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 25127 篇文献，本页显示第 19881 - 19900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19881 | 2024-08-24 |
Deep Learning Model Based on Multisequence MRI Images for Assessing Adverse Pregnancy Outcome in Placenta Accreta
2024-02, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29023
PMID:37851581
|
研究论文 | 本研究通过建立基于多序列MRI图像的深度学习模型，评估胎盘植入症（PAS）患者的不良妊娠结局风险 | 本研究提出的模型在评估不良妊娠结局方面表现出良好的诊断性能，尤其是在使用四序列MRI图像时，其性能显著优于使用单序列和双序列的模型 | 本研究为回顾性研究，样本量相对较小，且仅限于特定类型的胎盘植入症患者 | 探讨术前MRI多序列图像与不良妊娠结局之间的关联，并建立深度学习模型进行风险评估 | 323名疑似胎盘植入症的孕妇 | 机器学习 | 妊娠疾病 | MRI | 深度学习模型 | 图像 | 323名孕妇，分为训练集227例和验证集96例 |
| 19882 | 2024-08-24 |
Editorial for "A Deep Learning Pipeline Using Prior Knowledge for Automatic Evaluation of Placenta Accreta Spectrum Disorders With MRI"
2024-02, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29152
PMID:38014825
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19883 | 2024-08-24 |
ECOLE: Learning to call copy number variants on whole exome sequencing data
2024-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44116-y
PMID:38167256
|
研究论文 | 本文介绍了一种基于深度学习的体细胞和生殖系拷贝数变异（CNV）检测方法ECOLE，用于全外显子测序（WES）数据 | ECOLE采用变压器架构的变体，通过在匹配的全基因组测序（WGS）样本上进行高置信度调用来学习每个外显子的CNV调用，并通过迁移学习进一步训练和微调模型 | 尽管ECOLE在人类专家标记的数据上首次实现了高精度（68.7%）和高召回率（49.6%），但仍存在一定的改进空间 | 旨在提高全外显子测序数据中拷贝数变异的检测准确性，以用于临床应用 | 全外显子测序数据中的拷贝数变异 | 机器学习 | NA | 全外显子测序（WES） | 变压器架构 | 测序数据 | 使用了一小部分专家调用的样本进行训练和微调 |
| 19884 | 2024-08-24 |
A deep learning-based cascade algorithm for pancreatic tumor segmentation
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1328146
PMID:39169945
|
研究论文 | 本文设计了一种级联的胰腺肿瘤分割算法，通过多尺度U-Net和基于非局部定位与聚焦模块的网络进行胰腺和肿瘤的分割 | 引入非局部定位模块和聚焦模块，以及设计新的损失函数来提高对小目标的敏感性 | 未提及 | 提高胰腺肿瘤分割的准确性 | 胰腺肿瘤的分割 | 计算机视觉 | 胰腺肿瘤 | 深度学习 | U-Net | 图像 | 未提及具体样本数量 |
| 19885 | 2024-08-24 |
A review of psoriasis image analysis based on machine learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1414582
PMID:39170035
|
综述 | 本文综述了过去十年中基于机器学习的银屑病图像分析的研究和应用 | NA | NA | 旨在总结机器学习在银屑病分析中的应用，并探讨未来的研究方向 | 银屑病图像分析 | 机器学习 | 银屑病 | 机器学习 | 传统机器学习模型和深度学习模型 | 图像 | 53篇出版物 |
| 19886 | 2024-08-24 |
The future of medicine: an outline attempt using state-of-the-art business and scientific trends
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1391727
PMID:39170042
|
