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 24022 篇文献，本页显示第 19461 - 19480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19461 | 2024-08-11 |
Determination of the rat estrous cycle vased on EfficientNet
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1434991
PMID:39119352
|
研究论文 | 本研究利用EfficientNet模型通过深度学习技术自动识别雌性大鼠的发情周期 | 提出了一种基于EfficientNet模型的自动化识别方法，通过系统地调整网络深度、宽度和图像分辨率来优化性能 | 未来工作需要在大规模数据集上进一步验证并整合到实验流程中 | 提高实验效率并减少在识别发情周期中的人为误差 | 雌性大鼠的发情周期 | 生物医学研究 | NA | 深度学习 | EfficientNet | 生理数据 | 大量雌性大鼠的生理数据 |
| 19462 | 2024-08-11 |
Integrating multi-modal remote sensing, deep learning, and attention mechanisms for yield prediction in plant breeding experiments
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1408047
PMID:39119495
|
研究论文 | 本研究探索并评估了使用堆叠LSTM的深度学习网络架构在季节末玉米粒产量预测中的潜力，并通过适应这些网络以更好地利用远程 sensing 数据的多模态特性来扩展其能力 | 本研究首次探讨了使用高光谱和LiDAR无人机时间序列数据在深度学习网络中解释/解读植物生长阶段，并使用注意力机制的后期融合模态预测地块级玉米粒产量的方法 | NA | 探索和评估深度学习网络架构在玉米产量预测中的应用，并扩展其对多模态远程 sensing 数据的适应能力 | 玉米产量预测 | 机器学习 | NA | 深度学习 | LSTM | 高光谱图像、LiDAR点云、环境数据 | NA |
| 19463 | 2024-08-11 |
Automated machine learning models for nonalcoholic fatty liver disease assessed by controlled attenuation parameter from the NHANES 2017-2020
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272535
PMID:39119551
|
研究论文 | 本研究旨在评估自动化机器学习（AutoML）在基于国家健康和营养检查调查（NHANES）数据库中使用控制衰减参数（CAP）识别非酒精性脂肪肝病（NAFLD）的有效性 | 开发了一种基于XGBoost模型的自动化机器学习方法，用于更有效地评估NAFLD的存在，并创建了一个R Shiny网络应用程序，展示了AutoML在临床研究和实践中的潜力 | NA | 评估自动化机器学习在识别非酒精性脂肪肝病中的有效性 | 非酒精性脂肪肝病（NAFLD）的识别 | 机器学习 | 非酒精性脂肪肝病 | 自动化机器学习（AutoML） | XGBoost | 数据库 | 4177名参与者（非NAFLD 3167 vs NAFLD 1010） |
| 19464 | 2024-08-11 |
Automated identification of thrombectomy amenable vessel occlusion on computed tomography angiography using deep learning
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1442025
PMID:39119560
|
研究论文 | 开发并验证了一种全自动深度学习算法，用于在计算机断层扫描血管造影（CTA）中检测大血管闭塞（LVO） | 使用U-Net进行血管分割，并应用EfficientNetV2预测血栓切除适应性血管闭塞（TAVO） | 对于孤立的M2-MCA闭塞，诊断性能有所降低 | 开发和验证一种全自动算法，用于在CTA中识别TAVO | 急性缺血性卒中患者的CTA图像 | 计算机视觉 | 脑血管疾病 | 深度学习 | U-Net, EfficientNetV2 | 图像 | 2045名患者用于模型开发，64名和313名患者用于外部验证 |
| 19465 | 2024-08-11 |
Artificial Intelligence in Stroke Imaging: A Comprehensive Review
2023-Dec-29, The Eurasian journal of medicine
DOI:10.5152/eurasianjmed.2023.23347
PMID:39109827
|
