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 1833 篇文献，本页显示第 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2024-08-05 |
Machine learning based multi-modal prediction of future decline toward Alzheimer's disease: An empirical study
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0277322
PMID:36383528
|
研究论文 | 该论文进行了一项实证研究，以多模态数据预测个体未来阿尔茨海默病的发展轨迹 | 提出了一种能够处理不同未来时间范围和异构数据的机器学习策略 | 预测认知正常个体的未来衰退比轻度认知障碍个体更具挑战性 | 早期识别阿尔茨海默病高风险个体以促进有效治疗和预防 | 个体未来阿尔茨海默病发展轨迹的预测 | 机器学习 | 阿尔茨海默病 | 深度学习 | 线性和非线性模型 | 多模态数据 | NA | NA | NA | NA | NA |
| 1802 | 2024-08-07 |
Anatomy-guided deep learning for object localization in medical images
2022 Feb-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2612566
PMID:36860592
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1803 | 2024-08-07 |
Predicting post-contrast information from contrast agent free cardiac MRI using machine learning: Challenges and methods
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.894503
PMID:36051279
|
研究论文 | 本研究旨在通过分析对比剂前后的心脏磁共振成像（CMR）图像，利用对比剂前的信息预测对比剂后的信息，并提出相应的方法和挑战。 | 本研究首次尝试使用深度学习（DL）、支持向量机（SVM）和决策树（DT）方法，从无对比剂的心脏磁共振成像中预测对比剂后的信息。 | 初步结果显示性能一般，这一研究领域仍存在许多未解决的问题。 | 研究目的是通过对比剂前的心脏磁共振成像预测对比剂后的信息。 | 研究对象包括272例回顾性选择的心脏磁共振成像研究，其中108例为心肌梗死（MI），164例为健康对照。 | 机器学习 | 心血管疾病 | 深度学习 | UNet和ResNet50 | 图像 | 272例心脏磁共振成像研究，包括108例心肌梗死和164例健康对照，共使用722对电影短轴（SAX）图像和分割掩模进行实验。 | NA | NA | NA | NA |
| 1804 | 2024-08-07 |
Editor's choice to the May 2022 issue : Fully automated quantification of cardiac chambers and function in 2D echo by Deep Learning, and a modern atlas of invasive coronary angiographic views
2022-May, The international journal of cardiovascular imaging
DOI:10.1007/s10554-022-02621-z
PMID:38819731
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1805 | 2024-08-07 |
Using deep learning method to identify left ventricular hypertrophy on echocardiography
2022-Apr, The international journal of cardiovascular imaging
DOI:10.1007/s10554-021-02461-3
PMID:34757566
|
研究论文 | 本研究旨在开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚（LVH） | 引入了ResNet和U-net++模型，分别用于分类和分割任务，并成功构建了一个集成框架，能够自动分类四种情况（正常、HCM、CA和HHD） | NA | 开发一种基于深度学习算法的半自动诊断网络，用于通过超声心动图检测左心室肥厚 | 左心室肥厚（LVH）及其潜在病因 | 机器学习 | 心血管疾病 | 深度学习 | ResNet, U-net++ | 图像 | 1610份经胸超声心动图，包括724名患者（189名高血压性心脏病，218名肥厚型心肌病，58名心脏淀粉样变性，以及259名对照组） | NA | NA | NA | NA |
| 1806 | 2024-08-07 |
A unifying Bayesian framework for merging X-ray diffraction data
2022-12-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-35280-8
PMID:36522310
|
研究论文 | 本文提出了一种统一的贝叶斯框架，用于合并X射线衍射数据，通过深度学习和变分推断同时重新缩放和合并反射观测 | 利用深度学习和变分推断技术，提出了一种新的贝叶斯方法来处理和合并X射线衍射数据中的反射观测 | NA | 开发一种新的方法来处理和合并X射线衍射数据，以更准确地检测生物分子功能动态中的细微构象变化 | X射线衍射数据中的反射观测 | 计算机视觉 | NA | X射线衍射 | 深度学习 | 衍射数据 | NA | NA | NA | NA | NA |
| 1807 | 2024-08-07 |
Meaning maps detect the removal of local semantic scene content but deep saliency models do not
2022-Apr, Attention, perception & psychophysics
DOI:10.3758/s13414-021-02395-x
PMID:35138579
|
