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 15221 - 15240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15221 | 2024-08-05 |
Improving the Generalizability and Performance of an Ultrasound Deep Learning Model Using Limited Multicenter Data for Lung Sliding Artifact Identification
2024-May-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14111081
PMID:38893608
|
研究论文 | 本研究旨在通过使用有限的多中心数据来改进超声深度学习模型在肺滑动伪影识别中的通用性和性能 | 采用新颖的阈值感知累积微调方法（TAAFT）来优化有限外部数据的使用，从而提高模型的通用性 | 外部获得的LUS数据相对稀缺，可能限制了模型的全面评估 | 提高超声深度学习模型在肺滑动伪影识别中的通用性和性能 | 用于评估肺滑动模型的外部LUS数据，涉及238名患者的641个clip | 计算机视觉 | NA | 超声深度学习 | NA | 视频 | 238名患者，641个clip |
| 15222 | 2024-08-05 |
Smart Biosensor for Breast Cancer Survival Prediction Based on Multi-View Multi-Way Graph Learning
2024-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24113289
PMID:38894082
|
研究论文 | 本文提出了一种智能生物传感器架构，以多视角多方式图学习方法预测乳腺癌生存时间 | 提出了一种将多视角多方式图学习方法与生物传感器结合的新架构 | 传统生物传感器在特征预处理方面仍面临挑战 | 探讨如何利用生物传感器预测乳腺癌患者的生存时间 | 针对乳腺癌患者进行生存时间预测的生物传感器 | 数字病理学 | 乳腺癌 | 深度学习 | 多视角多方式图学习 | 现实世界数据 | NA |
| 15223 | 2024-08-05 |
Traffic Sign Recognition Using Multi-Task Deep Learning for Self-Driving Vehicles
2024-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24113282
PMID:38894074
|
研究论文 | 本研究旨在使用计算机视觉和深度学习技术精确检测和识别街道上的交通标志 | 提出了基于多任务学习方法的交通标志识别模型，能够共享卷积层参数以提高识别精确度 | 测试仅在少数利雅得高速公路上进行，可能无法代表更广泛的交通情况 | 开发一个高效的交通标志检测与识别系统，以支持无人驾驶车辆的安全运行 | 交通标志和交通灯的检测与识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 多种交通标志和交通灯 |
| 15224 | 2024-08-05 |
Detection of Road Crack Images Based on Multistage Feature Fusion and a Texture Awareness Method
2024-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24113268
PMID:38894061
|
研究论文 | 本文提出了一种基于多级特征融合和纹理感知方法的路面裂缝检测技术 | 提出了一种新的自动像素级语义路面裂缝图像分割方法FetNet，结合了Swin变换器和特征精炼注意模块 | 没有提及具体的算法复杂性或实时性分析 | 探索深度学习技术在道路裂缝检测中的应用 | 路面裂缝图像的检测与分割 | 计算机视觉 | NA | 深度学习 | Swin-T | 图像 | 收集了四个公共真实世界数据集 |
| 15225 | 2024-08-05 |
Enhanced crop health monitoring: attention convolutional stacked recurrent networks and binary Kepler search for early detection of paddy crop issues
2024-May-20, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-12504-6
PMID:38767686
|
研究论文 | 本文提出了一种新颖的算法来早期检测水稻作物的疾病和营养缺乏问题 | 采用了注意力卷积堆叠递归网络与二进制开普勒搜索的结合方法，创新性地提高了病害检测的效果 | 没有提到在不同环境和气候条件下的普适性 | 旨在通过深度学习方法提高水稻作物健康监测的准确性和效率 | 主要研究对象为水稻作物及其病害、营养缺乏和害虫问题 | 计算机视觉 | 水稻病害 | 深度学习 | 注意力卷积堆叠递归网络 | 图像 | 使用的样本数量未明确说明，涉及经过增强的水稻图像数据 |