综述 | 本文全面回顾了人工智能在脑卒中影像学中的应用 | 介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型 | 构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似 | 探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响 | 脑卒中影像学及其在临床管理中的应用 | 计算机视觉 | 脑血管疾病 | NA | 支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net | 医学图像 | NA |
| 19466 | 2024-08-11 |
Performance of alternative manual and automated deep learning segmentation techniques for the prediction of benign and malignant lung nodules
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044006
PMID:37564098
|
研究论文 | 本文评估了放射性活检（RB）、最佳拟合边界框（BB）和基于深度学习的分割方法no-new-U-Net（nnU-Net）与标准全手动（FM）分割方法在预测良性与恶性肺结节方面的性能。 | 本文引入了基于深度学习的分割方法nnU-Net，并与传统的放射性活检和最佳拟合边界框方法进行了比较。 | 需要进一步验证RB方法的效率，并且深度学习分割方法的性能与FM和BB方法相似。 | 评估不同分割技术在预测肺结节良恶性方面的性能。 | 肺结节的分割技术和预测模型。 | 计算机视觉 | 肺部疾病 | CT扫描 | nnU-Net | 影像数据 | 188个CT扫描数据 |
| 19467 | 2024-08-11 |
Visual analysis of image-guided radiation therapy based on bibliometrics: A review
2023-Feb-22, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000032989
PMID:36827068
|
综述 | 本研究利用文献计量方法，分析了1987年至2021年间Web of Science收录的6407篇关于图像引导放射治疗（IGRT）的论文，揭示了IGRT的研究现状、热点和发展趋势 | 首次对IGRT研究进行全面的文献计量分析，展示了该领域的研究成熟度和成果 | NA | 揭示图像引导放射治疗的研究现状和未来趋势 | 图像引导放射治疗技术及其相关研究 | 医学影像 | NA | 文献计量方法 | NA | 文本 | 6407篇论文 |
| 19468 | 2024-08-11 |
Medical education and training within congenital cardiology: current global status and future directions in a post COVID-19 world
2022-Feb, Cardiology in the young
IF:0.9Q3
DOI:10.1017/S1047951121001645
PMID:33843546
|
综述 | 本文综述了先天性心脏病学领域内医学教育和培训的当前状态及未来发展方向，特别是在后COVID-19时代。 | 提出了将可信专业活动作为解决能力框架与临床实践之间差距的方案，并探讨了利用技术创新学习改善教育的可能性。 | 不同地区能力框架的不一致性以及将这些框架与临床实践结合的挑战仍然存在。 | 探讨和改进先天性心脏病学领域的医学教育和培训方法。 | 先天性心脏病学领域的医学教育及培训方法。 | NA | 先天性心脏病 | NA | NA | NA | NA |
| 19469 | 2024-08-11 |
Super.FELT: supervised feature extraction learning using triplet loss for drug response prediction with multi-omics data
2021-May-25, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-021-04146-z
PMID:34034645
|
研究论文 | 本研究提出了一种名为Super.FELT的新方法，利用三元组损失的监督特征提取学习来预测药物反应，并有效降低多组学数据的高维度 | Super.FELT通过三个阶段（特征选择、特征编码和药物反应二分类）实现了比其他方法更好的性能，特别是在PDX和TCGA的外部验证中 | NA | 开发一种新的方法，利用监督深度学习模型有效降低多组学数据的高维度，以提高药物反应预测的准确性 | 使用多组学数据（包括突变、拷贝数变异和基因表达）来预测药物反应 | 机器学习 | NA | 三元组损失 | 监督深度学习模型 | 多组学数据 | 使用了来自GDSC、CCLE、CTRP、PDX和TCGA的数据集 |
| 19470 | 2024-08-11 |
Deep learning for large scale MRI-based morphological phenotyping of osteoarthritis
