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 23937 篇文献，本页显示第 21421 - 21440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21421 | 2024-08-07 |
The Road to Robust and Automated Strain Measurements in Echocardiography by Deep Learning
2024-Jul, JACC. Cardiovascular imaging
DOI:10.1016/j.jcmg.2024.02.015
PMID:38613555
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21422 | 2024-08-05 |
Rapid Detection of SARS-CoV-2 Variants Using an Angiotensin-Converting Enzyme 2-Based Surface-Enhanced Raman Spectroscopy Sensor Enhanced by CoVari Deep Learning Algorithms
2024-Jun-28, ACS sensors
IF:8.2Q1
DOI:10.1021/acssensors.4c00488
PMID:38843447
|
研究论文 | 开发了一种基于ACE2的表面增强拉曼光谱传感器与深度学习算法相结合的方法，快速检测和定量SARS-CoV-2变体 | 结合了表面增强拉曼光谱(SERS)和深度学习算法CoVari，显著提高了对病毒变体的检测速度和准确性 | 在未知样本测试中，仅在高于781 PFU/mL的浓度下分类准确率超过90% | 研究快速和定量检测SARS-CoV-2变体的新方法 | SARS-CoV-2及其变体的检测和定量 | 数字病理学 | 肺癌 | 表面增强拉曼光谱(SERS) | CoVari深度学习算法 | 光谱数据 | 涉及三种病毒的不同浓度样本 |
| 21423 | 2024-08-05 |
Image2Flow: A proof-of-concept hybrid image and graph convolutional neural network for rapid patient-specific pulmonary artery segmentation and CFD flow field calculation from 3D cardiac MRI data
2024-Jun, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012231
PMID:38900817
|
研究论文 | 本文展示了一种新型混合图像和图卷积神经网络Image2Flow，用于从3D心脏MRI数据中快速进行患者特异性肺动脉分割和CFD流场计算 | 开发了Image2Flow模型，实现了患者特异性体积网格生成和CFD流场的直接估计，速度远快于传统手动方法 | 研究仅使用了135份3D心脏MRI数据，可能限制了结果的广泛适用性 | 旨在通过深度学习方法提高肺动脉分割和CFD流动计算的自动化和效率 | 使用135个3D心脏MRI图像进行肺动脉的手动分割和CFD流场的计算 | 计算流体动力学 | 心脏病 | 深度学习 | 混合图像和图卷积神经网络 | 图像 | 135份3D心脏MRI数据 |
| 21424 | 2024-08-05 |
Deep Learning-Based Assessment of Built Environment From Satellite Images and Cardiometabolic Disease Prevalence
2024-Jun-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2024.0749
PMID:38691380
|
研究论文 | 本研究探讨了基于卫星图像的建成环境与心脏代谢疾病流行率之间的关联 | 通过卷积神经网络提取的建成环境特征与心脏病、中风和慢性肾病的流行率显著相关 | 本研究局限于特定城市和横断面设计，可能无法全面反映全国情况 | 研究城市中基于图像的建成环境与心脏代谢疾病流行率之间的关系 | 使用谷歌卫星图像分析数据来关联心脏病、中风和慢性肾病的流行率 | 数字病理学 | 心血管疾病 | 卷积神经网络、轻梯度提升机 | 卷积神经网络 | 图像 | 31,786张空中图像，覆盖789个普查区 |
| 21425 | 2024-08-05 |
Justifying the prediction of major soil nutrients levels (N, P, and K) in cabbage cultivation
2024-Jun, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102793
PMID:38957375
|