综述 | 本文综述了当前商业和科学趋势对未来医药生态系统的影响 | 探讨了人工智能、机器学习、大数据和真实世界数据在医药产品生命周期中的应用，以及个性化医疗的突破 | NA | 探讨未来医药生态系统的发展 | 医药生态系统及其与技术的互动 | NA | NA | 人工智能、机器学习、大数据、真实世界数据、纳米技术 | 人工神经网络、深度学习 | 数据 | NA |
| 19887 | 2024-08-24 |
Evaluation and analysis of visual perception using attention-enhanced computation in multimedia affective computing
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1449527
PMID:39170679
|
研究论文 | 本文提出了一种注意力增强的多层变换器（AEMT）模型，用于改善面部表情识别（FER）在自然环境中的鲁棒性和准确性 | AEMT模型集成了双分支卷积神经网络（CNN）、注意力选择融合（ASF）模块和多层变换器编码器（MTE），通过捕获长距离依赖和复杂特征关系，显著提高了特征表示和分类准确性 | NA | 提高面部表情识别在复杂现实场景中的鲁棒性和准确性 | 面部表情识别系统在自然环境中的性能 | 计算机视觉 | NA | 卷积神经网络（CNN），多层变换器编码器（MTE） | 注意力增强的多层变换器（AEMT） | 图像 | 在RAF-DB和AffectNet数据集上进行了评估，分别达到了81.45%和71.23%的准确率 |
| 19888 | 2024-08-24 |
Novel tools for early diagnosis and precision treatment based on artificial intelligence
2023-Sep, Chinese medical journal pulmonary and critical care medicine
DOI:10.1016/j.pccm.2023.05.001
PMID:39171128
|
研究论文 | 本文探讨了基于人工智能的新工具在肺癌早期诊断和精准治疗中的应用 | 文章介绍了人工智能技术在肺癌诊断和治疗中的创新应用，包括机器学习和深度学习在肺结节检测、良恶性分类和亚型识别中的应用，以及非侵入性预测遗传突变和分子状态的能力 | 文章指出，人工智能在临床广泛应用中仍面临数据共享、标准化标签获取、临床应用监管和多模态整合等挑战 | 旨在提高肺癌的早期诊断和个性化治疗方案，从而改善患者的5年生存率 | 肺癌的早期诊断和精准治疗 | 机器学习 | 肺癌 | 人工智能 | 机器学习和深度学习 | CT图像和病理图像 | NA |
| 19889 | 2024-08-24 |
VoxelHop: Successive Subspace Learning for ALS Disease Classification Using Structural MRI
2022-03, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2021.3097735
PMID:34339378
|
研究论文 | 本文提出了一种名为VoxelHop的连续子空间学习模型，用于使用T2加权结构MRI数据对肌萎缩侧索硬化症（ALS）进行准确分类 | VoxelHop模型具有模块化和透明的结构，参数较少且无需反向传播，适合小数据集和3D成像数据 | NA | 提高使用医学成像数据进行疾病检测和分类的准确性 | 肌萎缩侧索硬化症（ALS）的分类 | 计算机视觉 | 神经退行性疾病 | MRI | VoxelHop | 3D成像数据 | 20名对照组和26名患者 |
| 19890 | 2024-08-24 |
Detecting hip osteoarthritis on clinical CT: a deep learning application based on 2-D summation images derived from CT
2022-Feb, Osteoporosis international : a journal established as result of cooperation between the European Foundation for Osteoporosis and the National Osteoporosis Foundation of the USA
IF:4.2Q1
DOI:10.1007/s00198-021-06130-y
PMID:34476540
|
研究论文 | 本文开发并比较了用于检测临床CT上髋骨关节炎的深度学习模型 | 通过结合CT-AP和X射线图像，在缺乏大量训练数据的情况下优化了可靠的深度学习模型 | NA | 检测髋骨关节炎 | 临床CT上的髋骨关节炎 | 计算机视觉 | 髋骨关节炎 | 深度学习 | 深度学习模型 | CT图像 | NA |
| 19891 | 2024-08-24 |
Morphological components detection for super-depth-of-field bio-micrograph based on deep learning
