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 24644 篇文献，本页显示第 8921 - 8940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8921 | 2025-01-25 |
A CT-based deep learning model for preoperative prediction of spread through air spaces in clinical stage I lung adenocarcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1482965
PMID:39845323
|
研究论文 | 本文开发并验证了一种基于CT的深度学习模型，用于非侵入性预测临床I期肺腺癌的气道扩散（STAS），并与传统的临床语义模型进行了预测性能比较 | 采用Swin Transformer架构开发深度学习模型，用于预测STAS，其性能优于传统的临床语义模型 | 研究为回顾性设计，可能引入选择偏差，且样本量相对有限 | 开发并验证一种深度学习模型，用于预测临床I期肺腺癌的STAS | 513例经病理证实的I期肺腺癌患者 | 数字病理 | 肺癌 | CT扫描 | Swin Transformer | 图像 | 513例患者（训练队列386例，验证队列127例） |
| 8922 | 2025-01-25 |
Deep CNN ResNet-18 based model with attention and transfer learning for Alzheimer's disease detection
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1507217
PMID:39845347
|
研究论文 | 本文提出了一种基于ResNet-18的深度学习模型，结合深度卷积和Squeeze and Excitation (SE)模块，用于阿尔茨海默病的检测 | 提出了一种结合SE模块的ResNet-18模型，减少了调参需求，并在小样本和不平衡数据集上表现优异 | 医疗数据收集成本高且涉及伦理问题，小数据集容易导致成本函数的局部最小值问题，类不平衡也会降低性能 | 开发一种有效的深度学习模型用于阿尔茨海默病的检测 | 阿尔茨海默病（AD）、认知正常（CN）和轻度认知障碍（MCI）患者 | 计算机视觉 | 阿尔茨海默病 | 深度卷积、Squeeze and Excitation (SE)模块、迁移学习 | ResNet-18 | 图像 | 未明确说明样本数量 |
| 8923 | 2025-01-25 |
A fast monocular 6D pose estimation method for textureless objects based on perceptual hashing and template matching
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1424036
PMID:39845569
|
研究论文 | 本文提出了一种基于感知哈希和模板匹配的快速单目6D姿态估计方法，适用于无纹理物体 | 提出了一种新的感知哈希方法用于二值图像，实现了快速且鲁棒的姿态估计，并自动预选模板子集以减少推理时间 | 在绝对精度上不如最先进的深度学习模型，但在精度和处理时间之间提供了更有利的权衡 | 开发一种在资源受限设备上高效运行的6D姿态估计方法，以降低硬件成本和功耗 | 无纹理物体 | 计算机视觉 | NA | 感知哈希和模板匹配 | NA | 图像 | 合成生成的数据集和一个公开可用的数据集 |
| 8924 | 2025-01-25 |
Quantitative immunohistochemistry analysis of breast Ki67 based on artificial intelligence
2024, Open life sciences
IF:1.7Q3
DOI:10.1515/biol-2022-1013
PMID:39845722
|
研究论文 | 本文提出了一种基于深度学习的乳腺癌Ki67定量分析方法，旨在提高诊断效率和准确性 | 采用深度学习技术对乳腺癌Ki67进行定量分析，显著提高了诊断效率和一致性 | 未提及方法在其他类型癌症或更大样本中的适用性 | 开发一种高效的乳腺癌Ki67定量分析系统，以辅助病理诊断 | 乳腺癌病理图像中的Ki67表达 | 数字病理学 | 乳腺癌 | 深度学习 | CNN | 图像 | 未明确提及具体样本数量，但提到在临床独立样本实验中进行了验证 |
| 8925 | 2025-01-25 |
Transformer-based model for predicting length of stay in intensive care unit in sepsis patients
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1473533
PMID:39845825
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型，用于预测脓毒症患者在重症监护病房（ICU）的住院时间 | 利用Transformer模型结合全局和局部输入数据分析，通过分类和特征标记，基于序贯器官衰竭评估（SOFA）标准进行预测 | 研究仅基于单一医院的521名患者数据，可能缺乏广泛代表性 | 优化ICU资源分配，减少医疗费用 | 脓毒症患者 | 机器学习 | 脓毒症 | 深度学习 | Transformer | 医疗数据 | 521名患者 |
| 8926 | 2025-01-25 |
Transforming Healthcare: Artificial Intelligence (AI) Applications in Medical Imaging and Drug Response Prediction
2024, Genome integrity
DOI:10.14293/genint.15.1.002
PMID:39845982
|
