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 24162 篇文献，本页显示第 22161 - 22180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22161 | 2024-08-05 |
Intelligent quality control of traditional chinese medical tongue diagnosis images based on deep learning
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248018
PMID:38759050
|
研究论文 | 本文提出了一种基于深度学习的图像质量控制算法，用于验证中医舌诊图像的合格性。 | 该研究利用ResNet34模型并通过迁移学习方法，达到97.06%的图像质量控制准确率，确保舌图像处理的后续分析。 | 研究并未涉及舌诊图像以外的其他中医诊断图像的质量控制。 | 研究旨在提高传统中医舌诊技术的标准化、客观化和量化水平。 | 研究对象为中医舌诊图片，分为五种状态。 | 数字病理学 | NA | 深度学习 | ResNet34 | 图像 | 大量图像样本 |
| 22162 | 2024-08-05 |
Applications of deep learning models in precision prediction of survival rates for heart failure patients
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248029
PMID:38759059
|
研究论文 | 本研究使用Seq2Seq模型提高心力衰竭患者的死亡率预测精度 | 该研究首次将Seq2Seq模型与患者特征结合用于心力衰竭的死亡率精准预测，优于传统机器学习方法 | 未提及存在的局限性 | 利用Seq2Seq模型与患者特征进行心力衰竭死亡率的精准预测 | 心力衰竭患者的12个患者特征 | 机器学习 | 心血管疾病 | 深度学习 | Seq2Seq | 连续医疗记录 | NA |
| 22163 | 2024-08-05 |
Research on multi-defects classification detection method for solar cells based on deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304819
PMID:38905246
|
研究论文 | 提出一种基于深度学习的太阳能电池多缺陷分类检测方法 | 采用不同优化方法的深度学习模型和多模型融合的分类检测方法来提高太阳能电池表面缺陷的检测精度 | 没有提及模型在真实应用中的表现和其他类型缺陷的检测能力 | 提高太阳能电池制造过程中的缺陷检测精度和速度 | 太阳能电池表面的缺陷检测 | 计算机视觉 | NA | YOLOv5s, K-means, MobileNetV2 | YOLOv5s, MobileNetV2 | 图像 | NA |
| 22164 | 2024-08-05 |
Deep learning-based differentiation of ventricular septal defect from tetralogy of Fallot in fetal echocardiography images
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248040
PMID:38759068
|
研究论文 | 本文探讨了使用深度学习技术区分胎儿超声图像中的室间隔缺损和法洛四联症 | 采用弱监督数据增强网络（WSDAN）在细粒度图像分类任务中表现最佳，显示了其在识别先天性心脏病中的潜力 | 研究可能受到样本数量的限制，只有105张TOF图像和96张VSD图像 | 提高对先天性心脏病的早期诊断能力 | 胎儿超声图像中的法洛四联症和室间隔缺损 | 计算机视觉 | 先天性心脏病 | 卷积神经网络（CNN） | VGG19, ResNet50, NTS-Net, WSDAN | 图像 | 共收集了201张图像，包括105张法洛四联症图像和96张室间隔缺损图像 |
| 22165 | 2024-08-05 |
Optimizing cardiovascular image segmentation through integrated hierarchical features and attention mechanisms
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-248035
PMID:38759064
|
研究论文 | 本文介绍了一种深度学习方法用于自动化心血管图像分割 | 引入了创新的区域加权融合和形状特征细化模块，利用极化自注意力显著提高了多尺度特征集成和形状微调的性能 | NA | 研究心血管医学图像的自动分割技术 | 心血管图像 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA |
| 22166 | 2024-08-05 |
Machine learning in computational histopathology: Challenges and opportunities
2023-09, Genes, chromosomes & cancer
DOI:10.1002/gcc.23177
PMID:37314068
|
review | 文章回顾了机器学习在计算数字病理学中的应用及其挑战与机遇 | 提供了机器学习在数字病理学领域成功应用的背景和临床任务的自动化情况 | 未详细讨论特定机器学习模型的局限性和实际应用的障碍 | 探讨机器学习在数字病理学中的应用潜力和未来发展方向 | 数字病理学图像及其在癌症诊断和分期中的应用 | 数字病理学 | 癌症 | 机器学习，深度学习 | NA | 数字病理图像 | 大规模数字病理切片数据集 |
| 22167 | 2024-08-05 |
A multi-scale residual network for accelerated radial MR parameter mapping
2020-11, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2020.08.013
PMID:32882339
|
研究论文 | 提出了一种结合加速径向数据采集和多尺度残差网络的深度学习MR参数成像框架 | 提出的多尺度残差网络在使用加速径向数据的情况下，提供了高质量的对比加权图像和参数图，且重建时间减少两个数量级 | 在许多应用场景中无法获得完全采样的训练数据 | 研究加速径向数据采集的MR参数成像方法 | 针对不同解剖结构和弛豫参数，训练个别网络进行图像重建 | 数字病理学 | NA | 深度学习 | 多尺度残差网络(MS-ResNet) | 图像 | 脑部和膝盖数据集的体内T映射结果 |
| 22168 | 2024-08-05 |
Exploring the potential of representation and transfer learning for anatomical neuroimaging: Application to psychiatry
2024-Aug-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120665
PMID:38848981
|
研究论文 | 本研究探讨了在精神病学中应用代表性和迁移学习的解剖神经影像学的潜力 | 提出了通过自监督学习、生成建模和基于年龄的监督学习等三种预训练策略来改善深度学习在临床数据集中的表现 | 现有比较研究主要集中于预测临床关系较低的表型，且仅使用单一数据集 | 研究深度学习和标准机器学习在解剖神经影像学上的预测能力及其在精神病学中的应用 | 比较深度学习和标准机器学习在精神病学中对精神分裂症、躁郁症和自闭症谱系障碍的预测能力 | 数字病理学 | 精神病 | 深度学习 | 深度集成模型 | 图像 | 脑影像数据来自约10k的健康人群和≤1k的临床数据集 |
| 22169 | 2024-08-05 |
Automated segmentation of epilepsy surgical resection cavities: Comparison of four methods to manual segmentation
2024-Aug-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120682
PMID:38866195
|
研究论文 | 该研究比较了四种自动分割管道在癫痫手术切除腔体的准确性 | 首次对四种自动分割方法在不同类型癫痫手术切除结果上的表现进行了比较 | 所有算法均未能识别所有切除腔，且仍需要人工质量控制 | 比较四种自动分割管道在MRI上切除腔体的准确性 | 50名接受癫痫手术的患者，包括30名颞叶和20名外颞叶患者 | 数字病理 | 癫痫 | SPM-12和3D U-net卷积神经网络 | CNN | MRI图像 | 50个患者的手术切除腔体 |
| 22170 | 2024-08-05 |
Ultra-High-Resolution T2-Weighted PROPELLER MRI of the Rectum With Deep Learning Reconstruction: Assessment of Image Quality and Diagnostic Performance
2024-Jul-01, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001047
PMID:37975732
|
研究论文 | 本研究评估了超高分辨率获取和深度学习重建对直肠T2加权PROPELLER成像的图像质量和诊断性能的影响 | 提出了一种结合超高分辨率和深度学习重建的PROPELLER成像方法，从而改善了图像质量和识别性能 | 在直肠癌的病理情况下，MRI的诊断准确性并未提高，可能受到假阳性MRI结果或假阴性病理结果的影响 | 评估超高分辨率和深度学习重建在直肠MRI中的应用效果 | 34名接受MRI检查的直肠肿瘤患者 | 医学影像学 | 直肠癌 | 磁共振成像（MRI） | 深度学习重建（DLR） | 影像 | 34名患者 |
