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 24188 篇文献，本页显示第 18981 - 19000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 18981 | 2024-08-23 |
Improving intracranial aneurysms image quality and diagnostic confidence with deep learning reconstruction in craniocervical CT angiography
2024-Aug, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241258220
PMID:38839094
|
研究论文 | 本研究评估了深度学习算法DELTA在颅颈CT血管造影中重建颅内动脉瘤图像质量和诊断信心的效果。 | DELTA算法在降低噪声、提高信噪比和对比噪声比方面表现优于传统的混合迭代重建（HIR）方法。 | 研究样本量较小，且为回顾性研究，可能影响结果的普遍性。 | 量化DELTA算法在颅颈CT血管造影中重建颅内动脉瘤图像质量和诊断信心的效果。 | 60名经颅颈CT血管造影诊断为颅内动脉瘤的患者。 | 计算机视觉 | 颅内动脉瘤 | CT血管造影 | 深度学习 | 图像 | 60名患者 |
| 18982 | 2024-08-07 |
Deep Learning for Video-Based Assessment in Surgery
2024-Aug-01, JAMA surgery
IF:15.7Q1
DOI:10.1001/jamasurg.2024.1510
PMID:38837128
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18983 | 2024-08-23 |
Environmentally Robust Triboelectric Tire Monitoring System for Self-Powered Driving Information Recognition via Hybrid Deep Learning in Time-Frequency Representation
2024-Aug, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202400484
PMID:38564789
|
研究论文 | 本研究开发了一种环境适应性强的摩擦电轮胎监测系统，通过混合深度学习模型从轮胎与路面的摩擦产生的摩擦电信号中提取驾驶信息 | 引入了激光诱导石墨烯电极层优化技术，以及结合短时傅里叶变换和卷积神经网络-长短期记忆的混合深度学习模型 | NA | 开发一种能够在恶劣环境中自供电的智能物联网系统，用于实时监测和识别驾驶信息 | 摩擦电轮胎监测系统及其在不同环境条件下的性能 | 机器学习 | NA | 激光诱导石墨烯 | CNN-LSTM | 时间-频率表示 | 旋转速度范围200-2000 rpm，接触线分数，湿度10%-90%，温度50-70°C |
| 18984 | 2024-08-23 |
Controlled Synthesis of Preferential Facet-Exposed Fe-MOFs for Ultrasensitive Detection of Peroxides
2024-Aug, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202401024
PMID:38597755
|
研究论文 | 本文通过调节金属前驱体与配体的比例，探索了具有增强催化活性的面工程铁基MOFs（Fe-MOFs）的合成，并详细揭示了面依赖性能的机制 | 开发了一种简便有效的方法来实现MOFs的面控制合成，并通过深度学习架构提高了检测的准确性和选择性 | NA | 探索和优化金属有机框架（MOFs）的面暴露，以提高其在检测过氧化物中的性能 | 面工程铁基MOFs（Fe-MOFs）及其在检测过氧化物中的应用 | 纳米材料 | NA | 深度学习 | SE-VGG16网络模型 | 图像 | NA |
| 18985 | 2024-08-23 |
A model for electroencephalogram emotion recognition: Residual block-gated recurrent unit with attention mechanism
2024-Aug-01, The Review of scientific instruments
DOI:10.1063/5.0221637
PMID:39166916
|
研究论文 | 提出了一种基于残差块-门控循环单元与注意力机制的脑电图情绪识别模型 | 引入残差块提取空间和频率域信息，结合门控循环单元捕捉时间信息，并通过注意力机制增强关键信息的识别 | 未提及 | 解决深度学习在情绪识别中特征选择和信息保留的问题 | 脑电图信号的情绪识别 | 机器学习 | NA | 脑电图(EEG) | 残差块-门控循环单元(Res-CRANN) | 脑电图信号 | DEAP数据集 |
