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 16800 篇文献，本页显示第 15501 - 15520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15501 | 2024-08-07 |
Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images
2024-Jun-03, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02562-8
PMID:38831373
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 15502 | 2024-08-05 |
Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions
2024-06, Medical teacher
IF:3.3Q1
DOI:10.1080/0142159X.2023.2285249
PMID:38035575
|
研究论文 | 本研究探讨了在线团队基础学习（TBL）应用课程中的语言互动情况。 | 研究提供了对在线TBL课程中互动类型的深入分析，揭示了互动在促进深度学习中的重要性。 | 研究主要集中在特定的在线应用课程中，可能无法全面代表所有在线TBL课程。 | 深入了解在线TBL应用课程中互动的性质和程度，并探讨其在不同团队和课程中的变化。 | 研究对象为12个TBL团队在两次在线应用课程中的互动情况。 | 教育研究 | NA | 音视频记录 | NA | 文本、音频和视频 | 12个TBL团队 |
| 15503 | 2024-08-05 |
Medical forecasting
2024-May-24, Science (New York, N.Y.)
DOI:10.1126/science.adp7977
PMID:38781357
|
研究论文 | 该文章介绍了一种新的深度学习模型GraphCast，能够更快更准确地进行天气预报 | 该模型在对流层预测方面的准确率达到了99.7%，超越了当前的金标准系统 | 对于健康结果的预测尚缺乏金标准 | 研究如何使用AI预测个人的健康风险，以预防疾病或严重急性事件 | 目标是对个体进行可行的、高风险的健康预测 | 机器学习 | NA | 深度学习 | GraphCast | NA | NA |
| 15504 | 2024-08-05 |
GenCoder: A Novel Convolutional Neural Network Based Autoencoder for Genomic Sequence Data Compression
2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3366240
PMID:38358865
|
研究论文 | 本文提出了一种名为GenCoder的基于卷积自编码器的基因组序列数据压缩新算法 | 该算法实现了不损失信息的基因组序列压缩和重构 | 尚未提到特定的限制因素 | 研究如何对基因组序列数据进行无损压缩 | 基因组序列数据 | 机器学习 | NA | 卷积自编码器 | 自编码器 | 基因组序列数据 | 在多个基因组和基准数据集上进行评估 |
| 15505 | 2024-08-05 |
Panoramic Radiography in the Evaluation of the Relationship of Maxillary Molar Teeth and Maxillary Sinuses on the Deep Learning Models Improved with the Findings Obtained by Cone Beam Computed Tomography
2024-May-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_220_24
PMID:38842718
|
研究论文 | 本研究评估了深度学习模型在判断上颌磨牙与上颌窦底接触关系中的诊断性能 | 结合锥形束计算机断层扫描的数据，改进了深度学习模型的评估方法 | 该研究为回顾性研究，可能存在选择偏倚 | 评估深度学习在使用全景放射摄影确定牙齿与上颌窦的接触关系中的应用 | 2162颗第一次和第二次上颌磨牙 | 数字病理学 | NA | 深度学习 | GoogLeNet, VGG16, VGG19, DarkNet19, DarkNet53 | 影像 | 2162颗磨牙 |
| 15506 | 2024-08-05 |
Detection of caries around restorations on bitewings using deep learning
2024-04, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104886
PMID:38342368
|
研究论文 | 本研究开发了一种基于卷积神经网络的算法来检测咬合片上的初级和次级龋齿 | 创新点在于利用深度学习技术提高了龋齿检测的准确性，特别是在修复体周围的次级龋齿检测 | 本研究的数据来源于有限的临床样本，可能影响模型的普适性和推广性 | 本研究旨在通过深度学习技术改善修复体周围龋齿的诊断准确性 | 研究对象为从荷兰7家普通牙科诊所收集的425份咬合片，涉及383名患者 | 计算机视觉 | 龋齿 | 深度学习 | 卷积神经网络（CNN） | 影像 | 425份咬合片，383名患者 |
| 15507 | 2024-08-05 |
PfgPDI: Pocket feature-enabled graph neural network for protein-drug interaction prediction
2024-Apr, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720024500045
PMID:38812467
|
研究论文 | 本研究提出了一种基于口袋特征的图神经网络，用于预测蛋白质与药物的相互作用 | 该研究创新地结合了变换器网络和图卷积网络，优化了蛋白质-配体复合物的特征表示 | 当前方法仍然可能无法完全适应所有种类的蛋白质-配体相互作用 | 本研究旨在提高药物发现过程中的蛋白质-配体相互作用预测准确性 | 研究对象为蛋白质和小分子配体之间的相互作用 | 机器学习 | NA | 图卷积网络（GCN） | 变换器网络（Transformer） | 序列数据 | 多种蛋白质-配体结合预测方法的实验样本 |
