医疗效率 | 714,593次患者入院和PIVC事件的数据分析 | 机器学习 | NA | 深度学习 | NA | 电子健康记录数据 | 27,532次入院和70,293次PIVC事件 |
| 20102 | 2024-08-05 |
MI-CSBO: a hybrid system for myocardial infarction classification using deep learning and Bayesian optimization
2024-Jul-24, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2382817
PMID:39049553
|
研究论文 | 本文提出了一种新的混合方法MI-CSBO，用于心肌梗死分类 | 引入了使用频谱图和贝叶斯优化的混合方法进行心肌梗死分类 | 缺乏对比其他方法的详细评估 | 提高心肌梗死的早期诊断准确性 | 使用PTB数据库中的ECG信号进行分析 | 计算机视觉 | 心肌梗死 | 频谱图, 贝叶斯优化 | 深度残差CNN | ECG图像数据 | 使用PTB数据库的ECG信号数据集 |
| 20103 | 2024-08-05 |
Deep Learning Used with a Colorimetric Sensor Array to Detect Indole for Nondestructive Monitoring of Shrimp Freshness
2024-Jul-24, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c04223
PMID:38980942
|
研究论文 | 该研究开发了一种基于深度学习的颜色传感器阵列，用于无损监测虾的新鲜度 | 通过使用色谱传感器阵列和深度学习技术，实现了对虾中新鲜度指示物吲哚的定量分析 | 该研究可能未考虑其他因素影响色变化的复杂性 | 开发一种有效的监测虾新鲜度的方法 | 主要研究对象为虾的新鲜度和相关的吲哚浓度 | 数字病理学 | NA | 色谱传感器 | DCNN | 图像 | 研究中使用的样本量未具体说明 |
| 20104 | 2024-08-05 |
Multimodal deep learning using on-chip diffractive optics with in situ training capability
2024-Jul-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50677-3
PMID:39043669
|
研究论文 | 该文章提出了一种基于芯片衍射光学的可训练的衍射光学神经网络芯片，支持多模态深度学习 | 提出了一种可训练的TDONN芯片，能够同时处理视觉、音频和触觉数据，突破了传统光学深度学习在数据模态方面的限制 | 当前的研究主要集中在四类分类任务上，可能无法扩展到更复杂或更多模态的数据集 | 探索在光学领域实现多模态深度学习的可行性 | 针对不同模态（视觉、音频和触觉）的分类任务进行研究 | 机器学习 | NA | 衍射光学 | 神经网络 | 多模态数据 | NA |
| 20105 | 2024-08-05 |
A multi-classifier system integrated by clinico-histology-genomic analysis for predicting recurrence of papillary renal cell carcinoma
2024-Jul-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50369-y
PMID:39043664
|
研究论文 | 本研究开发了一种通过临床、组织学和基因组分析整合的多分类器系统，以准确预测乳头状肾细胞癌的复发 | 该多分类器系统结合了lncRNA基础分类器、深度学习全幻灯片图像分类器和临床病理分类器，显著提高了复发无生存期的预测准确性 | NA | 提高乳头状肾细胞癌术后复发的预测准确性 | 局部（I-III期）的乳头状肾细胞癌患者 | 数字病理学 | 肾癌 | 深度学习 | 多分类器系统 | 图像 | NA |
| 20106 | 2024-08-05 |
CapsEnhancer: An Effective Computational Framework for Identifying Enhancers Based on Chaos Game Representation and Capsule Network
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00546
PMID:38946113
|
研究论文 | 本文提出了一种名为CapsEnhancer的深度学习框架，用于识别增强子及其强度 | 这是首次将计算机视觉方法应用于增强子识别任务 | NA | 旨在通过计算方法提高增强子识别的效率 | 针对非编码DNA中的增强子进行研究 | 数字病理学 | NA | 深度学习 | 胶囊网络 | 图像 | NA |
| 20107 | 2024-08-05 |
Pre-gating and contextual attention gate - A new fusion method for multi-modal data tasks
2024-Jul-17, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106553
PMID:39053303
|
研究论文 | 本文提出了一种新颖的预门控和上下文注意力门（PCAG）模块，用于多模态学习 | 引入了两个在深度学习模型中不同信息处理层次操作的门控机制，从而改善多模态数据的融合 | 未提及特定的局限性 | 探讨提高多模态学习性能的新方法 | 多模态数据和跨模态交互 | 机器学习 | NA | NA | NA | 分类任务相关数据 | 八个多模态分类任务 |
| 20108 | 2024-08-05 |
Towards energy efficiency: A comprehensive review of deep learning-based photovoltaic power forecasting strategies
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33419
PMID:39050417
|
