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 23913 篇文献，本页显示第 20381 - 20400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20381 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: a two-center study
2024-Jan-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.11.01.23297935
PMID:37961086
|
研究论文 | 本研究开发了一个自动化的管道，用于分割小儿弥漫性中线胶质瘤的亚区域，并选择预测患者总生存期的影像组学特征 | 通过使用机器学习和MRI影像组学，该研究为预测小儿病人总生存期提供了一种新的非侵入性方法 | 研究中样本量相对较小，仅涵盖了69名患者，且仅通过两个中心的数据进行验证 | 研究的目的是预测小儿弥漫性中线胶质瘤患者的总生存期 | 研究对象为小儿弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI，机器学习 | 深度学习模型 | 影像 | 53名内部队列和16名外部队列患者 |
| 20382 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: A two-center study
2024 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdae108
PMID:39027132
|
研究论文 | 本文开发了一种自动化管道，通过MRI放射组学和机器学习预测儿童弥漫性中线胶质瘤的整体生存率 | 提出了一种新的基于MRI放射组学和深度学习模型的生存率预测方法 | 研究样本量较小，可能影响结果的普适性 | 研究旨在预测儿童弥漫性中线胶质瘤患者的整体生存率 | 研究对象为儿童弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI放射组学 | 深度学习模型 | 医学影像 | 69个样本，53个来自内部队列，16个来自外部队列 |
| 20383 | 2024-08-05 |
Detection of Alzheimer's disease using Otsu thresholding with tunicate swarm algorithm and deep belief network
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1380459
PMID:39045216
|
研究论文 | 本文提出了一种自动化框架用于早期检测阿尔茨海默病。 | 提出使用Tunicate Swarm Algorithm优化Otsu阈值方法来提高阿尔茨海默病的图像分类准确率。 | 本文未提及特定样本的限制和研究的普适性问题。 | 研究阿尔茨海默病的早期检测方法，以降低死亡率。 | 使用结构磁共振成像(sMRI)图像检测阿尔茨海默病。 | 数字病理学 | 阿尔茨海默病 | 结构磁共振成像(sMRI) | 深度信念网络(DBN) | 图像 | 使用了阿尔茨海默病神经影像倡议(ADNI)和澳大利亚成像、标志物与生活方式旗舰研究(AIBL)数据集 |
| 20384 | 2024-08-05 |
StripeRust-Pocket: A Mobile-Based Deep Learning Application for Efficient Disease Severity Assessment of Wheat Stripe Rust
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0201
PMID:39044844
|
研究论文 | 本研究提出了一个基于移动设备的深度学习应用程序，用于有效评估小麦条锈病的病害严重性 | StripeRust-Pocket应用程序结合了模型辅助标注和深度学习技术，能够在复杂背景下准确量化病害严重性，并大幅缩短标注时间 | NA | 提供一种高效实用的小麦条锈病严重性评估解决方案 | 小麦条锈病叶片图像 | 计算机视觉 | NA | 深度学习 | StripeRustNet（包含MobileNetV2-DeepLabV3+和ResNet50-DeepLabV3+） | 图像 | 100张田间图像及自收集的数据集 |
| 20385 | 2024-08-05 |
Shape-position perceptive fusion electronic skin with autonomous learning for gesture interaction
2024, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-024-00739-9
PMID:39045231
|
研究论文 | 提出了一种感知融合电子皮肤，实现手势交互的自主学习 | 开发了具有生物启发层次结构的感知融合电子皮肤，通过磁致伸缩合金膜的磁化状态实现对关节形状和位置的双重信息感知 | 佩戴应用的计算能力有限，可能影响深度学习网络的部署和多模态传感数据的融合 | 旨在提升可穿戴设备在人机交互中的手势识别和触觉反馈能力 | 研究目标是手部的关节运动与感知信息的映射 | 数字病理学 | NA | NA | 教师模型 | 信号信息 | NA |
| 20386 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-Dec, Advances in neural information processing systems
PMID:39005944
|
研究论文 | 本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性 | 模型的应用可能局限于特定的行为状态和视觉输入类型 | 研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系 | 自由移动的小鼠及其视觉皮层活动 | 计算机视觉 | NA | 递归神经网络 | 多模态递归神经网络 | 视觉数据 | NA |
| 20387 | 2024-08-05 |
Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad040
PMID:39045079
|
