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 23913 篇文献，本页显示第 21481 - 21500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21481 | 2024-08-05 |
A transformer-based multi-task deep learning model for simultaneous T-stage identification and segmentation of nasopharyngeal carcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1377366
PMID:38947898
|
研究论文 | 本研究开发了一个基于变换器的多任务深度学习模型，可以同时识别鼻咽癌的T分期和肿瘤轮廓。 | 提出了一种新型的多任务深度学习模型，能够同时进行肿瘤轮廓勾勒和T分期识别，填补了以往研究的空白。 | 由于采用的图像数据是回顾性收集，可能存在选择偏倚。 | 旨在提高鼻咽癌的精准放射治疗中肿瘤勾勒和T分期的准确性。 | 研究对象为320名鼻咽癌患者的对比增强T1加权成像数据。 | 数字病理学 | 鼻咽癌 | 对比增强T1加权成像 | 变换器模型 | 图像 | 300名鼻咽癌患者的对比增强T1加权图像数据 |
| 21482 | 2024-08-05 |
An encoding framework for binarized images using hyperdimensional computing
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1371518
PMID:38946939
|
研究论文 | 本文提出了一种新的轻量级方法，仅依赖原生的超维算术向量运算来编码二值图像 | 提出了一种新的编码框架，能够保持近邻位置模式的相似性 | 没有提到具体的限制 | 探讨如何有效地编码二值图像以提高超维计算的性能 | 二值图像，使用MNIST和Fashion-MNIST数据集进行测试 | 机器学习 | NA | 超维计算 | NA | 图像 | 包含MNIST和Fashion-MNIST数据集的测试集 |
| 21483 | 2024-08-05 |
[Direct Positron Emission Imaging Using Ultrafast Timing Performance Detectors]
2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.44.2_29
PMID:38945880
|
研究论文 | 本文阐述了如何使用超快速计时性能探测器实现直接正电子发射成像。 | 提出了直接正电子发射成像（dPEI）的概念，并开发了超快速辐射探测器，突破了传统成像的几何限制。 | 尽管提高了CTR，但仍需解决一些限制以使dPEI更具实用性。 | 研究如何通过直接正电子发射成像技术改善医学成像。 | 开发和展示不同类型的模体下的dPEI，以及研究其局限性。 | 医学成像 | NA | 超快速辐射探测器 | 深度学习信号处理 | 图像 | 不同类型的模体 |
| 21484 | 2024-08-05 |
DKPE-GraphSYN: a drug synergy prediction model based on joint dual kernel density estimation and positional encoding for graph representation
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1401544
PMID:38948360
|
研究论文 | 本文介绍了一种名为DKPE-GraphSYN的药物协同预测模型，用于预测癌症药物的联合治疗效果 | 该模型结合了双核密度估计和位置编码，以捕捉基因表达的加权概率密度和空间分布信息 | 目前的研究方法通常忽视数据中的复杂非线性关系，不充分利用癌症药物的结构信息 | 研究旨在提高癌症药物组合治疗的预测准确性 | 研究对象为癌症药物及其对细胞系的协同作用 | 数字病理学 | 癌症 | 双核密度估计和位置编码 | 图神经网络 | 基因表达数据 | 综合癌症药物和细胞系协同数据集 |
| 21485 | 2024-08-05 |
Deep learning-based virtual H& E staining from label-free autofluorescence lifetime images
2024, Npj imaging
DOI:10.1038/s44303-024-00021-7
PMID:38948152
|