2022-Jan-29, Microscopy (Oxford, England)
DOI:10.1093/jmicro/dfab033
PMID:34417804
|
研究论文 | 本文提出了一种基于Retinanet模型的超景深生物显微图像中的细胞目标检测算法 | 与主流算法相比，该算法在平均精度均值（mAP）指标上有显著提升，实验中白带样本和粪便样本的mAP分别达到83.1%和88.1% | NA | 提高超景深系统中显微图像细胞分类和定位的效率与准确性 | 超景深生物显微图像中的细胞 | 计算机视觉 | NA | 深度学习 | Retinanet | 图像 | 白带样本和粪便样本 |
| 19892 | 2024-08-24 |
Sentiment Analysis in Social Media Data for Depression Detection Using Artificial Intelligence: A Review
2022, SN computer science
DOI:10.1007/s42979-021-00958-1
PMID:34816124
|
综述 | 本文综述了利用人工智能技术对社交媒体数据进行情感分析以检测抑郁情绪的研究 | 采用多类分类与深度学习算法提高了情感分析的精确度 | NA | 探讨如何利用社交媒体数据进行情感分析以检测抑郁情绪 | 社交媒体中的文本、表情符号和表情等数据 | 自然语言处理 | NA | 机器学习和深度学习技术 | 深度学习算法 | 文本 | NA |
| 19893 | 2024-08-24 |
Automatic pulmonary vessel segmentation on noncontrast chest CT: deep learning algorithm developed using spatiotemporally matched virtual noncontrast images and low-keV contrast-enhanced vessel maps
2021-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-021-08036-z
PMID:34009411
|
研究论文 | 开发了一种基于深度学习的肺血管分割算法（DLVS），用于非对比剂胸部CT图像，并探讨其在慢性阻塞性肺疾病（COPD）患者血管重塑评估中的临床应用 | 利用双源CT扫描仪生成的时空匹配的50千电子伏特增强图像和虚拟非对比剂图像，开发了一种新的深度学习肺血管分割算法 | NA | 开发和验证一种基于深度学习的肺血管分割算法，并评估其在COPD患者中的临床应用 | COPD患者的肺血管分割 | 计算机视觉 | 慢性阻塞性肺疾病 | 双源CT扫描 | 3D U-Net | 图像 | 开发阶段使用了104个肺部CT血管造影扫描（共49,054张切片），外部验证使用了14个供应商独立的非对比剂CT图像和3个VESSEL 12挑战公开数据集，临床验证包括281名COPD患者 |
| 19894 | 2024-08-24 |
Comparing deep learning-based automatic segmentation of breast masses to expert interobserver variability in ultrasound imaging
2021-12, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2021.104966
PMID:34715553
|
研究论文 | 本文比较了基于深度学习的乳腺肿块自动分割模型与超声图像中专家间观察者变异性的表现 | 提出了一种高表现的深度学习分割模型，并与三位专家的手动分割结果进行比较 | 深度学习模型通常只与一位专家进行评估，其误差是否在临床可接受范围内尚不清楚 | 研究深度学习技术在医学图像处理中的可靠性和重复性 | 乳腺肿块的自动分割 | 计算机视觉 | 乳腺肿瘤 | 深度学习 | CNN | 图像 | 使用了455名患者的甲状腺超声分割数据集和733名患者的乳腺超声分割数据集 |
| 19895 | 2024-08-24 |
Deep learning-based facial image analysis in medical research: a systematic review protocol
2021-11-11, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2020-047549
PMID:34764164
|
综述 | 本文旨在通过系统综述方法，探讨深度学习在医学研究中基于面部图像分析的特征和效果 | 本文旨在填补关于深度学习在医学面部图像分析领域现状的认知空白，并提供对该技术在疾病检测、诊断和预后应用中的特征、挑战和机遇的深入理解 | NA | 了解深度学习在医学面部图像分析中的应用现状、挑战和机遇 | 深度学习在医学面部图像分析的研究 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 19896 | 2024-08-24 |
Cohort and Trajectory Analysis in Multi-Agent Support Systems for Cancer Survivors