研究论文 | 本研究通过使用一种设计来移除图像区域意义同时保留其图像特征的微分同胚图像变换，测试了意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 本研究首次直接测试了意义地图和深度学习模型对语义内容损失的敏感性，并发现意义地图能够反映场景中的局部语义内容，而深度显着性模型则不能。 | 研究仅使用了三种最先进的深度学习模型，可能未能涵盖所有类型的深度学习模型。 | 验证意义地图是否能捕捉语义内容，以及深度学习模型是否仅表示语义中性的图像特征。 | 意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 计算机视觉 | NA | 微分同胚图像变换 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1808 | 2024-08-07 |
Identifying Barriers to Post-Acute Care Referral and Characterizing Negative Patient Preferences Among Hospitalized Older Adults Using Natural Language Processing
2022, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:37128417
|
研究论文 | 本研究利用自然语言处理技术识别住院老年患者接受急性后护理的障碍，并分析患者的负面偏好 | 开发了一种自然语言处理分类器，用于识别最高价值的急性后护理障碍类别，即患者的负面偏好，并比较了多种机器学习模型，包括深度学习模型 | 研究样本仅包括594份急性护理笔记，来自100名患者，可能影响结果的普遍性 | 旨在检测住院老年患者接受急性后护理的常见障碍 | 住院老年患者的临床笔记 | 自然语言处理 | NA | 自然语言处理 | 深度学习模型 | 文本 | 594份急性护理笔记，来自100名患者 | NA | NA | NA | NA |
| 1809 | 2024-08-07 |
Two fully automated data-driven 3D whole-breast segmentation strategies in MRI for MR-based breast density using image registration and U-Net with a focus on reproducibility
2022-Oct-11, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-022-00121-4
PMID:36219359
|
研究论文 | 本研究开发了两种基于图像配准和3D U-Net的全自动数据驱动3D全乳房分割策略，用于MRI中的乳腺密度测量，重点关注可重复性 | 提出的图像配准和深度学习全乳房分割方法在乳腺密度测量中表现出高度的准确性和可靠性，优于先前开发的算法和手动分割方法 | NA | 开发一种高度可重复且准确的乳腺密度测量算法 | 乳腺MRI图像的全乳房分割 | 数字病理学 | 乳腺癌 | 图像配准，3D U-Net | U-Net | 图像 | 三个来自两个临床试验的志愿者数据集 | NA | NA | NA | NA |
| 1810 | 2024-08-07 |
Genomics transformer for diagnosing Parkinson's disease
2022-Sep, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics
DOI:10.1109/bhi56158.2022.9926815
PMID:36824448
|
研究论文 | 本文介绍了一种基于transformer编码器的新模型，用于根据基因型数据对帕金森病（PD）患者和健康对照者进行分类 | 该模型能够有效建模复杂的全局特征交互，并通过学习到的注意力分数提高可解释性 | NA | 旨在克服传统评估方法在捕捉基因型数据中复杂交互方面的局限性，提高帕金森病的诊断能力 | 帕金森病患者和健康对照者的基因型数据 | 机器学习 | 帕金森病 | NA | transformer | 基因型数据 | NA | NA | NA | NA | NA |
| 1811 | 2024-08-07 |
Displacement detection with sub-pixel accuracy and high spatial resolution using deep learning
2022-Jan, Journal of medical ultrasonics (2001)
DOI:10.1007/s10396-021-01162-7
PMID:34837159
|
研究论文 | 本研究旨在使用超声诊断设备实现二维和亚像素位移的高空间分辨率检测 | 本研究开发了一种利用超声图像和输出位移分布的深度学习网络，通过修改FlowNet2网络结构并使用超声图像模拟开发训练数据集，实现了高空间分辨率和亚像素位移检测 | NA | 实现二维和亚像素位移的高空间分辨率检测 | 使用超声诊断设备进行位移检测 | 机器学习 | NA | 深度学习 | FlowNet2 | 图像 | 使用了模拟超声图像和肝脏超声图像进行评估 | NA | NA | NA | NA |
| 1812 | 2024-08-07 |
Effect of cells on spatial quantification of proteoglycans in articular cartilage of small animals
2022-11, Connective tissue research
IF:2.8Q1
DOI:10.1080/03008207.2022.2048827
PMID:35322732
|
研究论文 | 研究细胞对小动物关节软骨中蛋白聚糖空间定量的影响，并评估基于深度学习算法的U-Net工具在细胞分割中的有效性 | 使用U-Net深度学习算法进行细胞分割，以排除细胞对软骨细胞外基质中蛋白聚糖含量测量的干扰 | 细胞对分析的蛋白聚糖含量的影响较小，但在疾病早期细胞增殖时可能需要更敏感的考虑 | 探究细胞对小动物关节软骨中蛋白聚糖含量的影响，并评估U-Net工具在细胞分割中的效果 | 小动物（如老鼠和 rats）的关节软骨中的蛋白聚糖含量 | 数字病理学 | 骨关节炎 | 数字密度测量法 | U-Net | 图像 | 600张标记的Safranin-O软骨图像 | NA | NA | NA | NA |
| 1813 | 2024-08-07 |
Automated clinical coding: what, why, and where we are?