研究论文 | 本文提出了一种基于深度学习的方法来从无标记的自发荧光寿命图像生成虚拟的H&E染色图像 | 开发了结合深度学习模型和图像质量度量的创新方法，以实现从无标记FLIM图像生成临床级的虚拟H&E染色图像 | 目前缺乏与FLIM图像同步的组织学图像作为可靠参考 | 旨在提高无标记FLIM图像的解释速度和准确性 | 研究包括在肿瘤微环境中常见的七种不同细胞类型的寿命特征 | 数字病理学 | 癌症 | 自发荧光寿命成像显微镜 (FLIM) | 深度学习模型 | 图像 | 未具体提及样本数量 |
| 21486 | 2024-08-05 |
Application of Deep Learning for Studying NMDA Receptors
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3830-9_16
PMID:38727914
|
research paper | 本文介绍了基于大型预训练模型的三个在线工具，用于药物开发，特别是针对NMDA受体的工具 | 提出了三种易于访问的在线工具，促进了AI技术与NMDA受体专家之间的联系 | 对于非专业人士在使用和部署AI及预训练模型方面仍存在挑战 | 研究如何利用深度学习促进神经系统疾病药物开发 | 针对NMDA受体的药物开发 | 计算机视觉 | 中枢神经系统疾病 | 深度学习 | 大型预训练模型 | 化学数据 | NA |
| 21487 | 2024-08-05 |
Recent advancements in machine learning for bone marrow cell morphology analysis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402768
PMID:38947236
|
综述 | 本文回顾了机器学习在骨髓细胞形态分析中的最新进展 | 探讨了基于机器学习的骨髓细胞形态分析的潜力与吸引力，并提供了自动化算法的推荐 | 尽管人工智能在临床诊断中有潜力，但手动分析仍是金标准，存在一定的局限性 | 为血液学家提供选择合适的机器学习算法以自动化骨髓细胞形态检查的建议 | 六个骨髓细胞形态处理过程的自动化分析 | 机器学习 | 血液病 | 深度学习 | 深度神经网络 | 图像 | NA |
| 21488 | 2024-08-05 |
A deep learning-based system to identify originating mural layer of upper gastrointestinal submucosal tumors under EUS
2023 Nov-Dec, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000029
PMID:38948124
|
研究论文 | 本研究提出了一种名为SMT Master的系统，用于在EUS下确定上消化道黏膜下肿瘤的来源壁层 | 开发了三种深度卷积神经网络模型来实现病变分割、壁层分割和来源壁层分类的自动化 | 研究模型的验证仅限于特定患者样本，可能影响结果的广泛适用性 | 旨在提高EUS程序中对黏膜下肿瘤来源壁层的识别准确性 | 基于2721张EUS图像和多个患者的图像进行模型训练和验证 | 机器学习 | NA | 深度卷积神经网络 (DCNN) | DCNN | 图像 | 2721张EUS图像，来自201名患者 |
| 21489 | 2024-08-05 |
Quantitative Assessment of Myocardial Ischemia With Positron Emission Tomography
2023-Jul-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000579
PMID:33492046
|
研究论文 | 本文探讨了正电子发射断层扫描(PET)技术在评估心肌缺血中的定量应用 | 文章介绍了多种PET心肌灌注成像放射药物的特点及其对心肌血流的定量影响 | 未提及具体的临床应用或患者样本 | 研究心肌缺血的定量评估方法 | 多种PET放射药物及其在心肌灌注成像中的应用 | 数字病理学 | 心血管疾病 | 正电子发射断层扫描(PET) | 组织隔室模型 | 成像数据 | NA |
| 21490 | 2024-08-05 |
Automatic Measuring of Finger Joint Space Width on Hand Radiograph using Deep Learning and Conventional Computer Vision Methods
2023-Jul, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2023.104713
PMID:37213678
|
研究论文 | 本文提出了两种方法自动测量手部X光片上的关节间隙宽度（JSW） | 提出了基于传统计算机视觉和深度学习的两种新方法来自动化JSW测量 | 目前方法需要标记真实的JSW数据，可能影响结果的普适性 | 自动化测量手部关节间隙宽度以提高评估效率 | 3,591张手部X光图像和10,845个指间关节 | 计算机视觉 | 关节炎 | 深度学习，传统计算机视觉 | VGG-19，U-Net | 图像 | 3,591张手部X光片 |
