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 24103 篇文献，本页显示第 22061 - 22080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22061 | 2024-08-05 |
Predicting microvascular invasion in hepatocellular carcinoma with a CT- and MRI-based multimodal deep learning model
2024-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04202-1
PMID:38433144
|
研究论文 | 本研究探讨了一种基于CT和MRI的多模态深度学习模型在预测肝细胞癌微血管侵犯中的价值 | 提出了一种结合CT和MRI数据的多模态深度学习模型，显著提高了微血管侵犯预测的准确性 | 本研究限于单一机构的数据和样本，可能影响结果的普遍性 | 研究多模态深度学习模型在肝细胞癌微血管侵犯预测中的应用 | 287例肝细胞癌患者的数据用于模型开发和验证 | 医学影像学 | 肝细胞癌 | 多模态深度学习 | 极限学习机 (ELM) | CT和MRI影像数据 | 287例患者 |
| 22062 | 2024-08-05 |
Bladder MRI with deep learning-based reconstruction: a prospective evaluation of muscle invasiveness using VI-RADS
2024-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04280-1
PMID:38652125
|
研究论文 | 本研究评估了深度学习重建在膀胱MRI中的影响，特别是检查时间、图像质量和VI-RADS的诊断性能 | 首次将深度学习重建应用于膀胱MRI，显著提高了图像质量并缩短了检查时间 | 标准序列和快速序列的ADC与VI-RADS的AUC之间没有显著差异 | 探讨深度学习重建对膀胱MRI诊断的影响 | 70名于2022年8月至2023年2月接受MRI检查的膀胱癌患者 | 医学成像 | 膀胱癌 | 深度学习重建(DLR) | NA | 图像 | 70名膀胱癌患者 |
| 22063 | 2024-08-07 |
Hematoma expansion prediction: still navigating the intersection of deep learning and radiomics
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10586-x
PMID:38252277
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22064 | 2024-08-05 |
The association between DNA methylation and human height and a prospective model of DNA methylation-based height prediction
2024-Mar, Human genetics
IF:3.8Q2
DOI:10.1007/s00439-024-02659-0
PMID:38507014
|
研究论文 | 本研究探讨了DNA甲基化与人类身高之间的关系，并构建了一个基于DNA甲基化的身高预测模型。 | 使用仅959个CpG位点的靶向甲基化测序结合深度学习技术，提供了比基于SNP预测模型更高的身高预测准确性。 | 样本主要针对中国人群，可能限制了研究结果的普遍适用性。 | 研究DNA甲基化与人类身高之间的关联，并基于此构建身高预测模型。 | 研究对象为与身高相关的DNA甲基化位点。 | 数字病理学 | NA | 靶向甲基化测序 | 深度神经网络 | NA | 11,730个与身高相关的位点 |
| 22065 | 2024-08-05 |
Custom-Trained Deep Learning-Based Auto-Segmentation for Male Pelvic Iterative CBCT on C-Arm Linear Accelerators
2024-Feb-06, Practical radiation oncology
IF:3.4Q1
DOI:10.1016/j.prro.2024.01.006
PMID:38325548
|
研究论文 | 本研究评估了一种基于人工智能的深度学习自动分割工具在男性盆腔增强迭代锥形束计算机断层扫描中的临床适用性 | 提出了一种自定义训练的深度学习模型，展示了相较于传统方法在分割精度和效率上的改善 | 前列腺床的分割表现不佳，平均Dice相似系数低于0.75，且部分轮廓需要手动编辑以符合机构轮廓指导原则 | 评估在前列腺和前列腺床治疗中，商业深度学习自动分割工具的临床适用性 | 116个包含手动描绘器官和目标体积的iCBCT数据集 | 数字病理学 | 前列腺癌 | 深度学习 | DLAS | iCBCT图像 | 用于模型训练的116个数据集和用于模型测试的25个数据集 |
| 22066 | 2024-08-05 |
Deep Learning-Assisted Segmentation and Classification of Brain Tumor Types on Magnetic Resonance and Surgical Microscope Images
2024-02, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.11.073
PMID:38030068
|
研究论文 | 本研究旨在利用深度学习技术改善神经外科手术中的肿瘤边界描绘和分类 | 将深度学习与神经外科手术相结合，提高了手术中的肿瘤识别精度 | 强调了训练和优化深度学习模型所需的多样数据集的重要性 | 探索如何通过深度学习提高神经外科手术的安全性和效果 | 针对脑肿瘤类型的精确分割和分类 | 计算机视觉 | 脑肿瘤 | 深度学习 | Mask R-CNN | 视频和图像 | NA |
| 22067 | 2024-08-05 |
Clinical predictions of COVID-19 patients using deep stacking neural networks
2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research
IF:2.5Q3
DOI:10.1177/10815589231201103
