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 24240 篇文献，本页显示第 21881 - 21900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21881 | 2024-08-05 |
Coronary artery disease evaluation during transcatheter aortic valve replacement work-up using photon-counting CT and artificial intelligence
2024 Jul-Aug, Diagnostic and interventional imaging
IF:4.9Q1
DOI:10.1016/j.diii.2024.01.010
PMID:38368176
|
研究论文 | 本研究评估了光子计数CT与人工智能结合用于冠状动脉疾病评估的能力 | 该研究创新性地将光子计数CT与深度学习模型结合，以提高冠状动脉狭窄量化和血流储备预测的准确性 | 研究为回顾性单中心研究，可能存在选择偏倚 | 评估在经导管主动脉瓣置换术准备过程中使用光子计数CT与人工智能评估冠状动脉疾病的能力 | 对2021年10月到2023年6月之间的260名严重症状性主动脉瓣狭窄患者进行研究 | 医学影像学 | 冠状动脉疾病 | 光子计数CT | 深度学习模型 | 临床数据 | 260名患者（138名男性，122名女性） |
| 21882 | 2024-08-05 |
Deep learning to quantify care manipulation activities in neonatal intensive care units
2024-Jun-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01164-y
PMID:38937643
|
研究论文 | 本研究旨在量化新生儿重症监护病房中的护理操作活动 | 开发了一种深度学习方法以从视频中检测操作活动，估算其持续时间和频率，并整合生理信号以评估反应 | 相对误差容忍度为13.8%的活动持续时间和频率，结果仅与人工注释相当 | 监测新生儿重症监护中的压力 | 27名新生儿在2个新生儿重症监护病房中的330次会话 | 计算机视觉 | NA | 深度学习 | NA | 视频和生理信号 | 27名新生儿，289小时视频记录和生理数据 |
| 21883 | 2024-08-05 |
Fully automated assessment of the future liver remnant in a blood-free setting via CT before major hepatectomy via deep learning
2024-Jun-27, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01724-6
PMID:38935177
|
研究论文 | 本研究开发并验证了一种用于血液-free环境下CT影像的肝脏未来残余肝脏的深度学习模型 | 开发了全自动的肝静脉和门静脉分割模型，并成功应用于主要肝切除术前的FLR评估 | 没有提到模型在不同病灶或患者特征下的适用性 | 目的在于提高肝脏未来残余肝脏的评估准确性和自动化水平 | 包括170名在2018年1月至2019年3月期间接受治疗的患者 | 数字病理 | NA | CT影像 | 3D U-Net | 影像 | 170名患者 |
| 21884 | 2024-08-05 |
Simulation-driven design of smart gloves for gesture recognition
2024-06-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65069-2
PMID:38937537
|
研究论文 | 本文提出了一个开放的仿真平台用于设计智能手套，以实现手势识别 | 创新点在于利用单目视频而非精确运动数据，并通过新方法减少运动提取误差的影响 | 具体样本数量及其多样性未在摘要中说明 | 研究智能手套的设计，以提高手势识别的效率和准确性 | 智能手套的传感器布局和深度学习模型 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA |
| 21885 | 2024-08-05 |
Addressing label noise for electronic health records: insights from computer vision for tabular data
2024-Jun-27, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02581-5
PMID:38937744
|
研究论文 | 本研究探讨了如何通过计算机视觉算法减轻电子健康记录中的标签噪声对深度学习模型的影响 | 将计算机视觉算法应用于电子健康记录，以应对标签噪声的挑战 | 不确定计算机视觉方法在电子健康记录领域的有效性，因为两个领域之间存在显著差异 | 旨在提高深度学习模型在电子健康记录中应对标签噪声的能力 | 电子健康记录数据中的标签噪声 | 机器学习 | COVID-19 | 深度学习 | 未指定 | 电子健康记录数据 | 未指定 |