| 18986 | 2024-08-23 |
Research on predicting hematoma expansion in spontaneous intracerebral hemorrhage based on deep features of the VGG-19 network
2024-Jul-18, Postgraduate medical journal
IF:3.6Q1
DOI:10.1093/postmj/qgae037
PMID:38507237
|
研究论文 | 构建基于VGG-19网络深度特征的临床非对比计算机断层扫描（NCCT）深度学习联合模型，用于预测自发性脑内出血后的早期血肿扩大（HE），并评估其预测性能 | 提出了一种结合临床影像深度学习模型，用于早期预测自发性脑内出血患者的血肿扩大 | NA | 预测自发性脑内出血后的早期血肿扩大 | 自发性脑内出血患者 | 计算机视觉 | 脑内出血 | 深度学习 | 多层感知器模型 | 影像 | 254名原发性脑出血患者 |
| 18987 | 2024-08-23 |
AI-enhanced Mammography With Digital Breast Tomosynthesis for Breast Cancer Detection: Clinical Value and Comparison With Human Performance
2024-07, Radiology. Imaging cancer
DOI:10.1148/rycan.230149
PMID:38995172
|
研究论文 | 本研究比较了两种基于深度学习的商业化人工智能系统在数字乳腺断层合成（DBT）乳腺摄影中的表现，并与放射科医生的表现进行对比 | 本研究首次对比了两种商业化人工智能系统在乳腺摄影中的表现，并将其与人类放射科医生的表现进行基准测试 | 本研究为回顾性研究，且仅限于无症状患者，可能限制了结果的普遍性 | 比较人工智能系统与人类放射科医生在乳腺摄影中检测乳腺癌的性能 | 两种人工智能系统（Transpara 1.7.0和ProFound AI 3.0）以及人类放射科医生的乳腺摄影表现 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成（DBT） | 深度学习 | 图像 | 419名女性患者，其中58名患有乳腺癌 |
| 18988 | 2024-08-23 |
Constructing a Deep Learning Radiomics Model Based on X-ray Images and Clinical Data for Predicting and Distinguishing Acute and Chronic Osteoporotic Vertebral Fractures: A Multicenter Study
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.061
PMID:38016821
|
研究论文 | 本研究构建并验证了一个基于X射线图像的深度学习放射组学（DLR）模型，用于预测和区分急性与慢性骨质疏松性椎体骨折（OVFs） | 使用ResNet-50模型架构进行深度迁移学习（DTL），并在RadImageNet和ImageNet数据集上进行预训练，提取并融合DTL特征和放射组学特征，结合临床基线数据构建深度学习放射组学诺模图（DLRN） | 在前瞻性验证队列中，诺模图的预测性能略有下降 | 构建和验证一个深度学习放射组学模型，用于预测和区分急性与慢性骨质疏松性椎体骨折 | 骨质疏松性椎体骨折的急性与慢性区分 | 机器学习 | 骨质疏松症 | 深度学习放射组学 | ResNet-50 | 图像 | 942例（1076个椎体） |
| 18989 | 2024-08-23 |
Deep learning-based workflow for automatic extraction of atria and epicardial adipose tissue on cardiac computed tomography in atrial fibrillation
2024-May-01, Journal of the Chinese Medical Association : JCMA
IF:1.9Q2
DOI:10.1097/JCMA.0000000000001076
PMID:38380919
|
研究论文 | 本文设计了一种基于深度学习的流程，用于在心房颤动患者的心脏计算机断层扫描图像上自动提取心房和心外膜脂肪组织 | 使用3D U-Net模型进行心房、心包和心外膜脂肪组织的自动分割，提高了分割的准确性和可靠性 | NA | 设计一种深度学习为基础的工作流程，用于心房颤动管理中可靠的自动分割心房、心包和心外膜脂肪组织 | 心房颤动患者的心房和心外膜脂肪组织 | 计算机视觉 | 心房颤动 | 3D U-Net | CNN | 图像 | 157名心房颤动患者 |
| 18990 | 2024-08-23 |
DPI_CDF: druggable protein identifier using cascade deep forest
