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 23714 篇文献，本页显示第 20941 - 20960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20941 | 2024-08-05 |
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5db2
PMID:38955139
|
研究论文 | 该研究旨在创建一种自动化的方法，通过光学相干断层扫描(OCT)来分类视网膜疾病 | 提出了一种结合机器学习和深度学习技术的新框架 | NA | 研究自动识别和分类视网膜疾病的方法 | 视网膜疾病，包括脉络膜新生血管、糖尿病性黄斑水肿、眼底脂质沉积和正常病例 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 支持向量机(SVM)、K-最近邻(K-NN)、决策树(DT)、集成模型(EM) | 图像 | 18000张OCT图像 |
| 20942 | 2024-08-05 |
Anatomical-Marker-Driven 3D Markerless Human Motion Capture
2024-Jul-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3424869
PMID:38980775
|
研究论文 | 提出了一种基于解剖标记的无标记三维人动作捕捉方法。 | 通过使用解剖学 landmark 和深度神经网络来提高 2D 关键点标注的精度，进而计算 3D 标记位置。 | 方法依赖于高质量的标注数据，数据集的标注错误会影响最终的估计准确度。 | 改善无标记运动捕捉的精度，使其在生物力学研究中得到更广泛的应用。 | 测试集包含 10 名受试者执行的各种动作。 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 10 个受试者 |
| 20943 | 2024-08-05 |
ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction
2024-Jul-09, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3419250
PMID:38980781
|
研究论文 | 本文提出了一种新的多标签分类器ProFun-SOM，利用多序列比对来精确注释基因本体 | ProFun-SOM通过重建过程增强初始的多序列比对，并将其集成到深度学习架构中，以解决混合本体问题 | 研究中可能未涵盖所有可能的基因本体类别及其复杂性 | 本研究旨在通过解决混合本体问题，改进蛋白质功能预测 | 本文的研究对象是蛋白质功能，特别是其在基因本体中的注释 | 机器学习 | NA | 多序列比对（MSA）、深度学习 | 多标签分类器 | 数据集（CAFA3、SwissProt和NetGO2） | 三组数据集的样本，具体数量未详细说明 |
| 20944 | 2024-08-05 |
Deep learning based bilateral filtering for edge-preserving denoising of respiratory-gated PET
2024-Jul-09, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00661-z
PMID:38977533
|
研究论文 | 本文探讨了一种基于深度学习的双边滤波方法用于呼吸门控PET图像的边缘保持去噪。 | 采用深度学习优化双边滤波操作，自动化实现了手动调整的去噪效果。 | 在大多数数据集上选择了合适的滤波参数，少数情况下仍需人工调优。 | 提高呼吸门控PET图像的去噪效果，同时保持图像边缘。 | 使用69个呼吸门控临床PET/CT扫描数据，涉及不同放射性示踪剂。 | 数字病理学 | NA | 深度学习 | 3D U-Net CNN | 图像 | 69个呼吸门控临床PET/CT扫描样本 |
| 20945 | 2024-08-05 |
Optimization of vision transformer-based detection of lung diseases from chest X-ray images
2024-Jul-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02591-3
PMID:38978027
|
研究论文 | 本文系统评估和比较了不同优化方法在基于视觉变换器的肺病预测中的性能 | 探究了不同优化器在视觉变换器模型中的有效性，是对该领域的前沿研究 | 未提及特定的限制因素 | 旨在优化基于视觉变换器的肺病检测模型 | 胸部X光图像数据集中的正常病例和六种肺病 | 计算机视觉 | 肺癌 | 深度学习 | ViT，FastViT，CrossViT | 图像 | 19003幅X光图像 |
| 20946 | 2024-08-07 |
Author Correction: A study on deep learning model based on global-local structure for crowd flow prediction
2024-Jul-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66605-w
PMID:38977774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20947 | 2024-08-05 |
Pixel-wise segmentation of cells in digitized Pap smear images
2024-Jul-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03566-9
PMID:38971865
|
研究论文 | 介绍了一种用于数字化宫颈癌筛查的细胞像素级分割数据集 | 提出了一个包含约37,000个手动分割细胞的APACS23数据集，供深度学习模型训练 | 需要较大且手工分割的数据集以进行有效训练 | 开发基于人工智能的系统以改善宫颈癌筛查的准确性 | 宫颈巴氏涂片图像中的细胞 | 数字病理学 | 宫颈癌 | 深度学习 | NA | 图像 | 约37,000个手动分割的细胞 |
| 20948 | 2024-08-07 |
Cannulation selection in relation to deep learning-based algorithm for the detection of thoracic aortic calcifications