| 21886 | 2024-08-05 |
Deformation-encoding Deep Learning Transformer for High-Frame-Rate Cardiac Cine MRI
2024-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.230177
PMID:38722232
|
研究论文 | 本研究开发了一种深度学习模型，以提高心脏cine MRI的帧率，同时保持空间分辨率和扫描时间 | 提出了一种基于transformer的深度学习模型，能够在提高帧率的同时保持图像质量 | 在不同成像设备和磁场强度下进行的回归分析未能完全排除所有潜在误差 | 研究旨在提高心脏cine MRI的图像帧率 | 对来自5840名患者回顾性cine图像进行分析，及对49名临床心脏MRI参与者实现前瞻性研究 | 数字病理学 | 心血管疾病 | MRI | Transformer | 影像 | 5840名患者的回顾性样本和49名参与者的前瞻性样本 |
| 21887 | 2024-08-05 |
Deep learning based automated left ventricle segmentation and flow quantification in 4D flow cardiac MRI
2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2023.100003
PMID:38211658
|
研究论文 | 本研究开发并评估基于深度学习的方法，以直接从4D流动MRI中分割左心室并定量血流。 | 提出了用于从短轴重构的4D流动体积中进行左心室自动分割的新型深度学习网络和特征融合方法 | 评估只基于内部数据集，可能存在样本偏差 | 旨在提高4D流动MRI中的左心室分割和血流定量分析的准确性 | 以101名受试者的4D流动MRI数据为研究对象 | 计算机视觉 | 心血管疾病 | 4D流动MRI | 2D U-Net | 图像 | 101个受试者，67,567个2D图像和3030个3D体积 |
| 21888 | 2024-08-07 |
Seeing between Time: Higher Frame Rate Cardiac Cine MRI using Deep Learning
2024-Jun, Radiology. Cardiothoracic imaging
DOI:10.1148/ryct.240140
PMID:38842457
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21889 | 2024-08-05 |
PractiCPP: a deep learning approach tailored for extremely imbalanced datasets in cell-penetrating peptide prediction
2024-02-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae058
PMID:38305405
|
研究论文 | 介绍了一种针对高度不平衡数据情景的细胞穿透肽预测的深度学习框架PractiCPP | PractiCPP通过集成硬负样本抽样和复杂的特征提取与预测模块，专门为不平衡数据设计，显著提升了CPP的预测准确性 | 当前研究主要关注高不平衡的数据情景，未覆盖其他数据分布情况 | 提升细胞穿透肽的预测准确性以支持药物递送系统的改进 | 细胞穿透肽的识别与特征化 | 机器学习 | NA | 深度学习 | NA | NA | 有极高正负比（1:1000）的数据集 |
| 21890 | 2024-08-05 |
The analysis of the internet of things database query and optimization using deep learning network model
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306291
PMID:38941309
|
研究论文 | 本研究探讨深度学习网络模型在物联网数据库查询和优化中的应用效果 | 本文通过优化策略提升了深度学习网络模型的效率，验证了优化模型在训练和参数优化阶段的优势 | 研究可能未考虑所有类型的数据库查询和系统架构 | 本研究旨在探讨深度学习技术在物联网数据处理中的应用 | 研究对象为物联网数据库及其查询和优化策略 | 深度学习 | NA | 深度学习网络模型 | 优化深度学习模型 | 数据请求 | 2000个数据量及以上 |
| 21891 | 2024-08-05 |
Deep learning-based differentiation of peripheral high-flow and low-flow vascular malformations in T2-weighted short tau inversion recovery MRI
2024, Clinical hemorheology and microcirculation
IF:2.1Q3
DOI:10.3233/CH-232071
PMID:38306026
|
研究论文 | 本文评估了一种卷积神经网络（CNN）在T2加权短tau反转恢复MRI中区分周边高流量和低流量血管畸形的表现 | 使用CNN在血管畸形的诊断中，与专家放射科医师的表现相当，且对于初级放射科医师的辅助效果有限 | 该研究为单中心研究，样本量可能限制结果的广泛适用性 | 评估CNN在区分高流量和低流量血管畸形中的效果 | 527个MRI图像，其中386个为低流量血管畸形，141个为高流量血管畸形 | 计算机视觉 | NA | MRI | CNN | 图像 | 527个MRI图像 |
| 21892 | 2024-08-05 |
A CNN-CBAM-BIGRU model for protein function prediction
2024-Jan-01, Statistical applications in genetics and molecular biology
IF:0.8Q3
DOI:10.1515/sagmb-2024-0004
PMID:38943434
|
研究论文 | 提出了一种新的CNN-CBAM-BiGRU模型用于蛋白质功能预测 | 将卷积块注意力模块与双向GRU结合，提高了对蛋白质数据中信息部分的关注 | NA | 研究利用深度学习模型进行蛋白质功能预测的有效性 | 蛋白质序列数据 | 计算机视觉 | NA | 深度学习 | CNN-CBAM-BiGRU | 蛋白质序列 | 人类和酵母数据集 |
| 21893 | 2024-08-05 |
Toward next-generation endoscopes integrating biomimetic video systems, nonlinear optical microscopy, and deep learning
2023-Jun, Biophysics reviews
IF:2.9Q2
DOI:10.1063/5.0133027
PMID:38510341
|
研究论文 | 本文审查了三种新兴技术在下一代内镜系统中的潜在应用，以提高胃肠道癌症的诊断能力 | 提出了结合仿生视频系统、非线性光学显微镜和深度学习的内镜新配置，能够更有效地检测和确认可疑病变 | 在将这些技术应用于下一代内镜时面临诸多挑战 | 提高胃肠道癌症的早期检测和诊断效率 | 主要关注胃癌的内镜诊断技术进展 | 计算机视觉 | 癌症 | 非线性光学显微镜、深度学习 | NA | NA | NA |
| 21894 | 2024-08-05 |
Exploring the Link Between Brain Waves and Sleep Patterns with Deep Learning Manifold Alignment
2023, The 4th Joint International Conference on Deep Learning, Big Data and Blockchain (DBB 2023). Joint International Conference on Deep Learning, Big Data and Blockchain (4th : 2023 : Marrakech, Morocco ; Online)
DOI:10.1007/978-3-031-42317-8_7
PMID:38939181
|
研究论文 | 本文探讨了脑电波与睡眠模式之间的关系，采用了深度学习流形对齐的新方法 | 创新点在于使用深度学习流形对齐方法来探索睡眠结构与EEG特征之间的关系 | 本文未提及研究的具体限制 | 研究睡眠架构与脑电图（EEG）特征之间的关系 | 多模态多睡眠监测数据集，包括PSG、ECG和EEG | 机器学习 | NA | 深度学习流形对齐 | NA | 多模态数据，包括文本、图像和音频 | NA |
| 21895 | 2024-08-07 |
Depth resolved pencil beam radiography using AI - a proof of principle study
2022-Jun, Journal of instrumentation : an IOP and SISSA journal
IF:1.3Q3
DOI:10.1088/1748-0221/17/06/p06012
PMID:38938475
|
研究论文 | 本研究探讨了利用现代辐射源和探测器结合深度学习技术，通过散射光子信息在平面X射线成像中解析叠加衰减器的可能性 | 首次证明深度学习技术可以分析散射光子模式，从而在传统2D平面设置中推断深度信息 | 研究受限于简单的测试场景，未涉及复杂性或优化，且临床应用的性能扩展尚未探索 | 验证深度学习技术在解析平面X射线成像中叠加衰减器深度的原理 | 使用散射光子信息解析平面X射线成像中的叠加衰减器 | 计算机视觉 | NA | X射线成像 | 卷积神经网络 | 图像 | 10个伪随机堆叠的空气/骨骼/水材料模型 |
| 21896 | 2024-08-05 |
Phase division and recognition of crystal HRTEM images based on machine learning and deep learning
