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 22541 - 22560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22541 | 2024-08-05 |
Deep learning with mixup augmentation for improved pore detection during additive manufacturing
2024-Jun-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63288-1
PMID:38862686
|
研究论文 | 本研究提出了一种混合增强的数据学习方法，以改善在增材制造过程中孔洞检测的精度 | 使用Mixup数据增强技术，提高了不平衡数据集中的孔洞预测准确性 | 使用的模型可能对数据集的特定特征敏感，且过程缺陷预测依赖于标注数据的质量 | 改善增材制造过程中孔洞检测的准确性 | 对激光粉床熔融实验中的孔洞进行识别和检测 | 机器学习 | NA | NA | 卷积神经网络 (CNN) | 声学数据 | 五个不同实验的测试数据集 |
| 22542 | 2024-08-05 |
Deformable multi-modal image registration for the correlation between optical measurements and histology images
2024-Jun, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.6.066007
PMID:38868496
|
研究论文 | 本研究探讨了一种基于深度学习的自动化多模态图像配准方法，以对齐乳腺标本图像与相应的组织学图像 | 创新点在于提出了一种无监督和有监督学习的图像配准方法，有效处理了强度变化和结构差异带来的挑战 | 该研究的局限性在于未具体列出数据集的多样性和实际应用中的具体限制 | 研究目的是探讨基于深度学习的自动图像配准技术的有效性 | 研究对象为乳腺标本图像和通过不同模态获取的组织学图像 | 数字病理学 | NA | 深度学习 | VoxelMorph模型 | 图像 | 包含手动配准图像的特征数据集 |
| 22543 | 2024-08-05 |
Differential artery-vein analysis improves the OCTA classification of diabetic retinopathy
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.521657
PMID:38867785
|
研究论文 | 本研究探讨了差异性动静脉分析对糖尿病视网膜病变(OCTA)分类的影响 | 该研究利用深度学习进行动静脉区域分割，并通过差异性动静脉分析显著提高了糖尿病视网膜病变的分类准确性 | 在研究中未提及样本的多样性和临床背景对结果的潜在影响 | 研究糖尿病视网膜病变的分类性能与差异性动静脉分析的关系 | 糖尿病患者及其视网膜病变状态的分类 | 数字病理学 | 糖尿病视网膜病变 | 光学相干断层扫描血管造影 | 支持向量机(SVM) | 图像 | NA |
| 22544 | 2024-08-05 |
Designing a deep hybridized residual and SE model for MRI image-based brain tumor prediction
2024-Jun, Journal of clinical ultrasound : JCU
IF:1.2Q3
DOI:10.1002/jcu.23679
PMID:38567722
|
研究论文 | 本文提出了一种新的脑肿瘤检测系统，通过生成合成的MRI图像来提高检测准确性 | 创新点在于生成合成的MRI图像以克服数据集分类不均的问题 | 研究中存在对大规模、良好分类数据集的获取挑战 | 本研究的目的是提高脑肿瘤检测的时效性和准确性 | 研究对象为MRI图像中的脑肿瘤 | 计算机视觉 | NA | 合成磁共振成像(MRI) | 混合ResNet+SE模型 | 图像 | NA |
| 22545 | 2024-08-05 |
Repairing the in situ hybridization missing data in the hippocampus region by using a 3D residual U-Net model
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.522078
PMID:38867784
|
研究论文 | 本研究使用3D残差U-Net模型修复海马区域的原位杂交缺失数据 | 提出了一种利用卷积神经网络模型修复海马区域缺失体素的方法 | NA | 解决海马区域转录组数据的不完整性问题 | 海马区域的转录组数据，以及与冠状面和矢状面数据集的基因表达相关性 | 计算机视觉 | NA | 卷积神经网络 | 3D残差U-Net | 转录组数据 | NA |
| 22546 | 2024-08-05 |
Efficient high-resolution fluorescence projection imaging over an extended depth of field through optical hardware and deep learning optimizations
2024-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.523312
PMID:38867796
|
研究论文 | 本研究提出了一种深焦显微术，通过光学硬件和算法优化，实现在扩展的景深中进行高分辨率荧光投影成像 | 深焦显微术整合了深焦网络(DFnet)与光场显微术(LFM)设置，显著提高了成像的空间分辨率和景深 | 文章中未提及潜在的实验局限性 | 优化成像技术以在生物实验中实现高分辨率和扩展景深的平衡 | 利用深焦显微术观测斑马鱼胚胎和小鼠肝脏的细胞分裂和迁移体形成 | 数字病理学 | NA | 深焦网络，光场显微术 | 深焦网络(DFnet) | 图像 | 构建的数据集，包含多种样本结构 |
| 22547 | 2024-08-05 |
Development and validation of the effective CNR analysis method for evaluating the contrast resolution of CT images
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01400-5
PMID:38451464
|
