深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 33459 篇文献，本页显示第 22901 - 22920 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22901 | 2024-11-02 |
Prediction of fellow eye neovascularization in type 3 macular neovascularization (Retinal angiomatous proliferation) using deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310097
PMID:39475903
|
研究论文 | 本研究利用深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 | 首次利用人工智能模型关注3型黄斑新生血管的临床过程 | 模型整体准确率不高，可能是由于用于AI训练的患者数量相对较少，建议未来进行多中心研究以提高模型准确性 | 建立深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 | 单侧3型黄斑新生血管患者 | 计算机视觉 | 眼科疾病 | 深度学习 | 视觉几何组神经网络 | 眼底图像和光学相干断层扫描图像 | 217名患者，其中199名用于模型训练/验证，18名用于测试集 | NA | NA | NA | NA |
| 22902 | 2024-11-02 |
MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310121
PMID:39475971
|
研究论文 | 本文提出了一种名为MosquitoSong+的深度学习模型，用于从蚊子的翅膀振动声音中进行分类，并提高其在环境噪声中的鲁棒性 | 本文的创新点在于提出了一种新的深度学习模型MosquitoSong+，通过调整模型架构和引入数据增强技术，使其在环境噪声和蚊子飞行音量变化的情况下仍能有效分类 | 本文未详细讨论模型的计算资源需求和实时处理能力 | 研究目的是开发一种能够在实际环境中有效分类蚊子种类和性别的深度学习模型 | 研究对象是蚊子的翅膀振动声音及其在环境噪声中的分类 | 机器学习 | NA | 深度学习 | 1D-CNN | 声音 | 多个翅膀振动数据集，包含不同背景噪声 | NA | NA | NA | NA |
| 22903 | 2024-11-02 |
Identification of middle cerebral artery stenosis in transcranial Doppler using a modified VGG-16
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1394435
PMID:39479004
|
研究论文 | 研究使用改进的VGG-16模型识别经颅多普勒图像中的大脑中动脉狭窄 | 提出了一种改进的VGG-16模型，结合挤压激励和跳跃连接，提高了对大脑中动脉狭窄的诊断效果 | 研究为回顾性研究，且样本量有限，需要进一步的前瞻性研究和更大样本量的验证 | 旨在开发和验证一种基于深度学习模型的方法，用于识别大脑中动脉狭窄，以辅助预防中风 | 大脑中动脉狭窄的诊断 | 计算机视觉 | 心血管疾病 | 深度学习 | VGG-16 | 图像 | 3,068张经颅多普勒图像，来自1,729名患者；90张经颅多普勒图像，来自90名体检者 | NA | NA | NA | NA |
| 22904 | 2024-11-02 |
ADASSM: Adversarial Data Augmentation in Statistical Shape Models From Images
2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-46914-5_8
PMID:39022299
|
研究论文 | 本文提出了一种新的对抗性数据增强策略，用于图像到统计形状模型（Image-to-SSM）框架，通过数据依赖的噪声生成或纹理增强来提高模型的准确性 | 本文的创新点在于提出了一种实时数据增强策略，通过对抗性训练生成多样化和具有挑战性的噪声样本，从而鼓励模型关注底层几何结构而非仅依赖像素值 | 本文未提及具体的局限性 | 研究目的是提高图像到统计形状模型网络的准确性，减少模型对图像纹理的依赖 | 研究对象是医学影像中的统计形状模型及其在深度学习模型中的应用 | 计算机视觉 | NA | 深度学习 | 对抗网络 | 图像 | NA | NA | NA | NA | NA |
| 22905 | 2024-11-02 |
Progressive DeepSSM: Training Methodology for Image-To-Shape Deep Models
2023-Oct, Shape in medical imaging : International Workshop, ShapeMI 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. ShapeMI (Workshop) (2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-46914-5_13
PMID:38745942
|
