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 24188 篇文献，本页显示第 20161 - 20180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20161 | 2024-08-04 |
The role of anatomical context in soft-tissue multi-organ segmentation of cadaveric non-contrast-enhanced whole body CT
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16330
PMID:36847064
|
研究论文 | 本文探讨了在尸体非对比全身CT图像中，解剖上下文在软组织多脏器分割中的重要性 | 首次比较了2D UNet和3D VNet算法在尸体CT图像分割中的有效性，并强调了解剖上下文在分割中的作用 | 没有涉及尸体CT图像以外的其他类型的图像分割 | 旨在确定2D和3D分割算法在尸体非对比增强CT图像处理中的有效性 | 研究对象为尸体CT图像中的肾脏和肝脏 | 计算机视觉 | NA | CT成像 | UNet和VNet | 图像 | NA |
| 20162 | 2024-08-04 |
Toward Automated Detection of Silent Cerebral Infarcts in Children and Young Adults With Sickle Cell Anemia
2023-08, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.042683
PMID:37387218
|
研究论文 | 本文探讨了如何使用深度学习自动检测镰状细胞贫血儿童和年轻成人的无声脑梗死。 | 本研究创新性地应用UNet深度学习模型，实现了无声脑梗死的全自动分割，提供了一种新的早期诊断工具。 | 尽管UNet在检测小型无声脑梗死方面表现敏感，但仍需进一步训练以提升准确性。 | 研究的目的是探索深度学习在自动诊断镰状细胞贫血患者无声脑梗死中的应用。 | 研究对象为镰状细胞贫血的儿童和年轻成人。 | 数字病理学 | NA | 磁共振成像 | UNet | 成像 | SIT试验926名参与者（平均年龄8.9岁），外部验证80名参与者（平均年龄11.5岁） |
| 20163 | 2024-08-04 |
Smart IoT in Breast Cancer Detection Using Optimal Deep Learning
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00834-9
PMID:37221422
|
研究论文 | 本研究开发了一种基于物联网的智能医疗系统，用于乳腺癌的分类。 | 提出了反馈人工群搜索（FACS）与牧羊卷积神经网络（ShCNN）相结合的方法用于乳腺癌检测 | 缺乏对其他疾病或数据集的验证 | 研究基于物联网的智能医疗在乳腺癌检测中的应用 | 乳腺癌分类与特征提取 | 计算机视觉 | 乳腺癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | NA |
| 20164 | 2024-08-04 |
Tensor-RT-Based Transfer Learning Model for Lung Cancer Classification
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00822-z
PMID:37059889
|
研究论文 | 本研究提出了一种基于Tensor-RT的转移学习框架，用于肺癌CT图像的良性和恶性分类 | 提出了一个高效的实时转移学习框架，采用加权VGG深度网络并在Nvidia Tensor-RT中进行模型推理 | 尽管该模型表现良好，但仍可能面临动态环境下的实时分类挑战 | 改善肺癌CT图像的实时分类性能 | 肺癌的CT图像，特别是CT扫描肺切片 | 计算机视觉 | 肺癌 | 卷积神经网络 (CNN) | 加权VGG深度网络 (WVDN) | 图像 | 19419个计算机断层扫描肺切片 |
| 20165 | 2024-08-04 |
A Lightweight and Robust Framework for Circulating Genetically Abnormal Cells (CACs) Identification Using 4-Color Fluorescence In Situ Hybridization (FISH) Image and Deep Refined Learning
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00843-8
PMID:37231288
|
