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 646 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2024-08-14 |
Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus
2021-02-01, Journal of neurosurgery. Pediatrics
DOI:10.3171/2020.6.PEDS20251
PMID:33260138
|
研究论文 | 本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中 | 该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速 | NA | 开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策 | 200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算 | 计算机视觉 | 儿童脑积水 | 深度学习 | 编码器-解码器卷积神经网络 | T2加权MRI图像 | 200名阻塞性脑积水儿童和199名对照组 | NA | NA | NA | NA |
| 482 | 2024-08-14 |
An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models
2021, Journal of healthcare engineering
DOI:10.1155/2021/8113403
PMID:34326979
|
研究论文 | 本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别 | 本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误 | 研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一 | 提高皮肤病学图像的质量和分类准确性，以辅助诊断 | 七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌 | 计算机视觉 | 皮肤疾病 | 遗传算法（GA） | 卷积神经网络（CNN） | 图像 | 涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85% | NA | NA | NA | NA |
| 483 | 2024-08-13 |
Small whole heart volume predicts cardiovascular events in patients with stable chest pain: insights from the PROMISE trial
2021-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-021-07695-2
PMID:33501599
|
研究论文 | 本研究评估了从非对比心脏计算机断层扫描（CT）中提取的三维全心脏体积（WHV）在稳定胸痛患者中预测主要心血管事件（MACE）的预后价值 | 小全心脏体积可能是一个新的影像学标志物，用于稳定胸痛患者中预测主要心血管事件 | NA | 评估三维全心脏体积在稳定胸痛患者中预测主要心血管事件的预后价值 | 稳定胸痛患者 | 数字病理学 | 心血管疾病 | 计算机断层扫描（CT） | 深度学习 | 影像 | 3798名患者 | NA | NA | NA | NA |
| 484 | 2024-08-13 |
Automatic opportunistic osteoporosis screening in routine CT: improved prediction of patients with prevalent vertebral fractures compared to DXA
2021-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-020-07655-2
PMID:33507353
|
研究论文 | 本文比较了从常规CT中自动和手动评估的脊柱骨测量与双能X线吸收法（DXA）在关联现有骨质疏松性椎体骨折方面的表现，使用完全自动化的框架评估临床CT中的各种骨测量。 | 本文引入了用于骨质疏松症和低骨量的整体体积骨密度（vBMD）的诊断阈值，并展示了CT基础测量在识别经历过椎体骨折的骨量减少个体方面优于DXA。 | NA | 比较常规CT和DXA在预测现有骨质疏松性椎体骨折方面的效果。 | 192名患者（141名女性，51名男性；年龄70.2 ± 9.7岁）的脊柱骨测量。 | 数字病理学 | 骨质疏松症 | 卷积神经网络（CNN） | CNN | 图像 | 192名患者 | NA | NA | NA | NA |
| 485 | 2024-08-13 |
A clinical deep learning framework for continually learning from cardiac signals across diseases, time, modalities, and institutions
2021-07-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-021-24483-0
PMID:34244504
|
研究论文 | 本文提出了一种名为CLOPS的持续学习策略，用于解决临床环境中深度学习算法在处理非独立同分布数据时性能下降的问题 | CLOPS策略通过使用回放缓冲区和基于不确定性的获取函数，有效减轻了破坏性干扰，并在多种临床场景中表现优于现有方法 | NA | 旨在开发一种能够持续学习并保持性能稳定的临床深度学习框架 | 心脏信号数据，涉及不同疾病、时间、数据模态和医疗机构 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习系统 | 信号 | NA | NA | NA | NA | NA |
| 486 | 2024-08-13 |
Super-compression of large electron microscopy time series by deep compressive sensing learning
2021-Jul-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2021.100292
PMID:34286306
|
研究论文 | 本文提出了一种结合深度学习和时间压缩感知（TCS）的电子显微镜（EM）大数据压缩策略 | 利用端到端深度学习网络和TCS技术，实现了高压缩比（最高达30倍）且高质量的图像重建 | NA | 解决电子显微镜高速检测带来的大数据处理和存储挑战 | 电子显微镜图像序列的压缩与重建 | 计算机视觉 | NA | 深度学习, 时间压缩感知（TCS） | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 487 | 2024-08-13 |
