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 23913 篇文献，本页显示第 22621 - 22640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22621 | 2024-08-05 |
Adults Ischium Age Estimation Based on Deep Learning and 3D CT Reconstruction
2024-Apr-25, Fa yi xue za zhi
|
研究论文 | 本文开发了一种基于3D CT重建图像的成年人坐骨年龄估计深度学习模型 | 创新点在于利用西中国汉族群体的坐骨粗隆图像，结合ResNet34和迁移学习实现年龄估计 | 研究可能局限于特定人群的样本，结果的普适性需要进一步验证 | 研究目的在于评估基于3D CT图像的坐骨年龄估计模型的可行性和可靠性 | 研究对象为西中国一千二百名年龄在20到80岁之间的成年人 | 数字病理学 | NA | 3D CT重建 | ResNet34 | 图像 | 1200个样本（600名男性和600名女性） |
| 22622 | 2024-08-05 |
A deep learning model based on MRI for prediction of vessels encapsulating tumour clusters and prognosis in hepatocellular carcinoma
2024-04, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04141-3
PMID:38175256
|
研究论文 | 本研究旨在构建和评估一个基于深度学习的模型，以预测肝细胞癌患者肿瘤簇包围血管及预后 | 本文创新性地使用ResNet-34深度学习模型预测肝细胞癌患者的肿瘤簇血管包围情况及其预后 | 研究为回顾性，外部验证队列样本数量可能不足 | 旨在为肝细胞癌患者的术前预后评估提供非侵入性的预测工具 | 纳入320名病理确诊的肝细胞癌患者 | 数字病理学 | 肝细胞癌 | 深度学习 | ResNet-34 | 医学影像 | 320名肝细胞癌患者 |
| 22623 | 2024-08-05 |
Algorithms for classification of sequences and segmentation of prostate gland: an external validation study
2024-04, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04241-8
PMID:38436698
|
研究论文 | 该研究旨在外部验证两个AI模型用于前列腺mpMRI序列分类和前列腺腺体的分割 | 本研究首次在不同MR场强和序列条件下验证了前列腺mpMRI图像分类和分割的AI模型 | 研究的数据仅来自于两家医院，可能影响结果的普遍性 | 验证AI模型在前列腺mpMRI图像分类和分割中的有效性 | 719名患者的mpMRI数据 | 数字病理学 | 前列腺癌 | mpMRI | Med3D深度学习和UNet-3D | 图像 | 719个MR研究中的20,551组图像 |
| 22624 | 2024-08-05 |
Application of a deep learning algorithm for three-dimensional T1-weighted gradient-echo imaging of gadoxetic acid-enhanced MRI in patients at a high risk of hepatocellular carcinoma
2024-03, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04124-4
PMID:38095685
|
研究论文 | 本研究评估了一种深度学习重建算法在肝脏MRI中的应用效果 | 引入了特定厂商的深度学习重建算法，以提高影像质量和病灶检测能力 | 对非囊性肝病灶的检测表现无显著差异，可能对某些类型的病变敏感性不足 | 评估深度学习重建算法在高风险肝细胞癌患者中增强影像质量的有效性 | 83名高风险肝细胞癌患者 | 数字病理 | 肝癌 | 深度学习重建算法 | NA | 影像 | 83名高风险患者 |
| 22625 | 2024-08-05 |
Prediction and Diagnosis of Breast Cancer Using Machine and Modern Deep Learning Models
2024-Mar-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2024.25.3.1077
PMID:38546090
|
研究论文 | 本研究旨在评估多种机器学习和现代深度学习模型在乳腺癌预测和诊断中的有效性 | 探讨了多种机器学习和深度学习模型在乳腺癌预测中的应用和效果 | NA | 降低女性乳腺癌相关死亡率的预测和诊断效果 | 乳腺癌患者的预测和诊断模型 | 机器学习 | 乳腺癌 | 人工智能，机器学习，深度学习 | NA | NA | NA |
| 22626 | 2024-08-05 |
Multi-scale V-net architecture with deep feature CRF layers for brain extraction
2024-Feb-23, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00452-8
PMID:38396078
|
研究论文 | 本文提出了一种高效的V-net架构EVAC+，用于脑部提取 | 引入了一种智能增强策略，独特的条件随机场递归层使用方法，以及额外的损失函数以优化分割输出 | 训练数据集仅包含健康成人，限制了对临床和儿童数据的泛化能力 | 提高脑部影像数据的脑部提取精度 | 使用脑部影像数据进行脑部提取的研究者 | 计算机视觉 | NA | 深度学习 | V-net | 影像 | 训练数据集仅包含健康成人，样本量未明 |
| 22627 | 2024-08-05 |
Deep learning based retinal vessel segmentation and hypertensive retinopathy quantification using heterogeneous features cross-attention neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1377479
PMID:38841586
|
研究论文 | 本文提出了一种基于深度学习的视网膜血管分割和高血压性视网膜病量化方法 | 创新点在于提出了一种异构神经网络，结合了卷积神经网络的局部语义信息提取与变换网络结构的长距离空间特征挖掘 | NA | 研究旨在提高视网膜图像中血管的自动分割精度和高血压性视网膜病的量化 | 研究对象为视网膜图像中的血管 | 计算机视觉 | 高血压性视网膜病 | 深度学习 | 异构神经网络 | 图像 | 四个公开可用数据集 |
| 22628 | 2024-08-05 |
Predicting cardiovascular disease risk using photoplethysmography and deep learning
2024, PLOS global public health
DOI:10.1371/journal.pgph.0003204
PMID:38833495
|
研究论文 | 本研究探讨使用光电容积脉搏波描记法（PPG）和深度学习技术预测心血管疾病风险的潜力 | 开发了一种基于PPG的深度学习心血管疾病风险评分（DLS），使得在无身体检查的情况下能够有效预测心血管事件的风险 | 仅使用年龄、性别、吸烟状态和PPG作为预测因子，可能忽略其他相关健康指标 | 为资源有限地区的心血管疾病早期检测和干预提供可行的替代方案 | 141,509名参与者的开发数据集和54,856名参与者的测试数据集来自UK Biobank | 机器学习 | 心血管疾病 | 光电容积脉搏波描记法（PPG） | 深度学习 | 数据集（参与者信息） | 141,509名用于模型开发和54,856名用于模型测试的参与者 |
| 22629 | 2024-08-05 |
Multi-centre benchmarking of deep learning models for COVID-19 detection in chest x-rays
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1386906
PMID:38836218
|
研究论文 | 本研究评估了用于从胸部X光片中检测COVID-19的深度学习模型的性能 | 该研究综合评估了多中心深度学习模型在临床决策支持工具中的适用性，并强调了临床医生在模型开发各阶段的参与必要性 | 模型在应用于复杂临床案例及放射科医生定义的“轻微”病例时表现不佳，且对国际人群的泛化能力不足 | 评估深度学习模型作为临床决策支持工具的适用性 | 基于来自26家NHS医院的国家COVID-19胸部影像数据库的模型进行训练和评估 | 计算机视觉 | COVID-19 | 深度学习 | NA | 影像 | 多中心数据集，来自26家医院的样本，包含NHS人群和国际人群 |
| 22630 | 2024-08-05 |
Peripheral blood MicroRNAs as biomarkers of schizophrenia: expectations from a meta-analysis that combines deep learning methods
2024 Jan-Feb, The world journal of biological psychiatry : the official journal of the World Federation of Societies of Biological Psychiatry
DOI:10.1080/15622975.2023.2258975
PMID:37703215
|
meta-analysis | 本研究利用元分析结合深度学习方法识别血液中与精神分裂症有关的可靠差异表达miRNAs | 结合计算方法和数学方法的元分析为精神分裂症候选生物标志物的识别提供了可靠工具 | 研究的局限性未在摘要中描述 | 识别血液中精神分裂症的可靠差异表达miRNAs | 精神分裂症相关的miRNAs | NA | 精神分裂症 | 深度学习，元分析 | 随机森林 (RF) | 血液中的miRNA数据 | 涉及27个显著的差异表达miRNAs |
| 22631 | 2024-08-05 |
Exploring the dynamics of monkeypox transmission with data-driven methods and a deterministic model
2024, Frontiers in epidemiology
DOI:10.3389/fepid.2024.1334964
PMID:38840980
|
研究论文 | 本研究分析了全球Mpox的单变量时间序列数据，为理解Mpox传播动态提供了综合分析 | 本研究创新之处在于同时使用数据驱动的方法和数学模型来深入分析Mpox时间序列数据 | 本研究的局限性在于未针对各种潜在的外部因素进行详细考量 | 本研究旨在分析Mpox传播的动态，以便更好地预测和控制该疾病的传播 | 研究对象为全球范围内的Mpox传播数据 | 计算机视觉 | NA | 深度学习模型（CNN、LSTM、BiLSTM、混合CNN-LSTM和CNN-BiLSTM）和统计时间序列模型（ARIMA、指数平滑） | 确定性模型 | 时间序列数据 | 涉及多个国家和地区的Mpox疫情数据 |
| 22632 | 2024-08-05 |
An automated hybrid approach via deep learning and radiomics focused on the midbrain and substantia nigra to detect early-stage Parkinson's disease
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1397896
PMID:38832074
|
研究论文 | 本研究提出了一种新的混合模型，通过深度学习和放射组学自动检测早期帕金森病 | 提出了一种将放射组学和深度学习相结合的新方法，在用于早期帕金森病的诊断中表现出色 | 未提及特定的限制因素 | 旨在开发一种有效的方法以早期检测帕金森病 | 收集了73名早期帕金森病患者和65名健康对照的定量敏感性成像(QSM)数据 | 数字病理学 | 帕金森病 | QSM | 混合特征支持向量机(SVM) | 图像 | 73名早期帕金森病患者和65名健康对照，以及24名外部验证参与者 |
| 22633 | 2024-08-05 |
Multi-sequence generative adversarial network: better generation for enhanced magnetic resonance imaging images
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1365238
PMID:38841427
|
研究论文 | 提出了一种基于pix2pix模型的多模态输入生成对抗网络，以生成增强的磁共振成像图像 | 通过比较提出的模型与pix2pix模型，展示了在生成增强序列图像方面的新方法 | NA | 旨在减少对对比剂的使用，保护某些特定人群 | 对比不同MRI序列生成增强图像的效果 | 数字病理学 | 癌症 | 生成对抗网络 | pix2pix | 图像 | NA |
| 22634 | 2024-08-05 |
Prediction of recurrence risk factors in patients with early-stage cervical cancers by nomogram based on MRI handcrafted radiomics features and deep learning features: a dual-center study
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04125-3
PMID:37987856
|
研究论文 | 建立并验证了一种基于MR图像和临床特征的深度学习放射组学评分模型以预测早期宫颈癌患者的复发风险因素 | 该研究首次结合深度学习特征和手工放射组学特征，建立了用于预测复发风险的深度学习放射组学评分模型 | 研究的样本主要集中在两个中心，外部验证的样本量相对较小 | 旨在预测早期宫颈癌患者的复发风险因素并进行风险分层 | 研究对象为225例病理确认的早期宫颈癌患者 | 数字病理学 | 宫颈癌 | MRI手工放射组学特征和深度学习特征 | 逻辑回归 | 医学影像 | 225例早期宫颈癌患者及40例外部验证患者 |
| 22635 | 2024-08-05 |
Single-channel seizure detection with clinical confirmation of seizure locations using CHB-MIT dataset
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1389731
PMID:38836000
|
研究论文 | 本文提出了一种基于深度学习的单通道癫痫发作检测方法。 | 创新点在于使用患者特异性的单通道检测方法，结合神经学家的癫痫空间特征确认。 | 研究的样本量较小，仅涉及13名患者，且只选择了特定的通道。 | 研究旨在改善难治性癫痫患者的长时间EEG监测。 | 研究对象包括13名患有难治性癫痫的患者。 | 数字病理学 | 癫痫 | 深度学习 | 多通道和单通道检测器 | EEG | 13名患者的EEG记录 |
| 22636 | 2024-08-07 |
Editorial: Applications of artificial intelligence, machine learning, and deep learning in plant breeding
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420938
PMID:38841285
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22637 | 2024-08-05 |
Coupled Reconstruction of Cortical Surfaces by Diffeomorphic Mesh Deformation
2023-Dec, Advances in neural information processing systems
PMID:38835722
|
研究论文 | 本文提出了一个新的深度学习框架，用于从脑部磁共振影像精确重建皮质表面 | 本文的创新之处在于联合重建内层、外层及其中厚度表面，并直接从3D MRI中估计皮质厚度 | 本文未提及任何具体的局限性 | 研究的目的是提高脑部皮质表面的重建精度和拓扑正确性 | 研究对象为脑部磁共振成像数据中的皮质表面 | 数字病理学 | NA | 深度学习 | NA | 3D MRI | 在两个大规模神经影像数据集ADNI和OASIS上进行评估 |
| 22638 | 2024-08-05 |
Review of machine learning and deep learning models for toxicity prediction
2023-11, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231209421
PMID:38057999
|
综述 | 本文总结了近年来基于机器学习和深度学习的毒性预测模型。 | 综述了各种机器学习和深度学习算法在毒性预测中的应用，强调了数据集质量对模型性能的影响。 | 不同数据集中对相同化学品的毒性分配存在差异，说明缺乏基准数据集以开发可靠的毒性预测模型。 | 评估化学品的毒性以保护公众健康和环境。 | 近年来开发的毒性预测模型，特别是基于机器学习和深度学习的模型。 | 机器学习 | NA | 机器学习和深度学习 | 支持向量机，随机森林，深度神经网络等 | 数据集 | NA |
| 22639 | 2024-08-05 |
Virtual and Augmented Reality in Interventional Radiology: Current Applications, Challenges, and Future Directions
2023-Sep, Techniques in vascular and interventional radiology
IF:1.4Q3
DOI:10.1016/j.tvir.2023.100919
PMID:38071031
|
研究论文 | 虚拟现实和增强现实在介入放射学中的应用及未来方向 | 探讨了VR和AR在介入放射学中的潜在优势及最新技术进展 | 面临导航系统限制、高成本、临床接受度低以及技术约束等挑战 | 研究虚拟现实和增强现实在介入放射学中的应用及其未来的发展 | 关注医疗影像的可视化与导航，以及患者护理和教育培训方面 | 计算机视觉 | NA | 深度学习技术 | NA | 医疗影像 | NA |
| 22640 | 2024-08-05 |
Mapping Malaria Vector Habitats in West Africa: Drone Imagery and Deep Learning Analysis for Targeted Vector Surveillance
2023-May-26, Remote sensing
IF:4.2Q2
DOI:10.3390/rs15112775
PMID:37324796
|
研究论文 | 本研究利用无人机影像和深度学习方法识别西非地区的疟疾传播媒介栖息地 | 该研究开发了一种基于区域兴趣和深度学习的方法来识别与媒介繁殖地相关的土地覆盖类型 | 研究中对交叉验证的分析方法限制于特定的样本和环境 | 研究旨在通过深度学习方法识别与疟疾传播媒介繁殖地相关的环境因素 | 研究对象为布基纳法索和科特迪瓦两个疟疾流行地区的无人机影像 | 计算机视觉 | 疟疾 | 深度学习 | 未指定 | 影像 | 使用来自两个疟疾流行地区的无人机图像 |