2021-Nov-11, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01770-3
PMID:34766229
|
研究论文 | 本文提出了一种基于队列和轨迹分析（CTA）模块的个性化支持系统，用于癌症幸存者，该系统集成在名为EREBOTS的基于代理的个性化聊天机器人中 | 引入CTA模块，结合生存估计模型、机器学习和深度学习技术，为临床医生提供个性化治疗选择的证据，并为患者提供适应其状况和轨迹的定制建议 | NA | 开发一种个性化支持系统，以提高癌症幸存者的生存质量 | 癌症幸存者及其个性化支持需求 | 机器学习 | 癌症 | 机器学习, 深度学习 | 生存估计模型 | NA | NA |
| 19897 | 2024-08-24 |
Distant Domain Transfer Learning for Medical Imaging
2021-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2021.3051470
PMID:33449887
|
研究论文 | 本文提出了一种新的医学图像分类迁移学习框架，并应用于COVID-19的肺部CT图像诊断 | 该方法利用远领域中的未标记数据，有效处理训练数据与测试数据之间的分布偏移，并实现了96%的分类准确率 | 由于疾病的创新性和隐私政策，难以获取良好标记的训练数据集 | 开发一种远领域迁移学习模型，用于COVID-19的诊断 | COVID-19的肺部CT图像 | 计算机视觉 | 肺部疾病 | 迁移学习 | Unet分割模型和远特征融合分类模型 | 图像 | 使用未标记的Office-31、Caltech-256和胸部X射线图像数据集作为源数据，以及一小部分标记的COVID-19肺部CT图像作为目标数据 |
| 19898 | 2024-08-24 |
Predicting COVID-19 cases using bidirectional LSTM on multivariate time series
2021-Oct, Environmental science and pollution research international
DOI:10.1007/s11356-021-14286-7
PMID:34043172
|
研究论文 | 本文提出了一种使用双向长短期记忆网络（Bi-LSTM）在多变量时间序列上预测COVID-19病例数的深度学习方法 | 该方法首先使用K-means聚类算法对具有相似人口统计、社会经济和卫生部门指标的国家进行分组，然后利用这些国家的累计病例数据和封锁措施数据训练双向LSTM模型 | NA | 帮助政策制定者做出适当决策以阻止COVID-19疫情的传播 | COVID-19病例数的预测 | 机器学习 | COVID-19 | 双向长短期记忆网络（Bi-LSTM） | Bi-LSTM | 多变量时间序列 | 涉及多个国家的数据 |
| 19899 | 2024-08-24 |
A Deep Learning Radiomics Model to Identify Poor Outcome in COVID-19 Patients With Underlying Health Conditions: A Multicenter Study
2021-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2021.3076086
PMID:33905341
|
研究论文 | 本研究开发了一种结合深度学习和放射组学的混合模型，用于从初始CT扫描中识别患有基础健康状况的COVID-19患者的较差预后 | 提出的混合模型结合了3D-ResNet10深度学习模型和量化3D放射组学模型，显著提高了预测COVID-19患者较差预后的准确性 | NA | 开发一种精确的预测工具，用于识别患有基础健康状况的COVID-19患者的较差预后 | 患有基础健康状况的COVID-19患者 | 机器学习 | COVID-19 | 深度学习 | 3D-ResNet10 | CT扫描图像 | 共400名患者，包括54名死亡病例和346名出院或住院至少7天的患者 |
| 19900 | 2024-08-24 |
Deep Learning on Chest X-ray Images to Detect and Evaluate Pneumonia Cases at the Era of COVID-19
2021-Jun-08, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01745-4
PMID:34101042
|
研究论文 | 本文研究使用深度学习方法自动分析胸部X光图像，以检测和评估COVID-19相关的肺炎病例 | 提出了定制的深度学习模型来检测肺炎感染病例，特别是病毒性肺炎，并提出了易于应用的健康指标来估计感染状态和预测患者状态 | NA | 开发精确的工具帮助医疗专业人员筛查COVID-19和诊断确诊患者 | 胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 公开的胸部X光图像数据集 |