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 20801 - 20820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20801 | 2024-08-05 |
Deep Learning in Image-Based Plant Phenotyping
2024-Jul, Annual review of plant biology
IF:21.3Q1
|
review | 本文回顾了深度学习在基于图像的植物表型分析中的应用 | 提出了利用深度学习分析大量图像数据以提高作物表型检测效率的研究 | 未详细探讨深度学习在所有植物表型研究中的实际应用效果 | 探讨深度学习如何改善植物表型数据的分析和应用 | 关注作物表型检测和深度学习技术的结合 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 20802 | 2024-08-05 |
Real-time non-invasive hemoglobin prediction using deep learning-enabled smartphone imaging
2024-Jul-01, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02585-1
PMID:38951831
|
研究论文 | 本研究介绍了一种使用深度学习和智能手机技术来准确估计血红蛋白水平的系统 | 提出了一种新颖、紧凑且高效的系统，消除了对补充设备的需求，提供了一种经济、快速且准确的血红蛋白检测方法 | 模型的R^2值相对较低，表明预测的准确性在某些情况下可能受限 | 研究旨在提供一种快速、便捷的血红蛋白浓度测量方法以支持医疗评估 | 研究对象为通过智能手机拍摄的眼部图像用以预测血红蛋白水平 | 数字病理学 | NA | 深度学习，智能手机成像 | EGE-Unet，DHA(C3AE) | 图像 | NA |
| 20803 | 2024-08-05 |
Image Quality Assessment Using Convolutional Neural Network in Clinical Skin Images
2024-Jul, JID innovations : skin science from molecules to population health
DOI:10.1016/j.xjidi.2024.100285
PMID:39036289
|
研究论文 | 本文开发了一种图像质量分析工具，用于评估患者和初级保健医生提供的临床皮肤图像 | 使用深度学习模型，细化了VGG16模型以评估临床图像质量 | 用户可能需要捕获额外的图像，尽管这会在临床团队的工作负载和效率上有所改善 | 评估临床评估中获得的图像质量 | 来自2018年8月21日至2022年6月30日的患者和初级保健医生提供的图像 | 计算机视觉 | 皮肤病 | 深度学习 | VGG16 | 图像 | 300张额外的图像（来自患者和初级保健医生） |
| 20804 | 2024-08-05 |
Deep learning-enabled high-speed, multi-parameter diffuse optical tomography
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076004
PMID:39035576
|
研究论文 | 该文章展示了一种基于深度学习的高效多参数扩散光学断层成像方法 | 文章创新地结合了深度学习算法来加速扩散光学断层成像的重构过程，实现了实时成像 | 文章中未提及实际临床应用中的局限性 | 旨在展示利用深度学习重建三维吸收和散射系数以实现实时成像 | 研究对象为人类乳腺组织的光学成像 | 数字病理学 | 乳腺癌 | 频域扩散光学断层成像 (FD-DOT) | 深度学习模型 | 模拟和实验数据 | 300个模拟组织模型 |
| 20805 | 2024-08-05 |
Optimizing neurointerventional procedures: an algorithm for embolization coil detection and automated collimation to enable dose reduction
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.044003
PMID:39035051
|
研究论文 | 本文提出了一种用于检测栓塞线圈的算法，旨在优化神经介入手术中的辐射剂量和图像质量 | 这是首次成功检测栓塞线圈并将检测结果集成到X射线血管造影系统中的方法，展现了更广泛的应用潜力 | 由于使用了上尺度的边界框，因此不需要实际重叠达到100%，可能影响结果的一致性 | 优化神经介入过程，提高图像质量并降低患者辐射剂量 | 研究重点是栓塞线圈在医学影像中的检测及自动准直 | 数字病理学 | NA | 深度学习，使用Faster R-CNN和RetinaNet | Faster R-CNN，ResNet-50 FPN，RetinaNet | 医学影像 | 经过五折交叉验证的验证数据和独立测试数据 |
| 20806 | 2024-08-05 |
Artificial intelligence in dentistry: A bibliometric analysis from 2000 to 2023
2024-Jul, Journal of dental sciences
IF:3.4Q1
DOI:10.1016/j.jds.2023.10.025
PMID:39035285
|
研究论文 | 本研究提供了人工智能在牙科应用的全球趋势和研究热点的全面概述 | 这项研究通过文献计量分析展示了2000年至2023年牙科领域人工智能的快速发展和创新应用 | 该研究仅限于检索Web of Science核心合集中的文献，可能不包括所有相关研究 | 该研究旨在分析人工智能在牙科领域的应用和发展趋势 | 研究对象为2000年至2023年间发表的与牙科人工智能相关的文献 | 数字病理学 | 牙周病 | 文献计量分析 | 神经网络 | 文献 | 共识别出651篇文献 |
| 20807 | 2024-08-05 |
Protein language models enable prediction of polyreactivity of monospecific, bispecific, and heavy-chain-only antibodies
