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 23913 篇文献，本页显示第 6441 - 6460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6441 | 2025-02-20 |
Hybrid deep learning for computational precision in cardiac MRI segmentation: Integrating Autoencoders, CNNs, and RNNs for enhanced structural analysis
2025-Mar, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109597
PMID:39967188
|
研究论文 | 本研究探讨了混合深度学习方法在心脏MRI分割中的应用，结合了自编码器、卷积神经网络和循环神经网络，以提高图像分析的精确度和准确性 | 结合自编码器、卷积神经网络和循环神经网络的混合深度学习框架，显著提高了心脏MRI分割的准确性和图像质量 | 研究主要依赖于过去五年内的学术数据库和出版物，可能未涵盖最新的技术进展 | 提高心脏MRI分割的精确度和准确性，以支持早期诊断和患者护理 | 心脏MRI图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 自编码器、CNN、RNN | 图像 | NA |
| 6442 | 2024-09-20 |
Comment on: "Deep learning-based surgical phase recognition in laparoscopic cholecystectomy"
2025-Feb-28, Annals of hepato-biliary-pancreatic surgery
IF:1.1Q3
DOI:10.14701/ahbps.24-149
PMID:39295321
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6443 | 2025-02-20 |
Deep learning-based video-level view classification of two-dimensional transthoracic echocardiography
2025-Feb-19, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/adb493
PMID:39933194
|
研究论文 | 本文提出了一种基于深度学习的视频级别二维经胸超声心动图（TTE）视图分类框架TTESlowFast，旨在满足临床需求 | 提出了基于SlowFast架构的TTESlowFast框架，结合采样平衡策略和数据增强策略，解决了类别不平衡和标记TTE视频有限的问题 | 未详细探讨在真实临床环境中的性能表现 | 开发一种准确且高效的视频级别TTE视图分类方法，以满足临床需求 | 二维经胸超声心动图（TTE）视频 | 计算机视觉 | 心血管疾病 | 深度学习 | SlowFast | 视频 | 未明确提及具体样本数量 |
| 6444 | 2025-02-20 |
Deep Learning-Based Signal Amplification of T1-Weighted Single-Dose Images Improves Metastasis Detection in Brain MRI
2025-Feb-19, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001166
PMID:39961132
|
研究论文 | 本研究探讨了基于深度学习的信号放大技术在单剂量T1加权脑MRI图像中的应用，以提高脑转移瘤的检测能力 | 使用深度学习技术从单剂量T1加权图像生成人工双剂量图像，以提高脑转移瘤的检测灵敏度 | 人工双剂量图像在提高检测灵敏度的同时，可能会增加假阳性发现 | 测试深度学习技术在单剂量T1加权脑MRI图像中生成人工双剂量图像的效果，以提高脑转移瘤的检测能力 | 30名参与者（平均年龄58.5岁，23名女性）的单剂量T1加权脑MRI图像 | 医学影像分析 | 脑转移瘤 | 深度学习 | NA | 图像 | 30名参与者的脑MRI图像 |
| 6445 | 2025-02-20 |
Moving Beyond CT Body Composition Analysis: Using Style Transfer for Bringing CT-Based Fully-Automated Body Composition Analysis to T2-Weighted MRI Sequences
2025-Feb-19, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001162
PMID:39961134
|
研究论文 | 本研究提出了一种基于深度学习的自动身体成分分析方法，使用MR T2加权序列进行身体成分分析 | 通过将CT分割映射到使用CycleGAN生成的合成MR图像上，实现了从CT到MRI的身体成分分析，并利用nnU-Net模型进行3D和2D分割 | 研究中使用的合成数据对数量较少（30对），可能影响模型的泛化能力 | 开发一种自动化方法，用于从T2加权MRI序列中提取身体成分分析参数 | 120名患者的T2加权MRI序列 | 计算机视觉 | NA | CycleGAN, nnU-Net | nnU-Net V2 (3D和2D) | 图像（MRI序列） | 120名患者（46%女性，中位年龄56岁） |
| 6446 | 2025-02-20 |
Prediction of adverse pathology in prostate cancer using a multimodal deep learning approach based on [18F]PSMA-1007 PET/CT and multiparametric MRI