研究论文 | 本文提出了一种有效的对比噪声比（CNR）分析方法，用于评估CT图像的对比分辨率 | 创新之处在于开发了新的有效CNR分析方法，以更准确地评估CT图像的对比分辨率 | 本研究未提及样本数量和来源的限制 | 研究旨在评估CT图像的对比分辨率 | 研究对象为计算机断层扫描（CT）图像及其信号可探测性 | 数字病理学 | NA | 计算机断层扫描（CT） | NA | 图像 | NA |
| 22548 | 2024-08-05 |
A computed tomography-based multitask deep learning model for predicting tumour stroma ratio and treatment outcomes in patients with colorectal cancer: a multicentre cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001161
PMID:38348900
|
研究论文 | 本研究开发了一种多任务深度学习模型，以非侵入性地预测结直肠癌患者的肿瘤基质比率（TSR）和预后。 | 该文章创新性地使用了多任务深度学习模型结合术前CT图像，解决了当前TSR组织学评估的局限性。 | 该研究为回顾性研究，未来需要前瞻性研究来验证模型的有效性。 | 研究目的是开发一种模型来预测结直肠癌患者的TSR和预后。 | 本文研究对象包括2268名经切除的结直肠癌患者。 | 数字病理学 | 结直肠癌 | CT成像 | MDL模型 | 影像 | 2268名切除的结直肠癌患者 |
| 22549 | 2024-08-05 |
Deep learning-based multi-model prediction for disease-free survival status of patients with clear cell renal cell carcinoma after surgery: a multicenter cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001222
PMID:38445478
|
研究论文 | 本研究提出了一种深度学习基础的多模型预测方法，以评估透明细胞肾细胞癌患者术后的无病生存状态 | 开发了一种新的多模型预测签名，将多模态信息整合到一个单一的预测模型中，以提高无病生存的预后预测性能 | 需要在多个中心和地区进行进一步验证以证实效果 | 提高透明细胞肾细胞癌患者术后无病生存的预后预测 | 414名透明细胞肾细胞癌患者的影像学和临床数据 | 机器学习 | 肾癌 | 深度学习、机器学习 | 多模态预测模型 | 图像、临床数据 | 414名患者 |
| 22550 | 2024-08-05 |
Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001076
PMID:38748500
|
研究论文 | 本文建立了一种基于人工智能的乳腺病变预诊断方法，旨在通过对比增强乳腺摄影进行评估 | 该研究采用RefineNet作为基础网络，并结合卷积块注意力模块（CBAM）进行特征的自适应精细化，展示了创新的AI应用于乳腺病变的分类 | 研究的限制在于为回顾性研究，样本来自于特定的多中心设置，可能会影响普适性 | 研究目的在于利用人工智能技术提升乳腺病变的预诊断准确性 | 研究对象为在2017至2022年之间接受对比增强乳腺摄影检查的1430名患者 | 计算机视觉 | 乳腺癌 | RNA-seq | XGBoost，RefineNet | 医学图像，基因组数据 | 1430名患者的对比增强乳腺摄影检查数据，以及12名患者的RNA测序数据 |
| 22551 | 2024-08-05 |
Precise tooth design using deep learning-based templates
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104971
PMID:38548165
|
研究论文 | 本研究结合隐式模板和深度学习，构建了一种精确的神经网络用于个性化牙齿缺损修复 | 提出了一种新颖的深度学习模型ToothDIT，用于生成高度定制的修复模板 | 样本量较小，仅使用了90个右侧上颌中切牙模型 | 旨在提高假牙设计中的精准度和效率 | 研究对象为右侧上颌中切牙的缺损修复 | 数字病理学 | NA | 深度学习 | ToothDIT | 三维模型 | 90个右上颌中切牙模型（80个用于训练，10个用于验证） |
| 22552 | 2024-08-05 |
Application of artificial intelligence in dental implant prognosis: A scoping review
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104924
PMID:38467177
|
研究论文 | 这项范围评估的目的是评估人工智能在牙科植入物预后中的表现 | 探讨了人工智能在牙科植入物预后预测中的应用和性能 | 研究需要更多的放射影像和临床数据以提高人工智能的性能 | 评估人工智能在牙科植入物预后中的有效性 | 分析了892项研究，最终纳入了12项符合标准的研究 | NA | NA | 深度学习和传统机器学习算法 | 深度学习模型和传统机器学习算法 | 医疗记录和放射影像 | 892项研究中进行了36项的全文分析 |
| 22553 | 2024-08-05 |
Assessing the Potential of a Deep Learning Tool to Improve Fracture Detection by Radiologists and Emergency Physicians on Extremity Radiographs
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.042
PMID:37993303
|
研究论文 | 评估了一种基于深度学习的骨折检测工具在四肢放射学中的独立性能及其对放射科医生和急诊医生的帮助 | 该文章展示了一种新开发的深度学习工具在骨折检测中的高独立准确性，并显著提高了医生的诊断准确性和减少了解读时间 | 本研究局限于单一机构的数据，未涉及多种医院或不同地区的样本 | 研究目的在于提高放射科医生和急诊医生在四肢放射学中识别骨折的能力 | 主要研究对象为放射科医生和急诊医生在检测骨折时的表现 | 计算机视觉 | NA | 深度学习 | NA | 放射影像 | 132,000张四肢骨骼放射学影像用于模型开发，2626张无身份信息的放射影像用于评估 |
| 22554 | 2024-08-05 |