2024-Jul, Antibody therapeutics
DOI:10.1093/abt/tbae012
PMID:39036071
|
研究论文 | 本文介绍了一种基于蛋白质语言模型的多反应性预测方法 | 这是首次将蛋白质语言模型应用于双特异性抗体和VHH-Fc的测定数据预测 | 未提及具体的模型局限性 | 开发计算模型以预测单特异性、双特异性和重链单抗的多反应性 | 面向单特异性抗体、双特异性抗体和单域Fc抗体的多反应性 | 计算机视觉 | NA | 深度学习 | 集成模型 | 抗体序列数据 | 大型抗体序列数据集 |
| 20808 | 2024-08-05 |
Changes in smile parameters after surgical-orthodontic treatment for skeletal Class III malocclusion
2024-Jul, Journal of dental sciences
IF:3.4Q1
DOI:10.1016/j.jds.2024.02.021
PMID:39035340
|
研究论文 | 本研究分析了接受外科正畸治疗的骨性III类错咬患者在微笑参数方面的变化 | 采用随机森林和决策树深度学习模型识别影响术后变化的因素 | 研究为回顾性，样本量较小，仅包含34名患者 | 分析骨性III类错咬患者在外科正畸治疗后的微笑参数变化 | 34名骨性III类错咬及单纯下颌前突的患者 | 数字病理学 | NA | 颅侧影测量 | 随机森林，决策树 | 影像 | 34名患者 |
| 20809 | 2024-08-07 |
A commentary on 'A CT-based multitask deep learning model for predicting tumor stroma ratio and treatment outcomes in patients with colorectal cancer: a multicenter cohort study'
2024-Jul-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001431
PMID:38661554
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20810 | 2024-08-07 |
Author Correction: Prediction of recurrence risk in endometrial cancer with multimodal deep learning
2024-Jul, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03126-z
PMID:38951637
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20811 | 2024-08-05 |
Integration of deep learning and habitat radiomics for predicting the response to immunotherapy in NSCLC patients
2024-Jun-04, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-024-03724-3
PMID:38833187
|
研究论文 | 本研究构建了一个非侵入性模型，用于预测晚期非小细胞肺癌患者对免疫疗法的反应。 | 结合深度学习与栖息地放射组学的方法，在非小细胞肺癌患者中进行免疫疗法反应预测。 | 样本仅来自三个医疗中心，可能限制了模型的普适性. | 研究旨在构建预测免疫疗法反应的非侵入性模型。 | 研究对象为来自三家医院的晚期非小细胞肺癌患者。 | 数字病理 | 非小细胞肺癌 | 深度学习与栖息地放射组学 | 支持向量机（SVM） | 影像 | 训练组164名患者，测试组82名患者 |
| 20812 | 2024-08-05 |
DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning
2024-Mar-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-46041-0
PMID:38453943
|
研究论文 | 本研究开发了DeepETPicker，一种用于从冷冻电子断层图中快速精确挑选颗粒的深度学习模型 | 该文章创新性地使用弱监督学习和轻量模型架构，降低手动标注负担并提升性能 | 自动颗粒挑选方法的采用仍然受到技术限制的限制 | 本研究旨在提高冷冻电子断层图中的颗粒挑选速度和准确性 | 研究对象为生物大分子的三维结构和从冷冻电子断层图中提取的颗粒 | 数字病理学 | NA | 深度学习 | NA | 图像 | 模拟和真实断层图的多个样本 |
| 20813 | 2024-08-05 |
CSXAI: a lightweight 2D CNN-SVM model for detection and classification of various crop diseases with explainable AI visualization
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1412988
PMID:39036360
|
研究论文 | 本研究提出了一种基于CNN-SVM的轻量级模型，用于检测和分类各种农作物疾病 | 提出了一种轻量级的CNN-SVM混合模型，实现了较高的准确率和可视化解释 | 研究没有提及样本的数量和多样性，可能影响结果的普遍性 | 旨在提高农业作物疾病的识别和分类效率 | 针对草莓、桃子、樱桃和大豆四种经济作物分类10类疾病 | 计算机视觉 | 农作物疾病 | CNN-SVM | CNN | 图像 | NA |
| 20814 | 2024-08-05 |
Deep learning-enabled classification of kidney allograft rejection on whole slide histopathologic images
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1438247
PMID:39034991