2024-Apr-05, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05744-3
PMID:38580921
|
研究论文 | 本文开发了一种基于深度学习的新模型DPI_CDF，用于预测基于蛋白质序列的可药物蛋白 | DPI_CDF模型结合了基于进化、生理化学和组成的蛋白质序列特性，通过分层深度森林模型融合这些编码方案，提高了预测准确性 | NA | 加速大规模可药物蛋白的识别，促进药物发现过程 | 可药物蛋白的识别 | 机器学习 | NA | 深度学习 | 深度森林模型 | 蛋白质序列 | 训练数据集和独立测试数据集 |
| 18991 | 2024-08-23 |
Multi-organ segmentation of organ-at-risk (OAR's) of head and neck site using ensemble learning technique
2024-03, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.02.001
PMID:38364707
|
研究论文 | 本文提出了一种使用深度学习模型结合集成学习技术自动分割头颈部癌症患者风险器官（OAR）的新方法 | 采用集成学习技术提高了风险器官分割的准确性和效率 | 由于内存限制，训练模型时使用了缩减的CT扫描数据 | 旨在提高风险器官分割的准确性和效率，这对于放射治疗计划至关重要 | 头颈部癌症患者的风险器官 | 计算机视觉 | 头颈部癌症 | 集成学习技术 | 3D U-Net 和 3D DenseNet-FCN | CT扫描图像 | 182名患者的CT扫描数据用于训练，78名患者的数据用于测试，以及31名患者的公开数据集 |
| 18992 | 2024-08-23 |
An advanced Artificial Intelligence platform for a personalised treatment of Eating Disorders
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1414439
PMID:39165503
|
研究论文 | 本研究利用人工智能（AI），特别是机器学习（ML）和深度学习（DL），开发一个先进的平台，以改善饮食失调（EDs）的诊断和个性化治疗 | 本研究通过集成患者数据、支持医疗专业人员和增强患者能力，提高了护理的可及性、个性化治疗计划和优化护理路径 | NA | 利用AI技术改善饮食失调的诊断和治疗 | 饮食失调患者 | 机器学习 | 饮食失调 | 机器学习（ML）和深度学习（DL） | AI算法 | 多样化的数据源 | NA |
| 18993 | 2024-08-23 |
Thyroid Cancer Central Lymph Node Metastasis Risk Stratification Based on Homogeneous Positioning Deep Learning
2024, Research (Washington, D.C.)
DOI:10.34133/research.0432
PMID:39165637
|
研究论文 | 本研究开发了一种基于同质定位深度学习的甲状腺癌中央淋巴结转移风险分层方法 | 采用差异同构对齐方法结合图变换器准确提取甲状腺结节的定位和形态信息，预测中央淋巴结转移 | NA | 评估超声诊断的甲状腺癌中央淋巴结转移风险和预防性淋巴结手术的必要性 | 甲状腺癌患者的中央淋巴结转移风险 | 数字病理学 | 甲状腺癌 | 深度学习 | 图变换器 | 图像 | 88,796张超声图像，来自48,969名患者 |
| 18994 | 2024-08-23 |
CSNet: A Count-Supervised Network via Multiscale MLP-Mixer for Wheat Ear Counting
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0236
PMID:39165670
|
研究论文 | 提出了一种基于多尺度MLP-Mixer的计数监督网络CSNet，用于小麦穗头自动计数 | CSNet利用数量信息而非位置信息进行训练，减少了人工标注的需求 | NA | 提高小麦穗头计数的准确性并降低标注成本 | 小麦穗头的自动计数技术 | 计算机视觉 | NA | MLP-Mixer | CNN | 图像 | 使用了公开的小麦穗头检测数据集 |
| 18995 | 2024-08-23 |
A lightweight dual-attention network for tomato leaf disease identification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420584
PMID:39166234
|
