深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 304 篇文献，本页显示第 281 - 300 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-08-07 |
Automated segmentation of haematoma and perihaematomal oedema in MRI of acute spontaneous intracerebral haemorrhage
2019-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2019.01.022
PMID:30711800
|
研究论文 | 本文介绍了一种自动分割急性自发性脑内出血（SICH）MRI图像中血肿和周围水肿的算法 | 该方法是首个直接利用MRI图像进行SICH血肿和水肿分割的技术 | NA | 旨在为临床试验提供定量结果测量，并可能为SICH患者的预后提供重要标志 | 急性自发性脑内出血（SICH）患者的MRI图像中的血肿和周围水肿 | 计算机视觉 | 脑血管疾病 | MRI | NA | 图像 | 18名患者用于算法验证，32名手动标注对象用于与深度学习方法比较 | NA | NA | NA | NA |
| 282 | 2024-08-07 |
Explaining the unique nature of individual gait patterns with deep learning
2019-02-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-38748-8
PMID:30787319
|
研究论文 | 本文利用深度神经网络（DNN）研究临床生物力学中个体步态模式的独特性，并通过Layer-Wise Relevance Propagation（LRP）技术解释模型预测与输入变量之间的关系 | 本文首次提出了一种通用框架，通过测量每个输入变量对预测的时间解析贡献，使非线性机器学习方法在生物力学步态分析中可理解且可解释 | NA | 研究个体步态模式的独特性，并提供一种方法来理解和解释机器学习模型在步态分析中的应用 | 个体步态模式及其在临床生物力学中的应用 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 数据 | NA | NA | NA | NA | NA |
| 283 | 2024-08-07 |
Using Memristors for Robust Local Learning of Hardware Restricted Boltzmann Machines
2019-02-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-38181-3
PMID:30755662
|
研究论文 | 本文探讨了使用忆阻器实现硬件限制玻尔兹曼机的鲁棒局部学习 | 提出了一种基于两次权重更新符号的脉宽选择方案，并展示了该策略对忆阻器设备非线性和随机性的部分免疫能力 | NA | 设计适用于芯片上玻尔兹曼机的简单忆阻器编程协议 | 忆阻器设备在硬件神经网络中的应用 | 机器学习 | NA | 忆阻器 | 玻尔兹曼机 | NA | NA | NA | NA | NA | NA |
| 284 | 2024-08-07 |
Deep Reinforcement Learning in Medicine
2019-Feb, Kidney diseases (Basel, Switzerland)
DOI:10.1159/000492670
PMID:30815460
|
研究论文 | 本文介绍了强化学习的基本概念，并探讨了如何将强化学习与深度学习有效结合，以及深度强化学习在医学领域的应用潜力 | 本文首次探讨了深度强化学习在医学领域的应用 | NA | 介绍强化学习的基本概念，并探讨其在医学领域的应用 | 强化学习与深度学习的结合及其在医学领域的应用 | 机器学习 | NA | 深度强化学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 285 | 2024-08-07 |
A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning
2019-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-37741-x
PMID:30705354
|
研究论文 | 本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布 | 修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量 | NA | 通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划 | 前列腺癌患者的放疗剂量分布 | 机器学习 | 前列腺癌 | 深度学习 | U-net | 图像 | 前列腺癌患者 | NA | NA | NA | NA |
