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 7681 - 7700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7681 | 2025-01-30 |
Segmentation of coronary artery and calcification using prior knowledge based deep learning framework
2025-Jan-29, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17642
PMID:39878608
|
研究论文 | 本研究提出了一种基于深度学习的冠状动脉和钙化分割框架，利用解剖学先验知识提高分割精度，并探索了冠状动脉和钙化体积比对旋转切除术的预测能力 | 提出了一种新的分割框架，结合了变分自编码器、自注意力机制和逻辑操作模块，利用解剖学先验知识提高了分割精度 | 研究样本量较小，仅包含72名患者的CTA图像数据 | 提高冠状动脉和钙化的分割精度，并探索其体积比对旋转切除术的预测能力 | 冠状动脉和钙化 | 计算机视觉 | 心血管疾病 | CTA（计算机断层扫描血管造影） | 变分自编码器（VAE）、自注意力机制（SA）、逻辑操作模块（LO） | 3D CTA图像 | 72名患者的CTA图像数据 |
| 7682 | 2025-01-30 |
Revolutionising Osseous Biopsy: The Impact of Artificial Intelligence in the Era of Personalised Medicine
2025-Jan-29, The British journal of radiology
DOI:10.1093/bjr/tqaf018
PMID:39878877
|
综述 | 本文综述了人工智能在个性化医疗时代对骨肿瘤活检的影响，包括其在影像引导活检、标本处理、诊断准确性提升、活检安全性提高以及病灶精确定位方面的应用 | 探讨了人工智能在骨肿瘤活检中的多种技术应用，如传统机器学习、深度学习、放射组学、模拟和生成模型，并提出了未来发展的潜在方向 | 讨论了人工智能在骨活检程序中的伦理考虑、技术限制、健康公平性、通用性、部署问题和报销挑战 | 探索人工智能在个性化医疗时代对骨肿瘤活检的影响，以提高诊断准确性和患者治疗效果 | 骨肿瘤（原发性和继发性）的影像引导活检和标本处理 | 数字病理学 | 骨肿瘤 | 传统机器学习、深度学习、放射组学、模拟和生成模型 | NA | 影像 | NA |
| 7683 | 2025-01-30 |
Intraindividual Comparison of Image Quality Between Low-Dose and Ultra-Low-Dose Abdominal CT With Deep Learning Reconstruction and Standard-Dose Abdominal CT Using Dual-Split Scan
2025-Jan-28, Investigative radiology
IF:7.0Q1
DOI:10.1097/RLI.0000000000001151
PMID:39874436
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7684 | 2025-01-30 |
Artificial Intelligence and Identification of the Deceased: a Narrative Review With Implications in Forensic Science
2025-Jan-28, Behavioral sciences & the law
IF:1.0Q4
DOI:10.1002/bsl.2718
PMID:39875344
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7685 | 2025-01-30 |
MHNet: Multi-view High-Order Network for Diagnosing Neurodevelopmental Disorders Using Resting-State fMRI
2025-Jan-28, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01399-5
PMID:39875742
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7686 | 2025-01-30 |
End-to-End Deep Learning Prediction of Neoadjuvant Chemotherapy Response in Osteosarcoma Patients Using Routine MRI
2025-Jan-28, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01424-7
PMID:39875741
|
研究论文 | 本研究旨在开发一种端到端的深度学习模型，利用常规磁共振成像（MRI）预测骨肉瘤（OS）患者的新辅助化疗（NACT）反应 | 提出了一种结合ResUNet和3D-ResNet-18的端到端深度学习模型，用于自动肿瘤分割和NACT疗效预测 | 研究样本量较小（112例患者），且未发现年龄、性别、碱性磷酸酶水平、肿瘤大小或位置在两组间有显著差异 | 预测骨肉瘤患者对新辅助化疗的反应 | 112例经组织学确认的骨肉瘤患者 | 计算机视觉 | 骨肉瘤 | MRI | ResUNet, 3D-ResNet-18 | 图像 | 112例患者 |
| 7687 | 2025-01-29 |
Machine learning and deep learning to improve prevention of anastomotic leak after rectal cancer surgery
2025-Jan-27, World journal of gastrointestinal surgery
IF:1.8Q2
DOI:10.4240/wjgs.v17.i1.101772
PMID:39872776
|
研究论文 | 本文探讨了机器学习和深度学习在预测和预防直肠癌手术后吻合口漏（AL）中的应用 | 利用AI技术分析临床数据，识别术前和术中的风险因素，提供术中反馈，以减少AL的发生 | 未提及具体的数据集大小或模型验证的详细结果 | 提高直肠癌手术后吻合口漏的预防效果 | 直肠癌手术患者 | 机器学习 | 直肠癌 | 机器学习和深度学习 | NA | 临床数据 | NA |