2022-Oct-22, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00705-7
PMID:36273236
|
研究论文 | 本文介绍了自动化临床编码的概念，并从人工智能和自然语言处理的角度总结了其挑战 | 提出了将基于知识的解释性方法与深度学习方法结合以提高临床编码的解释性和一致性 | 当前基于深度学习的方法在实际应用中需要更好的解释性和一致性 | 探讨自动化临床编码的技术和组织挑战，并提出未来发展方向 | 临床编码过程的自动化 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 涉及苏格兰和英国的临床编码专家讨论 | NA | NA | NA | NA |
| 1814 | 2024-08-07 |
Deep learning segmentation and quantification method for assessing epicardial adipose tissue in CT calcium score scans
2022-02-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-06351-z
PMID:35145186
|
研究论文 | 本文开发了一种深度学习方法（DeepFat），用于在非对比低剂量CT钙评分图像上自动评估心外膜脂肪组织（EAT） | 引入了HU-注意力窗口和前瞻性切片平分（bisect）方法，提高了分割准确性 | NA | 开发一种自动评估心外膜脂肪组织的深度学习方法 | 心外膜脂肪组织（EAT）的自动评估 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1815 | 2024-08-07 |
Semiautomated intraoperative measurement of Cobb angle and coronal C7 plumb line using deep learning and computer vision for scoliosis correction: a feasibility study
2022-Nov-01, Journal of neurosurgery. Spine
DOI:10.3171/2022.4.SPINE22133
PMID:36303475
|
研究论文 | 本研究旨在验证一种利用深度学习和计算机视觉进行脊柱侧弯手术中脊柱对齐度测量的新型非放射性半自动化设备 | 开发了一种非放射性的半自动化设备，利用深度学习和计算机视觉在手术中测量脊柱对齐度 | 设备需要使用3D打印标记物，并且在验证过程中仅在脊柱侧弯的尸体模型上进行了测试 | 验证一种新型非放射性半自动化设备在脊柱侧弯手术中测量脊柱对齐度的可行性 | 脊柱侧弯手术中的脊柱对齐度测量 | 计算机视觉 | 脊柱侧弯 | 深度学习 | 计算机视觉模型 | 图像 | 标记检测模型训练使用了100张图像，测试使用了130张图像；验证模型中使用了50个角度模板和21个铅垂线测量模型；尸体验证研究中使用了1个脊柱侧弯的尸体模型 | NA | NA | NA | NA |
| 1816 | 2024-08-07 |
Spatial interplay of tissue hypoxia and T-cell regulation in ductal carcinoma in situ
2022-Sep-15, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-022-00419-9
PMID:36109587
|
研究论文 | 研究组织缺氧与T细胞调节在导管原位癌（DCIS）中的相互作用 | 设计了一个针对DCIS组织结构复杂性的深度学习系统，并发现T调节细胞在缺氧肿瘤细胞中的空间共定位可能是DCIS进展的关键事件和有用标记 | NA | 探讨缺氧在导管原位癌中与T细胞调节的关系 | 导管原位癌（DCIS）及其与侵袭性导管癌的同步成分 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 纯DCIS病例与同步DCIS和侵袭性成分的侵袭性导管癌病例 | NA | NA | NA | NA |
| 1817 | 2024-08-07 |
Fast and accurate Ab Initio Protein structure prediction using deep learning potentials
