深度学习在生物医药领域中的应用
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，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10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 1805 篇文献，本页显示第 1601 - 1620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1601 | 2024-08-05 |
Machine learning and deep learning for brain tumor MRI image segmentation
2023-11, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231214259
PMID:38102956
|
综述 | 文章综述了用于脑肿瘤MRI图像分割的常用机器学习和深度学习技术 | 结合两种或更多技术的趋势是当前的创新点 | 讨论了所述机器学习和深度学习方法的局限性和优点 | 研究脑肿瘤MRI图像分割的技术 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | 机器学习和深度学习技术 | 图像 | NA |
| 1602 | 2024-08-07 |
Protein structural alignment using deep learning
2023-10, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01543-3
PMID:37816889
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1603 | 2024-08-05 |
Automated deep learning auto-segmentation of air volumes for MRI-guided online adaptive radiation therapy of abdominal tumors
2023-06-15, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/acda0b
PMID:37253374
|
研究论文 | 本研究开发了一种自动化方法，用于在MRI引导的腹部肿瘤适应性放射治疗中分割空气区域 | 提出了一种修改版ResUNet3D深度学习模型用于自动分割MRI中的空气区域 | 该研究可能受到专门的MR图像序列和模型训练样本的限制 | 研究的目的是提高腹部肿瘤放射治疗中空气区域的分割速度和准确性 | 研究对象是102名患者的MRI图像 | 数字病理学 | NA | 深度学习 | ResUNet3D | 图像 | 102个患者的MR图像 |
| 1604 | 2024-08-05 |
Clinical concept and relation extraction using prompt-based machine reading comprehension
2023-08-18, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad107
PMID:37316988
|
研究论文 | 开发了一种自然语言处理系统，用于临床概念提取和关系提取 | 提出了一种统一的基于提示的机器阅读理解架构，具有良好的跨机构应用的通用性 | NA | 解决临床概念提取和关系提取的问题 | 临床概念和社交决定健康关系的提取 | 自然语言处理 | NA | 机器阅读理解（MRC） | 变压器模型 | 文本 | 使用了两个基准数据集（药物和不良药物事件；健康的社会决定因素关系） |
| 1605 | 2024-08-05 |
A deep learning approach for automatic delineation of clinical target volume in stereotactic partial breast irradiation (S-PBI)
2023-05-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/accf5e
PMID:37084739
|
研究论文 | 本研究提出了一种基于深度学习的方法，以自动划定立体部分乳腺照射中的临床靶区。 | 本研究通过模仿医生的划定实践，使用多通道输入的3D U-Net架构来实现CTV分割，展示了学习到的扩展规则和解剖边界。 | 研究限于对35名患者的回顾性数据，样本量较小，可能影响模型的泛化能力。 | 旨在提高乳腺癌术后放疗中临床靶区的划定效率和准确性。 | 研究对象为35名接受5次部分乳腺照射的术后乳腺癌患者的CT图像。 | 数字病理学 | 乳腺癌 | CT图像和肿瘤床体积（TBV）掩膜的深度学习方法 | 3D U-Net | 图像 | 175张来自35名患者的CT图像 |
| 1606 | 2024-08-05 |
Deep Learning and Gastric Cancer: Systematic Review of AI-Assisted Endoscopy
2023-Dec-06, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13243613
PMID:38132197
|
综述 | 本综述评估了深度学习在胃癌早期检测中的应用现状 | 探讨了深度学习在胃癌分类、检测和肿瘤特征评估中的潜力 | 主要集中于单中心研究和未披露的数据集，对结果的普适性产生影响 | 研究深度学习在胃癌前期、早期及相关病变分析中的应用 | 利用内镜图像检测胃肿瘤的深度学习算法 | 计算机视觉 | 胃癌 | 深度学习 | 多种深度学习技术 | 图像 | 42项研究 |
| 1607 | 2024-08-05 |
Integrative approaches based on genomic techniques in the functional studies on enhancers
2023-11-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad442
PMID:38048082
|
综述 | 本文综述了基于组学技术的增强子功能研究的整合方法 | 提出了多维组学数据整合的方法，以识别和表征未知增强子的功能及调控机制 | 多维组学数据由于复杂性和大量性，整合全基因组水平仍面临困难 | 探讨有效的增强子研究方法和数据整合技术 | 各种组学方法在增强子研究中的应用 | 数字病理学 | NA | 高通量测序技术 | 机器学习和深度学习 | 基因组数据 | NA |