2021-05-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-90292-6
PMID:34035386
|
研究论文 | 本研究利用深度学习技术对大规模MRI数据进行基于形态学的骨关节炎表型分类 | 首次使用卷积神经网络对膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型进行分类，并评估其与骨关节炎发生和发展的关联 | NA | 旨在通过MRI图像的形态学表型分类，预测骨关节炎的未来发生情况，从而改进治疗药物的纳入标准和疗效 | 膝关节MRI图像中的骨、半月板/软骨、炎症和肥大表型 | 机器学习 | 骨关节炎 | 卷积神经网络 | CNN | 图像 | 4791名参与者的膝关节MRI数据 |
| 19471 | 2024-08-11 |
Understanding Public Perceptions of COVID-19 Contact Tracing Apps: Artificial Intelligence-Enabled Social Media Analysis
2021-05-17, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/26618
PMID:33939622
|
研究论文 | 本研究通过人工智能驱动的社交媒体分析，探讨了英国公众对COVID-19接触追踪应用的看法 | 采用混合规则集成的模型，结合了先进的基于词典规则和深度学习方法 | NA | 探索人工智能驱动的社交媒体分析在理解公众对COVID-19接触追踪应用看法方面的适用性 | 公众对COVID-19接触追踪应用的态度 | 自然语言处理 | NA | 人工智能 | 混合规则集成模型 | 文本 | 超过10,000条相关社交媒体帖子 |
| 19472 | 2024-08-11 |
Detecting the pulmonary trunk in CT scout views using deep learning
2021-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-89647-w
PMID:33986402
|
研究论文 | 本文通过深度学习方法自动定位CT scout视图中的肺动脉主干区域 | 使用U-Net模型自动定位肺动脉主干区域，其准确度与放射技师相当 | NA | 自动化CT scout视图中肺动脉主干的定位任务 | CT scout视图中的肺动脉主干区域 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 620个CT scout视图，来自563名患者 |
| 19473 | 2024-08-11 |
Artificial intelligence in detecting temporomandibular joint osteoarthritis on orthopantomogram
2021-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-89742-y
PMID:33986459
|
研究论文 | 本研究旨在开发一种人工智能模型，用于通过正交平片检测颞下颌关节骨关节炎，并与口腔颌面放射专家的诊断性能进行比较 | 研究通过重新分类不确定的骨关节炎图像，提高了人工智能模型的诊断准确性，使其与专家的诊断性能相当 | 初始模型在处理三种分类时表现不佳，需要通过重新分类来改善性能 | 开发和评估人工智能模型在颞下颌关节骨关节炎诊断中的应用 | 颞下颌关节骨关节炎的诊断 | 计算机视觉 | 颞下颌关节骨关节炎 | 深度学习 | ResNet | 图像 | 1189张正交平片图像 |
| 19474 | 2024-08-11 |
AI-assisted superresolution cosmological simulations
2021-05-11, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2022038118
PMID:33947816
|
研究论文 | 本文利用人工智能（特别是深度学习）技术，通过神经网络从高分辨率图像数据中学习，并生成低分辨率宇宙学N体模拟的超分辨率版本 | 本文首次将深度学习技术应用于宇宙学N体模拟，生成高分辨率模拟，能够增强模拟分辨率并预测粒子位移 | NA | 利用人工智能技术提高宇宙学模拟的分辨率 | 宇宙学N体模拟 | 机器学习 | NA | 深度学习 | 神经网络 | 图像 | 16对小体积低分辨率-高分辨率模拟 |
| 19475 | 2024-08-11 |
Synaptic metaplasticity in binarized neural networks
2021-05-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-021-22768-y
PMID:33953183
|
研究论文 | 本文研究了二值化神经网络中的突触可塑性，提出了一种新的训练技术以减轻灾难性遗忘问题 | 将二值化神经网络的隐藏权重解释为可塑性变量，并提出了一种新的训练技术，无需先前数据或数据集之间的正式边界即可减少灾难性遗忘 | NA | 探索神经科学中的可塑性行为如何应用于深度神经网络以减轻灾难性遗忘 | 二值化神经网络及其在多任务和流学习中的应用 | 机器学习 | NA | NA | 二值化神经网络 | NA | NA |