研究论文 | 本研究开发了一种轻量级和稳健的深度学习网络用于循环基因异常细胞的识别 | 提出了一种基于4色FISH图像的深度学习网络，并设计了新的信号标准化方法和在线重复训练策略 | 未提及具体的限制因素 | 提高循环基因异常细胞的识别精度和临床检测率 | 循环基因异常细胞（CACs） | 数字病理学 | 癌症 | 4色荧光原位杂交（FISH） | FISH-Net | 临床样本数据 | 853名患者的临床样本来自10个中心 |
| 20166 | 2024-08-04 |
Fully Automated Longitudinal Assessment of Renal Stone Burden on Serial CT Imaging Using Deep Learning
2023-08, Journal of endourology
IF:2.9Q1
DOI:10.1089/end.2023.0066
PMID:37310890
|
研究论文 | 使用深度学习自动化测量和跟踪肾结石在连续CT扫描中的负担 | 首次利用深度学习模型实现肾结石负担的完全自动化评估 | 仅包含来自单一医疗中心的回顾性数据，可能限制了研究的广泛适用性 | 研究旨在自动化肾结石负担的测量与追踪 | 113名接受肾结石治疗的患者的259个CT扫描 | 计算机视觉 | NA | 深度学习 | NA | 影像 | 259个CT扫描，来自113名患者 |
| 20167 | 2024-08-04 |
Skin Lesion Segmentation in Dermoscopic Images with Noisy Data
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00819-8
PMID:37020149
|
研究论文 | 本文提出了一种深度学习方法用于在皮肤镜图像中分割皮肤病变 | 提出了一种利用预训练的EfficientNet模型和压缩激励残差结构的网络架构 | 实验结果表明测试集中的噪声标签会对评估得分产生不利影响 | 研究深度学习在皮肤病变分割中的应用 | 应用于国际皮肤成像合作（ISIC）2017挑战赛皮肤病变分割数据集 | 计算机视觉 | 皮肤疾病 | 深度学习 | EfficientNet | 图像 | ISIC 2017挑战赛皮肤病变分割数据集 |
| 20168 | 2024-08-04 |
Glomerulus Detection Using Segmentation Neural Networks
2023-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00764-y
PMID:37020148
|
研究论文 | 本研究提出了一种基于深度学习的肾小球检测方法 | 创新点在于使用多种卷积神经网络模型进行肾小球区域的检测 | 未提及具体在临床应用中的限制 | 提高肾脏移植前的准确诊断和疾病识别 | 数字化肾脏幻灯片中的肾小球部分 | 数字病理学 | NA | 卷积神经网络 | ResNet, UNet, LinkNet, EfficientNet | 图像 | 使用了NIH HuBMAP肾脏全幻灯片图像数据集 |
| 20169 | 2024-08-04 |
A neural ordinary differential equation model for visualizing deep neural network behaviors in multi-parametric MRI-based glioma segmentation
2023-Aug, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16286
PMID:36840621
|
研究论文 | 开发了一种神经普通微分方程（ODE）模型，用于可视化深度神经网络在基于多参数MRI的胶质瘤分割中的行为 | 提出了一种新的深度学习模型Neural ODE，通过神经网络参数化的ODE实现深度特征提取，增强了深度学习的可解释性 | 比较模型基于少数关键MRI模态进行分割时与全模态结果的差异较小且无显著性 | 研究深度神经网络在多参数MRI胶质瘤分割中的表现与可视化 | 369名胶质瘤患者的多参数MRI数据 | 数字病理学 | 胶质瘤 | 多参数MRI协议 | Neural ODE | 医学影像 | 369名胶质瘤患者 |
| 20170 | 2024-08-04 |
Predicting Visual Field Worsening with Longitudinal OCT Data Using a Gated Transformer Network
2023-08, Ophthalmology
IF:13.1Q1
DOI:10.1016/j.ophtha.2023.03.019
PMID:37003520
|
研究论文 | 本研究旨在利用门控变换网络(GTN)从纵向OCT数据中识别视野恶化。 | 该研究引入了一种新方法，通过多种标准定义视野恶化，并使用GTN进行预测。 | 对于基线更严重的青光眼患者，GTN的性能较差。 | 研究的目的是通过分析OCT数据预测视野恶化。 | 研究对象为4211只眼睛的纵向OCT数据和视野结果。 | 数字病理学 | 青光眼 | OCT | 门控变换网络(GTN) | 眼部扫描数据 | 4211只眼睛（2666名患者） |
| 20171 | 2024-08-07 |