研究论文 | 提出了一种新的训练策略，渐进式DeepSSM，用于训练图像到形状的深度学习模型，通过多尺度学习逐步提升模型性能 | 引入了一种新的训练策略，渐进式DeepSSM，通过多尺度学习逐步提升模型性能，并结合形状先验和深度监督损失 | NA | 改进图像到形状深度学习模型的训练方法，提高其在医学图像中的稳定性和准确性 | 图像到形状的深度学习模型 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 22906 | 2024-10-30 |
CineVN: Variational network reconstruction for rapid functional cardiac cine MRI
2025-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30260
PMID:39188085
|
研究论文 | 本文开发了一种用于快速功能性心脏电影MRI重建的方法 | 提出了一种基于深度学习的重建方法CineVN，结合变分网络和共轭梯度下降，提高了图像质量和数据一致性 | NA | 开发一种高加速比、高时空分辨率和低时间模糊的心脏电影MRI重建方法 | 健康受试者和患者的心脏功能参数和心肌应变 | 计算机视觉 | 心血管疾病 | MRI | 变分网络 | 图像 | 18名健康受试者和46名患者 | NA | NA | NA | NA |
| 22907 | 2024-10-30 |
Accelerated CEST imaging through deep learning quantification from reduced frequency offsets
2025-Jan, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30269
PMID:39270056
|
研究论文 | 本文通过深度学习方法从减少的频率偏移中加速CEST成像，缩短CEST采集时间 | 利用Z谱下采样结合深度学习构建CEST图谱，显著减少扫描时间 | 仅在3T磁共振环境下测试，未涵盖其他磁场强度 | 缩短CEST成像的采集时间 | 脑部CEST图像和胶质母细胞瘤病理模拟 | 计算机视觉 | NA | CEST成像 | U-NET | 图像 | 18名志愿者和模拟的胶质母细胞瘤病理 | NA | NA | NA | NA |
| 22908 | 2024-10-30 |
Deep learning-based measurement of echocardiographic data and its application in the diagnosis of sudden cardiac death
2024-Dec, Biotechnology & genetic engineering reviews
DOI:10.1080/02648725.2023.2213041
PMID:37179495
|
研究论文 | 本研究评估了深度学习在测量突发性心脏死亡（SCD）患者超声心动图数据中的应用潜力 | 本研究开发了一种基于深度学习的模型，用于预测SCD，并在验证组中显示出高准确性和敏感性 | 本研究的样本量有限，且仅限于SCD患者，未来需要在大规模和多样化的样本中验证模型的有效性 | 评估深度学习在SCD患者超声心动图数据测量中的诊断价值 | 突发性心脏死亡（SCD）患者 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 320名SCD患者和400名健康志愿者 | NA | NA | NA | NA |
| 22909 | 2024-10-30 |
Pre-operative lung ablation prediction using deep learning
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10767-8
PMID:38775950
|
研究论文 | 本文介绍了一种基于深度学习的模型，用于预测微波肺消融术后的消融区域，以辅助治疗计划并提高治疗效果 | 本文提出了一种新颖的可变形图像配准方法和以消融器为中心的坐标系统，用于分析数据，并基于U-net架构构建了预测模型 | 本文的研究是回顾性的，样本量相对较小，且仅限于单一供应商的消融器 | 开发一种能够准确预测微波肺消融术后消融区域的深度学习模型，以改善治疗计划并减少肿瘤复发 | 微波肺消融术后的消融区域 | 计算机视觉 | 肺癌 | 可变形图像配准 | U-net | 图像 | 113次消融，来自72名患者 | NA | NA | NA | NA |
| 22910 | 2024-10-30 |
Prospective and multi-reader evaluation of deep learning reconstruction-based accelerated rectal MRI: image quality, diagnostic performance, and reading time
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10882-6
PMID:39017934
|
