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 17212 篇文献，本页显示第 14221 - 14240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14221 | 2024-08-07 |
Deep learning-based segmentation of the placenta and uterus on MR images
2021-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.8.5.054001
PMID:34589556
|
研究论文 | 本研究开发了一种基于深度学习的磁共振图像中胎盘和子宫腔的分割方法 | 采用全卷积神经网络（CNN）进行三维（3D）同时分割，并引入最小操作员交互以提高胎盘定位的准确性 | NA | 开发一种用户交互最少的分割方法 | 胎盘和子宫腔的分割 | 计算机视觉 | NA | 磁共振成像 | CNN | 图像 | 训练集包括70个正常案例和129个包括正常及疑似胎盘植入谱（PAS）的案例；测试集包括20个正常案例和50个包括正常及疑似PAS的案例 |
| 14222 | 2024-08-05 |
Quantification of litter in cities using a smartphone application and citizen science in conjunction with deep learning-based image processing
2024-Sep-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.06.026
PMID:38943818
|
研究论文 | 本研究提出了一种多学科方法，通过智能手机应用和深度学习图像处理量化城市垃圾的丰富性和组成 | 结合公民科学和智能手机应用，实现垃圾的视觉分类和深度学习图像处理的创新 | 未提及具体的局限性 | 研究城市环境中的垃圾数量和分类 | 利用Pirika智能手机应用收集的垃圾图像数据 | 数字病理学 | NA | 深度学习图像处理 | 深度学习算法 | 图像 | 约一百万张垃圾图像 |
| 14223 | 2024-08-05 |
Research progress on prediction of RNA-protein binding sites in the past five years
2024-Aug, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115535
PMID:38643894
|
综述 | 准确预测RNA-蛋白结合位点对于理解蛋白-RNA相互作用及其调控机制至关重要 | 综述了2018-2023年间使用传统机器学习和深度学习的计算方法的应用和创新 | 探讨了现有计算方法的局限性 | 为了深入理解RNA-蛋白结合位点的预测方法 | 总结常用的数据库和计算方法 | 计算生物学 | NA | 传统机器学习和深度学习 | 卷积神经网络和长短期记忆网络 | NA | NA |
| 14224 | 2024-08-05 |
AI-Based multimodal Multi-tasks analysis reveals tumor molecular heterogeneity, predicts preoperative lymph node metastasis and prognosis in papillary thyroid carcinoma: A retrospective study
2024-Jul-11, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001875
PMID:38990290
|
研究论文 | 本文利用AI进行多模态多任务分析，以揭示乳头状甲状腺癌的肿瘤分子异质性，预测术前淋巴结转移和预后。 | 本研究首次将深度学习多模态模型应用于分析PTC的分子异质性及其与淋巴结转移的关系。 | 本研究为回顾性研究，可能存在选择偏倚，样本量虽然大但仍可能影响结果的外部有效性。 | 探讨乳头状甲状腺癌的分子异质性及其在淋巴结转移和预后预测中的作用。 | 分析521名PTC患者及499名TCGA数据库中的患者的分子特征和临床数据。 | 数字病理学 | 甲状腺癌 | DNA测序，单细胞RNA测序，深度学习 | 深度学习模型 | 组织病理切片，基因组数据，转录组数据 | 共分析了1011名PTC患者的样本 |
| 14225 | 2024-08-05 |
Deep demosaicking convolution neural network and quantum wavelet transform-based image denoising
2024-Jul-11, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2358950
PMID:38989778
|
研究论文 | 本研究开发了一种基于深度学习的图像去噪和去马赛克的方法 | 提出了结合量子小波变换和自回归圆波优化的去马赛克卷积神经网络 | 未提及具体的局限性 | 寻求适合多重图像恢复的策略 | 解决图像去噪和去马赛克问题的深度学习模型 | 计算机视觉 | NA | 量子小波变换 | DMCNN | 图像 | NA |
| 14226 | 2024-08-05 |
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5db2
PMID:38955139
|
研究论文 | 该研究旨在创建一种自动化的方法，通过光学相干断层扫描(OCT)来分类视网膜疾病 | 提出了一种结合机器学习和深度学习技术的新框架 | NA | 研究自动识别和分类视网膜疾病的方法 | 视网膜疾病，包括脉络膜新生血管、糖尿病性黄斑水肿、眼底脂质沉积和正常病例 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 支持向量机(SVM)、K-最近邻(K-NN)、决策树(DT)、集成模型(EM) | 图像 | 18000张OCT图像 |
| 14227 | 2024-08-05 |
Anatomical-Marker-Driven 3D Markerless Human Motion Capture
2024-Jul-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3424869
PMID:38980775
|