| 15226 | 2024-08-05 |
Diffusion-Based Generative Network for de Novo Synthetic Promoter Design
2024-05-17, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.4c00041
PMID:38613497
|
研究论文 | 提出了一种基于扩散的生成模型用于合成启动子的设计。 | 首次探索了生成模型在启动子设计中的潜力，并提出了一个完全基于序列数据的扩散模型。 | 缺乏实验验证合成启动子在实际应用中的效果。 | 研究合成启动子的设计方法，尤其是从头设计的能力。 | 合成启动子的结构和组件特征。 | 计算机视觉 | NA | 深度学习，扩散模型 | 卷积神经网络 | 序列数据 | NA |
| 15227 | 2024-08-05 |
Assessment of land use and land cover change detection and prediction using deep learning techniques for the southwestern coastal region, Goa, India
2024-May-09, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-12598-y
PMID:38722419
|
研究论文 | 本文利用深度学习技术评估Goa西南海岸地区的土地利用和土地覆盖变化检测与预测 | 提出了一种新的变化检测评估框架STEDSAN，结合了自注意力机制以捕捉复杂的空间时间交互 | 没有明确指出研究的局限性 | 研究土地利用和覆盖变化以及其未来的预测 | 对Goa地区的不同土地利用和覆盖类型的变化进行详细评估 | 数字病理学 | NA | 深度学习 | STEDSAN和LSTM | 遥感数据 | 使用了2005到2018年的双时相图像进行分析 |
| 15228 | 2024-08-05 |
Classification of Periapical and Bitewing Radiographs as Periodontally Healthy or Diseased by Deep Learning Algorithms
2024-May, Cureus
DOI:10.7759/cureus.60550
PMID:38887333
|
研究论文 | 本研究旨在开发一个深度学习算法，能够自动将根尖和咬合片X光图像分类为牙周健康或不健康。 | 开发了一种基于YOLOv8-cls模型的深度学习算法，表现出较高的分类准确性。 | 本研究的样本仅限于特定类型的X光图像，可能无法推广到其他图像类型。 | 旨在评估深度学习算法在分类牙周健康和不健康上的诊断成功率。 | 研究对象为1120幅根尖X光图像和1498幅咬合片X光图像。 | 数字病理学 | 牙周病 | 深度学习 | YOLOv8-cls | 图像 | 1120根尖X光图像和1498咬合片X光图像 |
| 15229 | 2024-08-05 |
DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images
2024-Apr, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09655-9
PMID:38526701
|
研究论文 | 本文提出了一种名为DeepN4的深度学习方法，用于T1加权MRI图像的偏差场校正 | 本研究通过深度学习近似N4ITK偏差场校正，提供了可移植、灵活且完全可微分的方法 | 在不同管道和工作流程中，N4ITK的移植性差，限制了结果的再现性 | 开发一种可移植且灵活的N4ITK偏差场校正方法 | 对来自72个不同扫描仪和年龄范围的八个独立队列进行训练 | 数字病理 | NA | 深度学习 | 深度神经网络 | 图像 | 72个不同扫描仪的八个独立队列 |
| 15230 | 2024-08-05 |
[Development and Application of Deep Learning-Based Model for Quality Control of Children Pelvic X-Ray Images]
2024-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240010
PMID:38605612
|
研究论文 | 提出了一种基于深度学习的方法用于评估儿童髋关节X光图像的质量 | 首次尝试将人工智能算法应用于儿童髋关节X光的质量评估 | NA | 构建诊断模型并验证其临床可行性 | 3247名儿童的前后髋部X光片 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 3247个儿童的前后髋部X光图像 |
| 15231 | 2024-08-05 |
A Review for Artificial Intelligence Based Protein Subcellular Localization