研究论文 | 本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果 | 通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度 | 本文未评估由经验较少的操作员使用深度学习指导的影响 | 旨在改善心脏超声的标准化，以减少操作员之间的变异性 | 88名心律正常的患者，进行心脏超声检查 | 医学影像学 | 心血管疾病 | 深度学习 | NA | 超声波影像 | 88名患者 |
| 20388 | 2024-08-07 |
Deep learning-based computed tomography quantification of left ventricular mass
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad043
PMID:39045069
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20389 | 2024-08-05 |
Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications
2023-07-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace0f0
PMID:37348487
|
研究论文 | 本文提出了一种基于无监督深度学习的血管壁位移估计方法 | 创新性地应用无监督深度学习方法提高血管壁位移估计的质量 | 未在真实病例中进行广泛测试 | 旨在提高血管弹性成像的准确性和分辨率 | 研究对象包括人类颈动脉及其脉搏波传播的跟踪 | 数字病理学 | 心血管疾病 | 超声弹性成像 | 深度学习网络 | 图像，超声RF信号 | 通过模型训练涉及多种超声数据集，具体样本数未说明 |
| 20390 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-May-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.30.542912
PMID:37398256
|
研究论文 | 本研究介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 提出了一种新的多模态深度学习模型，能够结合视觉输入与行为和时间动态来预测小鼠视觉皮层的活动 | 该研究结果可能仅适用于小鼠，不适用于其他物种的视觉皮层活动预测 | 探讨小鼠视觉皮层中自然视觉输入与行为变量如何整合以产生神经反应 | 自由移动小鼠的视觉皮层V1活动 | 计算机视觉 | NA | 深度卷积神经网络 (CNN) 和递归神经网络 | 递归神经网络 | 视觉数据 | 自由移动小鼠的行为数据 |
| 20391 | 2024-08-05 |
Real-time guiding by deep learning during echocardiography to reduce left ventricular foreshortening and measurement variability
2023-May, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad012
PMID:39044792
|
研究论文 | 本文探讨了在超声心动图过程中使用深度学习进行实时指导以减少左心室缩短和测量变异性。 | 研究首次将实时深度学习指导应用于超声心动图，以提高图像标准化和降低测量变异性。 | 实时指导对经验丰富的操作员间变异性的影响较小。 | 研究实时深度学习指导在超声心动图中对左心室缩短和观察者间变异性的影响。 | 纳入88名在窦律下进行超声心动图检查的患者。 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 图像 | 88名患者 |
| 20392 | 2024-08-05 |
Fully automatic estimation of global left ventricular systolic function using deep learning in transoesophageal echocardiography
2023-May, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad007
PMID:39044786
|
研究论文 | 本研究开发了一种利用深度学习实现完全自动化的左心室收缩功能评估方法。 | 创新点在于通过深度学习实现心脏超声图像的完全自动化评估，从而提高了监测速度和再现性。 | 本研究的限制在于样本来自185名患者，结果需在更多临床背景下进一步验证。 | 研究的目的是临床验证自动化MAPSE在心脏病患者中的有效性。 | 研究对象为185名未选择图像质量的心脏病患者。 | 数字病理学 | 心脏病 | 深度学习 | NA | 视频 | 185名心脏病患者 |
| 20393 | 2024-08-05 |
Siam-VAE: A hybrid deep learning based anomaly detection framework for automated quality control of head CT scans
2023-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2654464
PMID:39040978
|
研究论文 | 提出了一种基于深度学习的框架，用于对头部CT扫描进行自动质量控制 | 提出了一种混合模型，结合变分自编码器和孪生神经网络，利用弱标签增强标准异常检测技术 | 需要大量注释数据进行有效训练，且存在类不平衡和弱标签问题 | 开发能够分类CT扫描为可用或不可用质量的深度学习框架 | 头部CT扫描的质量控制 | 计算机视觉 | NA | 深度学习 | 变分自编码器和孪生神经网络 | 图像 | NA |
| 20394 | 2024-08-07 |
Cascaded 3D UNet architecture for segmenting the COVID-19 infection from lung CT volume
2022-Feb-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06931-z
PMID:35197504
|