研究论文 | 本文提出了一种基于机器视觉的番茄叶病分类识别方法，通过图像增强和数据扩充解决数据不平衡问题，并引入具有双注意力机制的卷积块构建轻量级模型LDAMNet，以提高特征提取能力 | 创新性地使用混合通道注意力（HCA）和坐标注意力（CSA）处理图像的通道和空间信息，并提出鲁棒交叉熵（RCE）损失函数以减少噪声标签的影响 | 未来研究需要进一步优化模型的结构和计算效率，并在更多实际场景中验证其应用效果 | 提高番茄叶病识别的准确性和泛化能力 | 番茄叶病图像 | 计算机视觉 | NA | 机器视觉方法 | 卷积神经网络（CNN） | 图像 | 在番茄病害数据集上达到98.71%的平均识别准确率，并在水稻作物病害数据集上展示了良好的识别能力 |
| 18996 | 2024-08-23 |
[[Applications] 13. Segmentation of Infant Brain Ventricles with Hydrocephalus Using Deep Learning]
2024, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-2398
PMID:39168595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 18997 | 2024-08-23 |
Predicting intensive care need for COVID-19 patients using deep learning on chest radiography
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044504
PMID:37608852
|
研究论文 | 本研究利用深度学习技术分析胸部X光片，预测COVID-19患者是否需要重症监护 | 提出了一种基于深度学习的人工智能/机器学习方法，通过分析胸部X光片预测COVID-19患者的重症监护需求 | NA | 旨在通过图像预测COVID-19的严重程度和资源需求，以应对COVID-19大流行 | COVID-19阳性患者的胸部X光片 | 机器学习 | COVID-19 | 深度学习 | DenseNet121 | 图像 | 8357张胸部X光片，来自5046名COVID-19阳性患者 |
| 18998 | 2024-08-23 |
Historical-crack18-19: A dataset of annotated images for non-invasive surface crack detection in historical buildings
2022-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2022.107865
PMID:35146090
|
研究论文 | 本文介绍了Historical-crack18-19数据集，包含约3886张历史建筑混凝土表面的注释图像 | 该数据集专门用于训练和验证基于机器学习和深度学习模型的自动化非侵入性裂缝检测和裂缝严重程度识别方法 | 在历史建筑表面图像中，裂缝检测/分割系统面临多种挑战，如光照、类似裂缝的图案、分隔符、灰尘、模糊和深层纹理等 | 旨在为自动化非侵入性裂缝检测和裂缝严重程度识别提供数据支持 | 历史建筑混凝土表面的裂缝检测 | 计算机视觉 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | 图像 | 约3886张注释图像，包括757张裂缝图像和3139张非裂缝图像 |
| 18999 | 2024-08-23 |
Deep Generative Medical Image Harmonization for Improving Cross-Site Generalization in Deep Learning Predictors
2022-03, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.27908
PMID:34564904
|
研究论文 | 本文开发并评估了一种基于深度学习的图像协调方法，以提高深度学习年龄预测的跨站点泛化能力 | 使用生成对抗网络（GAN）进行医学图像协调，显著改善了年龄预测模型的跨站点泛化性能 | 需要进一步研究以验证GAN基医学图像协调方法的长期效果和广泛适用性 | 提高深度学习模型在不同成像设备和采集协议间的泛化性能 | 脑部图像的年龄预测 | 计算机视觉 | NA | 生成对抗网络（GAN） | GAN | 图像 | 8876名受试者，其中2739名用于训练，6137名用于测试 |
| 19000 | 2024-08-23 |
The Digital Brain Tumour Atlas, an open histopathology resource
2022-02-15, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-022-01157-0
PMID:35169150
|
研究论文 | 本文介绍了一个名为“数字脑瘤图谱”的开源组织病理学资源，该资源包含大量数字化脑瘤样本及其临床注释 | 该研究填补了脑瘤组织病理学数据集的空缺，为机器学习和数字图像分析提供了宝贵的资源 | NA | 旨在提供一个公开可用的脑瘤组织病理学数据集，支持精确诊断和相关研究 | 脑瘤组织病理学数据集及其临床注释 | 数字病理学 | 脑瘤 | 数字化扫描 | NA | 图像 | 3,115张切片，涵盖126种脑瘤类型及47种对照组织 |