| 22171 | 2024-08-05 |
Streamlining social media information retrieval for public health research with deep learning
2024-Jun-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae118
PMID:38718216
|
研究论文 | 本研究开发了一种系统以简化社交媒体相关公共卫生研究的信息检索过程。 | 该研究提出了一种新的系统性流程，通过社交媒体数据策划症状词典，具有高准确度，能有效识别精神障碍。 | 未提及具体的局限性 | 研究通过社交媒体数据策划症状词典以促进公共卫生研究。 | 本研究以与COVID-19相关的推文作为研究对象，提取和规范症状实体。 | 数字病理学 | 心态疾病 | 命名实体识别 | NA | 文本 | 从最终词典中随机抽取500个实体样本进行准确性验证 |
| 22172 | 2024-08-05 |
Enhanced multi view 3D reconstruction with improved MVSNet
2024-Jun-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64805-y
PMID:38890489
|
研究论文 | 提出了一种基于改进MVSNet网络架构的三维重建算法 | 使用DE模块结合残差框架来增强特征提取机制，并利用注意力机制提升3D成本体积的正则化过程 | 未在其他数据集上进行广泛验证 | 提升三维场景重建的精度和质量 | 基于DTU数据集进行的三维重建模型评估 | 计算机视觉 | NA | 多视角立体视觉 (MVS) | 改进的MVSNet | 图像 | 使用DTU数据集进行评估，具体样本数量未说明 |
| 22173 | 2024-08-05 |
AI powered quantification of nuclear morphology in cancers enables prediction of genome instability and prognosis
2024-Jun-19, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00623-9
PMID:38898127
|
研究论文 | 本文介绍了一种基于深度学习的数字病理管道，用于全面量化癌症中细胞核的形态，进而预测基因组不稳定性和预后 | 提出了一种全组织的深度学习方法，用于核检测、分割和分类，能够提取具有临床相关性的核形态生物标记 | 使用手动收集的核注释进行模型训练可能存在偏差，且模型效能在不同癌症类型中可能存在变化 | 研究细胞核形态与预后生物标记之间的关联 | BRCA、LUAD和PRAD等癌症类型的细胞核 | 数字病理 | 乳腺癌、肺腺癌、前列腺癌 | 深度学习 | 对象检测和分割模型 | 图像 | 使用BRCA、LUAD和PRAD TCGA队列的H&E染色切片样本 |
| 22174 | 2024-08-05 |
EPI-Trans: an effective transformer-based deep learning model for enhancer promoter interaction prediction
2024-Jun-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05784-9
PMID:38890584
|
研究论文 | 本研究提出了一种基于变换器的深度学习模型EPI-Trans，用于增强子-启动子相互作用的预测 | 提出了一种新型的变换器模型EPI-Trans，克服了现有基于卷积神经网络和递归神经网络方法的局限性 | 当前的方法主要依赖于卷积神经网络和递归神经网络，而未考虑增强子和启动子序列之间的上下文细节和长距离相互作用 | 研究增强子-启动子相互作用的预测，改善现有计算方法的性能 | 使用六个基准细胞系的数据进行模型评估 | 计算机视觉 | NA | 深度学习 | 变换器 | NA | 六个基准细胞系 |
| 22175 | 2024-08-05 |
Empowering artificial intelligence in characterizing the human primary pacemaker of the heart at single cell resolution
2024-06-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63542-6
PMID:38890395
|
研究论文 | 本研究利用一种新颖的深度学习去卷积方法对人类窦房结的细胞异质性进行了表征 | 采用Bulk2space方法首次从单细胞数据集中对人类窦房结进行细胞组成分析 | 本研究主要依赖于非人类物种的单细胞数据，可能影响结果的直接应用 | 研究人类窦房结的细胞组成及其特性 | 人类窦房结细胞种群的组成和特征 | 数字病理学 | 心血管疾病 | scRNA-Seq | 深度学习去卷积 | 单细胞数据 | 使用了公共的鼠类scRNA-Seq数据作为参考，识别了18个人类细胞种群 |