2024-Jul-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezae260
PMID:38960724
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20949 | 2024-08-05 |
Omics-imaging signature-based nomogram to predict the progression-free survival of patients with hepatocellular carcinoma after transcatheter arterial chemoembolization
2024-Jun-26, World journal of clinical cases
IF:1.0Q3
DOI:10.12998/wjcc.v12.i18.3340
PMID:38983440
|
研究论文 | 本文提出了一种基于影像组学特征的模型用于预测肝细胞癌患者在经导管动脉化疗栓塞治疗后的无进展生存期。 | 本文创新性地结合多相位增强MRI影像的特征，通过构建nomogram模型来提高肝细胞癌患者无进展生存期的预测能力。 | 研究中未提及样本量和其他潜在的临床变量对模型影响的评估 | 旨在通过增强MRI图像建立模型，预测肝细胞癌患者的无进展生存期。 | 研究对象为接受经导管动脉化疗栓塞治疗的肝细胞癌患者。 | 数字病理学 | 肝癌 | 增强MRI | 深度转移学习和深度学习影像组学 | 影像 | 未提供 |
| 20950 | 2024-08-05 |
Cross-species modeling of plant genomes at single nucleotide resolution using a pre-trained DNA language model
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.596709
PMID:38895432
|
研究论文 | 本文介绍了一个基于Caduceus和Mamba架构的植物DNA语言模型PlantCaduceus，旨在跨物种建模植物基因组。 | 该研究提出的PlantCaduceus模型在有限标注数据上的微调显著提高了跨物种预测能力，超越了最佳基线模型。 | 模型可能在某些植物物种的预测准确性上存在局限，具体表现未详细描述。 | 研究旨在理解多样植物基因组的功能和适应性效应，并提供可转移的模型。 | 研究对象为16种不同的被子植物基因组和拟南芥的标注数据。 | 计算机视觉 | NA | 预训练的DNA语言模型 | PlantCaduceus | 基因组序列 | 16种被子植物基因组和有限的拟南芥标注数据 |
| 20951 | 2024-08-05 |
Towards more precise automatic analysis: a systematic review of deep learning-based multi-organ segmentation
2024-Jun-08, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01238-8
PMID:38851691
|
综述 | 本综述系统地总结了基于深度学习的多器官分割的最新研究 | 提出了一种数据驱动的特征提取方法并应用于多器官分割的深度学习技术 | 该综述的范围仅限于2016年至2023年间的研究，可能未涵盖所有相关研究 | 旨在综述多器官分割的最新深度学习研究进展 | 涉及多种器官的分割技术和数据集 | 计算机视觉 | NA | 深度学习 | 完全监督、弱监督和半监督学习 | 医学图像 | 195项研究 |
| 20952 | 2024-08-05 |
Application of artificial intelligence in pancreas endoscopic ultrasound imaging- A systematic review
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108205
PMID:38703435
|
综述 | 本文系统性评估了人工智能在胰腺内镜超声成像中的应用。 | 探讨了人工智能技术在胰腺内镜超声图像分析中的应用，尤其是在提高检测和分类准确性方面的潜力。 | 未具体提及研究中存在的局限性。 | 旨在系统性探讨人工智能辅助系统在胰腺内镜超声中的应用现状及发展。 | 关注人工智能在胰腺内镜超声成像中的应用及其挑战。 | 医学影像学 | 胰腺疾病 | 人工智能 | 传统机器学习和深度学习 | 医学图像 | NA |
| 20953 | 2024-08-05 |
Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements
2024-Jun, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.01.214
PMID:38325564
|
研究论文 | 这项研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及其直径和体积的测量 | 提出了一种创新的全自动深度学习方法，用于主动脉形态学分割以及同时测量直径和体积 | 没有提出关于该方法在不同人群或其他病理情况下的表现 | 评估一种全自动深度学习方法在主动脉测量中的有效性 | 研究对象为216名患者的350个术前及术后主动脉CT血管造影扫描图像 | 医学影像学 | 心血管疾病 | CT血管造影（CTA） | 深度神经网络 | 图像 | 350个CT血管造影扫描，来自216名患者 |
| 20954 | 2024-08-05 |
Blepharoptosis Consultation with Artificial Intelligence: Aesthetic Surgery Advice and Counseling from Chat Generative Pre-Trained Transformer (ChatGPT)
2024-Jun, Aesthetic plastic surgery
IF:2.0Q2
DOI:10.1007/s00266-024-04002-4
PMID:38589561
|
研究论文 | 本研究评估了ChatGPT在眼睑下垂整形咨询中的表现 | ChatGPT能够模拟医生与患者之间的对话，并提供基础的外科信息 | 在专业指导方面有限，需进一步探索AI在美容外科咨询中的更广泛角色 | 评估ChatGPT在眼睑下垂整形咨询中的有效性 | 使用来自眼睑下垂整形检查列表的问题 | 自然语言处理 | NA | 深度学习 | ChatGPT | 文本 | 九个问题 |
