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 168 篇文献，本页显示第 121 - 140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2024-08-13 |
Bayesian neural networks for stock price forecasting before and during COVID-19 pandemic
2021, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0253217
PMID:34197473
|
研究论文 | 本文研究了在COVID-19大流行前后使用贝叶斯神经网络进行股票价格多步预测的可行性 | 采用了带有并行回火MCMC的朗之万梯度法，能够在并行计算环境中实施贝叶斯神经网络的推断 | 由于参数数量多和需要更好的计算资源，传统的MCMC方法存在局限性 | 探讨在COVID-19大流行期间股票市场波动性增加的情况下，贝叶斯神经网络在股票价格预测中的表现 | 股票价格预测模型在COVID-19大流行前后的表现 | 机器学习 | NA | 贝叶斯神经网络 | 贝叶斯神经网络 | 股票市场数据 | 具体样本数量未明确 | NA | NA | NA | NA |
| 122 | 2024-08-13 |
Perceived Teacher Autonomy Support and Students' Deep Learning: The Mediating Role of Self-Efficacy and the Moderating Role of Perceived Peer Support
2021, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2021.652796
PMID:34234709
|
研究论文 | 本研究旨在探讨自我效能在大学生感知教师自主支持与深度学习之间的中介作用，以及学生感知到的同伴支持是否能调节感知教师自主支持与深度学习之间的关系 | 研究首次探讨了自我效能在感知教师自主支持与深度学习之间的中介作用，以及同伴支持的调节作用 | 研究样本仅来自贵州省一所本科师范大学的1800名大学生，可能限制了结果的普遍性 | 测试自我效能的中介作用及同伴支持的调节作用 | 大学生感知教师自主支持、自我效能、同伴支持与深度学习之间的关系 | NA | NA | 描述性分析、相关分析、探索性因子分析、验证性因子分析、调节效应分析和中介效应分析 | NA | 调查数据 | 1800名大学生 | NA | NA | NA | NA |
| 123 | 2024-08-12 |
An integrative microenvironment approach for laryngeal carcinoma: the role of immune/methylation/autophagy signatures on disease clinical prognosis and single-cell genotypes
2021, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.58076
PMID:34093817
|
研究论文 | 本研究全面探讨了甲基化/自噬相关基因（MARGs）和免疫浸润在肿瘤微环境中对喉癌预后的影响 | 建立了基于MARGs和免疫细胞的预后风险评分系统（pRS），并利用单细胞RNA测序技术揭示了高风险细胞簇中的成纤维细胞富集 | NA | 探讨肿瘤微环境中的免疫/甲基化/自噬特征对喉癌临床预后和单细胞基因型的作用 | 喉癌的预后和单细胞基因型 | 数字病理学 | 喉癌 | 单细胞RNA测序 | 深度学习模型 | 基因数据 | 126个MARGs和10种免疫细胞，以及临床样本和GEO数据集 | NA | NA | NA | NA |
| 124 | 2024-08-12 |
COVID-19 pneumonia on chest X-rays: Performance of a deep learning-based computer-aided detection system
2021, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0252440
PMID:34097708
|
研究论文 | 本研究评估了一种基于深度学习的计算机辅助检测系统（CAD）在胸部X光片上识别COVID-19肺炎的性能 | 首次详细研究了现有CAD系统在胸部X光片上识别COVID-19及其相关肺炎的性能，并展示了CAD系统在资源有限环境下辅助非放射科医生进行诊断的潜力 | 研究仅使用了商业化的、监管批准的CAD系统，未探讨其他可能的CAD系统的性能 | 评估CAD系统在胸部X光片上识别COVID-19肺炎的性能，并探讨其在资源有限环境下的应用潜力 | COVID-19患者的胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | 来自四个机构的COVID-19阳性患者和来自一个机构的阴性患者的胸部X光片 | NA | NA | NA | NA |
| 125 | 2024-08-12 |
MRI Evaluation of Complete Response of Locally Advanced Rectal Cancer After Neoadjuvant Therapy: Current Status and Future Trends
2021, Cancer management and research
IF:2.5Q3
DOI:10.2147/CMAR.S309252
PMID:34103987
|