评论 | 本文讨论了人工智能在医学影像和药物反应预测中的应用及其面临的挑战 | 探讨了人工智能在医学影像诊断和药物反应预测中的潜在应用，并强调了数据泛化和模型可解释性的重要性 | 未提供具体实验数据或案例研究，主要基于理论讨论 | 探讨人工智能在医学领域的应用潜力及实施挑战 | 医学影像和药物反应预测 | 机器学习 | NA | 机器学习和深度学习 | NA | 医学影像和药物反应数据 | NA |
| 8927 | 2025-01-25 |
Retraction Note: COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-09992-6
PMID:39847664
|
retraction | 本文撤回了关于使用混合深度学习框架识别胸部X光图像中COVID-19病毒的文章 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8928 | 2025-01-25 |
Retraction Note: Performance evaluation of deep learning techniques for lung cancer prediction
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-10107-4
PMID:39847665
|
retraction | 本文是对先前发表的关于深度学习技术在肺癌预测中性能评估的文章的撤稿声明 | NA | NA | NA | NA | NA | lung cancer | NA | NA | NA | NA |
| 8929 | 2025-01-25 |
Retraction Note: Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2024, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-024-09993-5
PMID:39847670
|
撤回声明 | 本文是对先前发表的关于使用深度学习算法基于X光和CT图像早期诊断COVID-19患者的文章的撤回声明 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8930 | 2025-01-25 |
Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43901-8_34
PMID:38500803
|
研究论文 | 本文提出了一种新颖的自监督网络，用于从3D成像数据中改进小血管的检测 | 提出了一种形状感知的基于通量的测量方法，以及局部对比度引导的注意力和增强模块，以提高低对比度血管区域的血管性响应 | 依赖于现有成像技术的相对有限分辨率，且需要熟练专家进行精确的像素级注释 | 改进从3D成像数据中检测小血管的自动化分割和分析 | 小血管 | 计算机视觉 | NA | 自监督学习 | 自监督网络 | 3D成像数据 | 多个3D数据集 |
| 8931 | 2025-01-25 |
Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy
2023-Jul-26, Research square
DOI:10.21203/rs.3.rs-3112632/v1
PMID:37546731
|
研究论文 | 本文提出了一种基于深度学习的快速体积图像生成框架，用于质子FLASH放射治疗的图像引导 | 开发了一种新的深度学习框架，能够从正交X射线投影中快速重建体积图像，用于质子FLASH放射治疗的精确目标定位 | 研究仅基于30名患者的有限数据集，且仅针对肺部目标进行了验证 | 开发一种快速体积图像重建框架，以支持质子FLASH放射治疗的精确目标定位 | 肺部目标患者 | 医学影像 | 肺癌 | 深度学习 | 深度学习模型 | CT图像 | 30名肺部目标患者，每人有十个呼吸相的四维CT数据集 |
| 8932 | 2025-01-25 |
Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05275-y
PMID:32904395
|
研究论文 | 本研究利用深度学习算法对COVID-19患者的X射线和计算机断层扫描图像进行早期诊断 | 使用卷积神经网络方法对VGG-19、Inception_V2和决策树模型进行二分类肺炎转换，以实现COVID-19的早期诊断 | 数据集仅包含360张图像，样本量较小 | 开发一种基于深度学习的早期诊断方法，以应对COVID-19的快速传播 | COVID-19患者的X射线和计算机断层扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN（VGG-19, Inception_V2）, 决策树 | 图像 | 360张X射线和CT扫描图像 |
| 8933 | 2025-01-25 |
COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05424-3
PMID:33250662
|
研究论文 | 本文开发了一种名为COVID-CheXNet的混合深度学习框架，用于在胸部X光图像中识别COVID-19病毒 | 结合了ResNet34和高分辨率网络模型的预训练深度学习模型，采用并行架构，提高了诊断的准确性和速度 | 未提及模型在不同数据集上的泛化能力及实际临床应用的广泛验证 | 开发快速准确的COVID-19病毒诊断系统，以减轻放射科医生的压力并控制疫情 | 胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet34, 高分辨率网络模型 | 图像 | 大规模数据集 |
| 8934 | 2025-01-25 |
Performance evaluation of deep learning techniques for lung cancer prediction
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08313-7
PMID:37255920
|
