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 36434 篇文献，本页显示第 24301 - 24320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 24301 | 2024-12-06 |
Classification of Caries Based on CBCT: A Deep Learning Network Interpretability Study
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01143-5
PMID:38806951
|
研究论文 | 本研究旨在基于锥形束计算机断层扫描（CBCT）创建龋齿分类方案，并开发两种深度学习模型以提高龋齿分类的准确性 | 本研究引入了基于CBCT的龋齿分类方案，并开发了两种深度学习模型，其中一种模型通过预分割步骤提高了可解释性 | 本研究仅使用了204颗龋齿的CBCT图像，样本量相对较小 | 开发基于CBCT的龋齿分类方案和深度学习模型，以提高龋齿分类的准确性和可解释性 | 龋齿的分类和治疗策略 | 计算机视觉 | NA | 深度学习 | ResNet50_vd_ssld, MobileNetV3_large_ssld | 图像 | 204颗龋齿的CBCT图像，共2713张轴向切片 | NA | NA | NA | NA |
| 24302 | 2024-12-06 |
AI-Assisted Detection of Interproximal, Occlusal, and Secondary Caries on Bite-Wing Radiographs: A Single-Shot Deep Learning Approach
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01113-x
PMID:38743125
|
研究论文 | 本研究利用人工智能（AI）和YOLOv8算法，开发了一种自动检测咬翼片放射图像中邻面、咬合面和继发性龋齿的系统 | 首次采用YOLOv8算法进行牙科龋齿的自动检测和定位，显著提高了检测的精度和敏感性 | 研究样本仅来自单一牙科学院数据库，可能存在样本偏差 | 开发一种基于AI的自动化系统，用于在咬翼片放射图像中检测和定位不同类型的龋齿 | 邻面（D1, D2, D3）、咬合面和继发性龋齿 | 计算机视觉 | 口腔疾病 | YOLOv8算法 | YOLOv8 | 图像 | 860张咬翼片放射图像 | NA | NA | NA | NA |
| 24303 | 2024-12-06 |
Artificial Intelligence and Ophthalmic Clinical Registries
2024-Dec, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2024.07.039
PMID:39111520
|
综述 | 本文综述了人工智能在眼科临床登记数据中的应用现状 | 探讨了临床登记数据作为训练人工智能模型的新来源 | 深度学习算法应用有限，验证方法和性能评估标准不统一 | 提供人工智能在眼科临床登记数据应用的概述 | 眼科临床登记数据 | 机器学习 | NA | 机器学习 | 决策树分类器、逻辑回归 | 表格临床数据 | 23篇主要研究文章，涉及14个登记数据集，常见疾病包括青光眼和新生血管性年龄相关性黄斑变性 | NA | NA | NA | NA |
| 24304 | 2024-12-06 |
Analyzing and identifying predictable time range for stress prediction based on chaos theory and deep learning
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00280-z
PMID:39185396
|
研究论文 | 本文提出了一种基于混沌理论和深度学习的压力预测方法 | 结合了深度学习和混沌理论来解决压力预测问题 | NA | 预测压力以帮助人们提前采取有效措施管理压力 | 人类心理状态中的压力 | 机器学习 | NA | 深度学习 | 两层注意力机制 | 时间序列 | 使用了公开的Tesserae数据集 | NA | NA | NA | NA |
| 24305 | 2024-12-06 |
Predicting Portal Pressure Gradient in Patients with Decompensated Cirrhosis: A Non-invasive Deep Learning Model
2024-Dec, Digestive diseases and sciences
IF:2.5Q2
DOI:10.1007/s10620-024-08701-5
PMID:39466491
|
研究论文 | 开发并验证了一种用于预测失代偿性肝硬化患者门脉压力梯度的非侵入性深度学习模型 | 提出了一个包含国际标准化比率、门静脉直径和白细胞计数的三个参数模型，该模型在预测门脉压力梯度方面达到了87.5%的准确率 | 研究是回顾性的，且样本量相对较小 | 开发和验证一种能够预测失代偿性肝硬化患者门脉压力梯度的深度学习模型 | 失代偿性肝硬化患者 | 机器学习 | 肝硬化 | 深度学习 | 人工神经网络 | 实验室和影像参数 | 520名失代偿性肝硬化患者 | NA | NA | NA | NA |
