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 23319 篇文献，本页显示第 21821 - 21840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21821 | 2024-08-05 |
Analysis of the performance of Faster R-CNN and YOLOv8 in detecting fishing vessels and fishes in real time
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2033
PMID:38855240
|
研究论文 | 本研究对Faster R-CNN和YOLOv8在实时检测渔船和鱼类的性能进行了比较分析 | 首次比较Faster R-CNN和YOLOv8在渔业监测中的实时检测能力 | 未提及特定的实验条件和数据集的多样性 | 旨在提升渔业监测和对象检测的效果 | Faster R-CNN和YOLOv8模型在渔业监测中的应用 | 计算机视觉 | NA | 深度学习 | Faster R-CNN, YOLOv8 | 图像 | NA |
| 21822 | 2024-08-05 |
Computer-aided colorectal cancer diagnosis: AI-driven image segmentation and classification
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2071
PMID:38855213
|
研究论文 | 本文提出了一种计算机辅助的结直肠癌自动检测方法。 | 采用了UNet3+进行图像分割，并使用交叉注意多尺度视觉变换器模型进行异常类型预测，展现了高性能。 | 本文未提及研究样本量和数据来源的具体信息。 | 旨在通过计算机辅助诊断系统提高结直肠癌的检测准确性。 | 研究对象包括五种结直肠异常及对照组。 | 数字病理学 | 结直肠癌 | 图像分割和深度学习 | UNet3+和交叉注意多尺度视觉变换器 | 图像 | NA |
| 21823 | 2024-08-05 |
Applying a deep learning pipeline to classify land cover from low-quality historical RGB imagery
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2003
PMID:38855218
|
研究论文 | 应用深度学习流程从低质量历史RGB图像中分类土地覆盖 | 首次将深度学习流水线应用于历史低质量图像进行土地覆盖分类 | 研究仅集中于温哥华，可能不适用于其他地区 | 旨在使用低质量历史图像分析土地覆盖变化 | 以加拿大温哥华为案例研究对象 | 计算机视觉 | NA | 深度学习 | Atrous CNN (DeepLabv3+) | 图像 | 一个小型手动标注和增强的历史图像数据集 |
| 21824 | 2024-08-05 |
Detection of mild cognitive impairment based on attention mechanism and parallel dilated convolution
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2056
PMID:38855222
|
研究论文 | 本文提出了一种基于注意力机制和并行膨胀卷积的轻度认知障碍检测方法 | 通过引入注意力机制来突出病灶区的相关信息，并结合并行膨胀卷积以增强上下文信息的获取能力 | 目前对轻度认知障碍检测方法的深度学习基础模型的限制仍然存在 | 研究轻度认知障碍的检测方法以提供更早的干预和治疗 | 轻度认知障碍患者的脑部MRI图像 | 计算机视觉 | 轻度认知障碍 | MRI | NA | 图像 | ADNI公共数据集上的实验结果 |
| 21825 | 2024-08-05 |
Recurrent attention U-Net for segmentation and quantification of breast arterial calcifications on synthesized 2D mammograms
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2076
PMID:38855260
|
研究论文 | 本研究提出了一种深度学习方法，用于在合成的二维乳腺X光图像中检测和量化乳腺动脉钙化 | 提出了一种包含递归机制和注意模块的递归注意U-Net模型，能够有效识别和分类BAC | 未提及具体的限制 | 旨在帮助放射科医生检测和量化乳腺动脉钙化 | 研究对象为合成的二维乳腺X光图像中的乳腺动脉钙化 | 计算机视觉 | 心血管疾病 | 深度学习 | 递归注意U-Net | 图像 | 2,000张合成二维乳腺X光图像 |
| 21826 | 2024-08-05 |
An efficient computational framework for gastrointestinal disorder prediction using attention-based transfer learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2059
PMID:38855223
|
研究论文 | 本文提出了一种基于注意力机制的转移学习架构，以提高胃肠道疾病的诊断效率 | 将转移学习与注意力机制相结合，以提升计算机辅助诊断系统的性能 | 现有系统在更大数据集上的安全性和可靠性仍需进一步改善 | 开发一种有效的计算机辅助诊断系统来分类八种胃肠道图像 | 胃肠道疾病的图像数据 | 计算机视觉 | 胃肠疾病 | 深度学习 | ConvNeXt+Attention | 图像 | NA |
| 21827 | 2024-08-05 |
Deep learning for diagnosis of head and neck cancers through radiographic data: a systematic review and meta-analysis
2024-Jan, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-023-00715-5
PMID:37855976
|