综述 | 本文系统评审了基于深度学习的光伏功率预测策略，分析了现有文献中的关键要素和差异。 | 提出了一种全面的文献审查，首次将不同模型和预测指标进行系统比较，并强调了数据集的一致性问题。 | 未能提供跨域的基准数据集和标准化性能评价单位，限制了研究的全面性。 | 研究光伏功率预测中的深度学习方法及其现状。 | 选择了发表于2022和2023年的36个相关案例研究进行分析和比较。 | 机器学习 | NA | 深度学习 | 人工神经网络单元、递归单元、卷积单元和转换单元 | 时间序列 | 36个研究案例 |
| 20109 | 2024-08-05 |
Automatic detection, segmentation, and classification of primary bone tumors and bone infections using an ensemble multi-task deep learning framework on multi-parametric MRIs: a multi-center study
2024-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10506-5
PMID:38127073
|
研究论文 | 本文开发了一种集成多任务深度学习框架，用于自动检测、分割和分类原发性骨肿瘤和骨感染 | 提出的框架结合多参数MRI和临床特征，显著提高了单模态模型的分类能力 | 研究为回顾性，样本数据来自多个中心，可能存在数据和结果的一致性问题 | 研究的目的是提高原发性骨肿瘤和骨感染的自动检测和分类能力 | 749名来自两个医院的原发性骨肿瘤和骨感染患者 | 数字病理学 | NA | 多参数MRI | 集成多任务深度学习 | 影像 | 749名患者 |
| 20110 | 2024-08-05 |
Ultrasound and diffuse optical tomography-transformer model for assessing pathological complete response to neoadjuvant chemotherapy in breast cancer
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076007
PMID:39050779
|
研究论文 | 本文评估了整合超声和弥散光学断层成像图像在 predicting 乳腺癌患者对新辅助化疗的病理完全反应的效率 | 该研究提出了一种名为USDOT-Transformer的模型，结合了超声和弥散光学断层成像技术与肿瘤受体生物标志物，用于准确预测乳腺癌患者的新辅助化疗效果 | 研究的样本量相对较小，仅为60名患者，可能限制了模型的普遍适用性 | 本文旨在开发和评估USDOT-Transformer模型在预测乳腺癌患者对新辅助化疗的病理完全反应方面的性能 | 研究对象为正在接受新辅助化疗的乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声、弥散光学断层成像 | Transformer | 影像 | 60名乳腺癌患者 |
| 20111 | 2024-08-05 |
CT-based deep learning model for predicting hospital discharge outcome in spontaneous intracerebral hemorrhage
2024-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10505-6
PMID:38127074
|
研究论文 | 该文章旨在使用基于CT图像的深度学习模型预测自发性脑内出血患者的功能结局。 | 文章创新地将临床表现、CT图像和放射特征结合起来，建立了深度学习模型，以提高自发性脑内出血患者功能预后的准确性。 | 由于该研究为回顾性双中心研究，结果可能受到数据收集和样本选择的局限性影响。 | 研究的目的是利用深度学习模型预测自发性脑内出血患者的功能结果。 | 研究对象为604名自发性脑内出血患者。 | 数字病理学 | 脑血管疾病 | 深度学习 | 3D卷积模型与极端梯度提升(XGBoost)模型 | CT图像 | 总共有604名自发性脑内出血患者参与本研究，其中450名为训练集，50名为测试集，104名为外部验证集 |
| 20112 | 2024-08-07 |
Deep learning reconstruction computed tomography with low-dose imaging
2024-07, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05950-4
PMID:38758373
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20113 | 2024-08-05 |
Associations of Intrapancreatic Fat Deposition With Incident Diseases of the Exocrine and Endocrine Pancreas: A UK Biobank Prospective Cohort Study
2024-06-01, The American journal of gastroenterology
DOI:10.14309/ajg.0000000000002792
PMID:38587286
|
研究论文 | 本研究调查了胰腺内脂肪沉积与外分泌和内分泌胰腺疾病之间的关联 | 该研究使用MRI和深度学习框架nnUNet量化胰腺内脂肪沉积，揭示其与多种胰腺疾病的独立风险关系 | 本研究的局限性在于仅使用了UK Biobank的数据，可能缺乏多样化的样本来源 | 研究增高的胰腺内脂肪沉积是否增加外分泌和内分泌胰腺疾病的风险 | 研究对象为42,599名参与者，分析其胰腺脂肪变性及相关疾病的风险 | 数字病理学 | 胰腺癌, 糖尿病, 急性胰腺炎 | MRI, nnUNet | Cox比例风险模型 | 临床数据 | 42,599名参与者 |
| 20114 | 2024-08-05 |
Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction
2024-May-31, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01308-2
PMID:38822240
|
