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 24409 篇文献，本页显示第 21221 - 21240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21221 | 2024-08-07 |
Translational AI and Deep Learning in Diagnostic Pathology
2019, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2019.00185
PMID:31632973
|
综述 | 本文综述了人工智能在病理学中的应用，特别是深度学习技术在细胞成像和诊断病理学实际应用中的创新 | 介绍了深度学习技术在病理学中的不同方法，以及推动这一创新的公共挑战和新兴应用 | NA | 探讨人工智能在临床实践中的转化，特别是如何无缝集成到数字病理工作流程中，以提高诊断效率和准确性 | 深度学习技术在病理学中的应用 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA |
| 21222 | 2024-08-07 |
Deep Leaning Based Multi-Modal Fusion for Fast MR Reconstruction
2018-Nov-29, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2018.2883958
PMID:30507491
|
研究论文 | 本文提出了一种基于深度学习的多模态融合方法，用于快速磁共振成像重建 | 首次通过深度学习融合多模态磁共振成像数据以加速特定目标图像的重建 | NA | 加速磁共振成像过程并减少运动伪影 | T1加权图像和欠采样的T2加权图像 | 计算机视觉 | NA | 深度学习 | Dense-Unet | 图像 | 3D T2加权图像体积，欠采样率为8 |
| 21223 | 2024-08-05 |
Decoding phenotypic screening: A comparative analysis of image representations
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.02.022
PMID:38510976
|
研究论文 | 本文旨在利用JUMP-CP数据集开发高通量筛选数据的通用表示模型 | 提出了一种使用自监督学习的方法，能够提供更鲁棒的表征，并优化训练策略 | 研究可能面临的数据集限制和适用性问题 | 开发用于高通量筛选数据的通用表示模型 | 主要针对使用U2OS细胞和CellPainting协议生成的数据 | 数字病理学 | NA | 深度学习 | 自监督学习模型 | 图像 | 使用了来自多个联盟伙伴的数据 |
| 21224 | 2024-08-05 |
Deep learning-based voxel sampling for particle therapy treatment planning
2024-Jul-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad5bba
PMID:38917844
|
研究论文 | 本文提出了一种基于深度学习的体素采样方法来改善粒子治疗的治疗计划 | 引入了一种不依赖于特定患者输入的深度学习模型，以实现最佳体素采样 | 使用了70名头颈癌患者的数据进行训练，可能限制了模型的泛化能力 | 旨在通过优化体素选择过程来提高粒子治疗的计算效率 | 研究对象为接受碳离子治疗的头颈癌患者 | 数字病理学 | NA | 人工智能（AI）基础设施 | 深度学习模型 | 治疗计划数据 | 70名头颈癌患者（50名用于训练，10名用于验证，10名用于测试） |
| 21225 | 2024-08-05 |
Uncertainty quantification via localized gradients for deep learning-based medical image assessments
2024-Jul-19, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad611d
PMID:38981594
|
研究论文 | 本研究介绍了一种新的基于梯度的不确定性量化方法，用于深度学习医学图像评估. | 提出了一种新的后处理不确定性量化方法，克服了现有方法的局限，能够增强用户对临床模型的信任. | 研究主要集中在转移疾病的分界，可能不适用于其他类型的医学图像评估. | 旨在提高深度学习医学图像评估模型的可靠性和用户信任. | 研究对象为深度学习模型在医学图像评估中的应用，包括转移性疾病的检测. | 数字病理学 | NA | 深度学习 | NA | 图像 | 四个临床相关实验的性能评估 |
| 21226 | 2024-08-05 |
CGMega: explainable graph neural network framework with attention mechanisms for cancer gene module dissection
2024-Jul-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50426-6
PMID:39013885
|
研究论文 | 提出一种解释性图神经网络框架CGMega，以进行癌症基因模块分解 | 开发了基于图注意力的深度学习框架CGMega，超越当前癌症基因预测方法，并有效整合多组学信息 | NA | 研究癌症基因模块的分解及其在癌症发展中的作用 | 应用CGMega于乳腺癌细胞系和急性髓系白血病患者 | 数字病理学 | 急性髓系白血病 | 深度学习 | 图神经网络 | 基因组数据 | 乳腺癌细胞系和急性髓系白血病患者的样本 |
| 21227 | 2024-08-05 |
Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning
2024-Jul-16, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01232-0
PMID:39014411
|
研究论文 | 本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草 | 通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力 | 引入多尺度特征层导致模型计算增加，降低了模型推理速度 | 旨在提高水稻田杂草的精确识别能力，以便于精准喷药 | 水稻田中的杂草 | 计算机视觉 | NA | 深度学习 | DETR | 图像 | 构建的水稻田杂草数据集和DOTA公共数据集 |