2024-Mar-27, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14040409
PMID:38672426
|
review | 本文回顾了基于人工智能的蛋白质亚细胞定位方法最新进展 | 文章的创新点在于整合了三种典型的基于人工智能的定位方法，并讨论了该领域的未来方向 | 文章未深入探讨具体的实验验证和实际应用案例 | 研究人工智能在蛋白质亚细胞定位中的应用与发展 | 主要研究各种类型的蛋白质定位方法 | 生物信息学 | 癌症、阿尔茨海默病 | 人工智能，机器学习 | 深度学习 | 序列、知识、图像 | NA |
| 15232 | 2024-08-05 |
Histopathology-based breast cancer prediction using deep learning methods for healthcare applications
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1300997
PMID:38894870
|
研究论文 | 本研究使用深度学习方法分析乳腺癌的组织病理学图像，以提高自动诊断的准确性 | 该论文提出了一种结合超分辨率生成对抗网络 (SRGAN) 和补丁式特征提取的创新方法，显著提高了乳腺癌的分类准确性 | 研究依赖于特定的公共数据集，可能影响结果的广泛适用性 | 研究旨在通过深度学习提高乳腺癌的自动诊断准确性 | 研究对象包括BreakHis和侵袭性导管癌 (IDC) 数据集中的组织病理学图像 | 数字病理学 | 乳腺癌 | 超分辨率生成对抗网络 (SRGAN) 和长短期记忆网络 (LSTM) | Inception V3 和 Resnet-50 | 图像 | 使用了BreakHis和IDC数据集中的组织病理学图像 |
| 15233 | 2024-08-05 |
A comprehensive approach for osteoporosis detection through chest CT analysis and bone turnover markers: harnessing radiomics and deep learning techniques
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1296047
PMID:38894742
|
研究论文 | 本研究评估了利用放射组学、深度学习和迁移学习方法分析胸部CT扫描的可能性 | 结合放射组学和深度学习技术，同时考虑骨转换标志物进行骨质疏松症的筛查 | 骨转换标志物可能对骨质疏松症筛查并非必要 | 评估胸部CT扫描和骨转换标志物在骨质疏松症筛查中的应用 | 488名接受胸部CT和骨密度检测的患者 | 数字病理学 | 骨质疏松症 | 放射组学，深度学习 | 2D和3D深度学习模型, 2D和3D迁移学习模型 | 医学影像 | 488名患者 |
| 15234 | 2024-08-05 |
The potential of the transformer-based survival analysis model, SurvTrace, for predicting recurrent cardiovascular events and stratifying high-risk patients with ischemic heart disease
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304423
PMID:38889124
|
研究论文 | 本研究评估了基于Transformer的生存分析模型SurvTrace在预测复发心血管事件及高风险缺血性心脏病患者分层中的准确性 | 该研究利用最先进的深度学习方法Transformer进行生存分析，展示了其在心血管事件预测中的优势 | 本研究的局限在于仅基于特定医院的患者数据，可能影响结果的普遍适用性 | 本研究的目的是评估SurvTrace模型在预测复发心血管事件及高风险患者中的准确性 | 研究对象为2005年至2019年在东京大学医院接受经皮冠状动脉介入的心血管患者 | 计算机视觉 | 心血管疾病 | Transformer | NA | 数据集 | 总共3938个病例，其中394个作为测试数据集，3544个用于模型训练 |
| 15235 | 2024-08-05 |
A high-accuracy lightweight network model for X-ray image diagnosis: A case study of COVID detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303049
PMID:38889106
|
研究论文 | 本研究提出了一种高精度轻量级网络模型用于X光图像诊断，专注于COVID-19检测。 | 本研究采用了MobileNetV3作为基础架构，并通过引入密集块、过渡层、标签平滑损失和类别加权等创新方法，显著提高了模型的分类准确性，同时减少了参数数量。 | 该研究未提及实验证据的外部验证和应用范围的广泛性，可能限制了其通用性。 | 研究旨在开发一种快速可靠的X光图像诊断方法，以应对COVID-19病情的快速传播。 | 主要研究对象为COVID-19患者的X光影像。 | 计算机视觉 | COVID-19 | 深度学习 | MobileNetV3 | 图像 | 使用公开可获取的数据库进行验证，样本数量未具体说明 |
