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 17316 篇文献，本页显示第 12721 - 12740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12721 | 2024-08-07 |
Hybrid healthcare unit recommendation system using computational techniques with lung cancer segmentation
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1429291
PMID:39099589
|
研究论文 | 本研究针对医学健康应用中精确分割的关键需求，特别是在使用计算机断层扫描（CT）进行肺结节检测方面，提出了一种混合医疗单元推荐系统，利用计算技术进行肺癌分割。 | 本研究提出了一种结合U-Net和双参数逻辑分布的学习架构，称为U-Net++，并利用对比度受限自适应直方图均衡化（CLAHE）在5,000组CT扫描图像上进行精确图像分割。 | NA | 研究目的是提高医学健康应用中肺结节检测的准确性，特别是在CT扫描图像的分割方面。 | 研究对象为肺结节，特别是其粒子组成，这是诊断和治疗计划的重要方面。 | 数字病理学 | 肺癌 | 深度学习 | U-Net++ | 图像 | 5,000组CT扫描图像 |
| 12722 | 2024-08-07 |
Bibliometric analysis of electroencephalogram research in Parkinson's disease from 2004 to 2023
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1433583
PMID:39099632
|
研究论文 | 本文通过文献计量分析方法，研究了2004年至2023年间帕金森病中脑电图研究的全球趋势和主要贡献者 | 应用机器学习、深度学习和任务分析技术为未来脑电图和帕金森病的研究提供了新的方向 | NA | 分析帕金森病中脑电图研究的全球趋势和主要贡献者 | 帕金森病中的脑电图研究 | 神经科学 | 帕金森病 | 脑电图（EEG） | NA | 文献数据 | 1,559篇相关出版物 |
| 12723 | 2024-08-07 |
Utilizing deep learning models in an intelligent eye-tracking system for autism spectrum disorder diagnosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1436646
PMID:39099594
|
研究论文 | 本研究利用深度学习模型开发了一种智能眼动追踪系统，用于自闭症谱系障碍的诊断 | 本研究采用了先进的图像重采样方法来扩展训练数据集，并开发了基于MobileNet、VGG19、DenseNet169及MobileNet-VGG19混合模型的自动化分类器，这些模型在准确性上超过了现有系统 | NA | 旨在开发一种快速、高效且精确的自闭症谱系障碍诊断方法 | 自闭症谱系障碍的早期评估 | 机器学习 | 自闭症谱系障碍 | 深度学习算法 | MobileNet, VGG19, DenseNet169, MobileNet-VGG19 | 眼动追踪数据 | 547个眼动追踪系统数据，包括328名典型发育儿童和219名自闭症儿童 |
| 12724 | 2024-08-07 |
Corrigendum: A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1441107
PMID:39105083
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12725 | 2024-08-07 |
Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning
2023-Nov-23, Research square
DOI:10.21203/rs.3.rs-3592809/v1
PMID:38045314
|
研究论文 | 本研究利用前视光学相干断层扫描（OCT）探头和卷积神经网络（CNN）进行自动肾癌活检指导 | 结合OCT和CNN技术，显著提高了肾癌活检的指导精度 | 在区分正常组织方面表现不佳 | 旨在提高肾癌活检的采样准确性 | 人类肾脏和肾癌样本 | 计算机视觉 | 肾癌 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN） | 图像 | 五个人类肾脏和肾癌样本 |
| 12726 | 2024-08-07 |
A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1174525
PMID:38192743
|
研究论文 | 本研究利用时间序列图像编码和深度学习算法构建了一个运动损伤风险预测模型 | 采用时间序列图像编码和深度卷积自编码器（DCAE）进行特征提取，提高了模型的泛化能力和实用性 | 未提及具体限制 | 开发一种有效的运动损伤风险预测工具，以支持未来的运动损伤预防实践 | 运动损伤风险预测 | 机器学习 | NA | 时间序列图像编码，深度卷积自编码器（DCAE） | 深度神经网络（DNN） | 图像 | 未提及具体样本数量 |
| 12727 | 2024-08-07 |
Artificial intelligence assistance significantly improves Gleason grading of prostate biopsies by pathologists
2021-03, Modern pathology : an official journal of the United States and Canadian Academy of Pathology, Inc
IF:7.1Q1
DOI:10.1038/s41379-020-0640-y
PMID:32759979
|
研究论文 | 研究探讨了人工智能辅助对前列腺活检Gleason评分的影响，发现AI辅助显著提高了评分的一致性 | 首次详细研究了AI系统与病理学家协同工作在前列腺活检Gleason评分中的应用，显示出AI辅助下的病理学家表现优于单独的病理学家和AI系统 | 研究未涉及AI系统在存在异常情况（如异物组织）时的表现 | 评估AI辅助对前列腺活检Gleason评分的影响 | 前列腺活检样本的Gleason评分 | 数字病理学 | 前列腺癌 | 深度学习 | AI系统 | 图像 | 160个活检样本用于实验，87个样本用于外部验证 |
| 12728 | 2024-08-07 |
Initial chest radiographs and artificial intelligence (AI) predict clinical outcomes in COVID-19 patients: analysis of 697 Italian patients
2021-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-020-07269-8
PMID:32945968
|
研究论文 | 本研究评估了人工智能系统评估的初始胸部X光片（CXR）严重程度在COVID-19患者中的预后价值 | 人工智能系统与放射科医生评估的疾病严重程度评分在CXR上独立且可比较，预测COVID-19患者不良结果的能力 | NA | 评估人工智能系统在COVID-19患者中通过初始胸部X光片预测临床结果的预后价值 | COVID-19患者的初始胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | AI系统 | 图像 | 697名患者 |
| 12729 | 2024-08-07 |
Fast and Accurate Detection of COVID-19 Along With 14 Other Chest Pathologies Using a Multi-Level Classification: Algorithm Development and Validation Study
2021-02-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/23693
PMID:33529154
|
研究论文 | 本文提出了一种基于深度学习的多级分类管道，用于快速准确地检测COVID-19及其他14种胸部疾病，并通过X射线图像进行验证 | 该研究通过多级分类方法，将分类任务分解为多个步骤，提高了COVID-19及其他胸部疾病的检测准确性 | 由于某些类别如COVID-19的数据缺乏，采用了10折交叉验证，可能影响模型的泛化能力 | 实现对COVID-19的快速且更准确的诊断 | COVID-19及其他14种胸部疾病的X射线图像 | 机器学习 | COVID-19 | 深度学习 | ResNet50 | 图像 | 涉及16个类别的X射线图像 |
| 12730 | 2024-08-07 |
Quantitative Assessment of Chest CT Patterns in COVID-19 and Bacterial Pneumonia Patients: a Deep Learning Perspective
2021-Feb-01, Journal of Korean medical science
IF:3.0Q1
DOI:10.3346/jkms.2021.36.e46
PMID:33527788
|
研究论文 | 本研究通过深度学习方法对COVID-19和细菌性肺炎患者的胸部CT图像进行定量评估，以区分这两种疾病的细微差异 | 提出了一种新的深度学习方法，通过构建病灶簇和直方图特征来提高疾病分类和严重程度评估的准确性 | 研究为回顾性队列研究，样本来自单一医院，可能存在样本偏倚 | 设计并评估可解释的特征提取技术，以描述COVID-19和细菌性肺炎患者的病情 | COVID-19和细菌性肺炎患者的胸部CT图像 | 计算机视觉 | COVID-19 | K-means算法 | 支持向量机 | 图像 | 170名确诊的COVID-19或细菌性肺炎患者 |