| 1608 | 2024-08-05 |
Unraveling Neuronal Identities Using SIMS: A Deep Learning Label Transfer Tool for Single-Cell RNA Sequencing Analysis
2023-Nov-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.02.28.529615
PMID:36909548
|
研究论文 | 本文介绍了一种名为SIMS的深度学习标签转移工具，用于单细胞RNA测序分析 | SIMS是一种数据高效的机器学习管道，可以在最小编码的情况下应用于新数据集，且在复杂数据集中能够高效、准确地进行细胞分类 | 可能在某些特定情况下对细胞类型的区分能力不足，具体条件未在摘要中详细说明 | 目标是提高单细胞数据集中的细胞标签转移和分类准确性 | 研究对象为成人大脑皮层和海马体中的细胞，以及发育过程中神经元亚型的预测 | 机器学习 | NA | RNA测序 | NA | 单细胞数据 | 涉及多个单细胞数据集，包括成人大脑皮层、海马体和皮层类器官 |
| 1609 | 2024-08-05 |
Explaining Deep Learning-Based Representations of Resting State Functional Connectivity Data: Focusing on Interpreting Nonlinear Patterns in Autism Spectrum Disorder
2023-Sep-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.13.557591
PMID:37745501
|
研究论文 | 本研究集中于解释自闭症谱系障碍中静息状态功能连接数据的深度学习模型表现 | 引入潜在贡献评分，解释由变分自编码器（VAE）识别的非线性模式 | 可能存在样本选择偏差，未考虑其他潜在影响因素 | 旨在创建可解释的VAE模型，利用静息状态fMRI数据研究自闭症谱系障碍 | 包括1150名参与者，其中601名为健康对照，549名为自闭症患者 | 数字病理学 | 自闭症谱系障碍 | 静息状态功能磁共振成像 (rs-fMRI) | 变分自编码器 (VAE) | 脑部功能连接数据 | 1150个参与者（601名健康对照和549名自闭症患者） |
| 1610 | 2024-08-05 |
A Novel ECG-Based Deep Learning Algorithm to Predict Cardiomyopathy in Patients With Premature Ventricular Complexes
2023-08, JACC. Clinical electrophysiology
DOI:10.1016/j.jacep.2023.05.025
PMID:37480862
|
研究论文 | 本研究开发了一种深度学习算法，从12导联心电图中预测早期心室复合体患者的心肌病 | 本研究创新性地使用深度学习方法来预测PVC导致的心肌病，并表明该模型能够独立于PVC负担进行准确预测 | 本研究的一项限制是仅在一个医院进行内部训练和测试，外部验证也只在其他几家医院进行 | 该研究旨在通过深度学习模型预测PVC患者中的心肌病 | 研究对象为有记录的早期心室复合体患者，涉及383,514个心电图样本 | 机器学习 | 心血管疾病 | 深度学习 | 多变量Cox模型 | 心电图 | 14,241个样本 |
| 1611 | 2024-08-05 |
Epistatic Features and Machine Learning Improve Alzheimer's Risk Prediction Over Polygenic Risk Scores
2023-Mar-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.02.10.23285766
PMID:36798198
|
研究论文 | 本文提出了一种新的遗传模型，通过结合表型交互特征和机器学习方法改善阿尔茨海默病的风险预测 | 创新点在于直接结合 SNP 位点之间的表型相互作用并使用机器学习模型进行风险估计 | 所研究的模型在新数据上的泛化能力仍需进一步验证 | 构建一种与 PRS 模型相比更精准的阿尔茨海默病风险预测模型 | 研究对象为晚发性阿尔茨海默病患者的遗传数据 | 机器学习 | 阿尔茨海默病 | 机器学习 | 集成学习模型 | 遗传数据 | 与文献中的 PRS 模型相同的数据集 |
| 1612 | 2024-08-05 |
Deep Learning-Enabled Assessment of Left Heart Structure and Function Predicts Cardiovascular Outcomes
2023-11-14, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.09.800
PMID:37940231
|
研究论文 | 本研究开发了一种深度学习模型，用于自动评估心脏结构和功能，并预测心血管结果 | 提出了一种3D卷积神经网络模型，能够自动化分析心脏超声图像并与临床结果相关联 | 研究样本主要来自回顾性数据，未来需进一步验证在更广泛人群中的应用 | 探索深度学习驱动的心脏超声测量与新发心血管事件之间的关系 | 回顾性多机构的心脏超声图像数据 | 机器学习 | 心血管疾病 | 深度学习 | 3D卷积神经网络 | 图像 | 64,028个心脏超声图像（n = 27,135） |
| 1613 | 2024-08-05 |
LncRNA expression signature identified using genome-wide transcriptomic profiling to predict lymph node metastasis in patients with stage T1 and T2 gastric cancer
2023-11, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-023-01428-8
PMID:37691031
|
研究论文 | 这篇文章描述了一种新的10-lncRNA表达特征，用于预测早期胃癌患者的淋巴结转移 | 提出了一种基于深度学习的10-lncRNA风险预测模型，能够有效识别早期胃癌的LN转移 | 尚未详细描述研究中的潜在偏差或随访数据 | 识别淋巴结转移的有效方法以改善早期胃癌的治疗决策 | T1和T2期胃癌患者的淋巴结状态 | 数字病理学 | 胃癌 | 转录组分析 | 深度学习模型 | 基因表达数据 | 涉及T1和T2患者的多个样本，具体数字未提供 |