|
研究论文 | 本文开发了一种深度学习系统，用于自动评估肾移植物活检的全视图图像，检测和亚分类排斥反应。 | 首次利用多实例学习的深度学习模型进行肾移植物活检的排斥反应检测、亚分类及预后预测。 | 未提及外部数据集的验证以及模型在临床环境中的应用局限性。 | 旨在提高肾移植物排斥反应的诊断准确性和一致性。 | 分析肾移植物活检的全视图图像以检测和预测排斥反应。 | 数字病理学 | 肾脏疾病 | 多实例学习，卷积神经网络（CNN） | 多实例学习模型 | 图像 | 来自302个肾移植物活检的906个全视图图像 |
| 20815 | 2024-08-05 |
Exploring the relationship between YouTube video characteristics and a viewer's mental health traits among young adults
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1364930
PMID:39035603
|
研究论文 | 本研究探讨了年轻人观看的YouTube视频特征与其心理健康特征之间的关系 | 该研究通过结合深度学习算法的计算机视觉技术，分析了视频特征与心理健康特征之间的相关性 | 本研究依赖于调查问卷，自我报告的数据可能存在偏差 | 研究年轻人观看YouTube视频特征对心理健康的影响 | 调查年轻人的心理健康特征及其观看的YouTube视频的特征 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 基于参与者的观看历史日志数据，样本数量未明确说明 |
| 20816 | 2024-08-05 |
Deep learning radiomics based on multimodal imaging for distinguishing benign and malignant breast tumours
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402967
PMID:39036101
|
研究论文 | 本研究旨在开发基于多模态影像的深度学习放射组学模型，以区分良性和恶性乳腺肿瘤 | 研究展示了整合深度学习与放射组学特征以及多模态影像的潜力，且MRI在放射组学特征基础上表现出更高的准确性 | 基于回顾性研究，未考虑潜在的选择偏倚 | 本研究旨在提高对良性与恶性乳腺肿瘤的区分能力 | 322例经过组织病理学确认的乳腺肿瘤患者，包括112例良性肿瘤和210例恶性肿瘤 | 深度学习放射组学 | 乳腺癌 | 多模态影像，包括超声（US）、乳腺X线摄影（MG）和磁共振成像（MRI） | SVM, KNN, 随机森林, 额外树, XGBoost, LightGBM, LR | 图像 | 322名患者 |
| 20817 | 2024-08-05 |
Role of Artificial Intelligence in Endoscopic Intervention: A Clinical Review
2024, Journal of community hospital internal medicine perspectives
IF:0.9Q3
DOI:10.55729/2000-9666.1341
PMID:39036586
|
综述 | 本综述讨论了人工智能在内镜检查中的应用及其对医疗技术的影响 | 探索了人工智能在内镜、结肠镜和内镜超声中的新应用 | 主要集中在内镜相关技术的应用，没有涵盖其他医学领域 | 旨在探讨人工智能如何改善内镜检查的诊断和管理 | 内镜、结肠镜和内镜超声的应用 | 数字病理学 | 胃肠疾病 | 深度学习系统和神经网络 | NA | NA | NA |
| 20818 | 2024-08-05 |
Automated identification and segmentation of urine spots based on deep-learning
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17398
PMID:39035153
|
研究论文 | 本文提出了一种基于深度学习的尿液斑点自动识别和分割方法 | 创新点在于利用深度学习实现尿液斑点的自动检测和精确分割 | 本文未提及具体的实验样本数量和适用性范围 | 研究自动化尿液斑点检测的技术，以改善传统方法中的主观误差 | 以啮齿动物的排尿行为为研究对象 | 数字病理学 | NA | 深度学习 | 目标检测网络和实例分割网络 | 图像 | NA |
| 20819 | 2024-08-05 |
A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05358-x
PMID:37673824
|
研究论文 | 本研究提出了一种基于深度学习的模型，从多组学数据中构建皮肤黑色素瘤的风险分类预测模型 | 提出了一种结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，用于SKCM的风险亚型预测 | 尚未提及可能的局限性 | 构建SKCM的风险亚型分类模型以改善预测能力 | SKCM患者的mRNA、miRNA和DNA甲基化数据 | 数字病理 | 皮肤癌 | 深度学习 | 自编码器（AE） | 多组学数据 | 使用了两个独立测试数据集的SKCM患者数据 |
| 20820 | 2024-08-05 |
Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05339-0
PMID:37672075
|
研究论文 | 本研究开发并评估了一种基于未增强CT的多通道深度学习模型，以区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌 | 该文章创新性地提出了一种针对贫脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习分类器，并通过内外部验证其有效性 | 仅使用了两个中心的回顾性数据，可能影响模型的通用性和适应性 | 旨在区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌 | 320名来自两个医疗中心的患者数据 | 数字病理学 | 肾细胞癌 | 未增强CT | 深度学习模型 | 影像 | 总共452名患者，包括320名患者和132名患者 |