Exploring the Impact of Batch Size on Deep Learning Artificial Intelligence Models for Malaria Detection
2024-May, Cureus
DOI:10.7759/cureus.60224
PMID:38868293
|
研究论文 | 本研究探索了批量大小对用于疟疾检测的深度学习人工智能模型的影响 | 提出了较小的批量大小可能提高模型准确性，为疟疾筛查的AI模型开发提供了新见解 | 研究主要依赖于特定数据集的结果，缺乏多样化样本的评估 | 探讨批量大小对CNN模型在疟疾检测中的准确性影响 | 使用NIH-NLM-ThinBloodSmearsPf数据集中的疟疾血涂片图像进行研究 | 计算机视觉 | 疟疾 | CNN | CNN | 图像 | 27,558张血涂片图像（13,779张感染和13,779张未感染单细胞图像） |
| 22555 | 2024-08-05 |
A CT-based deep learning model predicts overall survival in patients with muscle invasive bladder cancer after radical cystectomy: a multicenter retrospective cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001194
PMID:38349205
|
研究论文 | 本研究开发并验证了一种基于术前CT的深度学习模型，以预测肌肉浸润性膀胱癌患者在根治性膀胱切除术后的整体生存率 | 该研究首次提出利用术前CT影像结合深度学习算法来预测肌肉浸润性膀胱癌患者的生存结果，并与传统模型进行了比较 | 该研究为回顾性研究，可能存在选择偏倚，且依赖于单一的影像类型 | 本研究旨在开发和验证一种深度学习模型，以预测肌肉浸润性膀胱癌患者的整体生存率 | 本研究的对象为接受根治性膀胱切除术的肌肉浸润性膀胱癌患者 | 计算机视觉 | 膀胱癌 | CT | 深度学习模型 | 影像 | 405名患者 |
| 22556 | 2024-08-05 |
Towards clinically applicable automated mandibular canal segmentation on CBCT
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104931
PMID:38458378
|
研究论文 | 开发了一种基于深度学习的系统，用于在锥形束计算机断层扫描（CBCT）图像上进行下颌管的精确、稳健、全自动分割 | 提出了一种三步策略结合2D U-Net和3D U-Net进行下颌管分割，具有多阶段注释方法 | 在研究中数据集来自单一中心，外部验证数据集相对较小 | 研究旨在提高下颌管在CBCT图像上的自动分割精度 | 536个CBCT扫描的图像数据 | 数字病理学 | NA | 深度学习 | 2D U-Net和3D U-Net | 图像 | 536个CBCT扫描（训练集：376，验证集：80，测试集：80） |
| 22557 | 2024-08-05 |
Big data research in nursing: A bibliometric exploration of themes and publications
2024-05, Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing
IF:2.4Q1
DOI:10.1111/jnu.12954
PMID:38140780
|
研究论文 | 本研究旨在理解全球护理领域大数据研究的热点和趋势 | 通过文献计量分析，揭示了护理领域大数据研究的多个焦点集群和技术融合的演变 | 全球护理研究中大数据的利用存在不平衡，需提升临床人员的数据科学素养 | 探讨大数据在护理研究中的主题趋势和演变 | 护理领域的文献和研究作者 | 数字病理学 | 老年病 | 文献计量分析 | NA | 文献 | 全球45位核心作者和17本核心期刊的研究 |
| 22558 | 2024-08-05 |
Novel Deep Learning Denoising Enhances Image Quality and Lowers Radiation Exposure in Interventional Bronchial Artery Embolization Cone Beam CT
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.003
PMID:37989681
|
研究论文 | 本研究探讨了一种先进的深度学习去噪技术在介入支气管动脉栓塞的锥束CT成像中减少辐射剂量和提高图像质量的效果 | 引入了一种新的深度学习去噪软件，有效改善了图像质量并降低了辐射暴露 | 主观评估未能显著区分6秒和3秒的DLD质量 | 评估在介入支气管动脉栓塞过程中提高图像质量和降低辐射剂量的技术 | BMI 匹配的患者，这些患者接受了不同时间长度的BAE CBCT扫描 | 医学影像学 | NA | 深度学习去噪（DLD） | NA | 图像 | 60名患者 |
| 22559 | 2024-08-07 |
Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit
2024-May, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2023.01424.e1
PMID:38556908
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22560 | 2024-08-05 |
Research on a vehicle and pedestrian detection algorithm based on improved attention and feature fusion
2024-Apr-26, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024255
PMID:38872558
|
研究论文 | 本文提出了一种基于增强YOLOv5s的道路目标检测算法，旨在提高复杂环境下对交通目标的准确识别 | 引入了加权增强极化自注意力机制（WEPSA）和加权特征融合网络（CBiFPN），提升了特征提取和语义信息表示 | 未明确指出文章的具体局限性 | 研究目标是提高自主驾驶技术中的车辆和行人检测准确性 | 研究对象为复杂背景下的道路交通目标 | 计算机视觉 | NA | YOLOv5s | NA | 图像 | 在KITTI、Cityscapes等开放源数据集上进行大量实验，具体样本数量未明确提及 |