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 29666 篇文献，本页显示第 28841 - 28860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 28841 | 2024-08-07 |
Discrete latent embedding of single-cell chromatin accessibility sequencing data for uncovering cell heterogeneity
2024-May, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00625-4
PMID:38730185
|
研究论文 | 提出了一种基于向量量化变分自编码器框架的深度生成模型CASTLE，用于提取单细胞染色质可及性测序数据的离散潜在嵌入 | CASTLE模型能够有效整合现有的海量参考数据集，并以弱监督或监督方式直观地提取细胞类型特异性特征谱，揭示细胞异质性和生物学意义 | NA | 解决单细胞表观基因组数据的高维度和稀疏性问题，提高细胞类型识别的准确性和可视化效果 | 单细胞染色质可及性测序数据 | 机器学习 | NA | 单细胞测序 | 变分自编码器 | 测序数据 | NA |
| 28842 | 2024-08-07 |
Artificial intelligence in surgery
2024-May, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02970-3
PMID:38740998
|
综述 | 本文综述了人工智能在手术领域的应用，重点讨论了其在术前、术中和术后对手术护理的多方面改进 | 介绍了基础模型架构、可穿戴技术和手术数据基础设施的进步如何促进AI干预和应用的快速发展 | NA | 探讨成熟的人工智能方法如何潜在地改善患者结果、促进外科教育并优化手术护理 | 人工智能在手术领域的应用 | 机器学习 | NA | 深度学习 | 基础模型 | NA | NA |
| 28843 | 2024-08-07 |
Robust Highly-accelerated MR Fingerprinting Using Transformer-based Deep Learning
2024-May, Proceedings of the International Society for Magnetic Resonance in Medicine ... Scientific Meeting and Exhibition. International Society for Magnetic Resonance in Medicine. Scientific Meeting and Exhibition
PMID:38798756
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 28844 | 2024-08-07 |
Automated discovery of symbolic laws governing skill acquisition from naturally occurring data
2024-May, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-024-00629-0
PMID:38811819
|
研究论文 | 本文旨在从大规模训练日志数据中发现技能学习的规律 | 开发了一种两阶段算法来解决不可观察的认知状态和搜索中的算法爆炸问题，并使用深度学习模型和符号回归算法来解析神经网络模型 | NA | 发现技能学习的规律 | 技能学习 | 机器学习 | NA | 深度学习模型，符号回归算法 | 深度学习模型 | 日志数据 | 大规模训练数据 |
| 28845 | 2024-08-07 |
From Pixels to Prognosis: A Narrative Review on Artificial Intelligence's Pioneering Role in Colorectal Carcinoma Histopathology
2024-Apr, Cureus
DOI:10.7759/cureus.59171
PMID:38807833
|
综述 | 本文综述了人工智能在结直肠癌组织病理学中的开创性作用，包括其发展、技术和进展 | 人工智能算法，特别是机器学习和深度学习，革新了图像分析，有助于准确诊断和预后预测 | 挑战包括数据质量、可解释性和整合 | 探讨人工智能在结直肠癌组织病理学中的应用及其对未来肿瘤学研究和临床实践的影响 | 结直肠癌的组织病理学评估 | 数字病理学 | 结直肠癌 | 机器学习、深度学习 | NA | 图像 | NA |
| 28846 | 2024-08-07 |
DeepPPThermo: A Deep Learning Framework for Predicting Protein Thermostability Combining Protein-Level and Amino Acid-Level Features
2024-02, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2023.0097
PMID:38100126
|
研究论文 | 提出了一种名为DeepPPThermo的深度学习框架，结合蛋白质级和氨基酸级特征预测蛋白质热稳定性 | 利用深度神经网络（DNN）和双向长短期记忆网络（Bi-LSTM）挖掘隐藏特征，并通过局部和全局注意力机制赋予多视角特征不同重要性 | NA | 研究如何有效利用多视角序列信息预测蛋白质热稳定性 | 热稳定性和中温性蛋白质的分类 | 机器学习 | NA | 深度学习 | DNN, Bi-LSTM | 序列信息 | 未具体说明 |
| 28847 | 2024-08-07 |
Survey of Denoising, Segmentation and Classification of Pancreatic Cancer Imaging
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了胰腺癌影像的去噪、分割和分类的不同方法 | 在分割方面，基于图谱的区域增长方法表现优于现有技术；在分类方面，深度学习方法优于其他方法 | NA | 探讨计算机辅助诊断系统在胰腺癌检测中的应用 | 胰腺癌影像的去噪、分割和分类 | 计算机视觉 | 胰腺癌 | 计算机辅助诊断系统（CADs） | 深度学习 | 影像 | NA |