2025-Feb-19, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07134-0
PMID:39969539
|
研究论文 | 本研究开发并评估了一种基于[18F]PSMA-1007 PET/CT和多参数MRI（mpMRI）的多模态深度学习模型，用于预测前列腺癌患者的不良病理（AP） | 该研究首次将[18F]PSMA-1007 PET/CT与mpMRI结合，构建了一个多模态深度学习模型（MPC），并进一步整合临床特征构建了集成模型（MPCC），显著提高了预测AP的能力 | 研究为回顾性分析，可能存在选择偏差，且样本量相对较小，需要进一步的前瞻性研究验证 | 开发并评估一种多模态深度学习模型，用于预测前列腺癌患者的不良病理（AP） | 341名接受根治性前列腺切除术（RP）并进行了mpMRI和PET/CT扫描的前列腺癌患者 | 数字病理 | 前列腺癌 | 深度学习 | 卷积神经网络（CNN）和Transformer | 图像（PET/CT和mpMRI） | 341名前列腺癌患者 |
| 6447 | 2025-02-20 |
Robust and generalizable artificial intelligence for multi-organ segmentation in ultra-low-dose total-body PET imaging: a multi-center and cross-tracer study
2025-Feb-19, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07156-8
PMID:39969540
|
研究论文 | 本研究开发并验证了一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割，解决了完全基于PET的定量分析的关键需求 | 该模型在多种成像条件、中心和示踪剂下实现了有效的、完全基于PET的多器官分割，展示了高鲁棒性和泛化能力 | 本研究为回顾性研究，基于已收集的数据，可能受到数据质量和多样性的限制 | 开发并验证一种深度学习模型，用于在不同成像条件和示踪剂下进行多器官PET分割 | 798名来自多个中心的患者，使用不同示踪剂进行PET成像 | 医学影像分析 | NA | 深度学习 | 3D深度学习模型 | PET图像 | 798名患者 |
| 6448 | 2025-02-20 |
Comparison of different dental age estimation methods with deep learning: Willems, Cameriere-European, London Atlas
2025-Feb-19, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-025-03452-y
PMID:39969569
|
研究论文 | 本研究比较了使用Willems、Cameriere-Europe、London Atlas和深度学习方法在土耳其儿童的全景X光片上进行牙龄估计的效果 | 首次将深度学习方法与传统牙龄估计方法（Willems、Cameriere-Europe、London Atlas）进行比较，并应用于土耳其儿童的全景X光片 | London Atlas方法仅适用于男孩的牙龄预测，其他方法（Willems、Cameriere-Europe和深度学习方法）需要进一步修订 | 比较不同牙龄估计方法的准确性，特别是深度学习方法与传统方法的差异 | 1169名土耳其儿童（613名女孩，556名男孩）的全景X光片 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像（全景X光片） | 1169名儿童（613名女孩，556名男孩） |
| 6449 | 2025-02-20 |
Sex estimation with convolutional neural networks using the patella magnetic resonance image slices
2025-Feb-19, Forensic science, medicine, and pathology
DOI:10.1007/s12024-025-00943-7
PMID:39969760
|
研究论文 | 本研究通过开发的模型，使用EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121架构，在髌骨磁共振图像上进行性别估计 | 首次在髌骨磁共振图像切片上应用多种深度学习架构进行性别估计，无需使用传统的形态测量方法 | 样本量相对较小，仅包含696名患者，且未对不同年龄段或种族群体进行细分分析 | 开发自动化的性别估计方法，减少对经验丰富人员的依赖并提高效率 | 696名患者（293名男性和403名女性）的6710张髌骨磁共振图像切片 | 计算机视觉 | NA | 磁共振成像（MRI） | CNN（包括EfficientNetB3、MobileNetV2、VGG16、ResNet50和DenseNet121） | 图像 | 696名患者的6710张髌骨磁共振图像切片 |
| 6450 | 2025-02-20 |
Artificial intelligence in the management of metabolic disorders: a comprehensive review
2025-Feb-19, Journal of endocrinological investigation
IF:3.9Q2
DOI:10.1007/s40618-025-02548-x
PMID:39969797
|
