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 24188 篇文献，本页显示第 22221 - 22240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22221 | 2024-08-05 |
Approved AI-based fluid monitoring to identify morphological and functional treatment outcomes in neovascular age-related macular degeneration in real-world routine
2024-Jun-20, The British journal of ophthalmology
DOI:10.1136/bjo-2022-323014
PMID:37775259
|
研究论文 | 本研究旨在利用人工智能对液体进行定量，以预测新生血管年龄相关性黄斑变性(nAMD)患者的治疗需求、视力和形态结果。 | 该论文使用经过监管批准的人工智能液体监测方法，能够自动化指导AMD患者的治疗，并预测长期形态结果。 | 该研究的样本主要来自单一注册中心，可能无法代表更广泛的人群。 | 本研究的目标是预测新生血管年龄相关性黄斑变性患者的治疗需求和视觉及形态结果。 | 研究对象为158名未接受治疗的新生血管年龄相关性黄斑变性患者。 | 数字病理学 | 年龄相关性黄斑变性 | 光谱域光学相干断层扫描 | 深度学习算法 | 影像 | 158名治疗未经验患者的数据，评估了202只眼睛 |
| 22222 | 2024-08-05 |
Deep learning detection of diabetic retinopathy in Scotland's diabetic eye screening programme
2024-Jun-20, The British journal of ophthalmology
DOI:10.1136/bjo-2023-323395
PMID:37704266
|
研究论文 | 本文旨在开发基于深度学习的自动分级系统，用于评估苏格兰糖尿病视网膜病变的筛查程序中的视网膜图像 | 提出了一种新的深度学习算法，与现有的支持向量机基自动分级系统相比，具备更好的特异性 | 仅评估了50%参与国家DR筛查项目的患者，可能限制了结果的普遍适用性 | 开发深度学习算法来自动评估糖尿病视网膜病变，并与当前自动化分级系统进行性能比较 | 179944名患者的视网膜图像、质量保证数据和常规DR分级 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | NA | 图像 | 179944名患者的图像和744张的质量保证图像 |
| 22223 | 2024-08-05 |
Automated classification of multiple ophthalmic diseases using ultrasound images by deep learning
2024-Jun-20, The British journal of ophthalmology
DOI:10.1136/bjo-2022-322953
PMID:37852741
|
研究论文 | 该研究开发了一种多分支变换网络（MBT-Net）用于自动分类多种眼科疾病的超声图像 | 提出了一种新的深度学习模型MBT-Net，能够在多种超声设备和操作者下自动分类多种眼科疾病 | 该研究中模型的表现与资深眼科医生相比仍有差距 | 开发一种能自动识别多种眼科疾病的深度学习模型 | 使用临床确认的六类眼科疾病的超声图像进行模型的开发和评估 | 计算机视觉 | 眼科疾病 | 超声波成像 | 多分支变换网络（MBT-Net） | 图像 | 共收集了10,184张超声图像 |
| 22224 | 2024-08-05 |
Improved stent sharpness evaluation with super-resolution deep learning reconstruction in coronary CT angiography
2024-Jun-18, The British journal of radiology
DOI:10.1093/bjr/tqae094
PMID:38733576
|
研究论文 | 本研究评估了超分辨率深度学习重建对冠状动脉CT血管成像图像质量和支架伪影的影响 | 提出了一种超分辨率深度学习重建算法，显著提高了冠状动脉支架的清晰度和图像质量 | 仅对66名患者进行了回顾性分析，样本量相对较小 | 研究超分辨率深度学习重建在冠状动脉CT成像中的应用与效果 | 66名进行冠状动脉CT血管成像的患者 | 图像处理 | 心血管疾病 | 超分辨率深度学习重建(SR-DLR) | NA | 图像 | 66名冠状动脉CT患者 |
| 22225 | 2024-08-05 |
DeepLeish: a deep learning based support system for the detection of Leishmaniasis parasite from Giemsa-stained microscope images
