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 2592 篇文献，本页显示第 2521 - 2540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2521 | 2024-08-07 |
Spatial resolution enhancement in photon-starved STED imaging using deep learning-based fluorescence lifetime analysis
2023-Jun-01, Nanoscale
IF:5.8Q1
DOI:10.1039/d3nr00305a
PMID:37159237
|
研究论文 | 本文提出了一种基于深度学习的荧光寿命分析方法，用于在光子稀缺情况下提高STED显微镜的空间分辨率 | 通过结合分离光子寿命调谐（SPLIT）方案和基于生成对抗网络的荧光寿命成像算法，实现了在减少50% STED光束功率的情况下，将STED图像分辨率提高至1.45倍 | NA | 探索在光子稀缺情况下提高STED显微镜空间分辨率的新方法 | STED显微镜图像的空间分辨率 | 计算机视觉 | NA | STED显微镜 | 生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 2522 | 2024-08-07 |
Gradient-based sparse principal component analysis with extensions to online learning
2023-Jun, Biometrika
IF:2.4Q1
DOI:10.1093/biomet/asac041
PMID:37197740
|
研究论文 | 本文开发了基于梯度的稀疏主成分分析算法，并将其扩展到在线学习 | 结合稀疏主成分分析问题的独特几何结构和凸优化领域的最新进展，开发了新的基于梯度的稀疏主成分分析算法，并能与随机梯度下降方法结合，产生具有数值和统计性能保证的高效在线稀疏主成分分析算法 | NA | 开发新的稀疏主成分分析算法，并展示其在高维数据分析中的应用 | 稀疏主成分分析算法及其在高维RNA测序数据中的应用 | 机器学习 | NA | 稀疏主成分分析 | 梯度方法 | RNA测序数据 | NA | NA | NA | NA | NA |
| 2523 | 2024-08-07 |
Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model
2023-06, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7878
PMID:37202113
|
研究论文 | 本文开发了一种自动分割急性缺血性卒中患者颅内血栓的方法，使用粗到细的深度学习模型在NCCT和CTA图像上进行量化。 | 提出了一种新的深度学习方法来自动检测和测量急性缺血性卒中患者的颅内血栓。 | NA | 开发一种自动化的方法来量化急性缺血性卒中患者的颅内血栓。 | 急性缺血性卒中患者的颅内血栓。 | 机器学习 | 脑血管疾病 | 深度学习 | 深度学习模型 | 图像 | 499名患者用于训练和验证，83名患者用于外部测试。 | NA | NA | NA | NA |
| 2524 | 2024-08-07 |
Deep cross-modal feature learning applied to predict acutely decompensated heart failure using in-home collected electrocardiography and transthoracic bioimpedance
2023-06, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2023.102548
PMID:37210152
|
研究论文 | 本文提出了一种深度跨模态特征学习方法ECGX-Net，用于预测在家中收集的ECG和胸廓生物阻抗数据中的急性失代偿性心力衰竭 | 本文首次将深度学习应用于可穿戴设备收集的ECG数据，并结合胸廓生物阻抗数据进行跨模态特征学习，以提高心力衰竭预测的准确性 | 研究主要基于SENTINEL-HF研究的数据，可能需要进一步验证在其他数据集上的泛化能力 | 开发一种基于ECG和胸廓生物阻抗数据的深度学习模型，用于准确预测急性失代偿性心力衰竭 | 急性失代偿性心力衰竭的预测 | 机器学习 | 心血管疾病 | 深度学习 | DenseNet121/VGG19 | ECG时间序列数据和胸廓生物阻抗数据 | SENTINEL-HF研究中招募的≥21岁的住院患者 | NA | NA | NA | NA |
| 2525 | 2024-08-07 |
A unique color-coded visualization system with multimodal information fusion and deep learning in a longitudinal study of Alzheimer's disease
2023-06, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2023.102543
PMID:37210151
|