| 15508 | 2024-08-05 |
Medical report generation based on multimodal federated learning
2024-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种基于多模态联邦学习的方法，用于生成医疗图像报告 | 引入了一种新的多模态联邦学习架构，解决了医疗数据的隐私问题，同时提高了医疗图像报告的准确性和质量 | 未提及具体的样本大小和研究限制 | 旨在提高医疗图像报告生成的隐私保护和准确性 | 医疗机构中生成医疗图像报告的模型 | 数字病理学 | NA | 联邦学习 | 深度学习 | 医疗图像 | NA |
| 15509 | 2024-08-05 |
Tooth morphology, internal fit, occlusion and proximal contacts of dental crowns designed by deep learning-based dental software: A comparative study
2024-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2023.104830
PMID:38163455
|
研究论文 | 本研究比较了通过两种深度学习(DL)基础的牙科软件自动生成的牙冠与由经验丰富的牙科技师使用传统软件手动设计的牙冠在牙齿形态、内部适配性、咬合和邻接接触点的表现 | 首次对使用深度学习生成的牙冠设计与人工作业相比，在内部适配性和接触点数量上进行了系统比较 | 样本规模较小，仅使用了30个部分拱形扫描 | 评估深度学习软件在牙冠设计中的有效性和临床适用性 | 使用不同设计方法的牙冠，包括两种DL方法和一种手动技术师方法 | 数字病理学 | NA | 深度学习 | NA | 三维扫描 | 30个准备好的后牙部分拱形扫描 |
| 15510 | 2024-08-05 |
AI-based dental caries and tooth number detection in intraoral photos: Model development and performance evaluation
2024-02, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2023.104821
PMID:38145804
|
研究论文 | 本研究旨在利用级联区域基础深度卷积神经网络模型在全口内摄影图像中集成牙齿数量识别和龋齿检测 | 提出了一种深度学习模型，实现了全口内摄影图像中牙齿数量识别和龋齿检测的自动化 | 研究主要依赖于标注的图像数据，可能缺乏多样性和广泛的样本代表性 | 旨在促进人工智能驱动的自动龋齿检测在临床实践中的应用 | 包含24,578张内口图像的数据集，用于牙齿数量和龋齿的识别 | 计算机视觉 | NA | 级联区域基础深度卷积神经网络 (R-CNN) | 深度学习模型 | 图像 | 24,578张图像 |
| 15511 | 2024-08-05 |
Liver fibrosis classification from ultrasound using machine learning: a systematic literature review
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04081-y
PMID:37950068
|
综述 | 该研究通过系统文献回顾分析了基于超声的非侵入性肝纤维化分类的机器学习/深度学习模型 | 本研究探讨了机器学习和深度学习在肝纤维化分类中的应用，并评估了现有研究的分类方法 | 缺乏外部比较和前瞻性临床试验的限制使得这些模型的适用性受到影响 | 探讨超声图像中应用机器学习和深度学习进行肝纤维化分类的潜力 | 筛选出的17项研究中，分析使用超声图像的机器学习与深度学习模型 | 机器学习 | NA | NA | OTS分类器、注意力模型、生成模型和集成分类器 | 图像 | 188项研究中筛选出17项研究 |
| 15512 | 2024-08-05 |
Hybrid CNN-LSTM for Predicting Diabetes: A Review
2024, Current diabetes reviews
IF:2.4Q3
|
综述 | 本文章回顾了基于CNN-LSTM的糖尿病预测研究。 | 提出了CNN和LSTM结合的方法用于糖尿病的预测，并与其他深度学习方法进行了比较。 | 该模型在训练大量数据集和生物因素方面面临挑战。 | 探讨CNN-LSTM模型在糖尿病早期检测中的应用。 | 对糖尿病预测的相关研究进行回顾和分析。 | 机器学习 | 糖尿病 | 深度学习 | CNN-LSTM | NA | NA |
| 15513 | 2024-08-05 |
Radiomics-based machine learning and deep learning to predict serosal involvement in gallbladder cancer
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04029-2
PMID:37787963
|
研究论文 | 本研究旨在确定基于对比增强计算机断层扫描的放射组学模型在预测胆囊癌患者浆膜侵犯方面的能力。 | 本研究创新地使用了放射组学特征和深度学习模型来提高胆囊癌浆膜侵犯的预测准确性。 | 研究样本仅限于152名胆囊癌患者，可能影响模型的推广性。 | 研究的目的是提高对胆囊癌浆膜侵犯的预测能力。 | 研究对象为152名确诊的胆囊癌患者。 | 数字病理学 | 胆囊癌 | 对比增强计算机断层扫描 | 全连通神经网络（f-CNN） | 图像 | 152名胆囊癌患者 |
| 15514 | 2024-08-05 |
Implications of ultrasound-based deep learning model for preoperatively differentiating combined hepatocellular-cholangiocarcinoma from hepatocellular carcinoma and intrahepatic cholangiocarcinoma
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04089-4
PMID:37999743
|
