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 33553 篇文献，本页显示第 28141 - 28160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 28141 | 2024-08-28 |
MOCNN: A Multiscale Deep Convolutional Neural Network for ERP-Based Brain-Computer Interfaces
2024-Sep, IEEE transactions on cybernetics
IF:9.4Q1
DOI:10.1109/TCYB.2024.3390805
PMID:38713574
|
研究论文 | 本文提出了一种多尺度深度卷积神经网络（MOCNN），用于基于事件相关电位（ERP）的脑-机接口（BCI），通过多尺度特征融合提高分类性能 | 引入八度卷积的广义概念到ERP-BCI领域，通过分支宽度优化和多尺度信息交互有效提取时空特征 | NA | 提高基于ERP的脑-机接口的分类性能 | ERP信号的多尺度时空特征 | 机器学习 | NA | 深度学习 | CNN | 信号 | 两个公共数据集和一个自收集的ERP数据集 | NA | NA | NA | NA |
| 28142 | 2024-08-28 |
Transformer for low concentration image denoising in magnetic particle imaging
2024-Aug-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad6ede
PMID:39137818
|
研究论文 | 本文提出了一种基于稀疏轻量级Transformer模型的深度学习方法，用于磁粒子成像（MPI）图像的去噪和质量提升 | 提出的残差局部Transformer结构降低了模型复杂性，避免了过拟合，并通过信息保留块增强了图像细节的特征提取能力 | NA | 改善低浓度MPI图像的质量 | 低浓度磁粒子成像图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 模拟和真实MPI图像数据，真实图像样本的Fe浓度低至67gml | NA | NA | NA | NA |
| 28143 | 2024-08-28 |
Classification of optic neuritis in neuromyelitis optica spectrum disorders (NMOSD) on MRI using CNN with transfer learning and manipulation of pre-processing on augmentation
2024-Aug-27, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad6f17
PMID:39142299
|
研究论文 | 本研究使用迁移学习和预处理增强技术，通过八种先进的卷积神经网络（CNN）模型对神经脊髓炎光谱障碍（NMOSD）患者的视神经炎（ON）进行MRI分类 | 首次利用深度学习技术对NMOSD患者的MRI图像中的ON变化进行分类 | NA | 旨在通过迁移学习的CNN模型对NMOSD患者是否存在慢性ON进行分类 | NMOSD患者的视神经炎（ON） | 计算机视觉 | 神经脊髓炎光谱障碍 | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 28144 | 2024-08-28 |
ASO Visual Abstract: Development and Validation Study of the Prognostic Impact of Deep Learning-Determined Myxoid Stroma After Neoadjuvant Chemotherapy in Patients with Esophageal Squamous Cell Carcinoma
2024-Aug-26, Annals of surgical oncology
IF:3.4Q1
DOI:10.1245/s10434-024-16099-7
PMID:39187666
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 28145 | 2024-08-28 |
A Multibranch Neural Network for Drug-Target Affinity Prediction Using Similarity Information
2024-Aug-20, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c05607
PMID:39184467
|
研究论文 | 本文提出了一种利用药物相似性和蛋白质相似性信息的多分支神经网络GASI-DTA，用于预测药物-靶点亲和力 | 引入药物和蛋白质的相似性信息，并设计了一个自主提取相似信息的网络框架，不依赖于知识图谱 | 未提及具体限制 | 加速药物发现过程中的药物-靶点亲和力预测 | 药物-靶点亲和力预测 | 机器学习 | NA | 深度学习 | 多分支神经网络 | 图结构数据 | 两个基准数据集和三种冷启动场景 | NA | NA | NA | NA |
| 28146 | 2024-08-28 |
Deep learning bias correction of GEMS tropospheric NO2: A comparative validation of NO2 from GEMS and TROPOMI using Pandora observations