| 21228 | 2024-08-05 |
Machine learning without a processor: Emergent learning in a nonlinear analog network
2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319718121
PMID:38954545
|
研究论文 | 本文介绍了一种基于非线性类脑电子网络的自主学习能力。 | 提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。 | 目前的实现仍未充分探索非线性元素的可行性和实用性。 | 探索非线性元素在模拟机器学习中的潜力。 | 介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。 | 机器学习 | NA | 类脑电子网络 | 非线性循环神经网络 | NA | NA |
| 21229 | 2024-08-05 |
Sharing massive biomedical data at magnitudes lower bandwidth using implicit neural function
2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2320870121
PMID:38959033
|
研究论文 | 本文提出了一种通过隐式神经函数进行生物医学数据压缩的方法BRIEF。 | BRIEF通过紧凑的神经网络表示目标数据，具备数据特定性并避免通用化问题，实现了极高的压缩比和更好的保真度。 | NA | 研究如何高效存储和共享海量生物医学数据。 | 生物医学数据。 | 机器学习 | NA | 隐式神经函数 | NA | 生物医学数据 | NA |
| 21230 | 2024-08-05 |
Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy
2024-Jul-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.7.12
PMID:39007833
|
研究论文 | 本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响 | 本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响 | 本研究样本仅限于54名患者，可能影响结果的普遍适用性 | 研究玻璃体切除术及后玻璃体剥离对血流变化的影响 | 54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼 | 数字病理学 | 视网膜血管疾病 | 色度分析 | NA | 图像 | 54名患者 |
| 21231 | 2024-08-05 |
Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1858
PMID:39022266
|
研究论文 | 本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割 | 提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果 | 未提及模型在不同疾病类型或其他影像数据上的适用性 | 提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划 | 使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量 | 计算机视觉 | NA | 磁化率定量成像（QSM） | 深度学习网络（AGSeg） | 三维磁化率图像 | 210个三维磁化率测量 |
| 21232 | 2024-08-05 |
Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-67
PMID:39022237
|
研究论文 | 本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究 | 首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景 | 文章没有针对具体的超分辨率技术或算法进行深入探讨 | 识别医学影像超分辨率领域的全球趋势和未来研究发展 | 分析了3262篇医学影像超分辨率相关的文献 | 数字病理学 | NA | NA | NA | 文献 | 3262篇文献 |
| 21233 | 2024-08-05 |
Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1744
PMID:39022238
|
研究论文 | 本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型 | 开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力 | 未提及可能的局限性，样本来自两个特定中心 | 基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型 | 160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者 | 计算机视觉 | 非小细胞肺癌 | 磁共振成像（MRI） | 多尺度特征融合网络（MSF-Net） | 医学影像 | 160名和72名患者 |
| 21234 | 2024-08-05 |
Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1659
PMID:39022236
|
研究论文 | 本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果 | 引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量 | 研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果 | 旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果 | 参与研究的对象为77名3至15岁的儿童 | 数字病理 | NA | 适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR） | NA | 图像 | 77名儿童，评估116个椎弓根螺钉 |