研究论文 | 本文提出了一种两阶段的级联3D UNet架构，用于从肺部CT体积中分割COVID-19感染区域 | 开发了一种两阶段的级联3D UNet架构，能够直接从完整的CT体积中分割出感染区域，无需为每位新患者标记肺实质 | NA | 开发一种有效的深度学习方法，用于从肺部CT图像中自动分割COVID-19感染区域 | COVID-19感染区域的分割 | 计算机视觉 | COVID-19 | 深度学习 | 3D UNet | CT体积 | NA |
| 20395 | 2024-08-07 |
Chemotherapy response prediction with diffuser elapser network
2022-Jan-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05460-z
PMID:35102179
|
研究论文 | 本文研究了在实体肿瘤中，通过扩散器网络预测化疗反应的问题 | 提出了一种深度学习模型，能够同时捕捉肿瘤生长和药物反应行为，并预测未来的肿瘤微环境图 | 需要进一步验证模型在实际临床环境中的应用效果 | 旨在生成对治疗方案的现实反应，以便未来工作可以使用这些患者特定的反应来决定细胞毒性药物治疗的最佳开始时间和剂量 | 肿瘤微环境，包括肿瘤层、血管网络、间质流体压力和药物扩散图 | 计算机视觉 | NA | NA | CNN | 图像 | 基于先前的仿真模型，具体样本数量未提及 |
| 20396 | 2024-08-07 |
Effect of head motion-induced artefacts on the reliability of deep learning-based whole-brain segmentation
2022-Jan-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05583-3
PMID:35102199
|
研究论文 | 研究深度学习方法在磁共振成像中对头部运动引起的伪影的鲁棒性 | 深度学习方法在磁共振成像中对头部运动引起的伪影表现出更高的鲁棒性 | NA | 探讨深度学习方法在磁共振成像中对头部运动引起伪影的鲁棒性 | 磁共振成像中的头部运动伪影对深度学习方法的影响 | 计算机视觉 | NA | 磁共振成像 | 神经网络模型 | 图像 | 110名参与者 |
| 20397 | 2024-08-07 |
Using deep learning models to analyze the cerebral edema complication caused by radiotherapy in patients with intracranial tumor
2022-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05455-w
PMID:35091636
|
研究论文 | 利用深度学习模型分析接受放射治疗后颅内肿瘤患者脑水肿并发症的图像分割和标准结果 | 采用Mask R-CNN模型和区域生长算法进行脑水肿图像分割，并通过DICE、IoU和VOE指数评估分割效果 | NA | 研究放射治疗后颅内肿瘤患者脑水肿的图像分割和临床描述标准 | 颅内肿瘤患者在接受计算机刀立体定向放射手术后的脑水肿并发症 | 计算机视觉 | 颅内肿瘤 | 深度学习 | Mask R-CNN | 图像 | 接受计算机刀立体定向放射手术的颅内肿瘤患者，包括治疗前和四个月随访的图像 |
| 20398 | 2024-08-07 |
Identification of a clonal population of Aspergillus flavus by MALDI-TOF mass spectrometry using deep learning
2022-Jan-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05647-4
PMID:35091651
|
研究论文 | 本研究利用深度学习技术，通过MALDI-TOF质谱法识别Aspergillus flavus的克隆群体 | 首次使用卷积神经网络（CNN）通过MALDI-TOF质谱技术识别同一物种内的特定克隆 | 在较旧且需要更换激光的设备上，识别准确率较低 | 探索现有MALDI-TOF设备是否能从同一物种的多种分离株中识别特定克隆 | Aspergillus flavus的克隆分离株 | 机器学习 | NA | MALDI-TOF质谱法 | CNN | 质谱数据 | 包括19个克隆分离株和55个来自不同来源的A. flavus分离株 |
| 20399 | 2024-08-07 |
Classification of brain tumours in MR images using deep spatiospatial models
2022-Jan-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05572-6
PMID:35087174
|
研究论文 | 本文使用深度时空模型ResNet (2+1)D和ResNet混合卷积来分类MR图像中的脑肿瘤 | 采用时空模型作为“时空空间”模型，能够学习特定的空间和时间关系，同时降低计算成本 | NA | 研究如何使用深度学习方法提高脑肿瘤在MR图像中的分类准确性 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | 深度学习 | ResNet (2+1)D, ResNet混合卷积 | 图像 | 使用开放数据集，包含可靠的注释 |
| 20400 | 2024-08-07 |
Automated evaluation of retinal pigment epithelium disease area in eyes with age-related macular degeneration
2022-Jan-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-05006-3
PMID:35042966
|
研究论文 | 开发了一种两步软件，通过分析荧光素血管造影（FA）图像中的早期高荧光区域，实现对视网膜色素上皮（RPE）疾病区域变化的目标和高效量化 | 利用基于深度学习的判别方法提取异常区域，并通过自动化程序对二值化提取区域进行评分，提高了评估的准确性和效率 | NA | 解决缺乏标准协议的问题，实现对RPE疾病区域变化的客观量化 | 视网膜色素上皮（RPE）疾病区域 | 数字病理学 | 年龄相关性黄斑变性 | 深度学习 | NA | 图像 | NA |