| 20955 | 2024-08-05 |
All you need is data preparation: A systematic review of image harmonization techniques in Multi-center/device studies for medical support systems
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108200
PMID:38677080
|
系统评价 | 本文评估了医疗支持系统中多中心/设备研究的图像调和技术。 | 提出了图像调和技术可以提高多来源医学影像的AI分析可靠性。 | 并未深入探讨各具体调和技术的局限性和挑战。 | 评估图像调和在多中心和多设备医学影像研究中的应用和效果。 | 分析2013年至2023年间的多中心和多设备医学影像研究的相关文献。 | 数字病理学 | NA | 图像调和技术 | 深度学习 | 图像 | NA |
| 20956 | 2024-08-05 |
Innovative utilization of ultra-wide field fundus images and deep learning algorithms for screening high-risk posterior polar cataract
2024-Jun-01, Journal of cataract and refractive surgery
IF:2.6Q1
DOI:10.1097/j.jcrs.0000000000001419
PMID:38350234
|
研究论文 | 本研究开发了一种深度学习算法，利用超广角视网膜图像进行后极性白内障的自动筛查 | 建立了白内障影子投影理论，并基于该理论开发了深度学习算法以实现稳定的后极性白内障筛查 | 研究的设计为回顾性分析，可能存在选择偏倚 | 验证白内障影子投影理论并开发用于筛查后极性白内障的深度学习算法 | 回顾性收集546例超广角视网膜图像的数据 | 计算机视觉 | 白内障 | 深度学习算法 | NA | 图像 | 546例超广角视网膜图像 |
| 20957 | 2024-08-05 |
ctGAN: combined transformation of gene expression and survival data with generative adversarial network
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae325
PMID:38980369
|
研究论文 | 本研究提出了ctGAN，这是一种结合基因表达和生存数据的生成对抗网络 | ctGAN通过风格转化增强数据，提高了生存分析的可用性 | 该模型可能仅适用于癌症类型的分析，其他疾病类型的有效性尚不明确 | 研究旨在提高癌症生存分析的精确性和个性化治疗选择 | 本研究的对象为乳腺癌和其他11种癌症类型的基因表达及生存数据 | 机器学习 | 癌症 | 生成对抗网络 (GAN) | NA | 基因表达数据和生存数据 | 11种癌症类型的生存数据和基因表达数据 |
| 20958 | 2024-08-05 |
DeepGRNCS: deep learning-based framework for jointly inferring gene regulatory networks across cell subpopulations
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae334
PMID:38980373
|
研究论文 | 提出了一种基于深度学习的框架DeepGRNCS，用于跨细胞亚群共同推断基因调控网络 | DeepGRNCS框架能够同时考虑细胞间异质性和不同细胞亚群之间的相似性，从而提高基因调控网络推断的准确性 | 目前的方法可能在处理极其复杂的细胞群体时仍存在一定局限性 | 研究基因调控网络的推断，以加深对细胞功能和疾病发病机制的理解 | 针对非小细胞肺癌的scRNA-seq数据进行关键基因的识别和生物学相关性分析 | 数字病理学 | 非小细胞肺癌 | 单细胞RNA测序（scRNA-seq） | 深度学习模型 | RNA-seq数据 | 不同的模拟和真实scRNA-seq数据集 |
| 20959 | 2024-08-05 |
An Update on the Use of Artificial Intelligence in Digital Pathology for Oral Epithelial Dysplasia Research
2024-May-10, Head and neck pathology
DOI:10.1007/s12105-024-01643-4
PMID:38727841
|
评论 | 本文探讨了数字病理学中人工智能在口腔上皮异型增生(OED)研究中的应用进展。 | 该文献总结了使用深度学习和机器学习模型对OED进行诊断、分级及恶变预测的最新研究。 | 研究需要更多的证据以支持结果的广泛适用性、可解释性决策和预后预测。 | 本文旨在审查用于OED诊断的数字病理学中的人工智能应用的最新进展。 | 研究对象为使用人工智能对口腔上皮异型增生进行诊断和分级的研究。 | 数字病理学 | 口腔癌前病变 | 深度学习和机器学习 | 卷积神经网络和机器学习模型 | 组织病理学图像和口腔内临床图像 | 24项研究 |
| 20960 | 2024-08-05 |
A scoping review of methodologies for applying artificial intelligence to physical activity interventions
2024-May, Journal of sport and health science
IF:9.7Q1
DOI:10.1016/j.jshs.2023.09.010
PMID:37777066
|
综述 | 这篇综述旨在提供研究人员和从业者对人工智能在身体活动干预中应用的理解 | 介绍了常见的机器学习、深度学习和强化学习算法，并鼓励采用AI方法 | 不同AI模型的比较结果不一，模型性能依赖于数据集和任务 | 探讨人工智能在促进身体活动和预测相关行为或健康结果中的应用 | 分析已有的研究以总结和分类AI方法论 | 自然语言处理 | NA | 机器学习，深度学习，强化学习 | ML，DL，RL | 研究数据 | 24项研究 |