| 7688 | 2025-01-30 |
Identification of Gingival Inflammation Surface Image Features Using Intraoral Scanning and Deep Learning
2025-Jan-27, International dental journal
IF:3.2Q1
DOI:10.1016/j.identj.2025.01.002
PMID:39875279
|
研究论文 | 本研究开发了一种结合口腔内扫描（IOS）和深度学习算法的自动化方法，用于识别牙龈炎症的表面特征，并评估其准确性与临床指标的相关性 | 首次将口腔内扫描与深度学习算法结合，用于自动识别牙龈炎症的表面特征，提供了一种标准化和自动化的辅助工具 | 研究样本量较小，仅包括120名牙周炎患者，可能限制了结果的普遍性 | 开发一种自动化方法，用于准确监测和诊断牙龈炎症 | 120名牙周炎患者的牙周探诊数据和口腔内扫描图像 | 数字病理学 | 牙周炎 | 深度学习 | GC-U-Net | 图像 | 120名牙周炎患者 |
| 7689 | 2025-01-30 |
Deep 3D-DIC using a coarse-to-fine network for robust and accurate 3D shape and displacement measurements
2025-Jan-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.549759
PMID:39876362
|
研究论文 | 本文提出了一种基于深度学习的3D数字图像相关（3D-DIC）方法，通过粗到细的网络G-RAFT实现大范围且精确的图像位移估计 | 提出了一种新的学习型3D-DIC方法，结合GMA网络和RAFT-DIC技术，解决了传统方法在大位移估计和精度上的不足 | 虽然方法在复杂表面场景中表现出色，但未明确提及其在其他特定场景或数据上的适用性 | 解决传统数字图像相关方法在三维测量中的局限性，特别是大位移估计和精度问题 | 三维形状和位移测量 | 计算机视觉 | NA | 深度学习，数字图像相关（DIC） | G-RAFT, GMA, RAFT-DIC | 图像 | 未明确提及具体样本数量 |
| 7690 | 2025-01-30 |
Deep learning-based polarization 3D imaging method for underwater targets
2025-Jan-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.541298
PMID:39876365
|
研究论文 | 本文提出了一种基于深度学习的偏振3D成像方法，用于水下目标的3D形状重建 | 提出了一种基于Attention UNet的网络框架，用于水下偏振图像的3D重建，解决了方位角模糊问题并减少了纹理损失 | 缺乏公开的水下偏振3D成像数据集，需要自行模拟Jerlov Type I水条件进行数据采集 | 开发高精度的水下3D成像技术，解决光在水中的吸收和散射问题 | 水下目标的3D形状重建 | 计算机视觉 | NA | 偏振成像 | Attention UNet | 图像 | 模拟Jerlov Type I水条件下采集的水下偏振图像数据集 |
| 7691 | 2025-01-30 |
Accurate deep learning based method for real-time directly modulated laser modeling
2025-Jan-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.549604
PMID:39876387
|
研究论文 | 本文介绍了一种基于深度学习的实时直接调制激光器建模方法，旨在通过降低计算复杂度实现高精度 | 采用双向长短期记忆网络（BiLSTM）并结合高级特征重校准和非线性拟合技术，提出了一种新的数据驱动方法，用于实时模拟直接调制激光器的动态行为 | 未提及具体局限性 | 开发一种高精度且计算复杂度低的直接调制激光器实时建模方法 | 直接调制激光器（DMLs） | 机器学习 | NA | 深度学习 | BiLSTM, LSTM, RNN | NA | NA |
| 7692 | 2025-01-30 |
Predicting Chern numbers in photonic crystals using generative adversarial network-based data augmentation
2025-Jan-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.544553
PMID:39876434
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的数据增强方法，用于预测二维光子晶体的Chern数，解决了训练数据不足的问题 | 提出了一种数值到图像的生成对抗网络（GAN）数据增强方法，显著提高了Chern数预测的准确性 | 方法主要针对二维光子晶体，尚未验证在其他复杂物理系统中的适用性 | 通过深度学习结合麦克斯韦方程，预测二维光子晶体的Chern数，以实现光子功能传输和控制的优化 | 二维光子晶体 | 机器学习 | NA | 生成对抗网络（GAN） | GAN | 数值数据、图像数据 | 未明确说明样本数量 |
| 7693 | 2025-01-30 |
Unpaired learning for digital holographic reconstruction and generation
2025-Jan-27, Optics express
IF:3.2Q2
DOI:10.1364/OE.551211
PMID:39876466
|
研究论文 | 本文提出了一种新的深度学习方法，利用较少的未配对数据训练神经网络，以减少对标记数据的需求，并实现数字全息重建和生成 | 首次展示了基于物理的高质量实验全息模拟器，能够同时重建复杂振幅并生成实验合成全息图 | 需要进一步验证该方法在不同数据集和实际应用中的泛化能力 | 解决数字全息术中传统数值重建方法的问题，如不准确、耗时的解包裹或需要捕捉多个不同衍射距离的全息图 | 数字全息重建和生成 | 计算机视觉 | NA | CycleGAN | GAN | 图像 | 未明确说明样本数量 |