研究论文 | 评估基于深度学习重建（DLR）的加速直肠磁共振成像（MRI）与标准MRI的图像质量、诊断性能和阅读时间 | DLR技术在直肠MRI中显著减少了采集时间，并提高了图像质量和初级放射科医生的T分期准确性 | 研究仅在一个中心进行，样本量有限，且仅包括接受治愈性手术的患者 | 评估基于深度学习重建的加速直肠MRI与标准MRI的性能差异 | 直肠腺癌患者 | 医学影像 | 直肠癌 | 深度学习重建（DLR） | NA | 图像 | 117名患者，其中60名接受治愈性手术 | NA | NA | NA | NA |
| 22911 | 2024-10-30 |
Standalone deep learning versus experts for diagnosis lung cancer on chest computed tomography: a systematic review
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10804-6
PMID:38777902
|
综述 | 比较独立深度学习算法与人类专家在胸部CT扫描中诊断肺癌的诊断性能 | 深度学习算法在肺癌检测中的敏感性和特异性优于人类专家 | 深度学习算法在不同成像模式和任务中的表现存在差异，需要进一步优化 | 比较深度学习算法与专家在肺癌检测中的诊断性能 | 成人肺癌患者和胸部CT扫描 | 计算机视觉 | 肺癌 | 深度学习 | NA | 图像 | 20项研究 | NA | NA | NA | NA |
| 22912 | 2024-09-06 |
On-Device Deep Learning to Detect Carotid Stenosis With Smartphones: Development and Validation
2024-Nov, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.124.048410
PMID:39234680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22913 | 2024-10-30 |
A wavelet subband based LSTM model for 12-lead ECG synthesis from reduced lead set
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00412-0
PMID:39465099
|
研究论文 | 本文提出了一种基于小波子带和长短期记忆网络（LSTM）的模型，用于从减少的导联集中合成12导联心电图 | 本文利用小波域中的增强导联间相关性，结合LSTM网络捕捉心电信号的时空信息，提出了一种新的深度学习架构 | NA | 研究目的是从减少的导联集中合成12导联心电图，以满足患者舒适度、简化复杂性和实现远程监控 | 研究对象是心电图信号及其导联间和导联内的相关性 | 机器学习 | NA | 小波变换 | LSTM | 心电图信号 | NA | NA | NA | NA | NA |
| 22914 | 2024-10-30 |
A review of deep learning-based reconstruction methods for accelerated MRI using spatiotemporal and multi-contrast redundancies
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00425-9
PMID:39465106
|
综述 | 本文综述了基于深度学习的加速MRI重建方法，利用时空和多对比度冗余信息 | 本文介绍了利用多线圈冗余、多对比度冗余和时空冗余信息结合深度学习方法，实现更高加速和细节保留的重建性能 | 本文讨论了当前方法的挑战和局限性，并提出了未来发展的潜在方向 | 综述基于深度学习的加速MRI重建方法及其利用冗余信息的优势 | 加速MRI重建方法及其在图像重建中的应用 | 计算机视觉 | NA | MRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 22915 | 2024-10-30 |
Integrated deep learning approach for generating cross-polarized images and analyzing skin melanin and hemoglobin distributions
2024-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-024-00409-9
PMID:39465115
|
研究论文 | 本文提出了一种集成深度学习方法，用于生成交叉偏振图像并分析皮肤中黑色素和血红蛋白的分布 | 本文的创新点在于提出了一种无需真实标签的集成方法，通过生成对抗网络生成交叉偏振图像，并使用理论重建的地面真值训练皮肤分析模块 | 本文的局限性在于依赖于理论重建的地面真值，可能与实际测量结果存在差异 | 研究目的是开发一种无需额外光学仪器或大量地面真值准备的皮肤色素分析方法 | 研究对象是皮肤中的黑色素和血红蛋白分布 | 计算机视觉 | NA | 生成对抗网络 | CycleGAN, pix2pix, pix2pixHD, 回归分析网络 | 图像 | 使用VISIA VAESTRO临床系统进行评估 | NA | NA | NA | NA |
| 22916 | 2024-10-30 |
Diagnostic performance of deep learning for infectious keratitis: a systematic review and meta-analysis
