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 32372 篇文献，本页显示第 28641 - 28660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 28641 | 2024-08-04 |
Origami single-end capacitive sensing for continuous shape estimation of morphing structures
2024-Jul-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67149-9
PMID:39075071
|
研究论文 | 本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。 | 与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。 | NA | 研究如何通过电容信号实时估计变形结构的几何形状。 | 采用折纸结构及其结合的电容传感器进行形状追踪。 | NA | NA | 电容传感 | 深度神经网络 | 信号 | 多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式 | NA | NA | NA | NA |
| 28642 | 2024-08-04 |
Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam
2024-Jul-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01345-x
PMID:39030496
|
研究论文 | 本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测 | 结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性 | 未提及具体的限制 | 提高医学影像中肺癌检测的诊断准确性 | 利用统一格式的数据集进行肺癌影像分类 | 计算机视觉 | 肺癌 | 深度学习 | 集成模型 | 影像 | IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明 | NA | NA | NA | NA |
| 28643 | 2024-08-04 |
Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66812-5
PMID:39013934
|
研究论文 | 本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。 | 引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。 | 缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息 | 旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。 | 基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。 | 机器学习 | NA | 深度学习 | NA | 电子健康记录 | 使用了MIMIC-IV数据库中的患者数据 | NA | NA | NA | NA |
| 28644 | 2024-08-04 |
Deep learning pose detection model for sow locomotion
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62151-7
PMID:39013897
|
研究论文 | 本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。 | 提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。 | 当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。 | 开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。 | 母猪，特别是不同跛行评分的个体。 | 计算机视觉 | NA | 深度学习 | LEAP架构 | 视频 | 使用了来自不同跛行评分母猪的视频图像数据库 | NA | NA | NA | NA |
| 28645 | 2024-08-04 |
Deep learning application of vertebral compression fracture detection using mask R-CNN
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67017-6
PMID:39009647
|
研究论文 | 本研究开发了一种基于深度学习的椎体压缩骨折检测模型 | 创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较 | 研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨 | 旨在提供一种工具以改进椎体压缩骨折的早期诊断 | 研究对象为胸腰椎区域的椎体压缩骨折 | 数字病理学 | NA | 深度学习 | Mask R-CNN | 影像 | 487张侧位X光片，包含598个骨折 | NA | NA | NA | NA |
| 28646 | 2024-08-04 |
Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models
2024-07-15, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202304-0767OC
PMID:38471111
|
研究论文 | 通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。 | 提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。 | 研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。 | 利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。 | 涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 深度学习 | 多模态深度学习模型 | 图像 | 内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者 | NA | NA | NA | NA |
| 28647 | 2024-08-04 |
Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67130-6
PMID:39009636
|