Multi-class deep learning segmentation and automated measurements in periodontal sonograms of a porcine model
2022-Mar-01, Dento maxillo facial radiology
DOI:10.1259/dmfr.20210363
PMID:34762512
|
研究论文 | 本研究利用深度学习技术对牙周超声图像进行多类别分割和软组织高度自动测量 | 本研究首次将深度学习应用于牙周超声图像的自动分割和软组织高度测量，提高了识别牙周结构的准确性 | 研究样本仅限于猪模型，且测试集包括不同品种的猪，未来需在更多物种和品种中验证模型效果 | 探索深度学习在牙周超声图像识别和测量中的应用潜力 | 牙周超声图像中的软组织、骨和牙冠 | 机器学习 | NA | 深度学习 | 多类别分割模型 | 图像 | 627帧图像来自111个独立的电影循环，涉及8头猪的样本 |
| 20172 | 2024-08-07 |
Deep learning-assisted comparative analysis of animal trajectories with DeepHL
2020-10-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-19105-0
PMID:33082335
|
研究论文 | 本研究介绍了DeepHL平台，一个利用深度学习辅助进行动物运动轨迹比较分析的工具 | DeepHL平台采用基于注意力机制的深度神经网络，自动检测并突出显示轨迹中特定于某个群体的特征段，帮助生物学家揭示这些特征段的潜在意义 | NA | 旨在通过深度学习技术辅助生物学家进行动物行为轨迹的比较分析 | 多种动物（如蠕虫、昆虫、老鼠、熊和海鸟）的运动轨迹 | 机器学习 | NA | 深度学习 | 基于注意力机制的深度神经网络 | 轨迹数据 | 多种动物的运动轨迹，范围从毫米到数百公里 |
| 20173 | 2024-08-07 |
Non-invasive decision support for NSCLC treatment using PET/CT radiomics
2020-10-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-19116-x
PMID:33067442
|
研究论文 | 本文报道了一种基于F-FDG-PET/CT的深度学习模型，用于非小细胞肺癌（NSCLC）治疗决策支持，特别是EGFR突变状态的预测。 | 该研究开发了一种非侵入性的深度学习评分（EGFR-DLS），能够精确量化NSCLC患者的EGFR突变状态，有助于指导治疗选择。 | NA | 旨在开发一种新的方法来帮助指导非小细胞肺癌的治疗选择。 | 非小细胞肺癌（NSCLC）患者的治疗决策支持。 | 机器学习 | 肺癌 | PET/CT | 深度学习模型 | 图像 | 多个机构的患者群体 |
| 20174 | 2024-08-07 |
Exploration into biomarker potential of region-specific brain gene co-expression networks
2020-10-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-73611-1
PMID:33051491
|
研究论文 | 本研究利用GTEx项目的RNA表达数据构建了正常大脑的基因共表达网络（GCN），并基于大脑结构将其整合为六个大脑迷你GCN，以探索其作为生物标志物的潜力 | 首次构建了基于大脑区域的基因共表达网络，并发现这些网络中的基因在肿瘤中显示出更高的突变率 | NA | 探索大脑区域特异性基因共表达网络作为生物标志物的潜力 | 大脑区域特异性基因共表达网络及其在肿瘤中的突变情况 | 基因组学 | 脑肿瘤 | RNA表达分析 | 深度学习分类器（Gene Oracle） | 基因表达数据 | 来自GTEx项目的多个大脑区域样本 |
| 20175 | 2024-08-07 |
AI for radiographic COVID-19 detection selects shortcuts over signal
2020-Oct-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2020.09.13.20193565
PMID:32995822
|
研究论文 | 本文通过可解释的人工智能技术，揭示了用于检测胸部X光片中COVID-19的深度学习系统依赖于混杂因素而非医学病理特征的问题 | 首次展示了AI系统在检测COVID-19时可能依赖于非医学相关的“捷径”而非真正的病理特征 | 揭示了AI系统在不同医院环境下的性能下降问题，表明现有评估方法不足以确保AI系统依赖于医学相关的病理特征 | 探讨AI在医学影像中检测COVID-19的准确性和鲁棒性 | 用于检测COVID-19的AI系统及其在不同环境下的表现 | 计算机视觉 | COVID-19 | 可解释的人工智能 | 深度学习 | 图像 | NA |
| 20176 | 2024-08-07 |