2024-Jun-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01333-1
PMID:38890604
|
研究论文 | 提出了一种基于深度学习的人工智能检测工具，用于从Giemsa染色的显微镜图像中检测利什曼虫 | 开发了一个新的基于YOLOV5模型的检测工具，改善了利什曼病的诊断效率 | 在寄生虫细胞和血细胞的大小差异下，模型的准确性有时降低 | 旨在开发用于利什曼病检测的人工智能工具 | 利用Giemsa染色的显微镜图像进行寄生虫检测 | 计算机视觉 | 利什曼病 | 深度学习 | YOLOV5 | 图像 | 经过专家标注的显微镜图像 |
| 22226 | 2024-08-05 |
Stereochemically-aware bioactivity descriptors for uncharacterized chemical compounds
2024-Jun-18, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00867-4
PMID:38890727
|
研究论文 | 本研究系统地探讨了立体异构与生物活性之间的关系 | 提出了一种新的立体化学意识描述符，能够更准确地描述小分子生物活性特性 | NA | 探讨立体异构体与生物活性之间的关系，并生成生物活性描述符 | 超过100万种化合物及其立体异构体 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 化合物数据 | 超过100万种化合物 |
| 22227 | 2024-08-05 |
Revolutionizing disease diagnosis and management: Open-access magnetic resonance imaging datasets a challenge for artificial intelligence driven liver iron quantification
2024-Jun-16, World journal of clinical cases
IF:1.0Q3
DOI:10.12998/wjcc.v12.i17.2921
PMID:38898864
|
评论 | 本文强调了开放获取的磁共振成像数据集对人工智能驱动的肝铁定量的重要性 | 提出了标准化数据集在推动医疗成像中AI和CNN应用的关键角色 | 缺乏开放获取的数据集可能会延缓该领域医疗研究的进展 | 探讨人工智能在疾病诊断和管理中的潜力 | 人工智能技术在肝铁负荷评估中的应用 | 医疗成像 | NA | 磁共振成像 | 卷积神经网络（CNN） | NA | NA |
| 22228 | 2024-08-05 |
Deep learning to detect left ventricular structural abnormalities in chest X-rays
2024-Jun-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehad782
PMID:38503537
|
研究论文 | 本研究开发了一种深度学习模型，用于在胸部X光片中检测左心室结构异常。 | 首次利用深度学习方法在胸部X光片中准确检测严重左心室肥大和扩张的能力。 | 模型的评估依赖于回顾性数据，可能存在样本选择偏差。 | 研究旨在改进心力衰竭患者的早期筛查和识别。 | 研究对象为24,689名患者的71,589幅胸部X光片及相关的超声心动图标签。 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 71,589幅胸部X光片 |
| 22229 | 2024-08-05 |
Deep Learning-Based Automated Imaging Classification of ADPKD
2024-Jun, Kidney international reports
IF:5.7Q1
DOI:10.1016/j.ekir.2024.04.002
PMID:38899202
|
研究论文 | 本研究开发了一种基于深度学习的方法，自动分类自体显性多囊肾病(ADPKD)的影像学类。 | 该方法应用了转移学习和可解释人工智能(XAI)技术，提高了自动分类结果的解释性和准确性。 | 本文对类1和类2的分类效果优异，但可能在实际临床应用中面临更复杂的变异情况。 | 研究旨在提高ADPKD影像分类的自动化水平，以支持临床试验和患者管理。 | 研究对象为486名患者的腹部T2加权磁共振图像。 | 计算机视觉 | 自体显性多囊肾病 | 深度学习，转移学习 | NA | 图像 | 486名患者的磁共振图像 |
| 22230 | 2024-08-05 |
Feed intake in housed dairy cows: validation of a three-dimensional camera-based feed intake measurement system
2024-Jun, Animal : an international journal of animal bioscience
IF:4.0Q1