综述 | 本文综述了磁共振成像（MRI）在评估局部晚期直肠癌新辅助治疗后完全反应中的当前状态和未来趋势 | 近年来，新的技术如纹理分析、放射组学分析和深度学习在基于MRI参数的评估中显示出巨大潜力 | 目前基于形态学和功能性MRI的参数仍存在局限性，结果不一致 | 旨在回顾并更好地理解这些基于MRI的方法在评估直肠癌完全反应中的优势、局限性和未来趋势 | 局部晚期直肠癌患者新辅助治疗后的完全肿瘤反应评估 | NA | 直肠癌 | 磁共振成像（MRI） | NA | 影像 | NA | NA | NA | NA | NA |
| 126 | 2024-08-12 |
An optimized transfer learning-based approach for automatic diagnosis of COVID-19 from chest x-ray images
2021, PeerJ. Computer science
DOI:10.7717/peerj-cs.555
PMID:34141886
|
研究论文 | 本文介绍了一种基于优化迁移学习的自动诊断COVID-19的方法，通过优化十二种CNN架构的网络超参数，使用胸部X光图像进行COVID-19病例诊断 | 采用Manta-Ray Foraging Optimization (MRFO)算法优化CNN架构的超参数，提高了分类性能 | NA | 开发一种快速准确的COVID-19自动诊断方法，以应对检测试剂盒短缺的问题 | COVID-19、细菌性肺炎、病毒性肺炎和正常病例的分类 | 计算机视觉 | COVID-19 | 迁移学习 | CNN | 图像 | 从八个不同的公共数据集中收集的数据，用于分类四类病例 | NA | NA | NA | NA |
| 127 | 2024-08-11 |
Development and Validation of a Nomogram for Preoperative Prediction of Lymph Node Metastasis in Lung Adenocarcinoma Based on Radiomics Signature and Deep Learning Signature
2021, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2021.585942
PMID:33968715
|
研究论文 | 本研究旨在开发和验证一种基于放射组学特征和深度学习特征的诺模图，用于预测肺腺癌患者的术前淋巴结转移情况 | 本研究结合放射组学特征和深度学习特征，开发了一种新的预测模型，用于术前预测肺腺癌患者的淋巴结转移情况 | 本研究为回顾性研究，样本量相对较小，可能影响模型的泛化能力 | 开发和验证一种用于预测肺腺癌患者术前淋巴结转移的诺模图 | 肺腺癌患者的术前淋巴结转移情况 | 数字病理学 | 肺癌 | CT（计算机断层扫描） | CNN（卷积神经网络） | 图像 | 训练集200例，内部验证集40例，外部验证集60例 | NA | NA | NA | NA |
| 128 | 2024-08-11 |
Characterization of time-variant and time-invariant assessment of suicidality on Reddit using C-SSRS
2021, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0250448
PMID:33999927
|
研究论文 | 本研究开发深度学习算法，基于C-SSRS评估Reddit数据中的自杀风险，考虑了风险的严重性和时间性 | 首次同时考虑自杀风险的严重性和时间性，并开发了时间变异和时间不变的深度学习模型进行评估 | 研究仅限于Reddit平台的数据，且模型性能在预测自杀相关行为和自杀尝试方面仍有提升空间 | 提高自杀风险评估的准确性，以便及时进行干预 | Reddit平台上的自杀相关帖子和用户行为 | 机器学习 | NA | 深度学习 | CNN | 文本 | 使用基于C-SSRS标注的临床 adjudicated Reddit语料库进行评估 | NA | NA | NA | NA |
| 129 | 2024-08-10 |
DL-MRI: A Unified Framework of Deep Learning-Based MRI Super Resolution
2021, Journal of healthcare engineering
DOI:10.1155/2021/5594649
PMID:33897991
|
研究论文 | 本文提出了一种基于深度学习的MRI超分辨率统一框架，将先进的深度学习方法应用于MRI超分辨率 | 该框架整合了五种具有最佳超分辨率效果的深度学习方法，并构建了一个包含×2、×3和×4尺度的高低分辨率MR图像数据集 | NA | 旨在提高MRI图像的分辨率，以帮助医生更准确地定位病变和诊断疾病 | MRI图像的超分辨率处理 | 计算机视觉 | NA | 深度学习 | 深度学习方法 | 图像 | 包含颅骨、膝盖、乳房和头颈部的MR图像数据集 | NA | NA | NA | NA |
| 130 | 2024-08-10 |
Determinants of Tourism Stocks During the COVID-19: Evidence From the Deep Learning Models
2021, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2021.675801
PMID:33898386
|
研究论文 | 本文研究了2018年10月25日至2020年10月21日期间，包括COVID-19时期中国旅游股票回报的决定因素，并提出了基于反向传播神经网络（BPNN）的四种深度学习预测模型 | 提出了基于量子群智能算法（QSIA）、量子步长果蝇优化算法（QSFOA）、量子粒子群优化算法（QPSO）和量子遗传算法（QGA）的深度学习预测模型 | NA | 研究旅游股票回报的决定因素，并评估不同深度学习模型的预测准确性 | 中国旅游股票回报 | 机器学习 | NA | 深度学习 | 反向传播神经网络（BPNN） | 股票回报数据 | 2018年10月25日至2020年10月21日的数据 | NA | NA | NA | NA |