| 1614 | 2024-08-05 |
Association of brain microbleeds with risk factors, cognition, and MRI markers in MESA
2023-09, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.13346
PMID:37289978
|
研究论文 | 该文章研究了脑微出血与风险因素、认知和MRI标记之间的关系 | 使用深度学习模型从多种族群体中识别和量化脑微出血，提供了新见解 | 研究样本主要来自一个特定的研究，可能影响结果的广泛性 | 探讨脑微出血在不同种族及其与风险因素和认知的关系 | 无先前中风的1016名参与者 | 数字病理学 | 心血管疾病 | 3T磁共振成像，深度学习模型 | NA | 图像 | 1016名参与者 |
| 1615 | 2024-08-05 |
Patient specific prior cross attention for kV decomposition in paraspinal motion tracking
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16644
PMID:37538040
|
研究论文 | 该研究开发了一种深度学习算法，通过将图像分解为骨骼和软组织组件来提高kV图像对比度 | 提出了一种患者特异性的先验交叉注意机制（PCAT），显著提升了kV图像分解的性能 | 未提供有关其他类型或条件下的应用效果的信息 | 研究旨在改善放射治疗中kV图像的质量和运动追踪准确性 | 使用在线kV成像监测患者在脊旁SBRT中的运动 | 数字病理 | NA | 深度学习 | 生成对抗网络 (GAN) | 图像 | NA |
| 1616 | 2024-08-05 |
Automated Brain Tumor Detection Using Machine Learning: A Bibliometric Review
2023-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.03.115
PMID:37019303
|
综述 | 本研究系统回顾了使用机器学习进行脑肿瘤分类的文献 | 提供了关于自动化脑肿瘤检测的最新研究概况和文献计量分析 | 仅限于过去五年的文献，可能未涵盖所有相关研究 | 开发使用机器学习进行脑肿瘤检测的研究概述 | 1747篇关于自动脑肿瘤检测的研究 | 机器学习 | 脑肿瘤 | 机器学习 | 卷积神经网络 | NA | 来自679个不同来源的1747项研究 |
| 1617 | 2024-08-05 |
JOINT DEEP LEARNING FOR IMPROVED MYOCARDIAL SCAR DETECTION FROM CARDIAC MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230541
PMID:38523738
|
研究论文 | 本文提出了一种新颖的联合深度学习框架，用于改善从心脏MRI检测心肌瘢痕的效果 | 该方法通过引入信息传递模块，直接传递心肌分割的信息来指导瘢痕检测，创造性地将瘢痕检测与心肌分割结合在一起 | 采用的图像中存在噪声和伪影可能仍然影响检测精度 | 研究旨在改善心脏MRI中心肌瘢痕的自动识别 | 研究对象为心脏磁共振成像中的心肌瘢痕 | 数字病理学 | 心血管疾病 | 心脏磁共振成像（CMR） | 联合深度学习（JDL） | 图像 | 实验中使用了多种心脏MRI图像 |
| 1618 | 2024-08-05 |
Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16386
PMID:36988423
|
研究论文 | 本文开发了基于DGAE-MRI的正常组织并发症概率(NTCP)模型，以适应接受SBRT治疗的 hepatocellular cancer(HCC)患者的个性化放疗 | 创新性地采用DGAE-MRI的体素级功能信息，提高了放疗对患者特异性反应的估计 | 研究样本量较小，需在更大患者群体中进行进一步验证 | 旨在建立基于动态Gadoxetic Acid增强MRI的NTCP模型，以提高HCC患者放疗的个性化适应性 | 146名接受SBRT治疗的HCC患者，其中24名患者进行了DGAE MRI | 数字病理学 | 肝癌 | 动态Gadoxetic Acid增强MRI (DGAE-MRI) | 条件Wasserstein生成对抗网络 (cWGAN) | 图像 | 146名HCC患者中有24名进行了DGAE MRI |
| 1619 | 2024-08-05 |
Prediction of total knee replacement using deep learning analysis of knee MRI
2023-04-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33934-1
PMID:37117260
|
研究论文 | 本文开发了深度学习风险评估模型，以预测膝关节骨关节炎向全膝关节置换的进展 | 创新点在于使用深度学习模型分析膝MRI，提供比传统风险评估模型更准确的TKR预测 | 该研究仅限于回顾性分析，且样本来自特定的膝关节骨关节炎研究 | 研究目的在于提高对膝关节骨关节炎进展到全膝关节置换的预测能力 | 研究对象为353对骨关节炎患者，分为有TKR和无TKR的病例对照组 | 机器学习 | 膝关节骨关节炎 | MRI | 深度学习模型 | 医学影像 | 353对病例对照组 |
| 1620 | 2024-08-05 |
High-throughput property-driven generative design of functional organic molecules
2023-Feb, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00391-1
PMID:38177626
|
研究论文 | 本文提出了一种结合生成深度学习模型和监督深度学习模型的方法，以设计具有优良电子性质的功能有机分子 | 结合生成深度学习模型与监督深度学习模型来优化分子属性，避免了传统量子化学计算的需求 | 研究可能受到生成模型效能和输入数据质量的限制 | 探讨高通量设计具有特定性质的有机分子的方法 | 主要研究对象为功能性有机分子，特别是在有机电子应用中 | 计算机视觉 | NA | 生成深度学习，监督深度学习 | NA | 三维分子构型数据，电子结构数据 | NA |