2024-Aug, Environment international
IF:10.3Q1
DOI:10.1016/j.envint.2024.108818
PMID:38878653
|
研究论文 | 本研究首次使用深度卷积神经网络来校正2021-2023年间地球静止环境监测光谱仪（GEMS）对NO（TCDNO）的偏差，并通过Pandora观测数据验证GEMS与TROPOMI的NO2测量精度。 | 采用深度学习方法显著提高了GEMS对NO2测量数据的准确性，减少了偏差超过50%。 | 尽管GEMS经过深度学习校正后的数据精度有所提高，但仍不及TROPOMI的测量精度。 | 验证并比较GEMS和TROPOMI的NO2测量数据，使用深度学习方法校正GEMS数据的偏差。 | GEMS和TROPOMI的NO2测量数据，以及Pandora观测数据。 | 机器学习 | NA | 深度卷积神经网络 | CNN | NO2测量数据 | 多个Pandora站点数据 | NA | NA | NA | NA |
| 28147 | 2024-08-28 |
A review: artificial intelligence in image-guided spinal surgery
2024-Aug, Expert review of medical devices
IF:2.9Q3
DOI:10.1080/17434440.2024.2384541
PMID:39115295
|
综述 | 本文综述了深度学习和人工智能在图像引导脊柱手术中的最新进展 | 通过人工智能增强的图像引导脊柱手术优于传统脊柱手术技术 | 需要收集更广泛的数据集以进一步确保手术程序的安全性 | 为从事该领域的医生、工程师和研究人员提供参考和指导 | 图像引导脊柱手术中的人工智能应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 28148 | 2024-08-28 |
DP2LM: leveraging deep learning approach for estimation and hypothesis testing on mediation effects with high-dimensional mediators and complex confounders
2024-Jul-01, Biostatistics (Oxford, England)
DOI:10.1093/biostatistics/kxad037
PMID:38330064
|
研究论文 | 本文提出了一种新的深度学习方法DP2LM，用于处理高维中介变量和复杂混杂因素的调解效应估计和假设检验 | DP2LM方法结合了深度神经网络技术来处理混杂因素的非线性效应，并利用惩罚部分线性模型来适应高维度 | 传统的线性调解分析在处理高维中介变量时存在固有限制，现有的方法不足以解决由混杂因素引入的复杂关系 | 解决高维中介变量和复杂混杂因素下的调解效应估计和假设检验问题 | 高维中介变量和复杂混杂因素 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | DNA甲基化数据 | 涉及大量中介变量的场景 | NA | NA | NA | NA |
| 28149 | 2024-08-28 |
Deep Learning Diagnostic Classification of Cervical Images to Augment Colposcopic Impression
2024-Jul-01, Journal of lower genital tract disease
IF:2.4Q2
DOI:10.1097/LGT.0000000000000815
PMID:38713522
|
研究论文 | 本文开发了一种基于深度学习的分类器，用于提高宫颈图像的诊断准确性，辅助阴道镜印象 | 该模型在10折实验中表现优于专家，并通过整合患者年龄和转诊数据进一步提高了性能 | NA | 提高阴道镜印象的准确性 | 宫颈图像的分类 | 计算机视觉 | 宫颈疾病 | 深度学习 | SegFormer | 图像 | 5,485张阴道镜图像，其中4,946张具有组织学和可见宫颈 | NA | NA | NA | NA |
| 28150 | 2024-08-28 |
Enhancing Clinical Diagnosis With Convolutional Neural Networks: Developing High-Accuracy Deep Learning Models for Differentiating Thoracic Pathologies
2024-Jul, Cureus
DOI:10.7759/cureus.65444
PMID:39184667
|
研究论文 | 本研究利用卷积神经网络开发深度学习模型，以区分正常胸片与显示肺炎、结核病、心脏肥大和COVID-19的胸片 | 本研究展示了机器学习算法在胸片疾病检测中的高准确性和潜力 | 训练模型需要大量样本，且图像扫描设备和技术的差异可能导致模型学习到外部噪声和非预期细节，影响准确性 | 提高临床诊断的准确性，通过使用人工智能技术改善诊断质量、效率和降低医疗成本 | 区分正常胸片与肺炎、结核病、心脏肥大和COVID-19的胸片 | 计算机视觉 | 肺部疾病 | 卷积神经网络 | CNN | 图像 | 共使用3,063张正常胸片、3,098张肺炎胸片、2,920张COVID-19胸片、2,214张胸片和554张结核病胸片进行训练和验证 | NA | NA | NA | NA |
| 28151 | 2024-08-28 |
AsymMirai: Interpretable Mammography-based Deep Learning Model for 1-5-year Breast Cancer Risk Prediction
2024-03, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232780
PMID:38501952
|
研究论文 | 研究通过分析双侧不对称性，构建了一个可解释的深度学习模型AsymMirai，用于预测1-5年乳腺癌风险 | AsymMirai模型通过引入局部双侧不对称性模块，提高了模型的解释性，并能近似Mirai模型的预测性能 | 研究为回顾性研究，且样本主要来自EMBED数据库，可能存在选择偏倚 | 旨在探索双侧不对称性是否是Mirai模型推理过程的基础，并构建一个简化的、可解释的模型AsymMirai | 乳腺癌风险预测 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 影像 | 210,067张筛查乳腺X线照片，来自81,824名患者 | NA | NA | NA | NA |
| 28152 | 2024-08-28 |
Music-evoked emotions classification using vision transformer in EEG signals
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1275142
PMID:38638516
|
研究论文 | 本研究提出了一种结合注意力机制的深度学习模型，用于从情绪相关的脑电图（EEG）记录中有效提取空间和时间信息，以进行音乐引发情绪的分类。 | 本研究引入了一种新的深度学习模型，该模型结合了注意力机制，能够更有效地从EEG信号中提取空间和时间信息，以改善情绪分类的准确性。 | NA | 旨在通过深度学习模型提高基于EEG的情绪识别的准确性。 | 研究对象为音乐引发的EEG情绪信号。 | 机器学习 | NA | EEG | Vision Transformer | EEG信号 | 本研究使用了两个数据集，一个是自有的音乐引发情绪的EEG记录数据集，另一个是公开可用的数据集。 | NA | NA | NA | NA |
| 28153 | 2024-08-28 |
Skin Type Diversity in Skin Lesion Datasets: A Review
2024, Current dermatology reports
IF:2.4Q2
DOI:10.1007/s13671-024-00440-0
PMID:39184010
|
综述 | 本文综述了皮肤病变数据集中皮肤类型多样性的问题，评估了公开的皮肤病变数据集及其元数据，以评估皮肤类型的报告频率和完整性，并调查了每个皮肤类型在这些数据集中的多样性和代表性。 | 本文通过评估公开的皮肤病变数据集及其元数据，探讨了皮肤类型多样性的问题，并调查了每个皮肤类型在这些数据集中的多样性和代表性。 | 本文未具体测量所审查数据集中皮肤类型的多样性。 | 探讨和评估皮肤病变数据集中皮肤类型多样性的问题。 | 皮肤病变数据集及其元数据。 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 28154 | 2024-08-28 |
Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1417330
PMID:39184051
|
研究论文 | 本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤 | 本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能 | NA | 构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能 | 良性和恶性腮腺肿瘤的诊断 | 计算机视觉 | 腮腺肿瘤 | 深度学习 | ResNet18, Inception_v3, Deeplabv3, UNet++, UNet | 图像 | 582名经组织病理学诊断的腮腺肿瘤患者 | NA | NA | NA | NA |
| 28155 | 2024-08-28 |
TF-EPI: an interpretable enhancer-promoter interaction detection method based on Transformer
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1444459
PMID:39184348
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型TF-EPI，用于从DNA序列中检测增强子-启动子相互作用 | TF-EPI模型利用Transformer的注意力机制，识别了特定细胞类型的增强子和启动子中的独特基序和序列，并通过数据库验证，揭示了新的生物学见解 | NA | 旨在理解基因表达调控、疾病机制等关键的增强子-启动子相互作用 | 增强子-启动子相互作用 | 机器学习 | NA | Transformer | Transformer | DNA序列 | 多个基准数据集 | NA | NA | NA | NA |
| 28156 | 2024-08-28 |
Enhanced accuracy with Segmentation of Colorectal Polyp using NanoNetB, and Conditional Random Field Test-Time Augmentation