| 22176 | 2024-08-05 |
A hybrid deep approach to recognizing student activity and monitoring health physique based on accelerometer data from smartphones
2024-06-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63934-8
PMID:38890409
|
研究论文 | 该文章提出了一种基于智能手机加速度计数据的混合深度学习方法，用于识别学生活动和监测健康状况 | 文章通过使用双向长短期记忆网络（BiLSTM）和贝叶斯优化，显著提高了人类活动识别的性能 | 当前LSTM网络的隐含单元预设和初始学习率依赖于先前知识，可能导致亚优化状态 | 通过考虑人类行为的动态特性，提高人类活动识别的性能 | 研究对象为学生的身体活动和健康状况 | 计算机视觉 | NA | 加速度计数据 | 双向长短期记忆网络 (BiLSTM) | 传感器数据 | 经过五折交叉验证的训练和测试数据集 |
| 22177 | 2024-08-05 |
Head movement dynamics in dystonia: a multi-centre retrospective study using visual perceptive deep learning
2024-Jun-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01140-6
PMID:38890413
|
研究论文 | 本研究开发了一种视觉感知深度学习框架，以评估和量化肌张力障碍的病症状态及治疗干预的影响 | 提出了一种新的深度学习框架，克服了传统评分标准的局限性，提供了一种高效、准确且独立于评分者的方法来评估和监测肌张力障碍患者 | 研究依赖于标准临床视频，在多中心回顾性研究中可能存在数据不一致性 | 评估肌张力障碍的动态特征并量化治疗干预影响 | 收集自七个学术中心的三项回顾性长期队列研究中的临床视频数据 | 计算机视觉 | 神经系统疾病 | 深度学习 | 视觉感知深度学习框架 | 视频 | 三项研究的数据，具体样本数量未说明 |
| 22178 | 2024-08-05 |
NNICE: a deep quantile neural network algorithm for expression deconvolution
2024-06-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65053-w
PMID:38890415
|
研究论文 | 提出了一种基于深度学习和分位数回归的细胞类型丰度估计方法NNICE | NNICE结合了统计推断和深度学习，提供了准确且可解释的细胞类型去卷积 | NA | 开发一种快速且经济有效的方法来估计细胞类型的丰度及其不确定性 | 使用混合RNA-seq数据进行细胞类型丰度的自动去卷积 | 数字病理学 | NA | RNA-seq | 深度学习 | 基因表达数据 | NA |
| 22179 | 2024-08-05 |
Daily station-level records of air temperature, snow depth, and ground temperature in the Northern Hemisphere
2024-Jun-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03483-x
PMID:38890309
|
研究论文 | 本研究组建了1960-2021年北半球气温、雪深和土壤温度的综合数据集 | 首次将深度学习方法应用于重建气温、雪深和土壤温度的数据缺失问题，并构建了高时间分辨率的数据集 | 现场观察的数据稀疏且不一致，缺失数据量较大 | 研究高纬度地区地面及地下热条件 | 北半球（纬度超过30°N）气温、雪深和土壤温度的观测数据 | 数字病理学 | NA | 深度学习 | NA | 时间序列数据 | 27768个气温测站、32417个雪深测站和659个土壤温度测站 |
| 22180 | 2024-08-05 |
Bio-inspired deep learning-personalized ensemble Alzheimer's diagnosis model for mental well-being
2024-Jun-18, SLAS technology
IF:2.5Q3
DOI:10.1016/j.slast.2024.100161
PMID:38901762
|
研究论文 | 本文介绍了一种个性化的动态集成卷积神经网络用于阿尔茨海默病的诊断 | 引入了基于样本特性的动态集成策略，使模型能够针对个体差异进行调整 | 缺乏对大规模样本的验证和普适性的评估 | 研究旨在改善阿尔茨海默病的个性化诊断 | 研究对象为阿尔茨海默病患者的脑部样本 | 计算机视觉 | 阿尔茨海默病 | 卷积神经网络（CNN） | 动态集成模型 | 图像 | NA |