系统评价与荟萃分析 | 本研究回顾了深度学习在头颈癌检测中的应用，使用了磁共振成像和放射数据 | 该文章通过系统评价和荟萃分析，提供了头颈癌检测的深度学习模型的准确性和特异性的量化数据 | 仅包括了满足特定标准的32项研究，可能存在选择偏倚 | 研究深度学习在头颈癌通过医学影像数据检测中的应用 | 对头颈癌的医学影像（CT、PET、MRI等）进行的深度学习模型 | 数字病理学 | 头颈癌 | 深度学习 | 分类模型、目标检测模型 | 医学影像 | 从1967项研究中筛选出的32项符合条件的研究 |
| 21828 | 2024-08-05 |
Recognition of sports and daily activities through deep learning and convolutional block attention
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2100
PMID:38855220
|
研究论文 | 本研究使用可穿戴传感器数据通过深度学习技术识别与体育和健身相关的人类行为 | 创新在于无缝整合CNN、BiGRU和CBAM组件，学习空间和时间关系，优先考虑显著特征进行活动检测 | NA | 研究旨在提高运动和日常活动的识别准确性 | 使用UCI-DSA数据集进行多类活动识别 | 计算机视觉 | NA | CNN | CNN-BiGRU-CBAM | 运动和生物特征数据 | NA |
| 21829 | 2024-08-05 |
Using deep learning to automatically generate design starting points for free-form imaging optical systems: retraction
2023-08-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.492842
PMID:37706939
|
更正 | 该文章已被作者撤回 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21830 | 2024-08-05 |
Using deep learning to automatically generate design starting points for free-form imaging optical systems
2022-Jul-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.460977
PMID:36256238
|
研究论文 | 本文提出了一种使用深度神经网络自动生成自由形状三镜成像系统设计起始点的方法 | 创新点在于使用深度神经网络结合双种子扩展曲线算法和编码优化自动生成设计起始点 | 该方法的局限性在于目前仅针对具有不同折叠配置的自由形状三镜系统进行验证 | 研究旨在减少自由形状成像系统的设计时间和精力 | 研究对象为自由形状三镜成像系统 | 光学设计 | NA | 深度学习 | 深度神经网络 | 数据集 | 多个数据集由双种子扩展曲线算法自动生成 |
| 21831 | 2024-08-05 |
Analysis of psychological characteristics and emotional expression based on deep learning in higher vocational music education
2022, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2022.981738
PMID:36211911
|
研究论文 | 本文探讨了基于深度学习的文本情感分析问题，提出了一种新的模型 | 提出了一种基于深度双向长短期记忆网络和自注意机制的自定义分类器模型 | 算法的准确性比传统算法低约5% | 研究文本情感分析的方法和模型 | 用户信息和产品信息 | 自然语言处理 | NA | 深度学习 | 深度双向长短期记忆网络 | 文本 | 公共数据集 |
| 21832 | 2024-08-05 |
Barnacles Mating Optimizer with Deep Transfer Learning Enabled Biomedical Malaria Parasite Detection and Classification
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/7776319
PMID:35694571
|
研究论文 | 该文章提出了一种新的模型用于检测和分类疟疾寄生虫。 | 引入了Barnacles Mating Optimizer与深度迁移学习相结合的模型，提升了疟疾寄生虫的检测和分类准确性。 | NA | 研究旨在通过自动化工具提高疟疾的诊断准确性。 | 研究对象为病血涂片图像中的疟疾寄生虫。 | 计算机视觉 | 疟疾 | 深度学习 | 极限学习机 | 图像 | 使用基准数据集进行广泛的实验分析 |
| 21833 | 2024-08-05 |
A Novel Hybrid Deep Learning Model for Metastatic Cancer Detection
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/8141530
PMID:35785076
|
研究论文 | 本文提出了一种新的混合深度学习模型用于转移性癌症的检测 | 推出了混合的AlexNet-门控递归单元模型（AlexNet-GRU），并在乳腺癌淋巴结检测中表现出色 | 研究未提及模型在实际临床环境中的应用效果 | 旨在提高癌症的检测效率并减少病理学家在诊断过程中的错误 | 乳腺癌淋巴结样本 | 机器学习 | 乳腺癌 | 深度学习 | AlexNet-GRU | 图像 | 使用了Kaggle（PCam）数据集中的淋巴结癌症样本 |
| 21834 | 2024-08-05 |
Design and implementation of real-time object detection system based on single-shoot detector and OpenCV
2022, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2022.1039645
PMID:36405169
|
研究论文 | 本研究设计并实施了一种实时目标检测和识别系统，使用单次检测器(SSD)算法和深度学习技术 | 提出了一种高准确率和高效率的实时目标检测系统，并研究了多种预训练模型在不同数据集上的表现 | 系统需在合理的设备上运行，且对数据集的选择和模型的准确性依赖较大 | 开发并调查一种基于深度学习和神经网络的实时目标检测和识别系统 | 使用开放数据集评估SSD算法的性能及准确性 | 计算机视觉 | NA | 深度学习 | SSD | 图像 | 使用MS Common Objects in Context (COCO)、PASCAL VOC和Kitti等开放数据集进行评估 |