PMID:37712431
|
研究论文 | 该文章提出了一种深度堆叠神经网络模型来预测COVID-19患者的临床结果 | 使用矩阵分解特征选择的方法来挑选最相关的COVID-19患者实验室生物标志物和人口统计数据特征 | 未提及该模型的实际应用限制 | 提高COVID-19患者临床结果预测的准确性 | COVID-19患者的实验室生物标志物和人口统计数据 | 机器学习 | COVID-19 | 机器学习模型 | 深度堆叠神经网络 | 实验室生物标志物和人口统计数据 | NA |
| 22068 | 2024-08-05 |
Can the generalizability issue of artificial intelligence be overcome? Pneumothorax detection algorithm
2024-01, Journal of investigative medicine : the official publication of the American Federation for Clinical Research
IF:2.5Q3
DOI:10.1177/10815589231208479
PMID:37840192
|
研究论文 | 本文旨在解决人工智能在气胸检测中的可推广性问题 | 开发了基于深度学习的气胸检测算法，并通过外部验证提高了模型的准确性 | 需要更多的研究来确定最佳的外部验证数据量，以完全解决可推广性问题 | 研究气胸检测中人工智能模型的可推广性 | 气胸患者的胸部X光影像 | 计算机视觉 | 气胸 | 深度学习 | 深度学习模型 | 胸部X光影像 | 648例气胸患者和650例非气胸患者的影像 |
| 22069 | 2024-08-05 |
Batch-balanced focal loss: a hybrid solution to class imbalance in deep learning
2023-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.5.051809
PMID:37361550
|
研究论文 | 验证了一种名为批平衡焦点损失(BBFL)的方法在处理不平衡数据集时对卷积神经网络(CNN)分类性能的提升效果 | BBFL结合了批平衡和焦点损失两种策略以应对类别不平衡问题 | 本文未讨论BBFL在其他类型数据集上的表现 | 提升卷积神经网络在不平衡数据集上的分类能力 | 针对不平衡的视网膜神经纤维层缺损(RNFLD)和青光眼图像数据集进行研究 | 计算机视觉 | 青光眼 | 卷积神经网络(CNN) | InceptionV3, MobileNetV2 | 图像 | 视网膜神经纤维层缺损数据集(n=7,258); 青光眼数据集(n=7,873) |
| 22070 | 2024-08-07 |
COVID-19 in the Age of Artificial Intelligence: A Comprehensive Review
2021-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-021-00431-w
PMID:33886097
|
综述 | 本文详细回顾了人工智能在COVID-19病例的预测、分析和追踪中的决定性作用 | 探讨了人工智能在医疗实践中的应用，特别是在COVID-19病例的识别和监测中的应用 | NA | 评估和总结人工智能在COVID-19大流行中的应用和挑战 | COVID-19病例的识别、监测和追踪 | 机器学习 | COVID-19 | 人工智能 | NA | 大数据 | 涉及全球超过9852万感染者和211万死亡病例 |
| 22071 | 2024-08-05 |
Adapted generative latent diffusion models for accurate pathological analysis in chest X-ray images
2024-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03056-5
PMID:38499946
|
研究论文 | 本文章提出了一种基于自适应生成潜在扩散模型的新数据增强方法，以提高胸部X光图像的自动病理筛查性能 | 创新点在于提出了一种新型的数据增强方法，专门针对结核病和肺结节的病理分析 | 研究依赖于有限的公共数据集，可能不完全代表所有实际临床场景 | 研究旨在改善胸部X光图像中病理分析的自动化性能 | 研究对象为结核病和肺结节的胸部X光图像 | 数字病理学 | 肺癌 | 数据增强 | 生成潜在扩散模型 | 图像 | 使用三个公共可用数据集进行评估 |
| 22072 | 2024-08-05 |
Longitudinal artificial intelligence-based deep learning models for diagnosis and prediction of the future occurrence of polyneuropathy in diabetes and prediabetes
2024-Jul, Neurophysiologie clinique = Clinical neurophysiology
DOI:10.1016/j.neucli.2024.102982
PMID:38761793
|
研究论文 | 本研究旨在开发基于人工智能的深度学习模型，以诊断和预测糖尿病及前糖尿病患者未来发生糖尿病远端感觉运动多神经病(DSPN)的风险 | 结合随机森林技术与卷积神经网络(CNN)和长短期记忆网络(LSTM)，为DSPN的诊断和预测提供了创新的深度学习框架 | 研究可能受限于样本的特异性，可能无法推广至其他类型糖尿病患者或不同的种族背景 | 研究旨在评估深度学习模型在糖尿病远端感觉运动多神经病的诊断和预测中的潜力 | 394名患者，其中300名为2型糖尿病患者，94名为前糖尿病患者 | 数字病理学 | 糖尿病 | 随机森林(RF)，卷积神经网络(CNN)，长短期记忆网络(LSTM) | CNN和LSTM | 临床评估数据 | 394名患者（300名2型糖尿病患者，94名前糖尿病患者） |
| 22073 | 2024-08-05 |
Research on machine learning hybrid framework by coupling grid-based runoff generation model and runoff process vectorization for flood forecasting
2024-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121466
PMID:38870784