研究论文 | 提出了一种基于解剖标记的无标记三维人动作捕捉方法。 | 通过使用解剖学 landmark 和深度神经网络来提高 2D 关键点标注的精度，进而计算 3D 标记位置。 | 方法依赖于高质量的标注数据，数据集的标注错误会影响最终的估计准确度。 | 改善无标记运动捕捉的精度，使其在生物力学研究中得到更广泛的应用。 | 测试集包含 10 名受试者执行的各种动作。 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 10 个受试者 |
| 14228 | 2024-08-05 |
ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction
2024-Jul-09, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3419250
PMID:38980781
|
研究论文 | 本文提出了一种新的多标签分类器ProFun-SOM，利用多序列比对来精确注释基因本体 | ProFun-SOM通过重建过程增强初始的多序列比对，并将其集成到深度学习架构中，以解决混合本体问题 | 研究中可能未涵盖所有可能的基因本体类别及其复杂性 | 本研究旨在通过解决混合本体问题，改进蛋白质功能预测 | 本文的研究对象是蛋白质功能，特别是其在基因本体中的注释 | 机器学习 | NA | 多序列比对（MSA）、深度学习 | 多标签分类器 | 数据集（CAFA3、SwissProt和NetGO2） | 三组数据集的样本，具体数量未详细说明 |
| 14229 | 2024-08-05 |
Deep learning based bilateral filtering for edge-preserving denoising of respiratory-gated PET
2024-Jul-09, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00661-z
PMID:38977533
|
研究论文 | 本文探讨了一种基于深度学习的双边滤波方法用于呼吸门控PET图像的边缘保持去噪。 | 采用深度学习优化双边滤波操作，自动化实现了手动调整的去噪效果。 | 在大多数数据集上选择了合适的滤波参数，少数情况下仍需人工调优。 | 提高呼吸门控PET图像的去噪效果，同时保持图像边缘。 | 使用69个呼吸门控临床PET/CT扫描数据，涉及不同放射性示踪剂。 | 数字病理学 | NA | 深度学习 | 3D U-Net CNN | 图像 | 69个呼吸门控临床PET/CT扫描样本 |
| 14230 | 2024-08-05 |
Optimization of vision transformer-based detection of lung diseases from chest X-ray images
2024-Jul-08, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02591-3
PMID:38978027
|
研究论文 | 本文系统评估和比较了不同优化方法在基于视觉变换器的肺病预测中的性能 | 探究了不同优化器在视觉变换器模型中的有效性，是对该领域的前沿研究 | 未提及特定的限制因素 | 旨在优化基于视觉变换器的肺病检测模型 | 胸部X光图像数据集中的正常病例和六种肺病 | 计算机视觉 | 肺癌 | 深度学习 | ViT，FastViT，CrossViT | 图像 | 19003幅X光图像 |
| 14231 | 2024-08-07 |
Author Correction: A study on deep learning model based on global-local structure for crowd flow prediction
2024-Jul-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66605-w
PMID:38977774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14232 | 2024-08-05 |
Pixel-wise segmentation of cells in digitized Pap smear images
2024-Jul-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03566-9
PMID:38971865
|
研究论文 | 介绍了一种用于数字化宫颈癌筛查的细胞像素级分割数据集 | 提出了一个包含约37,000个手动分割细胞的APACS23数据集，供深度学习模型训练 | 需要较大且手工分割的数据集以进行有效训练 | 开发基于人工智能的系统以改善宫颈癌筛查的准确性 | 宫颈巴氏涂片图像中的细胞 | 数字病理学 | 宫颈癌 | 深度学习 | NA | 图像 | 约37,000个手动分割的细胞 |
| 14233 | 2024-08-05 |
Evaluating the relationship between magnetic resonance image quality metrics and deep learning-based segmentation accuracy of brain tumors
2024-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17059
PMID:38640464
|
研究论文 | 本研究评估了磁共振成像质量指标与基于深度学习的脑肿瘤分割准确性之间的关系 | 通过评估输入训练图像的IQMs，旨在提升多机构数据的模型通用性 | 本研究限制于BraTS 2020和2021数据集，可能不适用于其他类型的成像数据 | 探讨MRI图像质量指标与脑肿瘤分割准确性之间的关联 | 多模态MRI扫描和脑肿瘤分割模型 | 数字病理学 | 脑肿瘤 | 深度学习 | 3D DenseNet模型 | 图像 | BraTS 2020和2021训练队列中的多模态MRI扫描 |
| 14234 | 2024-08-07 |
Cannulation selection in relation to deep learning-based algorithm for the detection of thoracic aortic calcifications
2024-Jul-01, European journal of cardio-thoracic surgery : official journal of the European Association for Cardio-thoracic Surgery
IF:3.1Q1
DOI:10.1093/ejcts/ezae260
PMID:38960724
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 14235 | 2024-08-05 |