研究论文 | 本研究引入了一种创新的彩色编码可视化机制，通过集成机器学习模型预测阿尔茨海默病在两年纵向研究中的疾病轨迹 | 首次开发了一种彩色编码可视化系统，结合多模态信息融合和深度学习，用于阿尔茨海默病的诊断和预后预测 | 研究中排除了MMSE、CDR-SB和ADAS等神经心理学测试分数以避免偏差，可能影响模型的全面性 | 旨在通过2D和3D渲染帮助视觉化捕捉阿尔茨海默病的诊断和预后，增强对多类分类和回归分析过程的理解 | 阿尔茨海默病的诊断和预后预测 | 机器学习 | 阿尔茨海默病 | 卷积神经网络 | CNN | 多模态数据（神经影像、神经心理学测试分数、脑脊液生物标志物、风险因素） | 1123名受试者 | NA | NA | NA | NA |
| 2526 | 2024-08-07 |
Accelerated Cardiac MRI Cine with Use of Resolution Enhancement Generative Adversarial Inline Neural Network
2023-06, Radiology
IF:12.1Q1
DOI:10.1148/radiol.222878
PMID:37249435
|
研究论文 | 本文开发并评估了一种基于深度学习的模型，该模型能够与并行成像或压缩感知（CS）结合，用于加速心脏电影磁共振成像（MRI）并提高空间和时间分辨率。 | 该研究利用增强的超分辨率生成对抗内联神经网络（GAN）模型，通过深度学习技术恢复了降低空间分辨率的图像，实现了与标准并行成像方法相似的心脏功能、体积和应变的准确量化。 | NA | 开发和评估一种能够减少扫描时间并/或提高心脏电影MRI空间和时间分辨率的深度学习模型。 | 心脏电影MRI图像的空间和时间分辨率。 | 计算机视觉 | 心血管疾病 | 深度学习 | 生成对抗网络（GAN） | 图像 | 训练模型使用了1616名患者的数据，评估模型使用了181名个体（包括126名患者和55名健康受试者）的数据。 | NA | NA | NA | NA |
| 2527 | 2024-08-07 |
Deep Learning-Assisted Quantitative Susceptibility Mapping as a Tool for Grading and Molecular Subtyping of Gliomas
2023-Jun, Phenomics (Cham, Switzerland)
DOI:10.1007/s43657-022-00087-6
PMID:37325712
|
研究论文 | 本研究旨在探讨深度学习辅助的定量磁化率成像（QSM）在胶质瘤分级和分子分型中的价值 | 使用深度学习辅助的QSM技术，结合多种成像模式，提高了胶质瘤分级和分子分型的准确性 | 研究样本量较小，且肿瘤分割为手动进行，可能影响结果的客观性 | 评估深度学习辅助的QSM在胶质瘤分级和分子分型中的应用价值 | 42名接受3.0T磁共振成像（MRI）扫描的胶质瘤患者 | 机器学习 | 脑瘤 | 定量磁化率成像（QSM） | 卷积神经网络（CNN） | 医学影像 | 42名胶质瘤患者 | NA | NA | NA | NA |
| 2528 | 2024-08-07 |
Bias Analysis in Healthcare Time Series (BAHT) Decision Support Systems from Meta Data
2023-Jun, Journal of healthcare informatics research
IF:5.4Q1
DOI:10.1007/s41666-023-00133-6
PMID:37377633
|
研究论文 | 本文提出了一种用于医疗时间序列（BAHT）信号中偏差分析的框架，主要针对心电图（ECG）和脑电图（EEG）信号 | 本文首次提出了BAHT框架，用于分析和可视化解析医疗时间序列数据中的偏差，并探讨了偏差放大现象 | 偏差缓解策略尚处于初级研究阶段，需要进一步发展和完善 | 旨在分析和改善医疗决策支持系统中的偏差问题 | 主要研究对象为心电图（ECG）和脑电图（EEG）数据集 | 机器学习 | NA | 深度学习 | 监督学习模型 | 时间序列数据 | 涉及三个主要的ECG和EEG医疗数据集 | NA | NA | NA | NA |
| 2529 | 2024-08-07 |
Deep learning-based registration of two-dimensional dental images with edge specific loss
2023-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.3.034002
PMID:37274759
|
研究论文 | 本文提出了一种基于边缘特定损失的深度学习无监督变形配准框架，用于对齐二维牙科X射线图像 | 引入了一种边缘特定损失函数，增强了无监督学习，无需通过解剖结构进行监督 | NA | 提高牙科应用中图像配准的准确性和速度 | 二维牙科X射线图像 | 计算机视觉 | NA | 深度学习 | U-Net结合空间变换网络 | 图像 | 104张下颌X射线图像，组成2600对用于训练和测试；17对术前和术后重建的全景图像 | NA | NA | NA | NA |
| 2530 | 2024-08-07 |
Fast, accurate antibody structure prediction from deep learning on massive set of natural antibodies
2023-04-25, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-38063-x
PMID:37185622
|