| 28848 | 2024-08-07 |
A Comprehensive Review on MRI-based Knee Joint Segmentation and Analysis Techniques
2024, Current medical imaging
IF:1.1Q3
|
综述 | 本文综述了基于MRI的膝关节分割与分析技术 | 介绍了近年来基于深度学习的全自动分割方法，这些方法不仅比传统技术提供更好的结果，还开辟了医学影像研究的新领域 | NA | 旨在介绍不同科学文章中发表的膝关节骨、软骨和半月板的全自动和半自动分割方法 | 膝关节骨、软骨和半月板的分割 | 医学影像 | 骨关节炎 | MRI | 深度学习 | 图像 | NA |
| 28849 | 2024-08-07 |
Deep Learning-reconstructed Parallel Accelerated Imaging for Knee MRI
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究比较了深度学习（DL）重建的并行加速成像技术在膝关节MRI中的图像质量 | 使用深度学习技术重建的并行加速成像技术在膝关节MRI中显著降低了噪声，同时保持了图像的锐度和诊断质量 | 研究仅限于膝关节MRI，且样本量相对较小 | 比较深度学习重建的并行加速成像技术与传统技术在膝关节MRI中的图像质量 | 44个膝关节MRI扫描，来自38名成年患者 | 计算机视觉 | NA | 深度学习（DL）重建的并行加速成像技术 | NA | 图像 | 44个膝关节MRI扫描，38名成年患者 |
| 28850 | 2024-08-07 |
Image Quality Improvement of Low-dose Abdominal CT using Deep Learning Image Reconstruction Compared with the Second Generation Iterative Reconstruction
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究探讨了深度学习图像重建（DLIR）在降低辐射剂量的情况下，是否能提高腹部CT图像质量，并与第二代自适应统计迭代重建（ASiR-V）进行比较 | DLIR算法在提高图像对比度噪声比（CNR）、图像质量、主观噪声和病变显著性方面表现优于ASiR-V | 本研究为回顾性研究，样本量有限，且仅比较了同一供应商的不同型号扫描仪 | 确定DLIR是否能在降低辐射剂量的同时提供更好的图像质量 | 腹部CT图像质量及辐射剂量 | 计算机视觉 | NA | 深度学习图像重建 | DLIR | 图像 | 102名患者 |
| 28851 | 2024-08-07 |
A Novel Approach to the Technique of Lung Region Segmentation Based on a Deep Learning Model to Diagnose COVID-19 X-ray Images
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于深度学习模型的肺部区域分割新技术，用于诊断COVID-19的X光图像 | 提出了一种名为FocusNet的新型深度网络，用于精确分割胸部X光片中的肺部区域，并通过ResNet18分类网络提高分类准确性 | NA | 开发一种深度学习模型，准确分类胸部X光图像，特别是肺部区域，以提高COVID-19和肺炎诊断的效率和准确性 | 胸部X光图像中的肺部区域 | 计算机视觉 | COVID-19 | 深度学习 | FocusNet, ResNet18 | 图像 | 评估了正常人、COVID-19患者和肺炎患者的肺部区域 |
| 28852 | 2024-08-07 |
Factors associated with interobserver variation amongst pathologists in the diagnosis of endometrial hyperplasia: A systematic review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302252
PMID:38683770
|
综述 | 本综述旨在识别影响病理学家在诊断子宫内膜增生（EH）中观察者间变异性的特定病理学家因素 | 识别了一些新颖的工作实践，如对核异型性的“程度”进行分级以及采用半自动定量图像分析/深度学习模型等客观诊断方法 | 尽管强调了病理学家特定因素和工作实践对准确诊断EH的影响，但相关研究数量较少 | 旨在识别影响病理学家在诊断子宫内膜增生中观察者间变异性的特定病理学家因素 | 病理学家在诊断子宫内膜增生中的观察者间变异性 | 数字病理学 | 妇科疾病 | NA | 深度学习模型 | 图像 | 八项研究 |
| 28853 | 2024-08-07 |
Super-resolution based Nodule Localization in Thyroid Ultrasound Images through Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于深度学习的超分辨率方法来自动定位甲状腺超声图像中的结节 | 使用超分辨率单图像重建和深度学习技术，该方法在准确性和质量上优于最新的技术 | NA | 开发一种自动化的方法来识别甲状腺超声图像中的结节 | 甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习 | Adam分类器 | 图像 | NA |
| 28854 | 2024-08-07 |
Building and validating an artificial intelligence model to identify tracheobronchopathia osteochondroplastica by using bronchoscopic images
2024 Jan-Dec, Therapeutic advances in respiratory disease
IF:3.3Q2