Omics-imaging signature-based nomogram to predict the progression-free survival of patients with hepatocellular carcinoma after transcatheter arterial chemoembolization
2024-Jun-26, World journal of clinical cases
IF:1.0Q3
DOI:10.12998/wjcc.v12.i18.3340
PMID:38983440
|
研究论文 | 本文提出了一种基于影像组学特征的模型用于预测肝细胞癌患者在经导管动脉化疗栓塞治疗后的无进展生存期。 | 本文创新性地结合多相位增强MRI影像的特征，通过构建nomogram模型来提高肝细胞癌患者无进展生存期的预测能力。 | 研究中未提及样本量和其他潜在的临床变量对模型影响的评估 | 旨在通过增强MRI图像建立模型，预测肝细胞癌患者的无进展生存期。 | 研究对象为接受经导管动脉化疗栓塞治疗的肝细胞癌患者。 | 数字病理学 | 肝癌 | 增强MRI | 深度转移学习和深度学习影像组学 | 影像 | 未提供 |
| 14236 | 2024-08-05 |
Cross-species modeling of plant genomes at single nucleotide resolution using a pre-trained DNA language model
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.596709
PMID:38895432
|
研究论文 | 本文介绍了一个基于Caduceus和Mamba架构的植物DNA语言模型PlantCaduceus，旨在跨物种建模植物基因组。 | 该研究提出的PlantCaduceus模型在有限标注数据上的微调显著提高了跨物种预测能力，超越了最佳基线模型。 | 模型可能在某些植物物种的预测准确性上存在局限，具体表现未详细描述。 | 研究旨在理解多样植物基因组的功能和适应性效应，并提供可转移的模型。 | 研究对象为16种不同的被子植物基因组和拟南芥的标注数据。 | 计算机视觉 | NA | 预训练的DNA语言模型 | PlantCaduceus | 基因组序列 | 16种被子植物基因组和有限的拟南芥标注数据 |
| 14237 | 2024-08-05 |
Towards more precise automatic analysis: a systematic review of deep learning-based multi-organ segmentation
2024-Jun-08, Biomedical engineering online
IF:2.9Q3
DOI:10.1186/s12938-024-01238-8
PMID:38851691
|
综述 | 本综述系统地总结了基于深度学习的多器官分割的最新研究 | 提出了一种数据驱动的特征提取方法并应用于多器官分割的深度学习技术 | 该综述的范围仅限于2016年至2023年间的研究，可能未涵盖所有相关研究 | 旨在综述多器官分割的最新深度学习研究进展 | 涉及多种器官的分割技术和数据集 | 计算机视觉 | NA | 深度学习 | 完全监督、弱监督和半监督学习 | 医学图像 | 195项研究 |
| 14238 | 2024-08-05 |
Application of artificial intelligence in pancreas endoscopic ultrasound imaging- A systematic review
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108205
PMID:38703435
|
综述 | 本文系统性评估了人工智能在胰腺内镜超声成像中的应用。 | 探讨了人工智能技术在胰腺内镜超声图像分析中的应用，尤其是在提高检测和分类准确性方面的潜力。 | 未具体提及研究中存在的局限性。 | 旨在系统性探讨人工智能辅助系统在胰腺内镜超声中的应用现状及发展。 | 关注人工智能在胰腺内镜超声成像中的应用及其挑战。 | 医学影像学 | 胰腺疾病 | 人工智能 | 传统机器学习和深度学习 | 医学图像 | NA |
| 14239 | 2024-08-05 |
Deep Learning Image Reconstruction for Transcatheter Aortic Valve Implantation Planning: Image Quality, Diagnostic Performance, Contrast volume and Radiation Dose Assessment
2024-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.02.026
PMID:38472024
|
研究论文 | 该文章评估了在经导管主动脉瓣置换术（TAVI）规划CT中使用高强度深度学习图像重建（DLIR-H）的图像质量、对比剂体积和辐射剂量的减小潜力及诊断表现 | 创新性地采用高强度深度学习图像重建技术，显著降低了辐射剂量和对比剂体积，同时提高了图像质量 | 本研究可能受样本大小和单中心研究的限制，结果的普遍性尚需进一步验证 | 研究深度学习图像重建在TAVI规划CT中的应用效果 | 共招募128名接受TAVI规划CT的患者进行对比研究 | 医学影像学 | 心血管疾病 | 深度学习图像重建（DLIR-H） | NA | 图像 | 128名患者，分为DLIR-H组和常规组各64名 |
| 14240 | 2024-08-05 |
Multicentric clinical evaluation of a computed tomography-based fully automated deep neural network for aortic maximum diameter and volumetric measurements
2024-Jun, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.01.214
PMID:38325564
|
研究论文 | 这项研究评估了一种基于深度学习的全自动方法（ARVA）用于主动脉分割及其直径和体积的测量 | 提出了一种创新的全自动深度学习方法，用于主动脉形态学分割以及同时测量直径和体积 | 没有提出关于该方法在不同人群或其他病理情况下的表现 | 评估一种全自动深度学习方法在主动脉测量中的有效性 | 研究对象为216名患者的350个术前及术后主动脉CT血管造影扫描图像 | 医学影像学 | 心血管疾病 | CT血管造影（CTA） | 深度神经网络 | 图像 | 350个CT血管造影扫描，来自216名患者 |