研究论文 | 本文介绍了一种名为IgFold的快速深度学习方法，用于抗体结构预测 | IgFold能够在显著更短的时间内（少于25秒）预测出与现有方法（包括AlphaFold）相似或更高质量的抗体结构 | NA | 开发一种快速且准确的抗体结构预测方法 | 抗体的结构 | 机器学习 | NA | 深度学习 | 语言模型和图网络 | 序列数据 | 558百万自然抗体序列用于预训练模型，1.4百万配对抗体序列用于结构预测 | NA | NA | NA | NA |
| 2531 | 2024-08-07 |
Semantically Redundant Training Data Removal and Deep Model Classification Performance: A Study with Chest X-rays
2023-Sep-18, ArXiv
PMID:37986725
|
研究论文 | 本研究探讨了深度学习模型在胸部X光片分类任务中，通过去除语义冗余训练数据来提升模型性能的方法 | 提出了一种基于熵的样本评分方法来识别和去除语义冗余的训练数据，从而提高模型性能 | 未提及具体的研究局限性 | 研究如何通过去除语义冗余数据来提升深度学习模型在医学影像分类任务中的性能 | 胸部X光片数据集 | 机器学习 | NA | 深度学习 | NA | 图像 | 使用了公开的NIH胸部X光数据集 | NA | NA | NA | NA |
| 2532 | 2024-08-07 |
Assessing variants of uncertain significance implicated in hearing loss using a comprehensive deafness proteome
2023-Jun, Human genetics
IF:3.8Q2
DOI:10.1007/s00439-023-02559-9
PMID:37086329
|
研究论文 | 本文使用深度学习蛋白质预测算法AlphaFold2来筛选Deafness Variation Database中的不确定意义变异，通过预测蛋白质折叠自由能差异来确定其致病性 | 利用AlphaFold2算法和DDGun3D工具预测蛋白质折叠自由能差异，以评估听力损失相关基因变异的致病性 | 研究仅针对Deafness Variation Database中的变异进行分析，且样本量相对较小 | 评估听力损失相关基因变异的不确定意义变异的致病性 | Deafness Variation Database中的128,167个错义变异 | 生物信息学 | 听力损失 | AlphaFold2, DDGun3D | 深度学习 | 基因变异数据 | 119名患者 | NA | NA | NA | NA |
| 2533 | 2024-08-07 |
Deep learning microstructure estimation of developing brains from diffusion MRI: a newborn and fetal study
2023-Jul-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.01.547351
PMID:37425859
|
研究论文 | 本文提出一种深度学习方法，通过仅有的六个扩散加权测量数据来估计新生儿和胎儿大脑的纤维方向分布函数（FOD） | 使用深度学习方法，通过显著减少的测量数据，实现了与传统方法相媲美或更优的结果 | 强调了扩散磁共振成像在分析发育中大脑微观结构时的内在局限性 | 克服标准FOD计算方法在新生儿和胎儿大脑微观结构估计中的限制 | 新生儿和胎儿的大脑白质微观结构 | 计算机视觉 | NA | 扩散加权磁共振成像（dMRI） | 深度学习模型 | 图像 | 两个临床数据集的新生儿和胎儿 | NA | NA | NA | NA |
| 2534 | 2024-08-07 |
RGC-Net: An Automatic Reconstruction and Quantification Algorithm for Retinal Ganglion Cells Based on Deep Learning
2023-05-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.12.5.7
PMID:37140906
|
研究论文 | 本文开发了一种基于深度学习的视网膜神经节细胞自动重建和量化算法RGC-Net | RGC-Net能够自动分割视网膜神经节细胞的轴突和细胞体，提供了一种比手动分析更高效和快速的新工具 | NA | 开发一种基于深度学习的全自动重建和量化视网膜神经节细胞的算法 | 视网膜神经节细胞的轴突和细胞体 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 166个视网膜神经节细胞扫描图像，其中132个用于训练，34个用于测试 | NA | NA | NA | NA |
| 2535 | 2024-08-07 |
Head and neck cancer treatment outcome prediction: a comparison between machine learning with conventional radiomics features and deep learning radiomics
2023, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2023.1217037
PMID:37711738
|