DOI:10.1016/j.animal.2024.101178
PMID:38823283
|
研究论文 | 本研究验证了一种基于三维相机的奶牛饲料摄入量测量系统的准确性 | 提出了验证3D相机预测饲料摄入量重量的必要性，并探讨了饮食特定系数的影响 | 模型在个别餐次的摄入量测量上的准确性仍需提高 | 验证基于3D相机的饲料摄入量预测与实际测量重量之间的关系 | 24头泌乳的丹麦黑白奶牛 | 数字病理学 | NA | 深度学习 | 预测模型 | 体重和饲料体积数据 | 24头奶牛，使用4种不同的饮食处理 |
| 22231 | 2024-08-05 |
A Video Mosaicing-Based Sensing Method for Chicken Behavior Recognition on Edge Computing Devices
2024-May-25, Sensors (Basel, Switzerland)
DOI:10.3390/s24113409
PMID:38894200
|
研究论文 | 提出了一种基于视频马赛克的鸡行为识别技术，适用于边缘计算设备 | 结合视频马赛克与深度学习技术，实现对鸡行为的准确识别 | 研究集中于三种特定行为，未涵盖所有可能的鸡行为 | 探讨边缘计算设备上鸡行为识别的技术 | 鸡的行为 | 计算机视觉 | NA | 视频传感马赛克 | MobileNetV2 | 视频 | 涉及三种鸡行为的识别 |
| 22232 | 2024-08-05 |
Chronic Wound Image Augmentation and Assessment Using Semi-Supervised Progressive Multi-Granularity EfficientNet
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3248307
PMID:38899014
|
研究论文 | 使用半监督学习和深度学习方法对慢性创伤图像进行增强和评估 | 提出了一种半监督PMGEfficientNet方法，提高了慢性创伤图像评分的准确性，并优于基线模型 | 合成创伤图像生成未能改善创伤评估的结果 | 通过增强创伤数据集，提升深度学习在创伤评估中的应用效果 | 小型且不平衡的创伤数据集以及二次未标记的创伤图像数据集 | 计算机视觉 | NA | 半监督学习 | EfficientNet卷积神经网络 | 图像 | 共计11509张创伤图像，包括1639张标记图像和9870张未标记图像 |
| 22233 | 2024-08-05 |
A Deep Learning Approach for Beamforming and Contrast Enhancement of Ultrasound Images in Monostatic Synthetic Aperture Imaging: A Proof-of-Concept
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3401098
PMID:38899024
|
研究论文 | 本研究展示了一种深度神经网络（DNN）用于重建高对比度超声图像的方法 | 该文章创新性地使用DNN从单通道合成孔径（SA）方法的射频信号中重建图像，提高了图像质量和对比度 | 研究中使用的模拟图像可能无法完全代表实际临床场景的复杂性 | 研究的目的是提高合成孔径超声成像的图像质量和对比度 | 研究对象是通过单通道SA获取的射频信号及其重建的目标图像 | 数字病理学 | NA | 超声成像 | U-net | 图像 | 27200对射频信号和500幅模拟测试图像 |
| 22234 | 2024-08-05 |
NeoSSNet: Real-Time Neonatal Chest Sound Separation Using Deep Learning
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3401571
PMID:38899018
|
研究论文 | 本研究介绍了一种名为NeoSSNet的新型深度学习模型，旨在实时分离新生儿的胸部声音 | 创新点在于提出了类似于Conv-TasNet的基于掩蔽的架构，并结合了一维卷积和变换器架构的掩蔽生成器 | NA | 研究旨在改进新生儿胸音分离的质量和效率 | 主要针对新生儿的心音和肺音 | 数字病理学 | 心血管疾病和呼吸系统疾病 | 深度学习 | 卷积神经网络（CNN） | 声音 | NA |
| 22235 | 2024-08-05 |
UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3305190
PMID:38899016
|
研究论文 | 本研究介绍了一种基于潜在知识的半监督框架UKSSL，用于医学图像分类。 | 提出了一种结合MedCLR和UKMLP的框架，有效利用未标记数据和少量标记数据进行医学图像分类。 | 研究仅使用了50%的标记数据，可能影响结果的推广性。 | 旨在解决医学图像分类中由于标记数据稀缺而导致的训练高性能模型的挑战。 | 研究对象为未标记和有限标记的医学图像。 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | 使用了LC25000和BCCD数据集，其中50%为标记数据 |