| 21235 | 2024-08-05 |
Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-80
PMID:39022293
|
研究论文 | 本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病 | 提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法 | 研究没有考虑MRI以外的其他影像学方法的比较 | 旨在提高使用MRI诊断Graves'眼病的准确性 | 对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究 | 计算机视觉 | Graves'眼病 | 磁共振成像 | ResNet101, Swin Transformer | 图像 | 199例Graves'眼病患者与145例正常对照，共344例 |
| 21236 | 2024-08-05 |
Simultaneous removal of noise and correction of motion warping in neuron calcium imaging using a pipeline structure of self-supervised deep learning models
2024-Jul-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.527919
PMID:39022541
|
研究论文 | 本文提出了一种使用自监督深度学习模型的两级管道结构，有效去除神经钙成像中的噪声和运动扭曲。 | 创新点在于提出了一种无需无扭曲和高信噪比观察的自监督深度学习管道，能够同时进行去噪和去扭曲处理。 | 本研究未涉及非自监督的深度学习模型效果评估。 | 研究旨在改善钙成像视频的图像质量，以促进神经功能分析。 | 研究对象为七个来自双光子和共聚焦成像系统的视频材料。 | 数字病理学 | NA | 深度学习 | 自监督深度学习模型 | 视频 | 七个视频 |
| 21237 | 2024-08-05 |
Deep learning-based deformable image registration with bilateral pyramid to align pre-operative and follow-up magnetic resonance imaging (MRI) scans
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1821
PMID:39022247
|
研究论文 | 本文提出了一种基于深度学习的变形图像配准方法，用于对比术前和术后MRI扫描 | 提出了一种双向金字塔的深度学习变形配准方法，利用多尺度图像特征来改善配准精度 | 未提及具体的适用范围或其他潜在限制 | 改善术前和术后MRI扫描的配准精度，以评估脑肿瘤复发 | 聚焦于脑肿瘤的MRI扫描图像，比较术前与术后图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | NA | 图像 | 使用了BraTS-Reg 2022公共数据集，样本规模未具体说明 |
| 21238 | 2024-08-05 |
Prediction of metastases in confusing mediastinal lymph nodes based on flourine-18 fluorodeoxyglucose (18F-FDG) positron emission tomography/computed tomography (PET/CT) imaging using machine learning
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-100
PMID:39022286
|
研究论文 | 本研究旨在使用机器学习方法评估介入淋巴结的状态，基于正电子发射计算机断层扫描(PET/CT)图像进行分析 | 创新点在于结合了梯度提升决策树-逻辑回归模型与放射组学特征，相较于其他模型表现更优 | 研究的外部验证仅限于三个中心，可能影响结果的普遍适用性 | 准确评估介入淋巴结的状态以改善患者管理和预后 | 509个已进行病理评估或随访的混乱介入淋巴结，来自320名患者 | 机器学习 | NA | 正电子发射计算机断层扫描(PET/CT) | 梯度提升决策树-逻辑回归(GBDT-LR) | 图像 | 来自三个中心的320名患者的509个混乱的介入淋巴结 |
| 21239 | 2024-08-05 |
CMAF-Net: a cross-modal attention fusion-based deep neural network for incomplete multi-modal brain tumor segmentation
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-9
PMID:39022265
|
研究论文 | 该研究提出了一种新型深度学习网络CMAF-Net，用于不完整多模态脑肿瘤分割 | 本文的创新点在于设计了跨模态注意力融合的深度神经网络，能够处理不同缺失模态情况 | 该研究未提及对不同模态缺失情况的通用适用性和其他数据集的验证 | 本研究的目的是改善不完整多模态脑肿瘤分割的准确性 | 研究对象为不同模态的脑肿瘤图像数据 | 计算机视觉 | 脑肿瘤 | 深度学习 | 3D U-Net | 医学图像 | 使用BraTS 2018和BraTS 2020数据集进行评估 |
| 21240 | 2024-08-05 |
Research on ultrasound-based radiomics: a bibliometric analysis
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1867
PMID:39022291
|
研究论文 | 本研究对基于超声的放射组学进行了系统的文献计量分析 | 首次对超声放射组学领域进行系统的文献计量分析，识别研究热点和前沿 | 缺乏对超声放射组学研究的深入实验数据和具体案例分析 | 系统化描述基于超声的放射组学研究的整体框架和特征 | 对2016年至2023年间的相关文献进行分析 | 数字病理学 | 甲状腺癌 | 文献计量分析 | NA | 文献 | 466篇相关文献 |