综述 | 本文综述了人工智能在代谢性疾病管理中的重要作用，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 本文综合探讨了AI在代谢性疾病管理中的多种应用，如早期诊断、个性化治疗、风险评估和生物标志物发现，并强调了AI与临床实践结合的革命性潜力 | 本文提到AI实施中的挑战和伦理考虑，如数据隐私、模型可解释性和偏见缓解，但未深入探讨具体解决方案 | 探讨人工智能在代谢性疾病管理中的应用及其潜力 | 代谢性疾病，包括糖尿病、肥胖、代谢功能障碍相关脂肪肝病和甲状腺功能障碍 | 自然语言处理, 计算机视觉, 机器学习 | 代谢性疾病 | 机器学习(ML), 深度学习(DL), 自然语言处理(NLP), 强化学习 | NA | NA | NA |
| 6451 | 2025-02-20 |
Deep learning for augmented process monitoring of scalable perovskite thin-film fabrication
2025-Feb-18, Energy & environmental science
IF:32.4Q1
DOI:10.1039/d4ee03445g
PMID:39830789
|
研究论文 | 本文展示了深度学习在增强大面积钙钛矿薄膜制造过程监控中的应用 | 利用深度学习增强成像方法，实现材料成分监控、薄膜质量早期评估及过程控制建议生成 | 研究基于中等规模数据集，可能在大规模应用中存在限制 | 提高钙钛矿光伏材料的大面积制造可重复性 | 钙钛矿薄膜的制造过程 | 机器学习 | NA | 深度学习 | NA | 图像数据 | 中等规模数据集 |
| 6452 | 2025-02-20 |
[Deep learning algorithms for intelligent construction of a three-dimensional maxillofacial symmetry reference plane]
2025-Feb-18, Beijing da xue xue bao. Yi xue ban = Journal of Peking University. Health sciences
PMID:39856515
|
研究论文 | 本研究开发了一种基于深度学习的算法（MDGR-Net），用于智能注册三维颌面部点云数据，以构建颌面部对称参考平面 | 提出了一种基于动态图的注册网络模型（MDGR-Net），用于智能注册三维颌面部点云数据，并通过主成分分析（PCA）算法生成对称参考平面 | 研究主要依赖于内部和外部测试集的数据，样本量相对有限，且未涉及其他类型的颌面部畸形 | 开发一种智能算法，用于临床牙科应用中的三维颌面部对称参考平面构建 | 400名无明显畸形的临床患者的三维颌面部点云数据 | 计算机视觉 | 颌面部畸形 | 深度学习、主成分分析（PCA）、奇异值分解（SVD） | MDGR-Net | 三维点云数据 | 400名患者，通过数据增强生成2000个数据集 |
| 6453 | 2025-02-20 |
Integrating State-Space Modeling, Parameter Estimation, Deep Learning, and Docking Techniques in Drug Repurposing: A Case Study on COVID-19 Cytokine Storm
2025-Feb-18, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocaf035
PMID:39965087
|
研究论文 | 本研究通过整合状态空间建模、参数估计、深度学习和分子对接技术，探索药物再利用在COVID-19细胞因子风暴中的应用 | 结合数学建模、PID控制器、深度学习和分子对接技术，提出了一种综合方法用于快速识别关键调控蛋白和药物再利用 | 研究主要针对COVID-19的细胞因子风暴，未广泛验证其他病毒或疾病的应用效果 | 开发快速有效的治疗方法，以应对SARS-CoV-2变种带来的挑战 | COVID-19细胞因子风暴中的关键调控蛋白（如ACE2） | 药物再利用 | COVID-19 | 状态空间建模、参数估计、深度学习、分子对接 | 深度学习模型 | 蛋白质相互作用数据、药物-靶点相互作用数据 | NA |
| 6454 | 2025-02-20 |
Capsule network-based deep learning for early and accurate diabetic retinopathy detection
2025-Feb-18, International ophthalmology
IF:1.4Q3
DOI:10.1007/s10792-024-03391-4
PMID:39966199
|
研究论文 | 本研究旨在通过结合UNet++和胶囊网络（CapsNet）进行特征学习，以提高糖尿病视网膜病变的早期和准确检测 | 结合UNet++和CapsNet进行特征学习，提出了一种新的混合模型用于青光眼检测，相比传统卷积神经网络对青光眼变化更敏感 | 研究指出AI应用在眼科医疗保健中的革命性影响，但未明确提及具体局限性 | 提高青光眼诊断的准确性和早期检测 | 青光眼患者的视网膜图像 | 计算机视觉 | 青光眼 | Histogram Equalization, Contrast Limited Adaptive Histogram Equalization (CLAHE) | UNet++, CapsNet | 图像 | 十个基准数据集 |
| 6455 | 2025-02-20 |
Dual-Domain Self-Supervised Deep Learning with Graph Convolution for Low-Dose Computed Tomography Reconstruction
2025-Feb-18, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01314-4