| 22236 | 2024-08-05 |
Multimodal Emotion Recognition Based on Facial Expressions, Speech, and EEG
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3240280
PMID:38899017
|
研究论文 | 本文提出了一种基于深度学习的多模态情感识别方法Deep-Emotion，能够有效集成面部表情、语音和脑电图（EEG）的特征 | 提出了一种新框架Deep-Emotion，包括改进的GhostNet、轻量级全卷积神经网络和树状LSTM模型以提升情感识别性能 | 需要处理的计算能力增加，实时检测与提升深度神经网络的鲁棒性仍然是挑战 | 提升多模态情感识别的表现和准确性 | 面部表情、语音和脑电图（EEG）的情感特征 | 机器学习 | NA | 脑电图（EEG）、深度学习 | GhostNet, LFCNN, tLSTM | 图像、音频 | 使用了CK+、EMO-DB和MAHNOB-HCI等数据集进行广泛实验 |
| 22237 | 2024-08-05 |
Gastric Section Correlation Network for Gastric Precancerous Lesion Diagnosis
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3277219
PMID:38899022
|
研究论文 | 本文提出了一种通过内镜图像诊断胃早期癌前病变的新方法 | 提出了胃部分相关网络（GSCNet），首次实现从内镜图像中识别高胃癌风险患者 | NA | 诊断胃体优先的胃炎指数（CGI）以识别高胃癌风险患者 | 内镜图像中的胃部分 | 数字病理学 | 胃癌 | 内镜图像分析 | 深度学习网络 | 图像 | NA |
| 22238 | 2024-08-05 |
Guest Editorial Introduction to the Special Section on Weakly-Supervised Deep Learning and Its Applications
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3404653
PMID:38899020
|
评论 | 本篇文章介绍了弱监督深度学习及其在生物医学数据分析中的应用 | 提出了弱监督深度学习技术作为解决生物医学数据分析挑战的新方法 | 涉及的特定限制尚未在摘要中提及 | 探讨弱监督深度学习技术在生物医学数据分析中的应用 | 生物医学领域的数据，包括信号、图像和视频 | 深度学习 | NA | 深度学习 | GANs, GNNs, ViTs, DRL | 信号、图像和视频 | NA |
| 22239 | 2024-08-05 |
Traditional Machine Learning Methods versus Deep Learning for Meningioma Classification, Grading, Outcome Prediction, and Segmentation: A Systematic Review and Meta-Analysis
2023-11, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.08.023
PMID:37574189
|
meta-analysis | 本研究评估了传统机器学习方法与深度学习在脑膜瘤分类、分级、预后预测和分割中的表现 | 首次系统性比较了传统机器学习与深度学习在脑膜瘤管理中的性能 | 由于性能指标报告不足，无法进一步统计分析其他性能指标 | 评估脑膜瘤管理中传统机器学习与深度学习算法的表现 | 脑膜瘤的分类、分级、预后预测和分割 | 机器学习 | 脑膜瘤 | 机器学习 | 传统机器学习，深度学习 | 文献数据 | 534条记录筛选，包含43篇文章 |
| 22240 | 2024-08-05 |
Automated segmentation of five different body tissues on computed tomography using deep learning
2023-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15932
PMID:36008356
|
研究论文 | 该文开发并验证了一种用于CT扫描上五种不同身体组织的自动分割计算机工具。 | 文中采用了训练与标注相结合的策略，提高了注释效率，并比较了多种卷积神经网络在组织分割中的表现。 | 不同CNN模型在分割身体组织时未表现出显著差异。 | 旨在开发一种高效的计算工具，以自动化分割CT扫描显示的多种身体组织。 | 该研究对象为100个CT扫描样本，涉及内脏脂肪组织、皮下脂肪组织、肌肉及骨骼等多种身体组织。 | 计算机视觉 | NA | 卷积神经网络（CNN） | UNet, R2Unet, UNet++ | 图像 | 100个CT扫描样本 |