DOI:10.1177/17534666241253694
PMID:38803144
|
研究论文 | 本文构建并验证了一种人工智能模型，用于通过支气管镜图像识别气管支气管骨软骨成形术 | 开发了一种基于支气管镜图像的人工智能模型，能够区分气管支气管骨软骨成形术与其他多结节气道疾病 | NA | 构建一个人工智能模型，用于通过支气管镜图像区分气管支气管骨软骨成形术与其他多结节气道疾病 | 气管支气管骨软骨成形术（TO）与其他多结节气道疾病 | 机器学习 | NA | 卷积神经网络（CNN） | EfficientNet | 图像 | 201名多结节气道疾病患者和213名无任何气道病变患者，共使用了2183张多结节病变支气管镜图像和1733张无气道病变图像进行深度学习 |
| 28855 | 2024-08-07 |
Fuzzy ensemble of fined tuned BERT models for domain-specific sentiment analysis of software engineering dataset
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300279
PMID:38805433
|
研究论文 | 本文提出了一种基于深度学习和微调BERT模型的混合技术，用于软件工程领域的特定情感分析 | 引入模糊逻辑集合多个微调BERT模型，提高了对中性情感的预测准确性，并覆盖了现有工具的局限 | NA | 开发适用于软件工程领域的特定情感分析工具 | 软件工程领域的社区问答数据集 | 自然语言处理 | NA | 深度学习 | BERT模型（包括Bert-Base, Bert-Large, Bert-LSTM, Bert-GRU, Bert-CNN） | 文本 | 使用了四个公开的基准数据集：Stack Overflow, JavaLib, Jira, 和 Code Review |
| 28856 | 2024-08-07 |
Deep learning for identifying bee species from images of wings and pinned specimens
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303383
PMID:38805521
|
研究论文 | 本文研究了使用深度学习技术从蜜蜂翅膀和标本图像中识别蜜蜂物种的方法 | 本文展示了计算机视觉在分类较小、难以识别的蜜蜂物种方面的潜力，这些物种在众包数据集中代表性不足 | NA | 评估深度学习分类模型在更具挑战性的蜜蜂分类中的表现 | 蜜蜂物种的识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 20种和18种蜜蜂物种分别来自6个和4个属 |
| 28857 | 2024-08-07 |
Corrigendum: Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1421603
PMID:38813378
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 28858 | 2024-08-07 |
Live-cell imaging in the deep learning era
2023-12, Current opinion in cell biology
IF:6.0Q1
DOI:10.1016/j.ceb.2023.102271
PMID:37897927
|
研究论文 | 本文探讨了深度学习在活细胞成像中的应用及其对关键任务的辅助作用 | 介绍了深度学习在活细胞成像中的新应用，包括漂移校正、去噪、超分辨率成像、人工标记、跟踪和时间序列分析 | NA | 探讨深度学习在活细胞成像中的应用及其对关键任务的辅助作用 | 活细胞成像技术及其数据分析 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 28859 | 2024-08-07 |
Deep Learning-Facilitated Study of the Rate of Change in Photoreceptor Outer Segment Metrics in RPGR-Related X-Linked Retinitis Pigmentosa
2023-Nov-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.64.14.31
PMID:37988107
|
研究论文 | 本研究利用深度学习模型（DLM）辅助测量视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维（3D）指标，并评估这些指标的纵向变化及其相关因素 | 本研究首次利用深度学习模型辅助测量视网膜外节的三维指标，并评估其在视网膜色素变性中的应用 | 本研究为回顾性队列研究，样本仅包括34名男性患者，可能存在选择偏倚 | 旨在评估视网膜外节指标在视网膜色素变性中的纵向变化及其相关因素 | 视网膜色素上皮（RPGR）相关X连锁视网膜色素变性（XLRP）患者的视网膜外节（OS）三维指标 | 计算机视觉 | 视网膜色素变性 | 深度学习 | 深度学习模型（DLM） | 图像 | 34名男性患者 |
| 28860 | 2024-08-07 |
RGC-Net: An Automatic Reconstruction and Quantification Algorithm for Retinal Ganglion Cells Based on Deep Learning
2023-05-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.12.5.7
PMID:37140906
|
研究论文 | 本文开发了一种基于深度学习的视网膜神经节细胞自动重建和量化算法RGC-Net | RGC-Net能够自动分割视网膜神经节细胞的轴突和细胞体，提供了一种比手动分析更高效和快速的新工具 | NA | 开发一种基于深度学习的全自动重建和量化视网膜神经节细胞的算法 | 视网膜神经节细胞的轴突和细胞体 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 166个视网膜神经节细胞扫描图像，其中132个用于训练，34个用于测试 |