研究论文 | 本研究预测有机卷心菜种植中的土壤养分水平 | 首次使用深度学习模型及切线 sigmoid 转换函数进行土壤养分预测，并提供了数学理论支持 | 没有关于数据来源和样本量的详细说明 | 证明切线 sigmoid 转换函数在土壤养分预测中的有效性 | 研究重点为有机种植中的氮、磷、钾土壤养分水平 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA |
| 21426 | 2024-08-05 |
The Role of Artificial Intelligence in Healthcare: Enhancing Coronary Computed Tomography Angiography for Coronary Artery Disease Management
2024-Jun, Cureus
DOI:10.7759/cureus.61523
PMID:38957241
|
综述 | 本综述旨在探讨人工智能在冠状动脉CT血管造影中的潜力，以帮助冠状动脉疾病的管理 | 本研究创新性在于探讨将人工智能技术（如机器学习和深度学习）融入CCTA，提高诊断准确性和操作效率 | 本领域在数据保护、算法透明度和标准化编码标准等方面仍面临挑战 | 本研究的目的是提高冠状动脉疾病的诊断和管理效率 | 本研究对象是冠状动脉CT血管造影（CCTA）图像及其分析 | 计算机视觉 | 冠状动脉疾病 | 机器学习，深度学习 | NA | 图像 | NA |
| 21427 | 2024-08-05 |
Use of Artificial Intelligence in the Prediction of Chiari Malformation Type 1 Recurrence After Posterior Fossa Decompressive Surgery
2024-May, Cureus
DOI:10.7759/cureus.60879
PMID:38784688
|
研究论文 | 本研究旨在训练一种基于深度学习的方法，以预测接受手术的Chiari畸形1型（CM1）患者术后症状复发 | 这是首次探索使用机器学习方法预测CM1患者术后症状复发的研究 | 需要利用更大样本量的进一步研究来提高性能 | 研究CM1患者手术后症状复发的预测方法 | 接受CM1手术的患者 | 机器学习 | NA | 深度学习 | ResNet50，CLAM | MRI数据，临床特征 | 57名接受CM1减压手术的患者 |
| 21428 | 2024-08-05 |
Generalized global solar radiation forecasting model via cyber-secure deep federated learning
2024-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-023-30224-1
PMID:37837598
|
研究论文 | 本研究提出了一种基于联邦学习和卷积神经网络的全球太阳辐射预测方法。 | 提出的程序不仅维护输入数据隐私，还可以作为全球超模型使用。 | 缺乏来自阿巴德、贾尔卡维赫和阿拉克地区的训练数据限制了传统方法的有效性。 | 准确预测太阳辐射以应对数据访问和隐私问题。 | 涉及伊朗八个区域的气候特征及三个新区域的数据进行实验。 | 机器学习 | NA | 联邦学习，卷积神经网络 | CNN | 数据集 | 八个区域的数据和三个新区域（阿巴德、贾尔卡维赫、阿拉克）的数据 |
| 21429 | 2024-08-05 |
Scanner-Independent MyoMapNet for Accelerated Cardiac MRI T1 Mapping Across Vendors and Field Strengths
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28739
PMID:37052580
|
研究论文 | 本文开发并评估了一种基于MyoMapNet的加速心脏T1映射方法，该方法可以在不同厂商和磁场强度下使用 | 提出的SI-MyoMapNet通过将扫描仪厂商和磁场强度作为额外输入纳入深度学习架构，从而实现模型的通用性 | 仅使用四张T1加权图像进行建模，可能在某些情况下影响精度 | 开发一种能够在各种扫描仪和磁场强度下进行心脏T1映射的方法 | 1423名已知或怀疑患有心脏病的患者 | 数字病理学 | 心脏疾病 | 改良Look-Locker反转恢复（MOLLI） | 卷积神经网络（CNN） | 图像 | 1423名患者 |
| 21430 | 2024-08-05 |
Effects of different ground segmentation methods on the accuracy of UAV-based canopy volume measurements
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393592
PMID:38957596
|