| 19476 | 2024-08-11 |
Deep learning for gradability classification of handheld, non-mydriatic retinal images
2021-05-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-89027-4
PMID:33947946
|
研究论文 | 本文研究使用深度学习技术对非散瞳手持式视网膜图像的可分级性进行分类 | 提出了一种紧凑型深度学习模型，用于在采集阶段预测视网膜图像的可分级性，以提高可分级图像的比例和糖尿病视网膜病变（STDR）的检测率 | NA | 旨在提高非临床环境下使用手持设备采集的视网膜图像的可分级性，从而提高STDR的检测 | 非散瞳手持式视网膜图像的可分级性 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习（DL） | 紧凑型深度学习模型 | 图像 | 从18,277名患者眼中采集的40,126张图像中，有16,170名患者眼（35,319张图像）符合条件，并从中抽取了3261张视网膜图像（1490名患者眼）进行标记 |
| 19477 | 2024-08-11 |
Simulation-to-real domain adaptation with teacher-student learning for endoscopic instrument segmentation
2021-May, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-021-02383-4
PMID:33982232
|
研究论文 | 本文介绍了一种基于教师-学生学习方法的模拟到真实域适应技术，用于内窥镜手术器械分割 | 提出了一种教师-学生学习方法，联合学习标注的模拟数据和未标注的真实数据，以解决模拟到真实无监督域适应问题 | 文章未明确提及具体的局限性 | 旨在提高内窥镜手术器械分割的自动化水平，减少对临床专家手动标注的依赖 | 内窥镜视频流中的手术器械分割 | 计算机视觉 | NA | 教师-学生学习方法 | NA | 视频 | 涉及三个数据集 |
| 19478 | 2024-08-11 |
Model Simplification of Deep Random Forest for Real-Time Applications of Various Sensor Data
2021-Apr-25, Sensors (Basel, Switzerland)
DOI:10.3390/s21093004
PMID:33922953
|
研究论文 | 本文提出了一种新的方法来简化深度随机森林（DRF）的黑盒模型，通过提出的规则消除方法来量化特征贡献和频率，从而实现模型简化。 | 本文的创新点在于提出了一种新的规则消除方法，通过量化特征贡献和频率来简化深度随机森林模型，使其参数和规则数量减少，同时保持了较高的分类准确性。 | NA | 研究目的是简化深度随机森林模型，提高其实时应用的性能和效率。 | 研究对象是深度随机森林模型及其在各种传感器数据实时应用中的表现。 | 机器学习 | NA | 深度随机森林（DRF） | 深度随机森林（DRF） | 传感器数据 | 使用基准传感器数据集进行验证 |
| 19479 | 2024-08-11 |
Automatic Pest Counting from Pheromone Trap Images Using Deep Learning Object Detectors for Matsucoccus thunbergianae Monitoring
2021-Apr-12, Insects
IF:2.7Q1
DOI:10.3390/insects12040342
PMID:33921492
|
研究论文 | 本研究提出了一种基于深度学习的自动计数算法，用于从诱捕器图像中监测松黑松小蠹的发生和种群数量 | 研究采用了图像裁剪方法以成功检测图像中的小物体，并评估了16种模型在不同条件下的检测和计数性能 | 未提及具体限制 | 开发一种基于人工智能的自动计数方法，用于持续且准确地监测害虫 | 松黑松小蠹 | 计算机视觉 | NA | 深度学习 | 目标检测模型 | 图像 | 使用了在实地收集的诱捕器图像进行训练、验证和测试 |
| 19480 | 2024-08-11 |
Computational tissue staining of non-linear multimodal imaging using supervised and unsupervised deep learning
2021-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.415962
PMID:33996229
|
研究论文 | 本文提出了一种使用监督和非监督深度学习模型对非线性多模态成像进行计算染色的方法 | 首次使用生成对抗网络（GANs）在非监督方式下对非线性多模态图像进行计算染色 | NA | 开发一种无需实验室染色过程的诊断应用计算染色技术 | 非线性多模态成像与H&E染色图像的相关性 | 数字病理学 | NA | 非线性多模态成像 | 生成对抗网络（GAN） | 图像 | NA |