研究论文 | 本研究比较了使用常规和深度学习重建技术识别未被确认心肌梗死患者的效果 | 本研究创新性地应用深度学习重建技术(LGEDL)以提高未被确认心肌梗死的诊断效率 | 研究仅在一个医院进行，样本量相对较小，可能限制结果的泛化性 | 评估深度学习重建的晚期铕增强图像在识别未被确认的心肌梗死患者中的有效性 | 98名有未被确认心肌梗死疑虑患者 | 计算机视觉 | 心血管疾病 | 深度学习重建 | NA | 图像 | 98名患者，68名男性，平均年龄：55.8±8.1岁 |
| 20115 | 2024-08-05 |
Robust Medical Diagnosis: A Novel Two-Phase Deep Learning Framework for Adversarial Proof Disease Detection in Radiology Images
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00916-8
PMID:38343214
|
研究论文 | 提出一种新颖的两相深度学习框架，用于在放射影像中进行抗对抗性疾病检测。 | 创新性地结合了先进的对抗学习和对抗图像过滤技术，提高了模型对对抗性攻击的抵御能力。 | 尽管框架提高了模型的抗击能力，但仍然存在对抗攻击导致的模型性能显著下降。 | 旨在提升深度学习模型在医学影像中对抗对抗性攻击的鲁棒性。 | 评估基于ResNet-50、VGG-16和Inception-V3的模型在放射影像分类中的表现。 | 计算机视觉 | 肺炎 | 深度学习（DL） | ResNet-50, VGG-16, Inception-V3 | 图像 | NA |
| 20116 | 2024-08-05 |
A Deep Learning-Based Approach for Cervical Cancer Classification Using 3D CNN and Vision Transformer
2024-Feb, Journal of imaging informatics in medicine
DOI:10.1007/s10278-023-00911-z
PMID:38343216
|
研究论文 | 提出了一种基于深度学习的宫颈癌分类系统，使用3D卷积神经网络和视觉变换器模块进行分类 | 利用3D CNN提取时空特征并结合ViT模型捕捉复杂特征表示的创新方法 | 未提及具体的局限性 | 提高宫颈癌的早期检测和治疗效果 | 宫颈癌图像的分类 | 计算机视觉 | 宫颈癌 | 3D卷积神经网络，视觉变换器 | 3D CNN，Vision Transformer，Kernel Extreme Learning Machine | 图像 | 未提及具体样本量 |
| 20117 | 2024-08-05 |
Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis
2024-Jan-29, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00617-3
PMID:38282050
|
研究论文 | 本文评估了一种基于放射治疗的深度学习合成CT算法在盆腔PET-MR衰减校正中的应用 | 本研究结合了一种新开发的零回声时间（ZTE）MR序列和深度学习模型生成合成CT，显著提高了衰减校正的准确性 | 样本量相对较小，仅包含10位患者 | 评估新算法在PET-MR衰减校正中的效果 | 10名进行肛直肠放射治疗的患者 | 数字病理学 | NA | ZTE-MR序列 | 深度学习模型 | 图像 | 10名患者 |
| 20118 | 2024-08-05 |
Deep Survival Analysis for Interpretable Time-Varying Prediction of Preeclampsia Risk
2024-Jan-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.18.24301456
PMID:38293230
|
research paper | 本文展示了一种深度生存分析的方法用于预测妊娠期子痫前期的风险 | 提出了一种修改过的DeepHit深度生存模型，能够处理非比例风险，并捕捉妊娠中的时间变化关系 | 未提及具体局限性 | 研究妊娠期子痫前期的时间变化风险及其相关临床风险因素 | 66,425名在两家三级护理中心分娩的孕妇 | digital pathology | 妊娠相关疾病 | 深度学习 | DeepHit | 时间序列数据 | 66,425名孕妇 |
| 20119 | 2024-08-05 |
Research Progress in Predicting Hepatocellular Carcinoma with Portal Vein Tumour Thrombus in the Era of Artificial Intelligence
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S474922
PMID:39050809
|
综述 | 该论文全面回顾了人工智能在预测肝细胞癌及其门静脉肿瘤血栓中的应用进展 | 创新点在于将人工智能技术应用于肝细胞癌的诊断预测，并探讨其对临床管理的影响 | 存在的研究局限性进行了评估，但具体的局限性未详细列出 | 提升门静脉肿瘤血栓患者的生存预后 | 探讨门静脉肿瘤血栓形成和进展的机制及其对肝细胞癌的影响 | 医学影像学 | 肝细胞癌 | 人工智能 | 机器学习和深度学习 | 医学图像 | NA |
| 20120 | 2024-08-05 |
Harnessing Few-Shot Learning for EEG signal classification: a survey of state-of-the-art techniques and future directions
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1421922
PMID:39050382
|
综述 | 本文系统性地回顾了针对脑电图信号分类的少量学习技术，包括数据增强、迁移学习和自监督学习等 | 文章创新性地提出了适用于不同脑电图范例的数据增强策略和迁移学习架构 | 研究存在对脑电图数据的多样性和噪声的处理不足 | 探讨如何使用少量学习方法提高脑电图信号分类的效果 | 主要对象是脑电图信号及其分类方法 | 机器学习 | NA | 数据增强、迁移学习、自监督学习 | NA | EEG信号 | NA |