| 286 | 2024-08-07 |
Developed and validated a prognostic nomogram for recurrence-free survival after complete surgical resection of local primary gastrointestinal stromal tumors based on deep learning
2019-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2018.12.028
PMID:30587460
|
研究论文 | 本研究旨在开发和验证一种基于深度学习的预测胃肠道间质瘤术后无复发生存期的预后列线图 | 本研究首次将残差神经网络（ResNet）与临床病理因素结合，构建了个体化的预后列线图，显示出比传统模型更高的区分能力和校准精度 | NA | 开发和验证一种新的预后工具，用于指导胃肠道间质瘤患者术后辅助伊马替尼治疗的选择 | 胃肠道间质瘤患者的术后无复发生存期 | 机器学习 | 胃肠道间质瘤 | 残差神经网络（ResNet） | ResNet | 对比增强计算机断层扫描（CE-CT）图像 | 训练集包含80例经病理诊断的胃肠道间质瘤患者，并进行了内部和外部验证 | NA | NA | NA | NA |
| 287 | 2024-08-07 |
An attention based deep learning model of clinical events in the intensive care unit
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0211057
PMID:30759094
|
研究论文 | 本研究训练了结合注意力机制的长短期记忆（LSTM）循环神经网络（RNN），以预测MIMIC-III数据集中两周内ICU患者的每日脓毒症、心肌梗死（MI）和万古霉素抗生素使用情况 | 模型通过注意力机制提高了预测准确性，并提供了一定程度的可解释性，有助于临床决策支持 | 模型在利用电子健康记录（EHR）数据进行训练时，面临如何处理临床决策代理变量的挑战 | 开发和改进深度学习模型，以减少ICU医生的信息过载，并提供临床决策支持 | ICU患者的脓毒症、心肌梗死和万古霉素使用预测 | 机器学习 | NA | 长短期记忆（LSTM）循环神经网络（RNN）结合注意力机制 | LSTM | 电子健康记录（EHR）数据 | MIMIC-III数据集中的两周ICU患者数据 | NA | NA | NA | NA |
| 288 | 2024-08-07 |
In-Bed Pose Estimation: Deep Learning With Shallow Dataset
2019, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2019.2892970
PMID:30792942
|
研究论文 | 本文提出了一种在特定应用场景下，即床位姿态估计中，用于人体姿态和身体部位检测的鲁棒方法 | 采用红外选择性（IRS）图像采集技术应对光照变化挑战，并提出2端直方图定向梯度（HOG）校正方法处理非传统姿态视角 | 缺乏用于床位姿态的大型公共数据集，限制了从零开始使用大型网络 | 解决床位姿态估计中的特定挑战，提高姿态估计的准确性 | 人体在床上的姿态和身体部位 | 计算机视觉 | NA | 红外选择性（IRS）图像采集技术 | 卷积神经网络（CNN） | 图像 | 使用IRS成像系统从几个现实尺寸的假人模型中收集的IRS图像数据 | NA | NA | NA | NA |
| 289 | 2024-08-07 |
Encodings and models for antimicrobial peptide classification for multi-resistant pathogens
2019, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-019-0196-x
PMID:30867681
|
综述 | 本文综述了用于多重耐药病原体分类的抗菌肽编码和模型的最新进展 | 介绍了基于序列和结构聚合的氨基酸编码及其特性，并特别关注了从支持向量机和深度学习方法中派生的编码 | 尽管重点放在抗菌肽预测上，但并非所有提到的编码都已在抗菌研究中详细探讨，而是作为一般蛋白质或肽的表示 | 探讨如何通过机器学习方法自动化发现抗菌肽，并解决开发适当氨基酸编码的挑战 | 抗菌肽及其对多重耐药病原体的效果 | 机器学习 | NA | 机器学习方法 | 支持向量机和深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 290 | 2024-08-07 |
The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges
2019, Theranostics
IF:12.4Q1
DOI:10.7150/thno.30309
PMID:30867832
|
综述 | 本文综述了放射组学在肿瘤精准诊断和治疗中的应用，包括方法学进展和面临的挑战 | 介绍了放射组学在肿瘤管理中利用大量放射图像和新型计算技术提高诊断准确性和治疗反应评估的新工具 | 讨论了放射组学领域的挑战及其方法的临床适用性 | 旨在发展定量和个性化的医学 | 肿瘤的诊断、治疗规划和评估 | 数字病理学 | 肿瘤学 | 放射组学 | 深度学习 | 图像 | 大量放射图像 | NA | NA | NA | NA |
| 291 | 2024-08-07 |
Distinction between benign and malignant breast masses at breast ultrasound using deep learning method with convolutional neural network
2019-Jun, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-019-00831-5
PMID:30888570
|
研究论文 | 本研究使用卷积神经网络（CNN）深度学习方法区分乳腺超声图像中的良性与恶性肿块 | 本研究展示了CNN模型在区分乳腺超声图像中良性与恶性肿块的高诊断性能，与放射科医生相比，具有同等或更好的诊断效果 | NA | 利用深度学习和卷积神经网络区分乳腺超声图像中的良性与恶性肿块 | 乳腺超声图像中的良性与恶性肿块 | 机器学习 | 乳腺疾病 | 卷积神经网络（CNN） | CNN | 图像 | 训练数据包括480张良性肿块图像和467张恶性肿块图像，测试数据包括48张良性肿块图像和72张恶性肿块图像 | NA | NA | NA | NA |
| 292 | 2024-08-05 |
Skull-Stripping of Glioblastoma MRI Scans Using 3D Deep Learning
2019-Oct, Brainlesion : glioma, multiple sclerosis, stroke and traumatic brain injuries. BrainLes (Workshop)
DOI:10.1007/978-3-030-46640-4_6
PMID:32577629
|
研究论文 | 本文评估了使用3D深度学习架构进行胶质瘤MRI扫描的头骨去除性能 | 提出了一种新的方法，专注于多参数MRI扫描中的头骨去除，与现有方法相比能够更好地处理脑肿瘤图像 | 只评估了公共可用的实现，而未考虑其他潜在的3D深度学习架构 | 研究旨在优化在胶质瘤MRI图像上进行头骨去除的性能 | 使用1796个手动检查过的胶质瘤mpMRI扫描作为研究对象 | 计算机视觉 | 脑肿瘤 | 3D深度学习 | DeepMedic, 3D U-Net, FCN | MRI图像 | 1796个mpMRI脑肿瘤扫描 | NA | NA | NA | NA |
| 293 | 2024-08-05 |
DDL: Deep Dictionary Learning for Predictive Phenotyping
2019-Aug, IJCAI : proceedings of the conference
DOI:10.24963/ijcai.2019/812
PMID:33767572
|
研究论文 | 本文提出了一种深度字典学习框架（DDL），旨在通过使用无标签数据来改善预测表型的性能。 | 本研究创新性地使用无标签数据作为信息的补充来源，以生成更好、更简明的数据表示，从而克服标签不足的问题。 | 本研究可能受到无标签数据质量和多样性的影响，这可能限制了结果的广泛适用性。 | 研究的目的是提高基于电子健康记录（EHR）数据的预测表型准确性。 | 研究对象包括多个EHR数据集中的患者表型。 | 机器学习 | NA | 深度学习 | 深度字典学习 | 电子健康记录（EHR）数据 | 多个EHR数据集 | NA | NA | NA | NA |
| 294 | 2024-08-05 |
BIRNet: Brain image registration using dual-supervised fully convolutional networks
2019-05, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2019.03.006
PMID:30939419
|
研究论文 | 本文提出了一种通过预测变形从图像外观进行图像配准的深度学习方法 | 设计了一种全卷积网络，采用双重指导来避免过度依赖训练变形场的监督 | 获取训练的真实变形场可能具有挑战性 | 研究如何通过深度学习实现脑部图像的配准 | 脑部图像 | 计算机视觉 | NA | 深度学习 | 全卷积网络 | 图像 | 多种数据集的实验 | NA | NA | NA | NA |
| 295 | 2024-08-07 |
AFAR: A Deep Learning Based Tool for Automated Facial Affect Recognition
2019-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition
DOI:10.1109/FG.2019.8756623