A Deep Learning Approach for Segmentation, Classification, and Visualization of 3-D High-Frequency Ultrasound Images of Mouse Embryos
2021-07, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2021.3068156
PMID:33755564
|
研究论文 | 本文提出了一种用于自动分割和分类小鼠胚胎高频超声图像的深度学习流程 | 采用两阶段框架进行分割，显著减少了推理时间并保持高精度；通过梯度反向传播，训练的分类器能够聚焦于已知遗传突变表型的区域 | NA | 开发一种准确、高效且可解释的深度学习方法，用于小鼠胚胎脑室和身体的自动分割与分类 | 小鼠胚胎的高频超声图像 | 计算机视觉 | NA | 高频超声（HFU） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 488 | 2024-08-13 |
A comparison of the fusion model of deep learning neural networks with human observation for lung nodule detection and classification
2021-Jul-01, The British journal of radiology
DOI:10.1259/bjr.20210222
PMID:34111976
|
研究论文 | 本研究比较了深度学习神经网络融合模型与人类观察者在肺结节检测和分类中的诊断性能 | 提出了一种使用四种先进对象检测器的融合模型，用于肺结节的检测和鉴别 | 融合AI算法在估计恶性风险方面的表现略低于观察者 | 比较新开发的人工智能算法与人类观察者在肺结节恶性风险估计中的诊断性能 | 158个来自158名患者的肺结节 | 机器学习 | 肺癌 | 卷积神经网络（CNN） | 融合模型 | 图像 | 158个结节（81个良性，77个恶性） | NA | NA | NA | NA |
| 489 | 2024-08-13 |
Early prediction of diagnostic-related groups and estimation of hospital cost by processing clinical notes
2021-Jul-01, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-021-00474-9
PMID:34211109
|
研究论文 | 本文研究使用深度学习自然语言处理模型在患者入院早期预测诊断相关分组（DRG）和估计医院成本 | 提出了一种基于深度学习的自然语言处理模型，能够在患者入院早期自动预测DRG和相应的成本反映权重，无需人工编码 | 模型在模拟患者群体中的准确性随时间增加，但具体的临床应用效果和泛化能力需要进一步验证 | 旨在通过早期预测DRG和估计医院成本，支持医院更好的运营决策 | 研究对象为接受Medicare Severity DRG或All Patient Refined DRG支付的两个队列 | 自然语言处理 | NA | 深度学习 | 自然语言处理模型 | 文本 | 两个队列的数据，具体样本量未详细说明 | NA | NA | NA | NA |
| 490 | 2024-08-13 |
Deep learning techniques have significantly impacted protein structure prediction and protein design
2021-06, Current opinion in structural biology
IF:6.1Q1
DOI:10.1016/j.sbi.2021.01.007
PMID:33639355
|
研究论文 | 本文探讨了深度学习技术在蛋白质结构预测和蛋白质设计中的应用及其显著影响 | 文章介绍了深度神经网络在空间约束预测和端到端模型训练中的应用，显著提高了蛋白质结构预测的准确性，并在蛋白质设计领域取得了显著进步 | NA | 研究深度学习技术如何影响蛋白质结构预测和蛋白质设计 | 蛋白质结构预测和蛋白质设计 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 491 | 2024-08-13 |
Deep Learning to Predict Cardiac Magnetic Resonance-Derived Left Ventricular Mass and Hypertrophy From 12-Lead ECGs
2021-06, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.120.012281
PMID:34126762
|
研究论文 | 本研究利用深度学习模型从12导联心电图预测心脏磁共振成像（CMR）衍生的左心室质量及肥厚情况 | 本研究提出了一种新的深度学习模型，通过12导联心电图预测CMR衍生的左心室质量，可能改善左心室肥厚的检测 | NA | 研究目的是通过深度学习模型提高从12导联心电图预测左心室肥厚的准确性 | 研究对象包括UK Biobank前瞻性队列中的32,239名接受CMR和12导联心电图检查的个体 | 机器学习 | 心血管疾病 | 卷积神经网络 | CNN | 心电图数据 | 训练集包含32,239名个体，独立测试集包含UK Biobank的4,903名个体和Mass General Brigham的1,371名个体 | NA | NA | NA | NA |
| 492 | 2024-08-13 |
Automatic classification of esophageal disease in gastroscopic images using an efficient channel attention deep dense convolutional neural network
2021-Jun-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.420935
PMID:34221645
|
研究论文 | 本文提出了一种高效的通道注意力深度密集卷积神经网络（ECA-DDCNN），用于自动分类胃镜图像中的四种主要食管疾病类别 | 本文的创新点在于提出了一种新的ECA-DDCNN模型，能够分类更多种类的食管疾病，并提高了分类准确性 | NA | 提高食管疾病的诊断效率和准确性 | 食管疾病的自动分类 | 计算机视觉 | 食管癌 | 深度学习 | ECA-DDCNN | 图像 | 20,965张胃镜图像，来自4,077名患者 | NA | NA | NA | NA |