| 131 | 2024-08-10 |
A Multisite Study of a Breast Density Deep Learning Model for Full-Field Digital Mammography and Synthetic Mammography
2021-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.2020200015
PMID:33937850
|
研究论文 | 本研究开发了一个用于全数字化乳腺X线摄影和合成乳腺摄影的BI-RADS乳腺密度深度学习模型，并在多中心环境中进行了评估。 | 该模型在没有使用合成乳腺摄影图像进行训练的情况下，在两个机构的全数字化乳腺X线摄影和合成乳腺摄影图像上展示了强大的性能，并通过使用少量合成乳腺摄影图像进一步改进。 | NA | 开发和评估一个用于合成二维乳腺摄影图像的BI-RADS乳腺密度深度学习模型。 | 全数字化乳腺X线摄影图像和合成乳腺摄影图像。 | 机器学习 | 乳腺疾病 | 深度学习 | 深度学习模型 | 图像 | 57,492名患者，187,627次检查，750,752张图像（站点1，全数字化乳腺X线摄影）；3,842名患者，3,866次检查，14,472张图像（站点1，合成乳腺摄影）；7,557名患者，16,283次检查，63,973张图像（站点2，合成乳腺摄影）。 | NA | NA | NA | NA |
| 132 | 2024-08-09 |
Using artificial intelligence to assist radiologists in distinguishing COVID-19 from other pulmonary infections
2021, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-200735
PMID:33164982
|
研究论文 | 本研究开发了一种基于深度学习算法的AI模型，使用ResUNet网络，评估放射科医生在有无AI辅助下区分COVID-19与其他肺部感染的能力 | 本研究首次使用ResUNet网络的深度学习模型，显著提高了放射科医生在区分COVID-19与其他肺部感染的准确性和敏感性 | 研究仅使用了694个病例和111,066张CT扫描图像，样本量可能不足以完全代表所有病例 | 开发和验证一种AI模型，以提高放射科医生在CT扫描中区分COVID-19与其他肺部感染的能力 | COVID-19感染的肺炎患者与其他肺部感染患者 | 计算机视觉 | COVID-19 | 深度学习算法 | ResUNet | 图像 | 694个病例，包括118个COVID-19感染的肺炎病例和576个其他肺部感染病例 | NA | NA | NA | NA |
| 133 | 2024-08-09 |
Deep Learning in the Detection and Diagnosis of COVID-19 Using Radiology Modalities: A Systematic Review
2021, Journal of healthcare engineering
DOI:10.1155/2021/6677314
PMID:33747419
|
综述 | 本文通过系统综述方法，探讨了利用深度学习模型在放射学模式下检测和诊断COVID-19的现状 | 深度学习模型提供了准确且高效的系统，显著提高了敏感性和特异性值 | NA | 旨在解决COVID-19早期检测和诊断的主要挑战，并提高诊断准确性 | COVID-19的放射学图像 | 机器学习 | COVID-19 | 深度学习 | 深度学习模型 | 图像 | 37篇文章作为研究样本 | NA | NA | NA | NA |
| 134 | 2024-08-09 |
Comparison of machine learning and deep learning techniques in promoter prediction across diverse species
2021, PeerJ. Computer science
DOI:10.7717/peerj-cs.365
PMID:33817015
|
研究论文 | 本文比较了机器学习和深度学习技术在不同物种中预测基因启动子的效果 | 使用频率基础的标记化（FBT）进行数据预处理，减少了输入维度并缩短了训练时间，同时保持了分类的敏感性和特异性 | NA | 研究机器学习和深度学习模型在基因启动子预测中的应用 | 酵母、植物和人类的基因组序列 | 机器学习 | NA | 一维卷积神经网络（CNN）、长短期记忆（LSTM）和随机森林（RF）分类器 | CNN、LSTM、RF | 基因组序列 | 涉及酵母、植物和人类三种不同的真核生物 | NA | NA | NA | NA |
| 135 | 2024-08-08 |
Artificial Intelligence in Nutrients Science Research: A Review
2021-Jan-22, Nutrients
IF:4.8Q1
DOI:10.3390/nu13020322
PMID:33499405
|
综述 | 本文分析了人工智能在营养科学研究中的当前应用 | 探讨了人工智能在食品成分研究、营养素生产和个性化营养支持系统开发中的应用 | NA | 分析人工智能在营养科学研究中的应用 | 人工智能在生物医学营养研究、临床营养研究和营养流行病学中的应用 | 计算机科学 | NA | 人工智能 | 人工神经网络 (ANN), 机器学习 (ML), 深度学习 (DL) | 文本 | 399篇文献，最终筛选出55篇 | NA | NA | NA | NA |
| 136 | 2024-08-08 |
Deep Learning in Head and Neck Tumor Multiomics Diagnosis and Analysis: Review of the Literature