| 21491 | 2024-08-05 |
High-fidelity Database-free Deep Learning Reconstruction for Real-time Cine Cardiac MRI
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340709
PMID:38083374
|
研究论文 | 本研究提出了一种无数据库的深度学习重建方法，用于实时cine心脏MRI。 | 采用零-shot自监督物理引导深度学习重建，克服了需要数据库学习的挑战，允许特定患者的训练。 | 该方法在复杂的呼吸和心动模式下的广泛应用仍然面临挑战。 | 旨在通过改进重建技术提高实时cine心脏MRI的成像质量。 | 研究对象为心脏MRI成像中的患者群体。 | 数字病理学 | 心血管疾病 | 深度学习重建 | 无数据库学习模型 | 影像 | 未提供样本大小的具体信息 |
| 21492 | 2024-08-05 |
An artificial intelligence platform provides an accurate interpretation of esophageal motility from Functional Lumen Imaging Probe Panometry studies
2023-07, Neurogastroenterology and motility
IF:3.5Q2
DOI:10.1111/nmo.14549
PMID:36808777
|
研究论文 | 本研究旨在开发和测试一个能够解读FLIP Panometry研究的自动化人工智能平台 | 该研究首次提出使用深度学习AI模型生成FLIP Panometry热图并进行食管运动标签的分配 | 研究仅在一个中心进行，可能影响结果的广泛适用性 | 开发一个能够准确解读FLIP Panometry研究的人工智能平台 | 678名连续患者和35名无症状对照进行FLIP Panometry检查 | 机器学习 | 食管疾病 | 人工智能 | 卷积神经网络(CNN) | 图像 | 678名患者和35名对照 |
| 21493 | 2024-08-05 |
Interleaved signal multiplexing readout in depth encoding Prism-PET detectors
2023-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16456
PMID:37191309
|
研究论文 | 本文介绍了一种交错信号复用方案，利用深度编码Prism-PET探测器模块的光共享特性。 | 提出了iMux复用方案，实现了16比1的晶体到读出复用而不明显降低性能。 | 研究中未提及复用的实际应用限制或潜在的问题。 | 研究的目的是优化临床正电子发射断层扫描仪中的信号读出，以降低复杂性和成本。 | 研究对象为使用iMux方案的Prism-PET探测器模块及其深度学习去复用模型。 | 计算机视觉 | NA | 深度学习 | NA | 信号 | 16×16阵列的LYSO闪烁晶体和8×8阵列的SiPM像素 |
| 21494 | 2024-08-05 |
Deep Learning Approaches for Glioblastoma Prognosis in Resource-Limited Settings: A Study Using Basic Patient Demographic, Clinical, and Surgical Inputs
2023-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.04.072
PMID:37088416
|
研究论文 | 本研究评估了不同新型深度学习模型在资源有限环境中对胶质母细胞瘤预后的预测能力 | 提出了一种基于简单临床、人口统计和手术变量的新型深度学习模型 | 研究模型的准确性可能受到健康基础设施受限区域的影响 | 研究旨在提高胶质母细胞瘤患者的预后预测准确性 | 分析了37,095名胶质母细胞瘤患者的数据 | 机器学习 | 胶质母细胞瘤 | 深度学习 | 概率矩阵分解、多任务逻辑回归、逻辑风险模型 | 临床和人口统计数据 | 37,095名患者 |
| 21495 | 2024-08-05 |
HiDeNN-FEM: A seamless machine learning approach to nonlinear finite element analysis
2023-Jul, Computational mechanics
IF:3.7Q1
DOI:10.1007/s00466-023-02293-z
PMID:38107347
|
研究论文 | 本文提出了一种基于HiDeNN近似的非线性有限元框架 | 引入了三种基本构建模块，实现了非线性有限元分析的深度学习网络应用 | 未提及具体的限制 | 开发一种无缝的机器学习方法用于非线性有限元分析 | 研究采用HiDeNN近似的非线性有限元模型 | 机器学习 | NA | 深度学习 | NA | 数值数据 | 2D和3D的数值示例 |
