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 2513 篇文献，本页显示第 2221 - 2240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2221 | 2024-08-05 |
Automatized Detection of Periodontal Bone Loss on Periapical Radiographs by Vision Transformer Networks
2023-Nov-29, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13233562
PMID:38066803
|
研究论文 | 本研究评估了利用视觉变换器网络自动检测牙周骨丧失的模型 | 引入了视觉变换器网络来替代传统卷积神经网络用于牙周骨丧失检测 | 需要更大且经过人工注释的图像数据集来进一步优化诊断性能 | 评估各种模型在牙周骨丧失自动检测中的表现 | 21,819张去标识化的根尖放射影像 | 计算机视觉 | 牙周病 | 视觉变换器网络 | ViT, BEiT, DeiT | 图像 | 21,819张根尖放射影像 | NA | NA | NA | NA |
| 2222 | 2024-08-05 |
The role of deep learning for periapical lesion detection on panoramic radiographs
2023-Nov, Dento maxillo facial radiology
DOI:10.1259/dmfr.20230118
PMID:37641964
|
研究论文 | 本研究旨在使用深度学习自动检测全景放射片上的根尖病变 | 采用了10种不同的深度学习检测框架，结果显示深度学习模型在检测根尖病变方面表现出色 | 未提及具体限制 | 研究深度学习在全景放射片根尖病变检测中的应用 | 使用454个对象在357张全景放射片上进行标记和检测 | 计算机视觉 | NA | 深度学习 | RetinaNet | 图像 | 454个对象，357张全景放射片 | NA | NA | NA | NA |
| 2223 | 2024-08-05 |
Deep learning and clustering approaches for dental implant size classification based on periapical radiographs
2023-10-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-42385-7
PMID:37803022
|
研究论文 | 本研究探讨了两种人工智能方法用于基于根尖影像自动分类牙种植体的直径和长度 | 提出将深度学习和聚类分析结合用于牙种植体尺寸分类，并使用预训练的VGG16模型进行微调 | AI模型需在多中心数据上进行验证以用于临床应用 | 旨在自动化牙种植体尺寸的分类，提高分类准确性 | 基于根尖影像的牙种植体直径和长度 | 机器学习 | NA | 深度学习和聚类分析 | VGG16和k-means++ | 图像 | NA | NA | NA | NA | NA |
| 2224 | 2024-08-05 |
The use of deep learning in medical imaging to improve spine care: A scoping review of current literature and clinical applications
2023-Sep, North American Spine Society journal
DOI:10.1016/j.xnsj.2023.100236
PMID:37599816
|
综述 | 本文评估了深度学习在脊柱影像学中的当前文献和临床应用 | 提供了深度学习在脊柱护理中的最新应用情况和研究发现 | 未能全面覆盖所有相关研究，且只有15%的模型经过外部验证 | 探讨深度学习在脊柱影像学中的使用情况和有效性 | 评估脊柱影像学中深度学习算法的应用和临床效果 | 医学影像 | 脊柱疾病 | 深度学习 | U-Net和ResNet | 文献数据 | 365项研究，总样本量232,394名患者 | NA | NA | NA | NA |
| 2225 | 2024-08-05 |
A deep learning framework to scale linear facial measurements to actual size using horizontal visible iris diameter: a study on an Iranian population
2023-08-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-40839-6
PMID:37612309
|
研究论文 | 本研究开发了一种深度学习工具，通过虹膜直径对人脸图像进行线性测量的校准 | 提出使用虹膜的水平可见直径作为自动校正图像放大比例的参考标志 | 研究仅在伊朗人群中进行，可能无法推广到其他种群 | 旨在提高面部图像测量的精度以支持临床评估 | 研究对象为94名受试者的面部图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 94个受试者 | NA | NA | NA | NA |
| 2226 | 2024-08-05 |
Investigation of the best effective fold of data augmentation for training deep learning models for recognition of contiguity between mandibular third molar and inferior alveolar canal on panoramic radiographs
2023-Jul, Clinical oral investigations
IF:3.1Q1
DOI:10.1007/s00784-023-04992-6
PMID:37043029
|
研究论文 | 本研究旨在使用全景放射影像训练深度学习模型，以识别下颌第三磨牙与下 alveolar 管之间的连续性，并探索最佳的数据增强折数 | 该研究探讨了在训练深度学习模型时，数据增强不同折数对模型识别性能的影响 | 不同增强折数间虽然没有显著差异，但最高的AUC并没有在所有模型中表现出一致性 | 研究旨在提高深度学习模型识别下颌第三磨牙与下 alveolar 管之间连续性的能力 | 研究对象为1800张经过裁剪的下颌第三磨牙影像 | 数字病理学 | NA | 深度学习模型 | AlexNet, VGG-16, GoogLeNet | 图像 | 1800张下颌第三磨牙裁剪影像 | NA | NA | NA | NA |
| 2227 | 2024-08-05 |
Impact of Noisy Labels on Dental Deep Learning-Calculus Detection on Bitewing Radiographs
2023-Apr-23, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm12093058
PMID:37176499