2022-09, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010539
PMID:36112717
|
研究论文 | 本文开发了一个名为DeepFold的开源程序，利用深度残差神经网络预测的空间约束和基于知识的能量函数，通过梯度下降折叠模拟，提高了蛋白质结构预测的准确性和速度 | DeepFold在缺乏序列和/或结构同源性的蛋白质模型中，其准确性显著超越了传统的折叠方法和其他领先的深度学习方法，特别是在最难目标上的建模性能 | NA | 提高蛋白质结构预测的准确性和速度 | 蛋白质结构预测 | 机器学习 | NA | 深度学习 | 深度残差神经网络 | 蛋白质序列 | 大规模基准测试 | NA | NA | NA | NA |
| 1818 | 2024-08-07 |
Evaluating frailty, mortality, and complications associated with metastatic spine tumor surgery using machine learning-derived body composition analysis
2022-Aug-01, Journal of neurosurgery. Spine
DOI:10.3171/2022.1.SPINE211284
PMID:35213829
|
研究论文 | 本研究利用机器学习衍生的身体成分分析评估了转移性脊柱肿瘤手术相关的虚弱、死亡率和并发症 | 通过深度学习方法评估癌症患者的身体成分，以改善术前风险分层 | 仅基于484名患者的观察性研究，样本量有限 | 评估身体成分与脊柱转移瘤手术后并发症、住院时间和死亡率的关系 | 接受脊柱转移瘤手术的癌症患者 | 机器学习 | 脊柱肿瘤 | 深度学习 | k-means聚类分析 | CT图像 | 484名癌症患者 | NA | NA | NA | NA |
| 1819 | 2024-08-07 |
Diagnostic triage in patients with central lumbar spinal stenosis using a deep learning system of radiographs
2022-Jul-01, Journal of neurosurgery. Spine
DOI:10.3171/2021.11.SPINE211136
PMID:35061993
|
研究论文 | 本研究旨在开发一种基于卷积神经网络（CNN）的深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症（LSS），并使用梯度加权类激活映射（Grad-CAM）评估放射学诊断特征 | 本研究开发了一种新的深度学习模型，通过X射线图像准确诊断中央腰椎管狭窄症，并能定位狭窄病变，辅助医生识别LSS | 多变量逻辑回归分析显示，结合人口统计学因素（年龄和性别）并未提高模型性能 | 开发和评估一种深度学习模型，用于通过X射线诊断严重的中央腰椎管狭窄症 | 中央腰椎管狭窄症患者和健康对照组的X射线图像 | 机器学习 | 脊柱疾病 | 卷积神经网络（CNN） | CNN | 图像 | 12,442张图像用于训练模型，5折交叉验证 | NA | NA | NA | NA |
| 1820 | 2024-08-07 |
U-net Models Based on Computed Tomography Perfusion Predict Tissue Outcome in Patients with Different Reperfusion Patterns
2022-10, Translational stroke research
IF:3.8Q2
DOI:10.1007/s12975-022-00986-w
PMID:35043358
|
研究论文 | 本文开发了一种基于计算机断层扫描灌注（CTP）图像的U-net深度学习模型，用于更准确地评估急性大血管闭塞（LVO）患者的缺血核心和风险组织 | U-net模型在识别梗死核心和风险组织方面优于固定阈值方法，提供了针对不同再灌注模式的患者的个性化预测 | NA | 评估脑灌注对于急性大血管闭塞患者治疗选择的重要性，并开发一种新的深度学习模型以更准确地评估缺血核心和风险组织 | 急性缺血性卒中接受血管内治疗的患者，分为主要再灌注组和最小再灌注组 | 机器学习 | 脑血管疾病 | CTP | U-net | 图像 | 110名急性缺血性卒中患者 | NA | NA | NA | NA |