研究论文 | 本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法 | 该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能 | 未提及具体的限制 | 研究FLAIR图像中斑块的分割能力 | 研究对象为100名患有活动性脑斑块的多发性硬化症患者 | 数字病理学 | 多发性硬化症 | 卷积神经网络（CNN） | DeepLabV3Plus SE | MRI切片图像 | 分析了100名患者，使用了1500个标记切片进行深度学习 | NA | NA | NA | NA |
| 28648 | 2024-08-04 |
Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65795-7
PMID:39003269
|
研究论文 | 本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法 | 提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题 | 尚未详细说明当前方法在不同临床场景下的适用性和局限性 | 旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持 | 主要研究对象为脊椎的3D重建 | 数字病理学 | NA | 深度学习 | NA | 图像 | 基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验 | NA | NA | NA | NA |
| 28649 | 2024-08-04 |
Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67217-0
PMID:39003325
|
研究论文 | 评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性 | 提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性 | 研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性 | 旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策 | 280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶 | 数字病理学 | 乳腺癌 | MRI | 多层感知器 (MLP) | 影像 | 280 名患者 | NA | NA | NA | NA |
| 28650 | 2024-08-04 |
Establishment of a corneal ulcer prognostic model based on machine learning
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66608-7
PMID:38997339
|
研究论文 | 本文建立了一种基于机器学习的角膜溃疡预后模型 | 提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类 | 仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限 | 分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略 | 研究对象为角膜溃疡患者的临床数据和裂隙灯图像 | 机器学习 | NA | 机器学习算法，包括XGBoost和LightGBM | 深度学习模型 | 图像和临床数据 | 4973个裂隙灯图像和240个临床病例数据 | NA | NA | NA | NA |
| 28651 | 2024-08-04 |
Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66839-8
PMID:38997404
|
研究论文 | 本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。 | 创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。 | 研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。 | 旨在提高对运动学生疲劳状态的监测精度。 | 研究对象为参与体育活动的学生。 | 机器学习 | NA | 光电容积脉搏波 (PPG) | 深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM) | 信号 | 在本研究中使用了多个PPG信号的数据集进行训练 | NA | NA | NA | NA |
| 28652 | 2024-08-04 |
Efficient musculoskeletal annotation using free-form deformation
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67125-3
PMID:38992241
|
研究论文 | 该文章介绍了一种高效的工具，用于非专家进行肌肉分割的注释 | 开发了一种新工具，通过自由形变简化了医学图像的注释过程 | 本研究未提及工具在不同类型医学图像中的适用性 | 探索通过非专家进行自动肌肉分割数据集创建的方法 | 评估非专家使用该工具进行肌肉分割的效果 | 数字病理学 | NA | 自由形变 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 28653 | 2024-08-04 |
Artificial intelligence-enhanced electrocardiography analysis as a promising tool for predicting obstructive coronary artery disease in patients with stable angina
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae038
PMID:39081950
|
研究论文 | 本文探讨了基于人工智能的心电图分析在预测稳定性心绞痛患者阻塞性冠状动脉疾病中的临床可行性 | 使用深度学习框架分析心电图并开发风险评分系统，首次在大样本中验证其有效性 | 本研究未进行多中心外部验证，仅限于已有的数据集 | 评估AI驱动的心电图分析在预测阻塞性冠状动脉疾病中的实用性 | 稳定性心绞痛患者中的心电图数据 | 机器学习 | 心血管疾病 | 深度学习 | NA | 图像 | 50,756张心电图图像，来自21,866名患者，外部验证中4517名患者 | NA | NA | NA | NA |
| 28654 | 2024-08-04 |
Machine learning in cardiac stress test interpretation: a systematic review
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae027
PMID:39081945
|
综述 | 本文系统回顾了机器学习在心脏压力测试解读中的应用 | 探讨了机器学习应用于心脏压力测试解读的潜力，并展示了相关模型在敏感性和特异性上的改进 | 研究的样本量较小，且排除了核压力测试 | 评估机器学习在冠状动脉疾病压力测试解读中的应用 | 涉及压力心电图和压力超声心动图的机器学习模型 | 机器学习 | 心脏病 | 机器学习，深度学习，自然语言处理 | NA | 数据分析结果 | 七项相关研究的结果 | NA | NA | NA | NA |