2021, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2021.624820
PMID:33643386
|
综述 | 本文综述了深度学习在头颈部肿瘤多组学诊断和分析中的应用 | 深度学习技术如卷积神经网络（CNN）和其他神经网络在头颈部肿瘤的多组学图像分析中的应用 | 强调了这些技术的挑战和潜在问题 | 评估深度学习在头颈部肿瘤早期检测、分类、预后/转移预测及报告签署中的应用 | 头颈部肿瘤的多组学数据 | 计算机视觉 | 头颈部肿瘤 | 深度学习（DL） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 137 | 2024-08-07 |
Disease Concept-Embedding Based on the Self-Supervised Method for Medical Information Extraction from Electronic Health Records and Disease Retrieval: Algorithm Development and Validation Study
2021-01-27, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/25113
PMID:33502324
|
研究论文 | 本研究开发并验证了一种基于自监督方法的疾病概念嵌入模型，用于从电子健康记录中提取医疗信息并进行疾病检索 | 提出了一种基于Transformer的模型，结合BERT和对比学习方法（DIM和SimCLR）进行疾病概念的无监督嵌入 | 使用较小的数据集或较少的无监督预训练方法会降低预测性能 | 创建一个模型从电子健康记录中提取概念嵌入，用于疾病模式检索和进一步分类任务 | 从电子健康记录中提取医疗信息并进行疾病检索 | 自然语言处理 | NA | Transformer, BERT, DIM, SimCLR | Transformer | 文本 | 1,040,989次急诊部门访问和305,897个样本 | NA | NA | NA | NA |
| 138 | 2024-08-07 |
Integrating deep learning CT-scan model, biological and clinical variables to predict severity of COVID-19 patients
2021-01-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-020-20657-4
PMID:33504775
|
研究论文 | 本文通过整合深度学习CT扫描模型、生物学和临床变量来预测COVID-19患者的严重程度 | 构建了包含深度学习模型和五个临床生物学变量的多模态AI严重程度评分，显著提高了预测性能 | 深度学习模型提供的预后信息与其他严重程度标志物相关，导致AUC增加有限 | 识别COVID-19疾病严重程度的预测因子 | COVID-19患者 | 机器学习 | COVID-19 | 深度学习 | 神经网络 | CT扫描图像 | 1003名冠状病毒感染患者 | NA | NA | NA | NA |
| 139 | 2024-08-07 |
Prediction of Alzheimer's disease-specific phospholipase c gamma-1 SNV by deep learning-based approach for high-throughput screening
2021-01-19, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2011250118
PMID:33397809
|
研究论文 | 本研究利用全基因组关联研究（GWAS）和基于深度学习的剪接预测工具，发现阿尔茨海默病（AD）特异性的单核苷酸变异（SNV）及磷脂酶c gamma-1基因的异常剪接 | 本研究结合计算和深度学习分析，首次预测了与AD相关的关键SNV，并展示了其在AD预测中的临床应用潜力 | NA | 旨在发现阿尔茨海默病特异性的单核苷酸变异及其对基因剪接的影响 | 阿尔茨海默病特异性的单核苷酸变异和磷脂酶c gamma-1基因的异常剪接 | 机器学习 | 阿尔茨海默病 | 全基因组关联研究（GWAS） | 深度学习 | 基因序列 | 使用AD小鼠模型和人类基因序列进行训练和预测 | NA | NA | NA | NA |
| 140 | 2024-08-07 |
Assessing the Role of Pericardial Fat as a Biomarker Connected to Coronary Calcification-A Deep Learning Based Approach Using Fully Automated Body Composition Analysis
2021-Jan-19, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm10020356
PMID:33477874
|
研究论文 | 本研究使用深度学习方法，通过全自动体成分分析评估心包脂肪作为冠状动脉钙化的生物标志物的角色 | 本研究首次证明了全自动脂肪组织分析在临床心脏CT中的可行性，并在大规模临床队列中确认了EAT和PAT的体积和密度与CACS无相关性 | 研究结果显示EAT和PAT的体积和密度与CACS无显著相关性，但未达到男性患者EAT衰减的显著性水平 | 探索全自动EAT和PAT量化在心血管风险分层中的潜在应用 | 966名具有中等Framingham风险评分的冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习网络 | CT图像 | 966名患者 | NA | NA | NA | NA |