| 21496 | 2024-08-05 |
On the effect of training database size for MR-based synthetic CT generation in the head
2023-07, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 使用深度学习方法从磁共振（MR）图像生成计算机断层扫描（CT）图像的研究 | 探讨了训练数据库大小对头部基于MR的合成CT生成的影响 | 缺乏具体的训练数据库规模和模型性能比较 | 研究提高MR引导放射治疗和PET/MR成像中CT图像生成的有效性 | 使用深度学习生成CT图像的MR图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 21497 | 2024-08-05 |
A Deep Learning Framework for Deriving Noninvasive Intracranial Pressure Waveforms from Transcranial Doppler
2023-07, Annals of neurology
IF:8.1Q1
DOI:10.1002/ana.26682
PMID:37189299
|
研究论文 | 本文设计了一个深度学习框架，用于从血压、心电图和脑血流速度中估算非侵入性颅内压。 | 提出了一种利用领域对抗神经网络的框架，以更准确地估计非侵入性颅内压，相较于现有方法具有更高的准确性。 | 未提及此研究的具体限制 | 研究非侵入性监测颅内压的方法，以减少患者的侵入性检查风险。 | 使用血压、心电图和脑血流速度数据进行颅内压估算。 | 机器学习 | NA | 深度学习 | 领域对抗神经网络 | 生理信号数据 | NA |
| 21498 | 2024-08-05 |
Crowd-Sourced Deep Learning for Intracranial Hemorrhage Identification: Wisdom of Crowds or Laissez-Faire
2023-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7902
PMID:37290819
|
研究论文 | 本研究测试了集成学习在识别颅内出血中的有效性 | 探索了70个模型组合的集成学习是否优于单个最佳模型 | 所有集成学习方法在颅内出血检测中的表现均未超越单个最佳卷积神经网络的准确性 | 评估集成学习在选择最佳人工智能模型方面的效用 | 134名患者的去标识化头部CT扫描 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 134个去标识化的头部CT扫描样本 |
| 21499 | 2024-08-05 |
Tensor-based Feature Extraction for Pupil Recognition in Cataract Surgery
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340785
PMID:38082579
|
研究论文 | 本文提出了一种基于张量的瞳孔特征提取方法以提高白内障手术中的瞳孔识别准确性 | 该文创新性地提出了一种叫做张量基础瞳孔特征提取的方法来处理手术中瞳孔变化的分析 | 未提供具体的局限性说明 | 提高白内障手术中瞳孔识别系统的准确性 | 研究对象为施行白内障手术的人类患者中获取的内科手术标注图像 | 数字病理学 | 白内障 | NA | 深度学习模型 | 图像 | 来自190例白内障手术的4,560张内科手术标注图像 |
| 21500 | 2024-08-05 |
Clinical feasibility of deep learning-based automatic head CBCT image segmentation and landmark detection in computer-aided surgical simulation for orthognathic surgery
2023-Jul, International journal of oral and maxillofacial surgery
IF:2.2Q2
DOI:10.1016/j.ijom.2022.10.010
PMID:36372697
|
研究论文 | 本研究探讨了基于深度学习的自动分割和标志检测在矫正外科手术规划中的应用可行性 | 使用SkullEngine实现了颅骨CBCT图像的自动分割和标志检测，为矫正外科手术提供了新的方法 | 自动标志数字化的准确性需要进一步提高 | 研究深度学习自动分割和标志检测在矫正外科手术规划中的应用 | 61组锥形束计算机断层扫描(CBCT)图像 | 数字病理学 | NA | 深度学习 | NA | 图像 | 61组CBCT图像 |