| 15236 | 2024-08-05 |
Exploring deep learning radiomics for classifying osteoporotic vertebral fractures in X-ray images
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1370838
PMID:38606087
|
研究论文 | 本文开发并验证了一种深度学习放射组学模型，用于预测骨质疏松椎体骨折的分类 | 创新点在于使用深度学习放射组学模型，从X光图像中提取特征，以分类骨质疏松椎体骨折 | 该研究尚未讨论模型在不同种族或年龄组的适用性 | 研究旨在利用X光图像预测骨质疏松椎体骨折的分类 | 研究对象包括942名患者，检查1076个椎骨 | 医学影像处理 | 骨质疏松病 | 深度学习放射组学 | ResNet-50 | 图像 | 942名患者，1076个椎骨的X光图像 |
| 15237 | 2024-08-05 |
Small target tea bud detection based on improved YOLOv5 in complex background
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393138
PMID:38887461
|
研究论文 | 该研究提出了一种基于改进YOLOv5的小目标茶芽检测方法 | 使用注意力机制和轻量级卷积方法，提高了茶芽检测的准确性和速度 | 现有检测方法在复杂背景下仍然存在局限 | 实现智能茶芽采摘的准确和快速茶芽检测 | 茶芽 | 计算机视觉 | NA | YOLOv5, SPPF, GSConv | NA | 图像 | NA |
| 15238 | 2024-08-05 |
Enhancing surgical decision-making in NEC with ResNet18: a deep learning approach to predict the need for surgery through x-ray image analysis
2024, Frontiers in pediatrics
IF:2.1Q2
DOI:10.3389/fped.2024.1405780
PMID:38895195
|
研究论文 | 该文章探讨了使用ResNet18深度学习模型分析X光图像以优化新生儿坏死性小肠炎手术决策。 | 该研究首次将深度学习应用于新生儿坏死性小肠炎的影像分析，以预测是否需要手术。 | 研究仅基于回顾性分析，样本数量和时间范围可能影响结果的普遍性。 | 本研究旨在通过分析床边X光图像来优化新生儿坏死性小肠炎的手术决策。 | 研究对象为263例被诊断为坏死性小肠炎的婴儿，分为手术组和非手术组。 | 计算机视觉 | 新生儿坏死性小肠炎 | 深度学习 | ResNet18 | X光图像 | 263例新生儿坏死性小肠炎患者的X光图像 |
| 15239 | 2024-08-05 |
Application and progress of artificial intelligence technology in the segmentation of hyperreflective foci in OCT images for ophthalmic disease research
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.06.20
PMID:38895690
|
综述 | 本文综述了人工智能技术在OCT图像中对高反射焦点的分割在眼科疾病研究中的应用与进展 | 文章创新地探讨了AI技术在生物标志物分析中的应用，提升了对眼科疾病的早期筛查和诊断精度 | 文章未具体阐述AI技术在不同眼科疾病应用中的局限性 | 研究人工智能在眼科疾病高反射焦点的分割与分析中的应用潜力 | 瞄准高反射焦点及其在眼科疾病中的生物标志物角色 | 计算机视觉 | 年龄相关性黄斑变性，糖尿病性视网膜水肿，视网膜静脉阻塞 | 机器学习，深度学习 | NA | 光学相干断层扫描图像 | NA |
| 15240 | 2024-08-05 |
DeepN4: Learning N4ITK Bias Field Correction for T1-weighted Images
2023-Nov-13, Research square
DOI:10.21203/rs.3.rs-3585882/v1
PMID:38014176
|
研究论文 | 本文提出了一种深度学习方法DeepN4，用于纠正T1加权MRI图像中的偏差场 | 本文创新地将深度学习应用于N4ITK偏差场校正，提供了一种便携灵活且完全可微分的方法 | 研究可能受限于训练数据集的多样性和深度学习模型的复杂性 | 研究旨在改进T1加权MRI图像的偏差场校正方法 | 该研究对象为72台不同扫描仪和不同年龄范围的8个独立队列的T1w MRI图像 | 数字病理学 | NA | 深度学习 | 深度神经网络 | 医学图像 | 72台扫描仪，8个独立队列 |