| 21835 | 2024-08-05 |
Information extraction of UV-NIR spectral data in waste water based on Large Language Model
2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124475
PMID:38772179
|
研究论文 | 本研究提出了一种基于大型语言模型(LLM)的UV-NIR光谱数据提取方法 | 利用大型语言模型在UV-NIR光谱分析中实现更简便和快速的操作，超越传统机器学习模型的表现 | 本研究可能缺乏对不同实验设置的全面评估及更多样本的适用性 | 减少UV-NIR光谱分析中时间成本及操作复杂性 | 对包括复杂废水在内的三种不同水样的化学需氧量（COD）进行预测 | 机器学习 | NA | 大型语言模型（LLM） | NA | 光谱数据 | 三种不同的水样 |
| 21836 | 2024-08-05 |
A double-branch convolutional neural network model for species identification based on multi-modal data
2024-Oct-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124454
PMID:38788500
|
研究论文 | 该文章提出了一种基于多模态数据融合的双分支卷积神经网络模型用于物种识别 | 创新点在于将拉曼光谱和图像数据融合到一个双分支CNN模型中，提高了物种识别的准确性 | 未提及具体的样本限制或数据集大小 | 本研究旨在通过融合多模态数据提高物种识别的准确性 | 研究对象是通过使用拉曼光谱和图像数据进行物种识别 | 计算机视觉 | NA | 拉曼光谱 | 双分支CNN | 图像和光谱数据 | NA |
| 21837 | 2024-08-05 |
Deep learning-based platform performs high detection sensitivity of intracranial aneurysms in 3D brain TOF-MRA: An external clinical validation study
2024-Aug, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105487
PMID:38761459
|
研究论文 | 本研究评估了一种基于深度学习算法的人工智能平台在3D时间飞行磁共振血管成像中对颅内动脉瘤的自动检测效能 | 开发了一种人工智能平台，应用深度学习算法以提高颅内动脉瘤的检测敏感性，并进行临床验证 | 本研究为回顾性研究，数据来自有限的时间段，可能存在选择偏倚 | 旨在验证基于深度学习的人工智能平台在颅内动脉瘤检测中的诊断效能 | 510名患者，包括215名有颅内动脉瘤的患者和295名没有动脉瘤的患者 | 数字病理学 | NA | TOF-MRA | 深度学习 | 医学影像 | 510名患者 |
| 21838 | 2024-08-05 |
Deep Learning-Guided Dosimetry for Mitigating Local Failure of Patients With Non-Small Cell Lung Cancer Receiving Stereotactic Body Radiation Therapy
2024-Jul-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.11.059
PMID:38056778
|
研究论文 | 本文分析了接受立体定向体部放射治疗的非小细胞肺癌患者，提出了深度学习指导的剂量计划标准 | 研究提出了一种新颖的深度学习局部反应模型和治疗规划标准，能够优化局部控制 | 数据未确认或否认治疗剂量需要显著提高的结论 | 旨在提高非小细胞肺癌患者的局部控制率 | 涉及535名接受50 Gy/5分割治疗的非小细胞肺癌患者 | 数字病理学 | 非小细胞肺癌 | 深度学习 | 离散时间生存模型 | 计算机断层扫描图像，三维剂量分布，患者人口统计学数据 | 535名患者 |
| 21839 | 2024-08-05 |
AS-NeSt: A Novel 3D Deep Learning Model for Radiation Therapy Dose Distribution Prediction in Esophageal Cancer Treatment With Multiple Prescriptions
2024-Jul-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2023.12.001
PMID:38159780
|
研究论文 | 本研究开发了一种深度学习模型AS-NeSt，用于预测食管癌治疗中的放射治疗剂量分布。 | 该研究提出了一种创新的3D ResNeSt模块及非对称架构，提升了剂量预测的准确性。 | 研究中使用的数据主要来自530名患者，可能限制了模型的普适性。 | 本研究旨在提高食管癌患者放射治疗剂量分布预测的准确性。 | 研究对象为530名接受放射治疗的食管癌患者。 | 数字病理学 | 食管癌 | 深度学习 | AS-NeSt | 临床数据 | 530名食管癌患者的数据 |
| 21840 | 2024-08-05 |
Deep neural network for the prediction of KRAS, NRAS, and BRAF genotypes in left-sided colorectal cancer based on histopathologic images
2024-Jul, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究开发了一种深度学习模型，以利用病理全切片图像准确预测左侧结直肠癌患者的KRAS、NRAS和BRAFV600E基因型。 | 创新之处在于结合使用病理特征和临床特征，构建临床-病理整合模型来提高基因型预测的准确性。 | 样本数量有限，可能影响模型的普适性和推广性。 | 本研究旨在通过深度学习技术提高对左侧结直肠癌患者基因型的预测能力。 | 研究对象为129名左侧结肠癌和直肠癌患者。 | 数字病理学 | 结直肠癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 129个患者，训练组103名，测试组26名 |