2024-Sep, Micron (Oxford, England : 1993)
DOI:10.1016/j.micron.2024.103665
PMID:38850965
|
研究论文 | 本研究提出了一种结合机器学习和深度学习的方法，自动划分晶体HRTEM图像中的相区域 | 创新点在于使用滑动窗口计算快速傅里叶变换(FFT)的幅度谱，并结合主成分分析和非负矩阵分解实现相的自动识别 | 本研究可能在处理某些复杂材料的HRTEM图像时存在局限性 | 研究目标是在HRTEM图像中实现高效的相分割和识别 | 研究对象包括锆和氧纳米颗粒的HRTEM图像 | 机器学习 | NA | 快速傅里叶变换(FFT) | 深度学习 | 图像 | 锆和氧纳米颗粒HRTEM图像的实验 |
| 21897 | 2024-08-05 |
Machine learning methods for genomic prediction of cow behavioral traits measured by automatic milking systems in North American Holstein cattle
2024-Jul, Journal of dairy science
IF:3.7Q2
DOI:10.3168/jds.2023-24082
PMID:38395400
|
研究论文 | 本文旨在比较传统基因组预测方法与深度学习算法在自动挤奶系统中对北美荷斯坦奶牛行为特征的基因组预测性能 | 研究了深度学习算法在奶牛行为特征的基因组预测中相较于传统方法的表现，提供了对预测精度的新见解 | 深度学习方法的计算需求较高，且在未基因分型个体上的预测能力有限 | 提高复杂性状如奶牛行为的基因组预测精度 | 北美荷斯坦奶牛的挤奶拒绝和挤奶失败 | 机器学习 | NA | 自动挤奶系统 | LASSO, MLP, CNN, GBLUP | 每日记录 | 4,511头基因分型的荷斯坦奶牛，总计1,993,509条记录 |
| 21898 | 2024-08-05 |
Explainable AI based automated segmentation and multi-stage classification of gastroesophageal reflux using machine learning techniques
2024-Jun-28, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5a14
PMID:38901416
|
研究论文 | 本研究提出了一种基于可解释人工智能的自动分割和多阶段分类系统，用于胃食管反流疾病的诊断 | 提出了一个专门为胃肠道疾病诊断而设计的系统，结合目标检测和深度学习分割技术 | 未提及研究的局限性 | 旨在开发自动化工具以快速和准确地诊断胃食管反流疾病 | 关注于胃食管反流疾病患者的医学图像 | 计算机视觉 | 胃食管反流疾病 | Yolov5, Deep LabV3+ | 自定义深度神经网络 | 图像 | NA |
| 21899 | 2024-08-05 |
A novel radiomics approach for predicting TACE outcomes in hepatocellular carcinoma patients using deep learning for multi-organ segmentation
2024-06-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65630-z
PMID:38926517
|
研究论文 | 本研究提出了一种新的放射组学方法，利用深度学习进行多脏器分割，以预测肝细胞癌患者的TACE治疗结果 | 本研究采用全自动的、预训练的深度学习模型，从多个感兴趣的脏器体积中提取放射组学特征，克服了传统模型手动分割的限制 | 本研究的局限性在于未能考虑所有可能影响TACE结果的临床因素 | 本研究旨在开发一种新的方法来预测肝细胞癌患者的TACE治疗结果 | 研究对象为252名接受TACE治疗的肝细胞癌患者 | 数字病理学 | 肝癌 | 深度学习 | 随机生存森林模型 | CT图像 | 252名肝细胞癌患者 |
| 21900 | 2024-08-05 |
CT imaging-derived phenotypes for abdominal muscle and their association with age and sex in a medical biobank
2024-06-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64603-6
PMID:38926479
|
研究论文 | 本研究探讨了通过CT成像获得的腹部肌肉表型及其与年龄和性别的关联 | 开发了一种全自动的技术来评估腹部肌肉IDP，并展示了与年龄和性别的差异，提供了个体肌肉的3D分割 | 本研究仅限于回顾性分析，样本选择和数据集的多样性可能影响结果的普遍适用性 | 研究腹部肌肉质量变化与年龄和性别的关系 | 利用医学生物库中不同人种的参与者的CT扫描数据进行分析 | 影像学 | 肌肉衰减症 | CT扫描 | 深度残差U-Net | 影像 | 110个CT研究，此外还有295个研究用于模型性能评估 |