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 24162 篇文献，本页显示第 20581 - 20600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20581 | 2024-08-05 |
Relationship evolution shapes inter-brain synchrony in affective sharing: The role of self-expansion
2024-Jul-25, Brain structure & function
IF:2.7Q3
DOI:10.1007/s00429-024-02841-0
PMID:39052095
|
研究论文 | 这项研究探讨了人际关系的发展如何影响非语言社会情感互动中的脑间同步现象 | 通过采用基于EEG的超扫描技术，探讨了自我扩展模型在社交互动中的适用性，并发现随着关系的发展，脑间耦合发生了变化 | 该研究的样本规模和人际关系的多样性未被详细说明 | 研究人际关系演变对社交互动中脑间同步性的影响 | 被试的二人组在七个月时间内的社交互动 | 自然语言处理 | NA | EEG超扫描技术 | 深度学习模型 | 脑电图 数据 | 二人组，在七个月内的互动 |
| 20582 | 2024-08-05 |
A practical machine learning approach for predicting the quality of 3D (bio)printed scaffolds
2024-Jul-25, Biofabrication
IF:8.2Q1
DOI:10.1088/1758-5090/ad6374
PMID:39008994
|
研究论文 | 本文利用机器学习方法预测3D（生物）打印支架的质量 | 提供了关于3D打印支架的最全面的开源数据集，并运用多种人工智能技术进行分析 | 缺乏更广泛的应用案例来验证模型的普适性 | 解决人工智能在组织工程中的数据不足问题 | 1171个不同生物材料制成的3D打印支架，涉及多种细胞系和打印条件 | 机器学习 | NA | 机器学习和深度学习 | 全连接神经网络 | 数据集 | 1171个支架样本，涵盖60种生物材料和49种细胞系 |
| 20583 | 2024-08-05 |
Neural activity shaping in visual prostheses with deep learning
2024-Jul-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad6186
PMID:38986450
|
研究论文 | 这篇文章提出了一种基于深度学习的无模型神经活动塑形方法，用于视觉假体的刺激模式定义 | 提出了一种新的无模型解决方案，利用人工神经网络进行神经活动塑形，能在不同视网膜模型中高效适用 | 无具体提及实验数据规模或样本多样性的问题 | 提升视网膜假体用户的视觉体验，通过改进刺激模式来实现更精确的神经激活控制 | 视网膜假体的多极刺激模式，尤其是通过神经响应进行指导的刺激 | 数字病理学 | NA | 人工神经网络（ANN） | NA | 自然图像数据 | 使用了从植入物收集的数据和大型自然图像数据集 |
| 20584 | 2024-08-05 |
Deep learning-based automated measurement of cervical length in transvaginal ultrasound images of pregnant women
2024-Jul-25, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3433594
PMID:39052464
|
研究论文 | 本文提出了一种基于深度学习的自动化宫颈长度测量方法 | 创新点在于开发了CL-Net网络，结合了专家的解剖知识来识别宫颈 | 尚未解决所有低信噪比和对比度低的问题 | 提高宫颈长度测量的可靠性和可重复性 | 使用经阴道超声图像对孕妇的宫颈进行测量 | 计算机视觉 | NA | 深度学习 | CL-Net | 图像 | NA |
| 20585 | 2024-08-05 |
Comparing Artificial Intelligence-Based Versus Conventional Endotracheal Tube Monitoring Systems in Clinical Practice
2024-Jul-24, Studies in health technology and informatics
DOI:10.3233/SHTI240230
PMID:39049336
|
研究论文 | 本文研究了基于人工智能的气管插管监测系统与传统监测系统的比较 | 提出了一种基于深度学习的人工智能监测系统，用于实时监测气管插管的位移 | 随机交叉实验的具体实施细节未详细说明 | 评估基于人工智能的监测系统在临床气管插管监测中的有效性 | 气管插管的位移监测 | NA | NA | 深度学习 | NA | NA | NA |
| 20586 | 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 |
| 20587 | 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 |
| 20588 | 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 |
| 20589 | 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 |
| 20590 | 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 |
| 20591 | 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 |
| 20592 | 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 |
| 20593 | 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 |
| 20594 | 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 |
| 20595 | 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 |
| 20596 | 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 |
| 20597 | 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 |
| 20598 | 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 |
| 20599 | 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 |
| 20600 | 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 |