PMID:39966223
|
研究论文 | 本文提出了一种名为DDoS的双域自监督深度学习框架，用于低剂量计算机断层扫描（LDCT）图像的去噪和重建 | DDoS框架结合了图卷积和多通道注意力模块，能够在sinogram域和图像域同时进行去噪，有效提升了LDCT图像的信噪比 | 尽管DDoS框架在实验中表现出色，但其在临床环境中的实际应用仍需进一步验证 | 提高低剂量计算机断层扫描（LDCT）图像的信噪比，以满足诊断所需的图像质量 | 低剂量计算机断层扫描（LDCT）图像 | 计算机视觉 | NA | 深度学习 | 图卷积网络（GCN） | 图像 | 两个大规模LDCT数据集 |
| 6456 | 2025-02-20 |
Letter to the Editor: "A Deep Learning System to Predict Epithelial Dysplasia in Oral Leukoplakia"
2025-Feb-18, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345251317097
PMID:39966688
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 6457 | 2025-02-20 |
Enhancing automated right-sided early-stage breast cancer treatments via deep learning model adaptation without additional training
2025-Feb-18, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17682
PMID:39966996
|
研究论文 | 本文提出了一种无需额外训练的深度学习模型适应方法，用于自动化右侧早期乳腺癌治疗计划 | 通过调整模型设置和对称结构交换，实现了无需额外训练的模型适应，从而提高了自动化治疗计划的效率 | 该方法仅适用于特定治疗计划系统（TPS），且需要进一步验证其在其他平台上的适用性 | 简化自动化右侧乳腺癌治疗计划的生成过程，避免额外的模型训练 | 右侧乳腺癌患者 | 数字病理 | 乳腺癌 | 深度学习模型适应 | 深度学习模型 | 剂量分布数据 | 30名患者（10名用于模型调优，20名用于模型验证，10名用于临床应用） |
| 6458 | 2025-02-20 |
Dose prediction via deep learning to enhance treatment planning of lung radiotherapy including simultaneous integrated boost techniques
2025-Feb-18, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17692
PMID:39967020
|
研究论文 | 本研究探讨了使用深度学习预测包括同步整合增强技术（SIB）在内的肺癌放疗剂量分布的可行性及其在改善治疗计划质量中的潜在益处 | 首次验证了深度学习在预测包括SIB技术在内的肺癌放疗剂量分布中的应用，并评估了其在自动治疗计划和评估中的潜在益处 | 研究样本量相对较小，且仅基于单一机构的患者数据，可能限制了结果的普遍性 | 研究深度学习在预测肺癌放疗剂量分布中的可行性及其在改善治疗计划质量中的潜在益处 | 肺癌患者 | 数字病理 | 肺癌 | 深度学习 | 3D U-Net | CT图像、目标和正常组织轮廓、处方剂量 | 93例回顾性临床VMAT计划（75例用于训练，18例用于测试），以及10例前瞻性患者 |
| 6459 | 2025-02-20 |
Enhancing Semantic Segmentation in High-Resolution TEM Images: A Comparative Study of Batch Normalization and Instance Normalization
2025-Feb-17, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/mam/ozae093
PMID:39405188
|
研究论文 | 本文研究了批量归一化（BN）和实例归一化（IN）对高分辨率透射电子显微镜（TEM）图像语义分割深度学习模型性能的影响 | 通过比较BN和IN在U-Net和ResNet架构上的表现，发现IN在Dice分数和交并比指标上持续优于BN，强调了选择适当归一化方法的重要性 | 研究仅基于两种数据集，可能无法全面反映所有TEM图像的特性 | 探讨不同归一化方法对TEM图像语义分割深度学习模型性能的影响 | 高分辨率透射电子显微镜（TEM）图像 | 计算机视觉 | NA | 深度学习 | U-Net, ResNet | 图像 | 两个不同的数据集 |
| 6460 | 2025-02-20 |
A dataset for surface defect detection on complex structured parts based on photometric stereo
2025-Feb-16, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-025-04454-6
PMID:39956811
|
研究论文 | 本文提出了一种基于深度学习和光度立体视觉的表面缺陷检测技术，并创建了金属表面缺陷数据集（MSDD） | 提出了一种新的缺陷检测技术，结合了光度立体视觉和深度学习，并创建了一个包含多种缺陷类型的金属表面缺陷数据集 | NA | 解决工业缺陷检测中的阴影和表面反射问题，特别是在非平面零件上的检测 | 金属表面缺陷 | 计算机视觉 | NA | 光度立体视觉 | FCOS, YOLOv5, YOLOv8, RT-DETR | 图像 | 138,585张单通道图像和9,239张混合图像 |