研究论文 | 本文研究了不同地面分割方法对无人机( UAV) 基于果树冠秆体积测量精度的影响。 | 本文提出了一种基于深度学习的U-Net模型在果树冠分割中的应用，并与传统的OTS和RANSAC方法进行了比较。 | 研究主要依赖于手动标记的数据集，可能对分割结果造成一定的偏差。 | 本文旨在探讨不同分割方法对无人机果树冠体积测量精度的影响。 | 研究对象为果树冠及其体积测量。 | 数字病理 | NA | 结构从运动 (SFM) 技术、深度学习 | U-Net | 图像 | 使用了手动标记的数据集，但具体样本大小未提供 |
| 21431 | 2024-08-05 |
Application of CT and MRI images based on artificial intelligence to predict lymph node metastases in patients with oral squamous cell carcinoma: a subgroup meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1395159
PMID:38957322
|
meta-analysis | 本研究系统评估了人工智能在预测口腔鳞状细胞癌患者淋巴结转移中的应用 | 首次定量评估了基于人工智能的CT和MRI在口腔鳞状细胞癌中的淋巴结转移预测性能 | 纳入的研究数量有限，且异质性存在 | 研究基于人工智能的CT和MRI在预测口腔鳞状细胞癌患者淋巴结转移的诊断性能 | 纳入了关于口腔鳞状细胞癌患者淋巴结转移预测的相关研究 | 医学影像 | 口腔癌 | 人工智能算法 | 机器学习和深度学习 | 影像 | 纳入了14项符合条件的研究 |
| 21432 | 2024-08-05 |
[Application of artificial intelligence in glaucoma. Part 1. Neural networks and deep learning in glaucoma screening and diagnosis]
2024, Vestnik oftalmologii
DOI:10.17116/oftalma202414003182
PMID:38962983
|
review | 本文回顾了人工智能在青光眼筛查、诊断、监测和治疗中的应用 | 文章探讨了深度学习和神经网络如何改善青光眼筛查的有效性 | 所回顾的文献结果相互矛盾，表明AI模型的改进需要进一步研究和标准化方法 | 探讨人工智能在青光眼筛查和诊断中的应用 | 关注使用深度学习和神经网络分析大数据的技术 | NA | 青光眼 | 眼部成像技术 | 神经网络 | 大数据 | NA |
| 21433 | 2024-08-05 |
Enhancing unmanned ground vehicle performance in SAR operations: integrated gesture-control and deep learning framework for optimised victim detection
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1356345
PMID:38957217
|
研究论文 | 本研究提出了一种通过集成手势控制和深度学习来增强无人地面车辆在搜索和救援操作中的表现。 | 研究引入了一种新颖的技术框架，结合先进的手势识别和最前沿的深度学习，特别设计用于在灾难场景中提升UGV的受害者识别能力。 | NA | 提升在灾害中进行搜索和救援的情况意识和受害者检测能力。 | 无人地面车辆（UGVs）在混乱环境中的表现优化。 | 计算机视觉 | NA | YOLOv8，手势识别，深度学习 | MOA-SConv-Bi-LSTM-GRU | 图像 | 在模拟紧急场景中进行全面测试 |
| 21434 | 2024-08-05 |
Enhancing brain tumor detection in MRI with a rotation invariant Vision Transformer
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1414925
PMID:38957549
|
研究论文 | 该文章介绍了一种新型深度学习模型RViT用于MRI脑肿瘤分类。 | 引入旋转不变的补丁嵌入，提高了脑肿瘤识别的准确性 | NA | 提高MRI脑肿瘤检测的准确性 | 脑肿瘤的MRI扫描 | 计算机视觉 | 脑肿瘤 | 深度学习 | Vision Transformer | 影像 | 使用Kaggle的脑肿瘤MRI数据集进行评估 |
| 21435 | 2024-08-05 |
Benchmarking splice variant prediction algorithms using massively parallel splicing assays
2023-12-21, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03144-z
PMID:38129864
|