研究论文 | 本文评估了深度学习技术在肺癌预测中的性能 | 通过实验多种深度学习模型，识别出在肺癌预测中表现最佳的技术 | 未提及具体的数据集大小或模型的具体限制 | 评估深度学习技术在肺癌早期预测中的性能 | 肺癌 | 计算机视觉 | 肺癌 | 深度学习 | 多种深度学习模型 | 胸部X光图像或CT扫描 | 未提及具体样本数量 |
| 8935 | 2025-01-25 |
GPT-D: Inducing Dementia-related Linguistic Anomalies by Deliberate Degradation of Artificial Neural Language Models
2022-May, Proceedings of the conference. Association for Computational Linguistics. Meeting
DOI:10.18653/v1/2022.acl-long.131
PMID:39845531
|
研究论文 | 本文提出了一种通过人工降级预训练的Transformer深度学习模型（GPT-2）来诱导与痴呆症相关的语言异常的新方法 | 提出了一种新颖的方法，通过将预训练的GPT-2模型与其人工降级版本（GPT-D）配对，计算这两个模型在认知健康与受损个体语言上的比率，从而诱导痴呆症相关的语言异常 | 方法的泛化能力仍需进一步验证，尤其是在更大规模的数据集上 | 研究深度学习模型在区分认知健康个体与阿尔茨海默病患者语言方面的能力，并探索生成神经语言模型与痴呆症对人类语言特征的影响之间的关系 | 认知健康个体与阿尔茨海默病患者的语言数据 | 自然语言处理 | 阿尔茨海默病 | Transformer深度学习模型 | GPT-2, GPT-D | 文本 | NA |
| 8936 | 2025-01-25 |
A deep neural network for the classification of epileptic seizures using hierarchical attention mechanism
2022, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-022-07122-8
PMID:35465467
|
研究论文 | 本文提出了一种结合分层注意力机制的深度神经网络，用于癫痫发作的分类 | 提出了一种新颖的卷积架构，结合了分层注意力机制，以提高分类准确性并减少计算复杂度 | 未提及具体的数据集规模或外部验证结果 | 开发一种能够在较低计算复杂度下实现高分类准确率的算法 | 癫痫发作的脑电图（EEG）信号 | 机器学习 | 癫痫 | 深度学习 | 卷积神经网络（CNN）结合分层注意力机制 | 脑电图（EEG）信号 | 未提及具体样本数量 |
| 8937 | 2025-01-25 |
Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study
2020-12-18, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/abc303
PMID:33080578
|
研究论文 | 本研究提出了一种基于生成对抗网络和感知监督的新型方法，用于从单个2D投影中实时生成体积图像，以支持肺癌立体定向体部放射治疗中的精确运动管理 | 提出了一种名为TransNet的网络，结合了感知损失和对抗监督，以生成准确的肺部边界和逼真的3D图像 | 研究仅基于20例患者的模拟数据，尚未在真实临床环境中验证 | 开发一种实时体积成像方法，用于肺癌立体定向体部放射治疗中的运动管理和剂量验证 | 肺癌患者 | 计算机视觉 | 肺癌 | 生成对抗网络（GAN） | TransNet（包含编码、转换和解码模块） | 2D投影和3D CT图像 | 20例接受肺癌立体定向体部放射治疗的患者 |
| 8938 | 2025-01-24 |
Feasibility verification of deep-learning based collimator-less imaging system using a voxelated GAGG(Ce) single volume detector: A Monte Carlo simulation
2025-Mar, Applied radiation and isotopes : including data, instrumentation and methods for use in agriculture, industry and medicine
IF:1.6Q3
DOI:10.1016/j.apradiso.2024.111605
PMID:39616796
|
研究论文 | 本文设计了一种基于深度学习的无准直器成像系统，并通过蒙特卡罗模拟验证了其可行性 | 提出了一种基于深度学习的无准直器成像系统，利用体素化GAGG(Ce)单体积探测器和蒙特卡罗方法进行模拟，展示了系统的可行性 | 研究仅基于模拟数据，未进行实际实验验证 | 验证基于深度学习的无准直器成像系统的可行性 | 体素化GAGG(Ce)单体积探测器和Co、Ba、Na、Cs点源 | 计算机视觉 | NA | 蒙特卡罗模拟 | 全卷积网络 | 模拟数据 | 2000个位置的Co、Ba、Na、Cs点源 |
| 8939 | 2024-08-07 |
Deep learning to predict fetal acidemia
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.031
PMID:39084497
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8940 | 2024-08-07 |
Deep learning to predict fetal acidemia: a response
2025-Feb, American journal of obstetrics and gynecology
IF:8.7Q1
DOI:10.1016/j.ajog.2024.07.037
PMID:39074680
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |