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 20621 - 20640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20621 | 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 |
| 20622 | 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 |
| 20623 | 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 |
| 20624 | 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 |
| 20625 | 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 |
| 20626 | 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 |
| 20627 | 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 |
| 20628 | 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 |
| 20629 | 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 |
| 20630 | 2024-08-05 |
Artificial intelligence in ischemic stroke images: current applications and future directions
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1418060
PMID:39050128
|
评论 | 本文综述了人工智能在缺血性卒中影像学应用的研究进展 | 探讨了大语言模型在缺血性卒中影像分析中的应用前景 | 面临数据量不足、模型可解释性差和实时监控更新的挑战 | 研究人工智能在缺血性卒中影像中的应用及未来方向 | 分析了自动分割梗死区域、大血管闭塞检测和中风结果预测等多个领域的应用 | 计算机视觉 | 缺血性卒中 | 机器学习和深度学习 | NA | 影像 | NA |
| 20631 | 2024-08-05 |
PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3407351
PMID:39050971
|
研究论文 | 本研究提出了一种用于自动化检测整个切片图像中的中心母细胞的对象检测框架 | 通过结合病理学家提供的标签和基于细胞形态特征生成的伪阴性标签，减少了对人工标注的依赖 | 模型仍需要依赖病理学家提供的初步标签 | 研究目标是降低病理学家的工作量，并提高中心母细胞的检测效率 | 研究对象为中心母细胞的检测 | 数字病理学 | NA | 深度学习 | 对象检测框架 | 整体切片图像 | NA |
| 20632 | 2024-08-05 |
Liquid Biopsy Instrument for Ultra-Fast and Label-Free Detection of Circulating Tumor Cells
2024, Research (Washington, D.C.)
DOI:10.34133/research.0431
PMID:39050821
|
研究论文 | 本文介绍了一种基于惯性微流体和阻抗细胞计数的自动液体活检仪器CytoExam，用于快速无标记检测循环肿瘤细胞 | CytoExam能够在15分钟内实现对癌症患者外周血中循环肿瘤细胞的无标记检测，且临床适用性得到了验证 | 研究中仅使用了来自10名健康供体和50多名乳腺癌、结直肠癌或肺癌患者的外周血样本 | 本研究旨在开发一种快速且无创的液体活检技术，以改善癌症的诊断与监测 | 研究对象为癌症患者及健康供体的外周血样本 | 数字病理学 | 肺癌 | 阻抗细胞计数 | 深度学习算法 | 血液样本 | 10名健康供体和50多名癌症患者 |
| 20633 | 2024-08-05 |
PSPI: A deep learning approach for prokaryotic small protein identification
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1439423
PMID:39050248
|
研究论文 | 本文介绍了一种名为PSPI的深度学习方法，用于识别原核小蛋白 | PSPI是专门为预测原核小蛋白而设计的深度学习工具，具有高准确性和较快的识别速度 | 现有的计算工具主要针对特定的真核物种，对于原核体的小蛋白识别选项较少，且性能依然不理想 | 填补原核小蛋白识别方法的空白 | 原核小蛋白的识别和预测 | 机器学习 | NA | 深度学习 | NA | NA | NA |
| 20634 | 2024-08-05 |
Robust gesture recognition based on attention-deep fast convolutional neural network and surface electromyographic signals
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1306047
PMID:39050666
|
研究论文 | 本文提出了一种基于注意力深度快速卷积神经网络和表面肌电信号的手势识别方法 | 提出了注意力深度快速卷积神经网络模型，通过结合空间和时间特征来提高手势识别的稳健性和稳定性 | 缺少对低密度电极的手势识别性能比较 | 提高在高密度电极移动或损坏情况下的手势识别准确率 | 七名健康受试者和一名截肢者的手势识别 | 数字病理学 | NA | sEMG | 注意力深度快速卷积神经网络 | 信号 | 8个受试者（7名健康者和1名截肢者） |
| 20635 | 2024-08-05 |
Characterization and Identification of NPK Stress in Rice Using Terrestrial Hyperspectral Images
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0197
PMID:39049839
|
研究论文 | 本研究建立了一个小麦NPK营养胁迫条件的高光谱库，以及时评估作物健康状况 | 提出了一种基于变换器的深度学习网络SHCFTT用于识别高光谱图像中的营养胁迫模式 | NA | 评估水稻在不同营养胁迫条件下的健康状况 | 水稻在14种NPK营养胁迫条件下的反射率曲线 | 数字病理 | NA | 高光谱成像技术 | SHCFTT, SVM, 1D-CNN, 3D-CNN | 图像 | 420张水稻胁迫图像 |
| 20636 | 2024-08-05 |
Feasibility of direct brain 18F-fluorodeoxyglucose-positron emission tomography attenuation and high-resolution correction methods using deep learning
2024, Asia Oceania journal of nuclear medicine & biology
DOI:10.22038/AOJNMB.2024.74875.1522
PMID:39050241
|
研究论文 | 本研究开发了三种用于大脑18F-氟脱氧葡萄糖正电子发射断层扫描(PET)的衰减校正方法，并评估其精确度 | 首次利用深度学习开发直接和高分辨率衰减校正方法，提供无CT暴露的准确衰减校正 | 样本量较小，仅包含53名和27名患者，可能影响结果的广泛适用性 | 开发并评估大脑PET的衰减校正方法 | 53名接受颅脑磁共振成像(MRI)和计算机断层扫描(CT)的患者，以及27名接受MRI、CT和PET的患者 | 数字病理学 | NA | 深度学习 | U-net | 影像 | 53名患者和27名患者 |
| 20637 | 2024-08-05 |
Attention Feature Fusion Network via Knowledge Propagation for Automated Respiratory Sound Classification
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3402139
PMID:38899013
|
研究论文 | 本研究开发了一种基于深度学习的自动化呼吸声音分类系统 | 将知识传播机制整合到CNN模型中，提高了呼吸病自动诊断的有效性 | 研究后仍需进一步的临床验证以确认模型的普适性 | 旨在通过自动化方法提高呼吸疾病早期诊断的准确性 | 该研究对象为1至6岁的小儿患者的呼吸声音数据 | 机器学习 | 呼吸系统疾病 | 深度学习 | 卷积神经网络（CNN） | 音频 | 使用了ICBHI基准数据集和一个更大规模的自收集小儿数据集 |
| 20638 | 2024-08-05 |
A Drosophila heart optical coherence microscopy dataset for automatic video segmentation
2023-Dec-09, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02802-y
PMID:38071220
|
研究论文 | 本文介绍了一种针对果蝇心脏视频的自动分割算法和相关数据集 | 提出了名为FlyNet 2.0+的自动化果蝇心脏分割算法，利用LSTM卷积神经网络处理视频中的时间序列信息 | 未提及该算法在其他物种或不同实验条件下的效用 | 旨在提高果蝇心脏功能量化的效率和一致性 | 果蝇白眉实验中获取的心脏视频数据集 | 计算机视觉 | NA | 光学相干显微镜 (OCM) | LSTM卷积神经网络 | 视频 | 213个果蝇心脏视频，约等于604,000个横截面图像 |
| 20639 | 2024-08-05 |
Deep Learning-Based TEM Image Analysis for Fully Automated Detection of Gold Nanoparticles Internalized Within Tumor Cell
2023-07-25, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad066
PMID:37488822
|
研究论文 | 本研究开发了基于深度学习的TEM图像分析方法，用于全自动检测肿瘤细胞内的金纳米颗粒 | 本研究的创新点在于提出了一种全自动的深度学习方法，能够有效检测细胞TEM图像中的金纳米颗粒 | 有可能受到转移学习和模型调整的效果限制 | 本研究旨在提高金纳米颗粒在肿瘤细胞内定量分析的准确性和效率 | 研究对象为含金纳米颗粒的肿瘤细胞的TEM图像 | 计算机视觉 | 癌症 | 深度学习，传输学习 | YOLO v5 | 图像 | 78张原始TEM图像（12040张增强图像） |
| 20640 | 2024-08-05 |
Deep learning-enabled volumetric cone photoreceptor segmentation in adaptive optics optical coherence tomography images of normal and diseased eyes
2023-Feb-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.478693
PMID:36874491
|
研究论文 | 本文提出了一种深度学习框架，用于自动分割适应性光学光学相干断层扫描图像中的锥细胞 | 该方法实现了从传统人工标记到自动化的3-D体积数据分析，达到人类水平的性能 | NA | 自动化测量视网膜神经退行性疾病中光受体细胞的形态 | 健康和疾病参与者的光受体细胞 | 数字病理学 | 视网膜神经退行性疾病 | 适应性光学光学相干断层扫描 | 深度学习 | 3-D图像 | 涉及健康和疾病参与者的AO-OCT扫描，具体样本大小未提供 |