| 493 | 2024-08-13 |
Diagnostic Performance of Artificial Intelligence-Based Models for the Detection of Early Esophageal Cancers in Barret's Esophagus: A Meta-Analysis of Patient-Based Studies
2021-Jun, Cureus
DOI:10.7759/cureus.15447
PMID:34258114
|
meta-分析 | 本研究旨在通过meta分析评估人工智能模型在实时白光内镜下检测Barret食管中早期食管腺癌的诊断性能 | 利用人工智能模型提高Barret食管中早期食管腺癌的诊断准确性 | 研究数量较少，需要进一步的前瞻性研究来验证人工智能模型的患者基础诊断准确性 | 评估人工智能模型在检测Barret食管中早期食管腺癌的诊断性能 | Barret食管患者中的早期食管腺癌 | 机器学习 | 食管癌 | 人工智能 | CNN | 图像 | 共纳入3项研究，报告了4个数据集 | NA | NA | NA | NA |
| 494 | 2024-08-13 |
Investigating the Impact of the Bit Depth of Fluorescence-Stained Images on the Performance of Deep Learning-Based Nuclei Instance Segmentation
2021-May-27, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics11060967
PMID:34072131
|
研究论文 | 研究了荧光染色图像的位深度对基于深度学习的细胞核实例分割性能的影响 | 首次探讨了图像位深度对基于深度学习的细胞核实例分割性能的影响 | NA | 评估不同位深度的荧光染色图像对细胞核实例分割性能的影响 | 细胞核实例分割性能 | 计算机视觉 | NA | 深度学习 | DL-based methods | 图像 | 来自五个不同小鼠器官的荧光染色组织图像 | NA | NA | NA | NA |
| 495 | 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 |
| 496 | 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 |
| 497 | 2024-08-12 |
Validation of Visual and Auditory Digital Markers of Suicidality in Acutely Suicidal Psychiatric Inpatients: Proof-of-Concept Study
2021-06-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/25199
PMID:34081022
|
研究论文 | 本文通过视频访谈，利用开源深度学习算法量化面部、语音和运动行为，以评估自杀风险的严重程度 | 首次使用数字标记方法量化自杀风险症状，如面部表情、头部运动和语音特征 | 研究样本较小，仅包括20名近期自杀未遂的精神科住院患者 | 探索通过视频访谈中的面部、语音和运动行为量化自杀风险严重程度 | 近期自杀未遂的精神科住院患者 | 计算机视觉 | 精神疾病 | 深度学习算法 | NA | 视频 | 20名患者 | NA | NA | NA | NA |
| 498 | 2024-08-12 |
In silico drug repositioning using deep learning and comprehensive similarity measures
2021-Jun-01, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-020-03882-y
PMID:34074242
|
研究论文 | 本文开发了一种深度门控循环单元模型，利用综合相似性度量和高斯交互轮廓核来预测潜在的药物-疾病相互作用，以加速药物再定位和新药研发 | 本文采用了深度门控循环单元模型和综合相似性度量，以及高斯交互轮廓核来预测药物-疾病相互作用，这一方法在之前的研究中未被充分利用 | NA | 加速药物再定位和新药研发 | 药物-疾病相互作用 | 机器学习 | NA | 深度学习 | 门控循环单元 (GRU) | 化学指纹和疾病关联数据 | 两个基准数据集 | NA | NA | NA | NA |
| 499 | 2024-08-12 |
Non-invasive measurement of PD-L1 status and prediction of immunotherapy response using deep learning of PET/CT images
2021-06, Journal for immunotherapy of cancer
IF:10.3Q1
DOI:10.1136/jitc-2020-002118
PMID:34135101
|
研究论文 | 本文利用深度学习技术从PET/CT图像中非侵入性地测量PD-L1状态并预测免疫治疗反应 | 提出了一种基于深度学习的小残差卷积网络（SResCNN）来预测PD-L1表达状态，并验证了其在预测无进展生存期（PFS）和总生存期（OS）方面的有效性 | 研究结果需要在大规模前瞻性试验中进一步验证 | 开发一种替代免疫组化（IHC）的非侵入性方法来测量PD-L1状态，以指导个体化治疗决策 | 非小细胞肺癌（NSCLC）患者 | 计算机视觉 | 肺癌 | PET/CT成像 | 小残差卷积网络（SResCNN） | 图像 | 697名NSCLC患者 | NA | NA | NA | NA |
| 500 | 2024-08-12 |
Deep Learning Algorithm for Automated Cardiac Murmur Detection via a Digital Stethoscope Platform
2021-05-04, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.120.019905
PMID:33899504
|
研究论文 | 本研究评估了一种深度学习算法通过商用数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病的性能 | 该算法能够检测到与专家心脏病医生相媲美的心脏杂音和临床显著性主动脉瓣狭窄及二尖瓣反流 | 算法在检测较轻微的杂音（1级强度）时灵敏度较低 | 评估深度学习算法在通过数字听诊器平台检测心脏杂音和临床显著性瓣膜心脏病中的表现 | 心脏杂音和临床显著性瓣膜心脏病 | 机器学习 | 心血管疾病 | 深度学习 | 深度神经网络 | 音频 | 962名患者的心音记录 | NA | NA | NA | NA |