PMID:31762712
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 296 | 2024-08-05 |
FULLY-AUTOMATIC SEGMENTATION OF KIDNEYS IN CLINICAL ULTRASOUND IMAGES USING A BOUNDARY DISTANCE REGRESSION NETWORK
2019-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI.2019.8759170
PMID:31803348
|
研究论文 | 本文提出一种新颖的边界距离回归深度神经网络用于自动分割临床超声图像中的肾脏 | 提出了一种全新的深度学习方法，通过边界距离回归网络解决肾脏形状和图像强度分布多样性的挑战 | 未提及具体的限制因素 | 提升肾脏自动分割的性能 | 针对超声图像中的肾脏进行自动分割 | 数字病理学 | NA | 深度学习 | 边界距离回归网络 | 图像 | NA | NA | NA | NA | NA |
| 297 | 2024-08-05 |
Machine learning for segmenting cells in corneal endothelium images
2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2513580
PMID:31762537
|
研究论文 | 本文研究了使用深度学习方法对角膜内皮细胞图像进行自动分割 | 比较了两种深度神经网络方法U-Net和SegNet在细胞分割中的表现 | 未明确提及本文的具体局限性 | 探讨如何自动分割角膜内皮细胞图像以评估角膜健康 | 角膜内皮细胞图像及其分割 | 计算机视觉 | NA | 深度学习 | U-Net和SegNet | 图像 | 130张有专家标注的图像 | NA | NA | NA | NA |
| 298 | 2024-08-05 |
Predicting Cognitive Scores from Resting fMRI Data and Geometric Features of the Brain
2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2512063
PMID:34305256
|
研究论文 | 本文探讨了深度学习神经网络在预测正常人群和注意力缺陷多动障碍(ADHD)患者的认知表现评分中的应用 | 研究展示了将休息态功能性磁共振成像(rfMRI)与几何特征相结合以提高认知评分预测的方法 | 样本量相对较小，仅包含168张图像，可能影响模型的泛化能力 | 探索使用深度学习神经网络来预测认知能力评分 | 正常对照和ADHD患者的脑部结构和功能成像数据 | 计算机视觉 | 注意力缺陷多动障碍 | 功能性磁共振成像(fMRI), T1加权磁共振成像(MRI) | 卷积神经网络(CNN) | 图像 | 168张图像用于训练，90张图像用于测试 | NA | NA | NA | NA |
| 299 | 2024-08-05 |
Surgical Aid Visualization System for Glioblastoma Tumor Identification based on Deep Learning and In-Vivo Hyperspectral Images of Human Patients
2019-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2512569
PMID:31447494
|
研究论文 | 本研究开发了一种基于深度学习和人脑组织的体内高光谱图像的外科辅助可视化系统，以支持胶质母细胞瘤的识别 | 提出了一种利用深度学习处理高光谱图像的手术辅助可视化系统，实现准确的肿瘤重切及术中实时指导 | 样本量较小，仅包括16个不同患者的高光谱数据 | 旨在提供实时、可靠的肿瘤切除辅助技术，以提高外科手术的准确性和病人生活质量 | 研究对象为人脑组织的高光谱图像 | 数字病理学 | 胶质瘤 | 高光谱成像（HSI） | 深度学习（DL） | 图像 | 16个不同患者的26个超立方体，总计258,810个标记像素 | NA | NA | NA | NA |
| 300 | 2024-08-05 |
A scalable discrete-time survival model for neural networks
2019, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.6257
PMID:30701130
|
研究论文 | 本文描述了一种适用于神经网络的离散时间生存模型Nnet-survival | 该模型使用小批量随机梯度下降方法进行训练，并具有灵活性，能够处理大数据集及不同的基线风险率 | 未提及具体的模型局限性 | 研究旨在提高生存数据的预测能力 | 研究对象为具有已知随访时间及事件/审查指标的患者数据 | 机器学习 | NA | 最大似然法 | 神经网络 | 模拟数据和真实数据 | NA | NA | NA | NA | NA |