研究论文 | 本文基于大规模平行剪接检测评估了八种广泛使用的剪接效应预测算法 | 创新之处在于利用大规模平行剪接实验数据为算法性能提供实验验证，以解决当前常用算法性能不一致的问题 | 本文主要集中在已知基因集的变异上，可能限制了结果的普遍适用性 | 旨在评估和比较不同剪接变异预测算法的性能 | 研究对象为3616种变异，涉及五个基因的剪接效应 | 数字病理学 | NA | 大规模平行剪接检测（MPSAs） | 深度学习模型 | 变异数据 | 3616种变异 |
| 21436 | 2024-08-05 |
An end-to-end deep learning framework for translating mass spectra to de-novo molecules
2023-Jun-23, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-023-00932-3
PMID:37353554
|
研究论文 | 本文提出了一种深度学习框架Spec2Mol，用于根据质谱数据推荐分子结构 | 该研究首次应用类似Speech2Text的架构，将质谱直接转化为新分子的SMILES序列 | 该方法在参考数据库中无法找到分子结构信息时可能会存在局限性 | 研究旨在改善新分子结构的推荐过程 | 研究对象是通过质谱数据得出的化学分子结构 | 机器学习 | NA | 深度学习 | 编码器-解码器架构 | 质谱数据 | 使用了大量的化学结构数据进行预训练，但具体样本数量未明确 |
| 21437 | 2024-08-05 |
Low-dimensional organization of global brain states of reduced consciousness
2023-05-30, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2023.112491
PMID:37171963
|
研究论文 | 本文探讨了低维空间中意识状态的映射及其性质。 | 创新地结合了全脑建模、数据增强和深度学习方法，实现了对意识状态低维空间的表征。 | 本文未充分讨论高维空间与低维空间之间的具体映射机制。 | 研究意识状态与大脑配置之间的关系，探寻其低维表征。 | 研究涉及意识水平的变化，尤其是健康与脑损伤患者之间的状态。 | 计算机视觉 | 脑损伤 | 深度学习 | NA | 脑部配置数据 | NA |
| 21438 | 2024-08-05 |
A selective CutMix approach improves generalizability of deep learning-based grading and risk assessment of prostate cancer
2024-Dec, Journal of pathology informatics
DOI:10.1016/j.jpi.2024.100381
PMID:38953042
|
研究论文 | 本研究旨在训练一种基于人工智能的算法，对前列腺癌进行分级和风险评估 | 采用选择性CutMix训练策略，提高了深度学习模型在前列腺癌检测和分级上的通用性 | 研究依赖于特定数据集和方法，可能限制了模型的广泛适用性 | 提高前列腺癌手术后预后评估的准确性 | 来自191名接受根治性前列腺切除术（RP）的患者的前列腺组织标本 | 数字病理学 | 前列腺癌 | 深度学习 | ResNet50卷积神经网络和MobileNetV3 | 图像 | 580个整体切片和6218个标注的针刺活检切片 |
| 21439 | 2024-08-05 |
fMRI-based spatio-temporal parcellations of the human brain
2024-Aug-01, Current opinion in neurology
IF:4.1Q2
DOI:10.1097/WCO.0000000000001280
PMID:38804205
|
评论 | 本文章回顾了基于功能磁共振成像(fMRI)的人脑分区的当前方法和思想 | 采用机器学习技术，特别是深度学习，能够利用空间和时间信息进行更细致的人脑分区 | 目前尚无万能的脑分区解决方案，模型选择和下游分析影响最佳的分区策略 | 探讨基于fMRI的人脑分区方法及其在神经科学研究中的重要性 | 基于fMRI的数据和人脑的空间与时间动态 | 数字病理学 | NA | fMRI | 深度学习 | 数据 | NA |
| 21440 | 2024-08-05 |
Source-Free Domain Adaptation With Domain Generalized Pretraining for Face Anti-Spoofing
2024-Aug, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3370721
PMID:38412088
|
研究论文 | 本文提出了一种新的无源域适应框架SDA-FAS，以解决面部反欺诈中的泛化问题 | 提出了第一个全栈隐私保护框架，系统性解决了无源设置下的源模型预训练、知识适应和目标数据探索问题 | 当前方法在无源数据的条件下可能受到域和身份偏差的限制 | 研究如何在无源域适应环境中提高面部反欺诈技术的泛化能力 | 面部反欺诈技术的深度学习模型 | 计算机视觉 | NA | 数据增强 | NA | 图像 | 十九个跨数据集场景 |