| 24306 | 2024-12-06 |
WISE: Efficient WSI selection for active learning in histopathology
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文介绍了一种名为WISE的WSI级别主动学习方法，用于在病理学中高效选择WSI以提升深度学习模型的性能 | 提出了一个新的WSI级别类距离度量，用于选择多样且不确定的WSI，从而显著减少达到目标性能所需的WSI数量 | NA | 提升深度神经网络模型在医学图像分析中的性能 | 全切片图像（WSI） | 数字病理学 | NA | 主动学习（AL） | 深度神经网络（DNN） | 图像 | 涉及Colon、Stomach和DigestPath数据集 | NA | NA | NA | NA |
| 24307 | 2024-12-06 |
Active learning based on multi-enhanced views for classification of multiple patterns in lung ultrasound images
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种基于多增强视图的主动学习方法，用于肺超声图像中多种模式的分类 | 引入了特征增强模块，通过垂直线性拟合和k-means聚类来突出不同模式之间的特征差异，并采用基于置信集和误分类集的主动学习策略来处理模式共存问题 | 未提及具体限制 | 提高肺超声图像中多种模式分类的准确性，以辅助肺部疾病的筛查 | 肺超声图像中的A线、B线、实变和胸腔积液等主要模式 | 计算机视觉 | 肺部疾病 | 主动学习 | NA | 图像 | 5075张肺超声图像，其中约4%显示多种模式 | NA | NA | NA | NA |
| 24308 | 2024-12-06 |
AFSegNet: few-shot 3D ankle-foot bone segmentation via hierarchical feature distillation and multi-scale attention and fusion
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为AFSegNet的少样本3D踝足骨分割框架，通过分层特征蒸馏和多尺度注意力与融合技术，解决了临床CT扫描中踝足骨分割的挑战 | 提出了AFSegNet框架，结合了3D深度学习和多尺度注意力与特征融合模块，显著提高了踝足骨分割的准确性 | 仅在123个内部CT扫描数据集上进行了验证，需要进一步在更大规模和多样化的数据集上进行验证 | 开发一种高效的深度学习框架，用于从临床CT扫描中准确分割踝足骨 | 踝足骨的3D分割 | 计算机视觉 | NA | 3D深度学习 | CNN | CT扫描图像 | 123个内部CT扫描数据 | NA | NA | NA | NA |
| 24309 | 2024-12-06 |
Robust brain MRI image classification with SIBOW-SVM
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种名为SIBOW-SVM的新方法，用于脑部MRI图像的分类，结合了Bag-of-Features模型、SIFT特征提取和加权支持向量机，以提高分类准确性和不确定性量化 | SIBOW-SVM方法结合了Bag-of-Features模型和SIFT特征提取，能够有效提取隐藏图像特征，提供高置信度的分类决策 | 未提及具体局限性 | 开发一种新的脑肿瘤图像分类方法，以提高分类准确性、计算效率和数据鲁棒性 | 脑部MRI图像中的脑肿瘤类型分类 | 计算机视觉 | 脑肿瘤 | MRI | SIBOW-SVM | 图像 | 包含四类（胶质瘤、脑膜瘤、垂体瘤和正常）的公开脑肿瘤MRI图像数据集 | NA | NA | NA | NA |
| 24310 | 2024-12-06 |
Validation of SynthSeg segmentation performance on CT using paired MRI from radiotherapy patients
2024-Dec-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120922
PMID:39557139
|
研究论文 | 本研究验证了SynthSeg在CT图像上的脑部分割性能，使用来自放疗患者的配对MRI数据 | 首次验证了SynthSeg在CT图像上的脑部分割性能，并展示了其在不同中心数据集上的鲁棒性 | CT图像上的分割精度低于MRI，仅适用于对精度要求不高的应用 | 验证SynthSeg在CT图像上的自动脑部分割性能 | 放疗患者的CT和MRI图像 | 计算机视觉 | NA | 深度学习 | SynthSeg | 图像 | 260对CT和MRI图像 | NA | NA | NA | NA |
| 24311 | 2024-12-06 |