研究论文 | 本研究比较了传统放射组学特征的机器学习与深度学习放射组学在预测头颈部鳞状细胞癌患者治疗结果中的应用 | 结合临床数据、放射组学特征和医学图像与深度学习模型，实现了高性能和跨机构通用性 | 临床和放射组学数据的特征选择导致过拟合和较差的跨机构通用性 | 评估传统放射组学和深度学习放射组学在预测头颈部鳞状细胞癌患者总体生存和无病生存中的效果 | 头颈部鳞状细胞癌患者的治疗结果 | 机器学习 | 头颈部鳞状细胞癌 | 放射组学 | 卷积神经网络 | 图像 | 238名头颈部鳞状细胞癌患者 | NA | NA | NA | NA |
| 2536 | 2024-08-07 |
Cusp bifurcation in a metastatic regulatory network
2023-11-07, Journal of theoretical biology
IF:1.9Q3
DOI:10.1016/j.jtbi.2023.111630
PMID:37804940
|
研究论文 | 本文探讨了利用尖点分岔理论来模拟转移性乳腺癌系统的可能性 | 首次将双参数分岔理论应用于转移性系统，并提出了一种基于数学理论的转移性细胞状态转换的新视角 | NA | 旨在从基础生物学和临床角度理解癌症转移的潜力 | 转移性乳腺癌系统 | NA | 乳腺癌 | 常微分方程 (ODEs) | NA | NA | NA | NA | NA | NA | NA |
| 2537 | 2024-08-07 |
Editorial Comment: Implementing Deep Learning to Extrapolate Hepatic Proton Density Fat Fraction From T1-Weighted In-Phase and Opposed-Phase MRI
2023-11, AJR. American journal of roentgenology
DOI:10.2214/AJR.23.29918
PMID:37466191
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2538 | 2024-08-07 |
Explainable semi-supervised deep learning shows that dementia is associated with small, avocado-shaped clocks with irregularly placed hands
2023-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-34518-9
PMID:37149670
|
研究论文 | 本研究使用相关性因子变分自编码器（RF-VAE）深度生成神经网络，对来自多个机构的数字化钟表绘图进行表征，以无监督方式识别钟表绘图的独特构造特征，并区分痴呆与非痴呆患者。 | 本研究首次使用RF-VAE网络在无监督情况下识别钟表绘图的独特构造特征，这些特征在先前研究中未被广泛探讨。 | NA | 研究目的是通过钟表绘图测试识别痴呆患者的独特构造特征。 | 研究对象为数字化钟表绘图，来自多个机构。 | 机器学习 | 痴呆 | 相关性因子变分自编码器（RF-VAE） | 变分自编码器（VAE） | 图像 | 多个机构的数字化钟表绘图 | NA | NA | NA | NA |
| 2539 | 2024-08-07 |
Artificial intelligence for evaluating the risk of gastric cancer: reliable detection and scoring of intestinal metaplasia with deep learning algorithms
2023-12, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2023.06.056
PMID:37392953
|
研究论文 | 本文研究使用深度学习算法评估胃癌风险，特别是通过深度卷积神经网络（DCNN）模型ResNet50检测和评分肠上皮化生（IM） | 开发了一种基于深度学习的AI系统，用于评估胃癌风险，该系统能够准确、可靠且重复地检测和评分肠上皮化生 | 该AI系统在识别小的肠上皮化生病灶方面存在局限 | 开发一种AI系统，用于准确评估胃癌风险 | 胃癌风险评估，特别是肠上皮化生的检测和评分 | 机器学习 | 胃癌 | 深度卷积神经网络（DCNN） | ResNet50 | 图像 | 5753张图像 | NA | NA | NA | NA |
| 2540 | 2024-08-07 |
Deep-Masker: A Deep Learning-based Tool to Assess Chord Length from Murine Lung Images
2023-08, American journal of respiratory cell and molecular biology
IF:5.9Q1
DOI:10.1165/rcmb.2023-0051MA
PMID:37236629
|
研究论文 | 本文介绍了一种基于深度学习的工具Deep-Masker，用于自动评估小鼠肺部图像中的弦长 | Deep-Masker通过自动化的深度学习算法，提高了评估弦长的准确性和效率，减少了人工操作的变异性和偏差 | NA | 开发一种自动化的工具，以标准化小鼠肺部疾病模型中弦长的测量 | 小鼠肺部图像中的弦长 | 计算机视觉 | 慢性阻塞性肺疾病 | 深度学习 | NA | 图像 | 1217张图像来自137只小鼠，涉及12个品系，暴露于室内空气或香烟烟雾6个月 | NA | NA | NA | NA |