| 28655 | 2024-08-04 |
Hypertrophic cardiomyopathy detection with artificial intelligence electrocardiography in international cohorts: an external validation study
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae029
PMID:39081936
|
研究论文 | 该研究评估了一种基于深度学习的人工智能-心电图算法在国际队列中检测肥厚型心肌病的表现 | 这项研究在多国人群中验证了AI-心电图算法的外部有效性，展示了该算法在临床应用中的潜在价值 | 该研究的前瞻性评估尚未进行，需要进一步验证算法在临床实践中的应用效果 | 评估AI-心电图算法在不同国际人群中检测肥厚型心肌病的表现 | 来自瑞士、英国和韩国的患者，包括773名肥厚型心肌病患者和3867名非肥厚型心肌病对照 | 心血管疾病 | 肥厚型心肌病 | 人工智能心电图 | 卷积神经网络 | 心电图 | 773名肥厚型心肌病患者和3867名非肥厚型心肌病对照 | NA | NA | NA | NA |
| 28656 | 2024-08-04 |
Comparative analysis of deep-learning-based bone age estimation between whole lateral cephalometric and the cervical vertebral region in children
2024-Jul, The Journal of clinical pediatric dentistry
IF:1.5Q2
DOI:10.22514/jocpd.2024.093
PMID:39087230
|
研究论文 | 本研究旨在开发一种基于深度学习的骨龄评估模型，比较全侧面头影测量和颈椎区域在儿童中的应用 | 采用了两种预训练的卷积神经网络进行模型构建，并首次展示了使用颅面骨骼和牙齿进行骨龄评估的可行性 | 本研究为回顾性研究，仅使用了特定医院的数据，可能存在样本选择偏差 | 研究儿童的骨龄评估方法，以便改善对生长儿童的诊断和治疗 | 研究对象为年龄在4到18岁之间的1050名儿童患者 | 数字病理学 | NA | 深度学习，尤其是卷积神经网络 | InceptionResNet-v2 和 NasNet-Large | 影像 | 1050名接受侧面头影测量和手腕放射摄影的儿童 | NA | NA | NA | NA |
| 28657 | 2024-08-04 |
Prospects for artificial intelligence-enhanced electrocardiogram as a unified screening tool for cardiac and non-cardiac conditions: an explorative study in emergency care
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae039
PMID:39081937
|
研究论文 | 这项研究调查了单一深度学习模型在急诊部门预测心脏和非心脏疾病的能力 | 提出了一种能够处理多种心脏和非心脏诊断的统一筛查工具 | 研究集中于急诊病人，可能不适用于其他场景 | 探索深度学习模型在多种疾病诊断中的应用 | 单一的心电图（ECG）数据 | 机器学习 | 心血管疾病 | 深度学习 | NA | 心电图 | NA | NA | NA | NA | NA |
| 28658 | 2024-08-04 |
Deep learning for discrimination of active and inactive lesions in multiple sclerosis using non-contrast FLAIR MRI: A multicenter study
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105642
PMID:38703520
|
研究论文 | 本研究调查了使用非对比FLAIR型MRI数据，深度学习在区分多发性硬化症中活跃与非活跃病变的能力。 | 提出了一种无创的非对比MRI替代方法，利用深度学习技术区分病变状态。 | 研究主要集中在FLAIR图像上，未考虑其他多种成像方式。 | 旨在准确区分多发性硬化症中的活跃与非活跃病变。 | 研究对象为130名多发性硬化症患者的9097幅病变图像。 | 计算机视觉 | 多发性硬化症 | FLAIR MRI | 卷积神经网络（CNN） | 图像 | 9097幅病变图像，来自130名患者 | NA | NA | NA | NA |
| 28659 | 2024-08-04 |
Label-Free Multiplex Profiling of Exosomal Proteins with a Deep Learning-Driven 3D Surround-Enhancing SERS Platform for Early Cancer Diagnosis
2024-04-30, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c00669
PMID:38624007
|
研究论文 | 本文开发了一种新的三维增强表面增强拉曼光谱平台用于多重监测外泌体蛋白以实现早期癌症诊断 | 提出了一种新型的三维增强SERS平台，结合深度学习技术，能够高灵敏度和高多重性地检测多个外泌体蛋白 | 尚未提及具体的实验限制和临床应用的局限性 | 利用深度学习技术和新型SERS平台，早期诊断肺癌 | 来自患者的血浆外泌体蛋白，包括CD63、CD81、CD9、CD151、CD171、TSPAN8和PD-L1 | 数字病理学 | 肺癌 | SERS | 深度学习 | 蛋白质 | 七种外泌体蛋白质样本 | NA | NA | NA | NA |
| 28660 | 2024-08-04 |
Applications of Data Characteristic AI-Assisted Raman Spectroscopy in Pathological Classification
2024-04-23, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c04930
PMID:38602477
|
研究论文 | 本文探讨了基于拉曼光谱的AI辅助病理分类的应用 | 通过构建数据特征辅助的AI分类模型，优化了不同类型拉曼光谱数据的AI分类模型 | 未明确讨论如何处理不同类型的拉曼光谱数据的分类模型优化，相对缺乏对模型选择的指导 | 探索如何优化不同类型拉曼光谱数据的AI分类模型 | 选择了五个具有代表性的拉曼光谱数据集，包括子宫内膜癌、肝癌细胞外囊泡、细菌、黑色素瘤细胞、糖尿病皮肤等 | 数字病理学 | 内膜癌, 肝癌, 黑色素瘤, 细菌感染, 糖尿病皮肤病 | 拉曼光谱 | ResNet, AlexNet, PCA-SVM, SVM, UMAP-SVM | 光谱数据 | 五个数据集，包括不同样本大小和光谱数据大小 | NA | NA | NA | NA |