Dual attention model with reinforcement learning for classification of histology whole-slide images
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种用于组织学全切片图像分类的双注意力模型，结合强化学习方法，通过处理低放大率视图来识别感兴趣区域，并从选定的区域中提取多样且空间上不同的图像块进行分类 | 提出了双注意力模型，包括软注意力模型和硬注意力分类模型，并使用强化学习训练硬注意力模型，以预测多分辨率视图的位置，从而减少计算量并提高分类性能 | NA | 开发一种高效的全切片图像分类方法，减少计算负担并保留关键信息 | 组织学全切片图像的分类 | 数字病理学 | 乳腺癌和结直肠癌 | 强化学习 | 双注意力模型 | 图像 | 两个全切片图像分类问题的数据集，包括乳腺癌和结直肠癌的组织学图像 | NA | NA | NA | NA |
| 24312 | 2024-12-06 |
CIS-UNet: Multi-class segmentation of the aorta in computed tomography angiography via context-aware shifted window self-attention
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文介绍了一种名为CIS-UNet的深度学习模型，用于在计算机断层扫描血管造影中对主动脉及其分支进行多类分割 | CIS-UNet结合了卷积神经网络和Swin变换器的优势，引入了新的上下文感知移位窗口自注意力模块（CSW-SA），该模块在瓶颈层应用时提供了更高的计算效率和分割精度 | NA | 开发一种能够准确分割主动脉及其分支的深度学习模型，以提高介入治疗的规划精度 | 主动脉及其13个分支的多类分割 | 计算机视觉 | NA | 深度学习 | CIS-UNet | CT扫描图像 | 59名患者的CT扫描数据 | NA | NA | NA | NA |
| 24313 | 2024-12-06 |
Prostate cancer prognosis using machine learning: A critical review of survival analysis methods
2024-Dec, Pathology, research and practice
DOI:10.1016/j.prp.2024.155687
PMID:39541766
|
综述 | 本文综述了利用机器学习和软计算技术进行前列腺癌生存分析的方法 | 通过系统性文献回顾，总结了现有研究的关键见解，并进行了不同方法的全面比较 | 指出了先前研究中的空白，并提出了未来研究的方向和建议 | 探讨前列腺癌生存分析中机器学习和软计算技术的应用 | 前列腺癌患者的生存分析和治疗预测 | 机器学习 | 前列腺癌 | 机器学习、数据科学、深度学习 | NA | 电子数据 | NA | NA | NA | NA | NA |
| 24314 | 2024-12-06 |
Models for the marrow: A comprehensive review of AI-based cell classification methods and malignancy detection in bone marrow aspirate smears
2024-Dec, HemaSphere
IF:7.6Q1
DOI:10.1002/hem3.70048
PMID:39629240
|
综述 | 本文综述了基于人工智能的细胞分类方法和骨髓抽吸涂片中恶性肿瘤检测的模型 | 本文介绍了人工智能在识别遗传突变表型方面的能力，并探讨了其在临床常规中对骨髓进行初步快速分析的潜力 | 血液疾病的内在复杂性为自动形态学评估带来了挑战，确保在多个医疗中心广泛应用和高准确性需要高度异质性的训练数据集 | 系统分析过去五年内发表的用于细胞分类和检测血液恶性肿瘤的深度学习模型，探讨这些任务的挑战和机遇 | 骨髓抽吸涂片中的细胞分类和恶性肿瘤检测 | 数字病理学 | 血液疾病 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 24315 | 2024-12-06 |
Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00281-y
PMID:38455725
|
研究论文 | 研究探讨了人工智能在自闭症谱系障碍（ASD）诊断中的应用，特别是通过机器学习和深度学习模型分析社交媒体文本 | 结合机器学习和深度学习模型，利用自然语言处理技术提高ASD检测的准确性 | 研究仅基于Twitter数据，可能无法全面反映所有ASD患者的特征 | 探索人工智能在ASD诊断中的应用，提高诊断准确性 | 通过分析社交媒体文本检测ASD潜在病例 | 自然语言处理 | 自闭症谱系障碍 | 自然语言处理 | 双向长短期记忆网络（Bi-LSTM）、双向编码器表示（BERT和BERTweet） | 文本 | 404,627条Twitter推文，其中90,000条用于训练和测试 | NA | NA | NA | NA |
| 24316 | 2024-12-06 |