|
研究论文 | 本研究提出了一种结合网格型径流生成模型和径流过程向量化的混合深度学习洪水预测框架 | 创新点在于通过结合GRGM、RPV和LSTM模型来提高洪水预测的准确性和鲁棒性 | 研究中可能缺乏对其他因素影响的考虑，如气候变化的长期影响 | 研究旨在改进洪水预测模型的性能，以减少洪水灾害的风险 | 本研究的对象为流域Jialu River的水文数据和测量洪水实例 | 机器学习 | NA | LSTM | GRGM-RPV-LSTM | 水文数据 | 18个测量洪水实例 |
| 22074 | 2024-08-05 |
Advancing brain tumor classification through MTAP model: an innovative approach in medical diagnostics
2024-Jul, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03064-5
PMID:38483711
|
研究论文 | 本文介绍了MTAP模型在脑肿瘤分类中的应用，旨在提高诊断准确性 | MTAP模型通过ADASYN方法解决数据集类别不平衡问题，并采用网络剪枝技术和Avg-TopK池化方法进行特征提取，提出了新型的分类策略 | NA | 提高脑肿瘤类型检测的准确性，这是医学成像和诊断的关键方面 | 脑肿瘤 | 医学诊断 | NA | 深度学习 | NA | NA | NA |
| 22075 | 2024-08-05 |
Automatic detection of bumblefoot in cage-free hens using computer vision technologies
2024-Jul, Poultry science
IF:3.8Q1
DOI:10.1016/j.psj.2024.103780
PMID:38688138
|
研究论文 | 本研究开发并测试了深度学习模型以自动检测无笼鸡的鸡足肿胀情况 | 首次提出并应用自动化方法检测无笼环境中鸡足肿胀，尤其是在早期阶段 | 研究主要集中在特定环境和设置下，尚未在商业层面广泛实施 | 旨在开发自动化检测系统以提升无笼鸡的福利 | 主要研究对象为无笼养殖环境中的母鸡及其足肿胀情况 | 计算机视觉 | NA | 深度学习 | YOLOv5系列模型 | 图像 | NA |
| 22076 | 2024-08-07 |
Fusion of Deep Learning with Conventional Imaging Processing: Does It Bring Artificial Intelligence Closer to the Clinic?
2024-Jul, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2023.10.043
PMID:38310497
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22077 | 2024-08-05 |
Deep learning reconstruction for lumbar spine MRI acceleration: a prospective study
2024-Jun-21, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00470-0
PMID:38902467
|
研究论文 | 本文比较了深度学习技术重建的磁共振成像（MRI）与标准重建图像在图像质量和常见退行性病变检测性能方面的差异 | 提出了深度学习重建的MRI方案，能够在不降低图像质量的情况下减少45%的扫描时间 | 仅在单中心进行的前瞻性研究，样本量相对较小 | 评估深度学习重建在腰椎MRI中的应用效果 | 包括31名接受腰椎MRI检查的患者 | 数字病理学 | NA | 深度学习（TSE-DL） | NA | 图像 | 31名患者（15名男性和16名女性） |
| 22078 | 2024-08-05 |
Global research trends and future directions in diabetic macular edema research: A bibliometric and visualized analysis
2024-Jun-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000038596
PMID:38905408
|
研究论文 | 这项研究评估了全球糖尿病性黄斑水肿（DME）研究趋势，并识别了未来的研究方向 | 揭示了美国在DME研究中的主导地位，并确定了当前的研究热点和新兴趋势 | 未提及具体的研究限制 | 评估糖尿病性黄斑水肿的全球研究趋势并指导未来的研究和临床管理 | 关于糖尿病性黄斑水肿的相关出版物的分析 | 数字病理学 | 糖尿病性黄斑水肿 | 文献计量学分析 | NA | 出版物 | 5624篇出版物 |
| 22079 | 2024-08-05 |
Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65060-x
PMID:38902319
|
研究论文 | 本研究提出了一种AI模型，利用少量患者面部和颈部照片准确预测困难直接喉镜检查（DDL） | 该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性 | 研究限制在于仅在单中心进行，可能限制了结果的普遍适用性 | 研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全 | 研究对象为接受全麻下气管插管的成人患者 | 深度学习 | NA | 智能手机拍摄的图像分析 | EfficientNet-B5 | 图像 | 3053名患者的18163张照片 |
| 22080 | 2024-08-05 |
PatchSorter: a high throughput deep learning digital pathology tool for object labeling
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01150-4
PMID:38902336
|
研究论文 | 本文介绍了一个开源的数字病理标记工具PatchSorter，它结合了深度学习和直观的网络界面 | 提出了一种新的高通量标记方法，通过深度学习显著提高了每秒标签数量 | 未提及具体的限制 | 提高数字病理图像中大规模组织标记的效率 | 超过10万个组织对象 | 数字病理学 | NA | 深度学习 | NA | 图像 | 超过100,000个对象 |