|
研究论文 | 本研究评估了标签噪声对牙科深度学习中计算石检测的影响 | 探讨了不同标签不一致性对模型性能的影响，特别是在口腔X光图像上 | 只分析了特定的数据集，无法推广到所有类型的医学图像 | 评估数据标签不一致性对牙科计算石检测模型性能的影响 | 牙科X光图像中的计算石标注数据 | 计算机视觉 | NA | YOLOv5 | 目标检测网络 | 医学图像 | 2584张咬翼X光图像 | NA | NA | NA | NA |
| 2228 | 2024-08-05 |
Classification of Alzheimer's disease stages from magnetic resonance images using deep learning
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1490
PMID:37705614
|
研究论文 | 本文提出了一种基于深度学习的方法，通过磁共振成像（MRI）分类阿尔茨海默病（AD）的不同阶段 | 创新之处在于使用深度学习和多种网络架构（如EfficientNet、DenseNet和视觉变换器）来提高AD早期检测的精确度 | 研究的限制在于样本大小和样本的特定来源，可能影响结果的通用性 | 本研究旨在利用深度学习技术提高阿尔茨海默病早期诊断的准确性 | 研究对象为来自阿尔茨海默病神经影像倡议和开放获取成像研究系列数据库的MRI图像 | 计算机视觉 | 阿尔茨海默病 | 磁共振成像（MRI） | 3D卷积神经网络 | 图像 | 使用了来自多个数据库的特定MRI图像集，样本大小未明确说明 | NA | NA | NA | NA |
| 2229 | 2024-08-05 |
Patient-level thyroid cancer classification using attention multiple instance learning on fused multi-scale ultrasound image features
2023, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:38222341
|
研究论文 | 该文章提出了一种基于注意力的多实例学习模型用于甲状腺癌的患者级分类。 | 创新性地结合了不同超声图像帧的全局和局部特征进行患者级恶性肿瘤分类。 | 目前模型仍然依赖于手动注释的肿块分割。 | 本研究旨在改善甲状腺结节的恶性肿瘤分类性能。 | 研究对象为超声图像中的甲状腺结节。 | 数字病理学 | 甲状腺癌 | 深度学习 | 多实例学习 | 图像 | NA | NA | NA | NA | NA |
| 2230 | 2024-08-05 |
SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis
2023-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.28.533479
PMID:37425923
|
研究论文 | 本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析 | 开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割 | NA | 解决缺乏自动化和用户友好的3D球体图像分析工具的问题 | 使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像 | 数字病理 | NA | 深度学习 | 卷积神经网络 | 图像 | 使用的训练集和验证集的具体样本数量未提供 | NA | NA | NA | NA |
| 2231 | 2024-08-05 |
The ChatGPT Storm and What Faculty Can Do
2023 May-Jun 01, Nurse educator
IF:2.4Q1
DOI:10.1097/NNE.0000000000001390
PMID:37043716
|
研究论文 | 本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注 | 探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性 | 未提及具体的实证研究或数据支持 | 旨在探讨ChatGPT在护理教育中的潜力及其伦理使用 | 关注职员及学生如何利用ChatGPT进行学习和信息评估 | 自然语言处理 | NA | 深度学习语言模型 | NA | 文本 | NA | NA | NA | NA | NA |
| 2232 | 2024-08-05 |
Intelligent oncology: The convergence of artificial intelligence and oncology
2023-Mar, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2022.11.004
PMID:39036310
|
研究论文 | 本文描述了一种称为智能肿瘤学的整体和结构化概念 | 提出了一个跨学科的智能肿瘤学概念，整合多个领域以促进癌症管理 | 智能肿瘤学的概念和应用仍处于 infancy，面临许多障碍和挑战 | 旨在促进癌症预防、筛查、早期诊断和精确治疗 | 整合肿瘤学、放射学、病理学、分子生物学等领域 | 计算机视觉 | 癌症 | 自然语言处理、机器/深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 2233 | 2024-08-05 |
Self-supervised deep learning for highly efficient spatial immunophenotyping
2023-Sep, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104769
PMID:37672979
|
研究论文 | 该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。 | 文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。 | 研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。 | 本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。 | 研究对象是多重免疫组化数据集中的单细胞图像。 | 数字病理学 | 卵巢癌 | 多重免疫组化 | 自监督学习模型 (SANDI) | 图像 | 涉及2825到15,258个单细胞图像 | NA | NA | NA | NA |
| 2234 | 2024-08-05 |
Prediction-oriented prognostic biomarker discovery with survival machine learning methods
2023-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad055
PMID:37332657
|