| 12731 | 2024-08-07 |
Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study
2021-01-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/25113
PMID:33502324
|
研究论文 | 本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索 | 提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入 | 使用较小的数据集或较少的无监督预训练方法会降低预测性能 | 创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务 | 从电子健康记录中提取医疗信息并进行疾病检索 | 自然语言处理 | NA | Transformer, BERT, DIM, SimCLR | Transformer | 文本 | 1,040,989次急诊部门访问和305,897个样本 |
| 12732 | 2024-08-07 |
Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients
2021-01-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-20657-4
PMID:33504775
|
研究论文 | 本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度 | 构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能 | 深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限 | 识别COVID-19疾病严重程度的预测因子 | COVID-19患者 | 机器学习 | COVID-19 | 深度学习 | 神经网络 | CT扫描图像 | 1003名冠状病毒感染患者 |
| 12733 | 2024-08-07 |
Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening
2021-01-19, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2011250118
PMID:33397809
|
研究论文 | 本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接 | 本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力 | NA | 旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响 | 阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接 | 机器学习 | 阿尔茨海默病 | 全基因组关联研究（GWAS） | 深度学习 | 基因序列 | 使用AD小鼠模型和人类基因序列进行训练和预测 |
| 12734 | 2024-08-07 |
Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis
2021-Jan-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm10020356
PMID:33477874
|
研究论文 | 本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色 | 本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性 | 研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平 | 探索全自动EAT和PAT量化在心血管风险分层中的潜在应用 | 966名具有中等Framingham风险评分的冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习网络 | CT图像 | 966名患者 |
| 12735 | 2024-08-07 |
Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids
2021-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.8.S1.014501
PMID:33415179
|
研究论文 | 本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者 | 采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者 | NA | 开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者 | COVID-19患者接受激素治疗的胸部CT扫描 | 计算机视觉 | COVID-19 | 迁移学习 | VGG19网络 | CT扫描图像 | NA |
| 12736 | 2024-08-07 |
Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration
2021-Jan-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.408573
PMID:33520392
|
研究论文 | 本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性 | 提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性 | 深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法 | 开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究 | 多模态视网膜图像的注册 | 计算机视觉 | 年龄相关性黄斑变性 | 深度学习 | CNN | 图像 | 大规模临床数据 |
| 12737 | 2024-08-07 |
Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech
2021, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2021.623607
PMID:33613269
|
研究论文 | 本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类 | 提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用 | 现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现 | 早期检测阿尔茨海默病痴呆 | 从自发言语中检测阿尔茨海默病痴呆 | 自然语言处理 | 阿尔茨海默病 | CNN-LSTM架构 | CNN-LSTM, Speech-GRU | 自发言语 | 使用ADReSS数据集 |
| 12738 | 2024-08-07 |
Artificial Intelligence, Radiomics, and Deep Learning in Neuro-Oncology
2020-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdaa179
PMID:33521635
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12739 | 2024-08-07 |
Optical techniques, computed tomography and deep learning role in the diagnosis of COVID-19 pandemic towards increasing the survival rate of vulnerable populations
2020-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2020.101880
PMID:32562732
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12740 | 2024-08-07 |
Neural network-based identification of patients at high risk for intraoperative cerebrospinal fluid leaks in endoscopic pituitary surgery
2020-08-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2019.4.JNS19477
PMID:31226693
|
研究论文 | 研究使用基于神经网络的模型来识别内镜下经鼻蝶手术中高风险发生脑脊液漏的患者 | 开发了一种基于深度学习的预测模型，能够准确识别高风险患者，提高了预测的准确性和敏感性 | NA | 研究是否可以使用基于神经网络的模型可靠地识别高风险患者 | 内镜下经鼻蝶手术中发生脑脊液漏的风险 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | 154名接受内镜下经鼻蝶手术的患者 |