2024-Nov, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102887
PMID:39469534
|
meta-analysis | 本文系统综述和荟萃分析了深度学习在感染性角膜炎诊断中的表现 | 首次系统评估了深度学习模型在感染性角膜炎诊断中的准确性，并与眼科医生的诊断准确性进行了比较 | 研究存在图像分析未考虑个体间潜在相关性、研究人群相对同质、深度学习阈值未预先设定以及外部验证有限等问题 | 评估深度学习在感染性角膜炎诊断中的准确性及其与眼科医生的比较 | 感染性角膜炎的诊断 | machine learning | 眼科疾病 | 深度学习 | NA | 图像 | 136,401张角膜图像，来自超过56,011名患者 | NA | NA | NA | NA |
| 22917 | 2024-10-30 |
Artificial intelligence-based power market price prediction in smart renewable energy systems: Combining prophet and transformer models
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38227
PMID:39469701
|
研究论文 | 本文开发了一种结合Prophet和Transformer模型的混合时间序列预测模型，用于电力市场价格预测 | 引入Stacking优化策略，结合传统时间序列方法和深度学习模型，提高了电力市场价格预测的准确性和稳定性 | 未提及具体限制 | 开发一种新的电力市场价格预测方法，支持智能可再生能源系统的可靠和灵活运行 | 电力市场价格预测 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | 四个电力市场数据集 | NA | NA | NA | NA |
| 22918 | 2024-10-30 |
Vehicular Mini-LED backlight display inspection based on residual global context mechanism
2024-Oct-29, Frontiers of optoelectronics
IF:4.1Q2
DOI:10.1007/s12200-024-00140-4
PMID:39467917
|
研究论文 | 本文提出了一种基于残差全局上下文机制的车辆Mini-LED背光显示检测方法 | 本文提出了高分辨率网络（Hrnet）与混合扩张卷积和密集上采样卷积（MDC-DUC）模块以及残差全局上下文注意力（RGCA）模块结合的新模型，显著提高了Mini-LED背光显示的质量检测精度 | NA | 提高车辆Mini-LED背光显示的质量检测精度 | 车辆Mini-LED背光显示的质量检测 | 计算机视觉 | NA | 深度学习 | 高分辨率网络（Hrnet） | 图像 | NA | NA | NA | NA | NA |
| 22919 | 2024-10-30 |
Tracer-Separator: A Deep Learning Model for Brain PET Dual-Tracer (18F-FDG and Amyloid) Separation
2024-Oct-29, Clinical nuclear medicine
IF:9.6Q1
DOI:10.1097/RLU.0000000000005511
PMID:39468375
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于分离脑部PET双示踪剂（18F-FDG和淀粉样蛋白）图像 | 本研究首次采用无卷积的transformer架构SwinUNETR，实现了从模拟双示踪剂成像的加和扫描中合成真实的FDG和FBP/FMM图像 | NA | 本研究旨在通过先进的成像技术简化诊断过程，提高患者治疗效果 | 研究对象包括120名从认知正常到轻度认知障碍、痴呆和其他精神障碍的患者 | 计算机视觉 | NA | PET成像 | SwinUNETR | 图像 | 120名患者 | NA | NA | NA | NA |
| 22920 | 2024-10-30 |
DNA breathing integration with deep learning foundational model advances genome-wide binding prediction of human transcription factors
2024-Oct-28, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae783
PMID:39271116
|
研究论文 | 本文开发了一种多模态深度学习模型EPBDxDNABERT-2，用于预测人类转录因子与DNA的结合 | 本文创新性地将DNA呼吸特征与DNABERT-2基础模型结合，显著提高了转录因子结合预测的准确性 | NA | 确定转录因子结合与DNA呼吸之间的精确关系 | 人类转录因子与DNA的结合 | 机器学习 | NA | ChIP-Seq | 深度学习模型 | 基因组数据 | 690个ChIP-seq实验结果，涵盖161种不同的转录因子和91种人类细胞类型 | NA | NA | NA | NA |