| 7694 | 2025-01-30 |
Combining Low-energy Images in Dual-energy Spectral CT With Deep Learning Image Reconstruction Algorithm to Improve Inferior Vena Cava Image Quality
2025-Jan-27, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001713
PMID:39876519
|
研究论文 | 本研究探讨了在双能谱CT中使用低能量图像结合深度学习图像重建算法来提高下腔静脉图像质量的应用 | 结合低能量图像和深度学习图像重建算法（DLIR）来优化下腔静脉成像，显著减少图像噪声并提高对比噪声比（CNR） | 样本量较小，仅包括30名下腔静脉综合征患者 | 提高下腔静脉成像质量 | 下腔静脉综合征患者 | 医学影像 | 下腔静脉综合征 | 双能谱CT（DEsCT）和深度学习图像重建（DLIR） | 深度学习图像重建算法（DLIR-M和DLIR-H） | CT图像 | 30名下腔静脉综合征患者 |
| 7695 | 2025-01-30 |
Validation of a Deep Learning Tool for Detection of Incidental Vertebral Compression Fractures
2025-Jan-27, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001726
PMID:39876529
|
研究论文 | 本研究评估了一种基于深度学习的椎体压缩性骨折（VCF）检测工具在偶然性VCF患者中的性能 | 该研究验证了CINA-VCF v1.0这一深度学习算法在多个站点和多个供应商中的适用性和泛化能力 | 工具的局限性包括各种混杂病理如Schmorl's结节和边界病例 | 验证深度学习工具在检测偶然性椎体压缩性骨折中的性能 | 50岁及以上患者的胸部和腹部CT扫描图像 | 计算机视觉 | 椎体压缩性骨折 | 深度学习 | CINA-VCF v1.0 | CT图像 | 474例CT扫描，包括166例阳性VCF和308例阴性VCF |
| 7696 | 2025-01-30 |
Multifrequency spherical cloak in microwave frequencies enabled by deep learning
2025-Jan-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.542482
PMID:39876236
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 7697 | 2025-01-30 |
Graph model-aided optimal iterative decoding technique for LDPC in optical fiber communication
2025-Jan-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.534637
PMID:39876298
|
研究论文 | 本文提出了一种新的迭代LDPC解码技术GMNN-BP，结合了深度学习和信念传播算法的优势 | 设计了GMNN-BP解码技术，利用图模型作为深度学习和信念传播算法之间的桥梁，减少了训练数据需求并提高了性能 | 未提及具体局限性 | 提高LDPC解码的性能和效率 | LDPC解码技术 | 机器学习 | NA | 图模型神经网络-信念传播（GMNN-BP） | 图模型神经网络 | 编码数据 | 使用IEEE 802.3ca标准LDPC码字进行测试 |
| 7698 | 2025-01-30 |
Physics-informed deep learning for 3D modeling of light diffraction from optical metasurfaces
2025-Jan-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.544116
PMID:39876311
|
研究论文 | 本文提出了一种基于物理信息神经网络（PINN）的无数据深度学习方法，用于更高效地计算3D光学超表面的光衍射、模拟相应的偏振效应和波前操控 | 该方法仅从由矢量麦克斯韦方程、Floquet-Bloch边界条件和完美匹配层（PML）表示的物理规律中学习，无需依赖数据，显著提高了计算速度和准确性 | NA | 研究目的是通过深度学习方法提高光学超表面光衍射计算的效率和准确性 | 3D光学超表面的光衍射、偏振效应和波前操控 | 机器学习 | NA | 物理信息神经网络（PINN） | PINN | NA | NA |
| 7699 | 2025-01-30 |
Real-time acoustic monitoring of laser paint removal based on deep learning
2025-Jan-13, Optics express
IF:3.2Q2
DOI:10.1364/OE.545906
PMID:39876315
|
研究论文 | 本文介绍了一种基于深度学习的实时声学监测方法，用于激光除漆过程中的状态监控 | 首次将深度学习技术应用于激光除漆过程的实时声学监测，并开发了基于CNN模型的实时监测系统 | NA | 实现激光除漆过程的实时声学监测 | 激光除漆过程中产生的声学信号 | 机器学习 | NA | 深度学习 | CNN | 声学信号 | NA |
| 7700 | 2025-01-30 |
Generalizable deep learning approach for 3D particle imaging using holographic microscopy (HM)
2024-Dec-30, Optics express
IF:3.2Q2
DOI:10.1364/OE.535207
PMID:39876127
|
研究论文 | 本文介绍了一种基于深度学习的通用方法，用于全息显微镜下的3D粒子成像 | 利用人类对粒子衍射图案纵向变化的感知，提出了一种高度通用的深度学习架构，显著提高了处理速度 | 训练数据仅包含少量合成和真实全息图，可能限制了模型在更广泛场景下的表现 | 开发一种通用的3D粒子成像方法，以克服全息显微镜在多样化设置下的局限性 | 3D粒子 | 计算机视觉 | NA | 全息显微镜 | 深度学习 | 图像 | 少量合成和真实全息图 |