研究论文 | 本文提出了一系列基于生存机器学习方法的预测导向生物标志物选择框架。 | 采用了随机生存森林、极端梯度提升、轻量级梯度提升和深度学习生存模型等新型机器学习算法进行生物标志物选择，并将PROMISE方法调整为生存模型(PROMISE-Cox)。 | 在生存模型中不同特征选择方法的表现需要进一步深入研究。 | 目标是发现新颖且可靠的预后生物标志物，以预测患者的生存结果。 | 主要研究对象为不同类型的头颈癌数据中的预后生物标志物。 | 机器学习 | 癌症 | 机器学习算法 | 随机生存森林、极端梯度提升、轻量级梯度提升、深度学习模型 | 数据 | 不同类型的头颈癌数据集（具体样本量未提及） | NA | NA | NA | NA |
| 2235 | 2024-08-05 |
Deep Clustering of Electronic Health Records Tabular Data for Clinical Interpretation
2023-Dec, ... IEEE International Conference on Telecommunications and Photonics. IEEE International Conference on Telecommunications and Photonics
DOI:10.1109/ictp60248.2023.10490723
PMID:39027675
|
研究论文 | 本研究提出了一种基于临床变量的患者分层策略，并评估了聚类性能。 | 创新点在于提出了一种基于临床变量进行患者分层的新策略，并采用深度学习方法改善了聚类效果。 | 本研究局限于使用传统聚类算法进行比较，未涉及其他复杂模型的应用。 | 本研究旨在提高对患者数据的理解和分析，特别是在没有明确诊断标签的情况下。 | 研究对象为高血压患者群体，通过聚类分析识别了不同患者簇。 | 机器学习 | NA | 深度学习 | NA | 表格数据 | NA | NA | NA | NA | NA |
| 2236 | 2024-08-05 |
Generative adversarial network constrained multiple loss autoencoder: A deep learning-based individual atrophy detection for Alzheimer's disease and mild cognitive impairment
2023-02-15, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26146
PMID:36394351
|
研究论文 | 本文提出了一种生成对抗网络约束的多损失自编码器框架用于阿尔茨海默病和轻度认知障碍的个体萎缩检测 | 提出了一种新颖的GANCMLAE模型，能够精确描述个体大脑萎缩模式并具有良好的临床应用潜力 | 尚缺乏对其他人群或更广泛样本的验证，以评估模型的通用性 | 研究个体大脑萎缩模式，以提高阿尔茨海默病和轻度认知障碍的精准医学 | 正常对照组与阿尔茨海默病和轻度认知障碍患者 | 数字病理学 | 阿尔茨海默病 | 生成对抗网络 | 自编码器 | 图像 | 来自阿尔茨海默病神经影像学倡议队列的正常对照组和Xuanwu队列的数据 | NA | NA | NA | NA |
| 2237 | 2024-08-05 |
ASD-GResTM: Deep Learning Framework for ASD classification using Gramian Angular Field
2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm58861.2023.10385743
PMID:39021439
|
研究论文 | 本文设计并开发了一个深度学习框架，用于基于功能磁共振成像(fMRI)数据分类自闭症谱系障碍(ASD)与神经典型大脑 | 引入了一种新策略，将提取的时间序列数据转化为Gramian Angular Field (GAF)，并锁定了数据中的时间和空间模式 | 未提及特定的局限性 | 旨在通过深度学习方法提高自闭症的分类准确性 | 基于功能磁共振成像(fMRI)数据的自闭症与神经典型脑的分类 | 计算机视觉 | 自闭症谱系障碍 | fMRI | 卷积神经网络(CNN)及长短期记忆网络(LSTM) | 图像 | 使用了公开的ABIDE-I基准数据集进行训练、验证和测试 | NA | NA | NA | NA |
| 2238 | 2024-08-05 |
Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques
2023-12-21, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.3c05306
PMID:38084046
|
研究论文 | 本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测 | 本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测 | 本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能 | 研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机 | 研究对象为阿片类药物及其对应的受体亚型 | 机器学习 | NA | 深度学习 | NA | 生物活性数据 | 大型生物活性数据集 | NA | NA | NA | NA |
| 2239 | 2024-08-05 |
Adaptive Sampling Methods for Molecular Dynamics in the Era of Machine Learning
2023-12-21, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.3c04843
PMID:38081185
|
评论 | 本文探讨了在分子动力学中应用的自适应采样算法 | 提出了一种仅通过在特定种子上重新启动MD轨迹来增强采样的自适应采样算法 | 本文讨论了自适应采样方法的不足之处 | 研究旨在改善分子动力学中蛋白质构象变化的采样 | 重点关注自适应采样算法及其在真实系统中的应用 | 计算机视觉 | NA | 深度学习技术 | NA | NA | NA | NA | NA | NA | NA |
| 2240 | 2024-08-05 |
Unlocking the Potential: Predicting Redox Behavior of Organic Molecules, from Linear Fits to Neural Networks
2023-Aug-08, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.3c00355
PMID:37463673
|
综述 | 本文讨论了有机分子的还原和氧化电位预测的现代技术 | 探讨了从线性拟合到神经网络的不同预测方法，超越常规的第一性原理计算和热力学循环 | 未详细讨论每种方法的适用范围和具体局限性 | 研究有机分子的还原氧化行为预测方法 | 还原活性有机分子及其在不同应用中的表现 | 化学 | NA | 机器学习 | 神经网络 | 数据集 | 目前可用的还原活性有机分子数据集及其实验和计算性质 | NA | NA | NA | NA |