研究论文 | 本研究开发了一种基于超声波的深度学习模型，用于术前区分肝细胞癌、肝内胆管癌和混合肝细胞胆管癌 | 提出了一种新型的深度学习模型，专注于超声影像中较难区分的肝癌类型 | 研究对象主要限于初级肝癌患者，可能无法推广到其他类型的肝癌或患者群体 | 旨在利用超声技术与深度学习改善肝癌的术前诊断 | 研究对象为465名初级肝癌患者的超声图像 | 医学影像学 | 肝癌 | 深度学习 | Resnet18, MobileNet, DenseNet121, Inception V3 | 影像 | 465名患者的超声B型图像 |
| 15515 | 2024-08-05 |
A biologically inspired architecture with switching units can learn to generalize across backgrounds
2023-Nov, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2023.09.014
PMID:37839332
|
研究论文 | 该文章展示了一种生物启发的网络结构，通过切换单元可以学习在不同背景下进行泛化 | 提出了一种瓶颈切换网络，这是一种类生物的架构，可以避免在新背景下的灾难性遗忘 | 未详细讨论与其他生物启发机制的比较 | 研究如何通过生物感知原则来提高人工系统的环境适应能力 | 使用MNIST数字及CIFAR-10数据集探索在不同背景下的数字分类 | 机器学习 | NA | NA | 切换网络 | 图像 | 使用MNIST数字数据集和CIFAR-10数据集的样本 |
| 15516 | 2024-08-05 |
A Multilabel Text Classifier of Cancer Literature at the Publication Level: Methods Study of Medical Text Classification
2023-Oct-05, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/44892
PMID:37796584
|
研究论文 | 本研究旨在建立一个多标签分类器，以提高癌症文献的分类分辨率 | 通过结合BERT和TextRNN模型，实现了对癌症文献的高分辨率多标签分类 | 未来需要收集更多来自不同领域的数据以验证模型的可扩展性和扩展性 | 解决现有低分辨率癌症文献分类的问题，以支持临床相关性文献的高效检索 | 癌症研究的文献，涉及70699篇癌症出版物 | 自然语言处理 | 癌症 | BERT + X | BERT + TextRNN | 文本 | 70699篇癌症出版物 |
| 15517 | 2024-08-05 |
Automated fatty liver disease detection in point-of-care ultrasound B-mode images
2023-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.3.034505
PMID:37284231
|
研究论文 | 本文提出了一种自动化的脂肪肝疾病检测算法，利用非专家获取的实时超声B模式图像 | 研究中介绍了如何在低质量的B模式图像上，应用深度学习算法进行肝脏脂肪变的分类，并且可以在非专家操作下实现 | 尽管表现良好，但该算法依赖于低质量的B模式图像和最小的超声采集培训 | 研究旨在开发一种用于非酒精性脂肪肝疾病的自动筛查算法 | 研究对象为478名患者，他们的B模式图像由非专家医护人员获取 | 数字病理学 | NAFLD | 深度学习 | DenseNet-121 | 图像 | 478名患者的图像数据 |
| 15518 | 2024-08-05 |
Microstrip isoelectric focusing with deep learning for simultaneous screening of diabetes, anemia, and thalassemia
2024-Jul-11, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.342696
PMID:38834281
|
研究论文 | 本文提出了一种基于微带等电聚焦和深度学习的方法用于同时筛查糖尿病、贫血和地中海贫血 | 首次实现了Hb的绝对定量检测、Hb种类的相对定量及多种疾病的同时筛查 | 基于Hb种类的疾病诊断准确率较低，仅为69.33% | 提高糖尿病、贫血和地中海贫血的筛查准确性 | 检测 Hb 的相对含量及其相关疾病的筛查 | 数字病理学 | 糖尿病、贫血、地中海贫血 | 微带等电聚焦 (mIEF) | ResNet1D | 图像 | NA |
| 15519 | 2024-08-05 |
Crowdsourcing image segmentation for deep learning: integrated platform for citizen science, paid microtask, and gamification
2024-Jun-25, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2023-0148
PMID:38143326
|
研究论文 | 本文开发了一种集成群众外包的平台，以比较不同的医学图像分割方法 | 提出了结合公民科学、付费微任务和游戏化的集成众包平台 | 样本数量较少，仅有50幅图像参与训练 | 比较不同类型的众包方法在医学图像分割中的效果 | 医学图像（眼底图像中的巩膜分割） | 数字病理学 | NA | 深度学习，卷积神经网络 | NA | 图像 | 50幅图像 |
| 15520 | 2024-08-05 |
The cytoarchitectonic landscape revealed by deep learning method facilitated precise positioning in mouse neocortex
2024-Jun-04, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae229
PMID:38836835
|
研究论文 | 本研究开发了一种细胞结构性标志物识别流程，以精确定位小鼠新皮层中的皮层区域 | 创新点在于采用深度学习方法和荧光微光学切片成像技术来分析新皮层的细胞结构，生成细胞结构地图 | 该研究未提及样本的多样性和对比组的设置 | 本研究旨在提高对新皮层结构的理解，特别是不同年龄小鼠的皮层区域变化 | 研究对象为小鼠的新皮层及其不同皮层区域 | 数字病理学 | NA | 荧光微光学切片成像 | 3D卷积网络 | 图像 | 涉及多只小鼠的完整大脑样本 |