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1387491
PMID:39184863
|
研究论文 | 本文提出了一种新型的轻量级增强型Nanonet模型，通过使用NanonetB、条件随机场（CRF）和测试时增强（TTA）技术，实现了实时且精确的结肠镜图像分割，以帮助内镜医师及时诊断和干预结直肠息肉 | 本文的创新点在于提出了一种增强型Nanonet模型，结合CRF和TTA技术，提高了模型在不同数据集上的泛化能力和对小尺寸及扁平息肉的检测能力 | NA | 研究目的是开发一种准确、轻量级的模型，以实现无缝集成到内镜硬件设备中，提高结直肠息肉的检测效率 | 研究对象是结直肠息肉的图像分割 | 计算机视觉 | 结直肠癌 | 条件随机场（CRF），测试时增强（TTA） | NanonetB | 图像 | 使用了六个公开数据集进行评估，包括Kvasir-SEG、Endotect Challenge 2020、Kvasir-instrument、CVC-ClinicDB、CVC-ColonDB和CVC-300 | NA | NA | NA | NA |
| 28157 | 2024-08-28 |
An Innovative Deep Learning Approach to Spinal Fracture Detection in CT Images
2024, Annali italiani di chirurgia
IF:0.9Q3
DOI:10.62713/aic.3498
PMID:39186337
|
研究论文 | 本研究提出了一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 本研究通过整合YOLO V7模型与ELAN和MPConv架构，显著减少了计算处理过程中小尺度信息的损失，从而提高了检测准确性 | 未来的研究应包括交叉验证和独立验证及测试集，以评估模型的鲁棒性和泛化能力 | 开发一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 脊柱骨折，特别是椎体压缩骨折 | 计算机视觉 | 脊柱骨折 | YOLO V7模型，ELAN，MPConv架构 | YOLO V7 | CT图像 | 240张CT图像 | NA | NA | NA | NA |
| 28158 | 2024-08-28 |
Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience
2023-Oct, La Radiologia medica
DOI:10.1007/s11547-023-01690-x
PMID:37597126
|
研究论文 | 本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现 | 本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白 | 研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高 | 评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度 | 包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者 | 计算机视觉 | 多种癌症 | 深度学习 | Flexnet, Unet, Vnet, Segresnet | CT图像 | 577名患者 | NA | NA | NA | NA |
| 28159 | 2024-08-28 |
New trend in artificial intelligence-based assistive technology for thoracic imaging
2023-Oct, La Radiologia medica
DOI:10.1007/s11547-023-01691-w
PMID:37639191
|
综述 | 本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断 | 介绍了可解释的人工智能在定性诊断中的发展需求 | 强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出 | 帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用 | 人工智能技术在胸部影像诊断中的应用 | 计算机视觉 | NA | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 28160 | 2024-08-28 |
HistoPerm: A permutation-based view generation approach for improving histopathologic feature representation learning
2023, Journal of pathology informatics
DOI:10.1016/j.jpi.2023.100320
PMID:37457594
|
研究论文 | 本文介绍了一种基于排列的视图生成方法HistoPerm，用于改进组织学图像的特征表示学习 | HistoPerm通过排列增强视图来提高分类性能，无需大量标记图像 | NA | 旨在解决深度学习方法在数字病理学中需要大量标记图像的问题 | HistoPerm方法在乳糜泻和肾细胞癌数据集上的有效性 | 数字病理学 | 肾细胞癌 | NA | 联合嵌入架构 | 图像 | 两个组织学图像数据集 | NA | NA | NA | NA |