Unveiling COVID-19 from CHEST X-Ray with Deep Learning: A Hurdles Race with Small Data
2020-09-22, International journal of environmental research and public health
DOI:10.3390/ijerph17186933
PMID:32971995
|
研究论文 | 本研究探讨了使用深度学习技术从胸部X光片中筛查COVID-19患者的可行性，并分析了小数据集带来的挑战 | 研究提供了关于使用深度学习进行COVID-19分类的CXR图像的方法论指南和统计结果的批判性阅读，并展示了使用较大公共非COVID CXR数据集进行迁移学习引入的偏差 | 研究受限于当前COVID-19数据集的小规模 | 验证使用CXR图像有效区分COVID-19的可能性 | COVID-19患者的胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | 中等规模的COVID-19 CXR数据集，由意大利北部一家主要急诊医院在COVID-19疫情高峰期间收集 |
| 20177 | 2024-08-07 |
Application of deep learning for fast detection of COVID-19 in X-Rays using nCOVnet
2020-Sep, Chaos, solitons, and fractals
DOI:10.1016/j.chaos.2020.109944
PMID:32536759
|
研究论文 | 本文提出了一种基于深度学习神经网络的方法nCOVnet，用于通过分析患者的X射线图像快速检测COVID-19 | 提出了一种基于深度学习神经网络的快速筛查方法nCOVnet，用于自动分析X射线图像以检测COVID-19 | NA | 开发一种快速筛查方法以帮助在COVID-19大流行期间进行有效的检测 | COVID-19患者的X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | 神经网络 | 图像 | NA |
| 20178 | 2024-08-07 |
Artificial Intelligence and Health in Nepal
2020-Sep, Nepal journal of epidemiology
IF:1.7Q3
DOI:10.3126/nje.v10i3.31649
PMID:33042595
|
短通讯 | 本文概述了人工智能、机器学习、深度学习和大数据等关键术语，并强调了人工智能在健康领域的应用对低收入国家如尼泊尔的重要性 | 强调尼泊尔需要培养本地的人工智能专家，并投资于本地资源，以开发适合国家或南亚地区的解决方案 | NA | 探讨人工智能在尼泊尔健康领域的应用潜力，并强调尼泊尔教育和卫生系统需要跟踪这些发展并本地化应用 | 人工智能在健康领域的应用及其对尼泊尔的影响 | 人工智能 | NA | 人工智能 | NA | 大数据 | NA |
| 20179 | 2024-08-07 |
A Weak and Semi-supervised Segmentation Method for Prostate Cancer in TRUS Images
2020-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-020-00323-3
PMID:32043178
|
研究论文 | 本研究旨在开发一种弱监督和半监督深度学习框架，用于在TRUS图像中分割前列腺癌，减轻放射科医生绘制病变边界和在无完整标注数据上训练神经网络的时间消耗 | 提出了一种结合强监督和弱监督数据的方法，通过迭代更新标签提高分割性能 | 尽管该方法在弱监督和半监督数据上表现优于仅使用少量强监督数据的方法，但性能提升不如使用完全强监督数据集 | 开发一种新的深度学习框架，用于在TRUS图像中分割前列腺癌，减少放射科医生的工作负担 | 前列腺癌在TRUS图像中的分割 | 计算机视觉 | 前列腺癌 | 深度学习 | 神经网络 | 图像 | 102例图像数据集，其中22张用于评估 |
| 20180 | 2024-08-07 |
Cellular and Molecular Probing of Intact Human Organs
2020-02-20, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2020.01.030
PMID:32059778
|
研究论文 | 本研究开发了一种名为SHANEL的新方法，用于使坚硬的人体器官透明化，并进行细胞和分子水平的3D研究 | SHANEL方法允许对成年人体器官进行透明化处理，并进行深达厘米级的3D组织学研究，同时开发了深度学习管道来快速分析大量细胞 | NA | 开发一种新技术，以实现对人体复杂组织的细胞和分子水平的3D研究 | 成年人体器官，包括大脑、肾脏、眼睛和甲状腺，以及转基因猪的胰腺 | 数字病理学 | NA | 组织通透化方法 | 深度学习 | 图像 | 多个成年人体器官和转基因猪胰腺 |