A hybrid approach based on multipath Swin transformer and ConvMixer for white blood cells classification
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00291-w
PMID:38685986
|
研究论文 | 提出了一种基于多路径Swin Transformer和ConvMixer的混合方法用于白细胞分类 | 引入了一种新的多路径混合网络，结合了ConvMixer和Swin Transformer的优点，以提高白细胞分类的准确性 | NA | 研究白细胞分类在医学诊断中的重要性，并提出一种新的深度学习模型来提高分类准确性 | 白细胞及其在血液中的分类 | 计算机视觉 | NA | 深度学习 | 混合模型（Swin Transformer和ConvMixer） | 图像 | 使用了三个白细胞数据集，分别包含4类（BCCD）、8类（PBC）和5类（Raabin） | NA | NA | NA | NA |
| 24317 | 2024-12-06 |
RPDNet: A reconstruction-regularized parallel decoders network for rectal tumor and rectum co-segmentation
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为RPDNet的网络，用于直肠肿瘤和直肠的联合分割，通过重建正则化的并行解码器结构来解决信息丢失问题 | 引入了一个辅助重建分支，通过计算重建图像与输入图像之间的一致性损失来保留足够的解剖结构信息，并提出了一个无参数的目标自适应注意力模块，以增强直肠肿瘤与正常组织之间的特征级对比度 | 未提及 | 提高直肠肿瘤和直肠在磁共振成像（MRI）中的分割精度，以支持肿瘤的精确诊断和治疗计划制定 | 直肠肿瘤和直肠 | 计算机视觉 | 直肠癌 | 磁共振成像（MRI） | RPDNet | 图像 | 未提及 | NA | NA | NA | NA |
| 24318 | 2024-12-06 |
NACNet: A histology context-aware transformer graph convolution network for predicting treatment response to neoadjuvant chemotherapy in Triple Negative Breast Cancer
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 开发了一种基于组织学上下文感知的变压器图卷积网络（NACNet），用于预测三阴性乳腺癌患者对新辅助化疗的反应 | 提出了NACNet，结合了组织学上下文和图卷积网络，能够捕捉肿瘤微环境中的空间组织学相互作用，从而提高预测准确性 | NA | 开发一种能够准确预测三阴性乳腺癌患者对新辅助化疗反应的深度学习方法 | 三阴性乳腺癌患者的组织学图像和治疗反应 | 数字病理学 | 乳腺癌 | 图卷积网络 | 变压器图卷积网络 | 图像 | 105名三阴性乳腺癌患者 | NA | NA | NA | NA |
| 24319 | 2024-12-06 |
Surgical Insight-guided Deep Learning for Colorectal Lesion Management
2024-Dec-01, Surgical laparoscopy, endoscopy & percutaneous techniques
DOI:10.1097/SLE.0000000000001298
PMID:39632423
|
研究论文 | 本研究开发并评估了一种用于结肠镜图像中检测病变的深度学习模型ColoNet | ColoNet模型能够检测潜在恶性的病变，为早期诊断和管理结直肠癌提供了新的工具 | 需要进一步的多中心前瞻性研究和验证以实现其临床应用和影响 | 开发和评估一种深度学习模型，用于在结肠镜检查中辅助外科医生识别病变 | 结肠镜图像中的病变检测 | 计算机视觉 | 结直肠癌 | 深度学习 | YOLOv8 | 图像 | 1760张图像，来自306名患者 | NA | NA | NA | NA |
| 24320 | 2024-12-06 |
A Single-Cell Interrogation System from Scratch: Microfluidics and Deep Learning
2024-Nov-28, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c02745
PMID:39547656
|
研究论文 | 本文为微生物学家提供了一个从零开始构建自定义活细胞检测系统的指南，结合了微流控技术和深度学习技术 | 本文首次为微生物学家提供了从零开始构建自定义活细胞检测系统的详细指南，并展示了如何使用最先进的深度学习技术设计图像处理算法 | 本文主要面向具有微流控技术基础的微生物学家，可能对其他领域的研究人员不适用 | 为微生物学家提供构建自定义活细胞检测系统的指南，并展示如何使用深度学习技术进行图像处理 | 活细胞检测系统的设计与构建，以及图像处理算法的设计 | 微流控技术 | NA | 微流控技术，深度学习 | 深度学习 | 图像 | 数千个细菌细胞周期 | NA | NA | NA | NA |