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 154 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2024-09-20 |
Automated COVID-19 diagnosis and classification using convolutional neural network with fusion based feature extraction model
2023-Jun, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-021-09712-y
PMID:34522236
|
研究论文 | 本文提出了一种基于卷积神经网络和融合特征提取模型的自动化COVID-19诊断和分类方法 | 引入了融合特征提取模型FM-CNN，结合灰度共生矩阵、灰度游程长度矩阵和局部二值模式进行特征提取，并使用粒子群优化算法选择最优特征子集 | NA | 设计一种有效的COVID-19诊断和分类模型 | COVID-19患者的胸部X光片 | 计算机视觉 | COVID-19 | 卷积神经网络 | CNN | 图像 | 胸部X光片数据集 | NA | NA | NA | NA |
| 82 | 2024-09-20 |
Natural language processing to identify reasons for sex disparity in statin prescriptions
2023-Jun, American journal of preventive cardiology
IF:4.3Q1
DOI:10.1016/j.ajpc.2023.100496
PMID:37128554
|
研究论文 | 使用自然语言处理技术识别导致他汀类药物处方性别差异的原因 | 采用自然语言处理技术（NLP）和深度学习模型Clinical BERT，分析临床记录中的文本信息，揭示导致他汀类药物处方性别差异的因素 | 研究仅限于北加州多站点电子健康记录中的患者数据，可能无法完全代表所有地区的患者情况 | 探讨导致动脉粥样硬化性心血管疾病（ASCVD）患者中女性他汀类药物处方率低于男性的原因 | 动脉粥样硬化性心血管疾病（ASCVD）患者 | 自然语言处理 | 心血管疾病 | 自然语言处理（NLP） | BERT | 文本 | 88,913名ASCVD患者，其中35,901名为女性 | NA | NA | NA | NA |
| 83 | 2024-09-20 |
GLACIER: GLASS-BOX TRANSFORMER FOR INTERPRETABLE DYNAMIC NEUROIMAGING
2023-Jun, Proceedings of the ... IEEE International Conference on Acoustics, Speech, and Signal Processing. ICASSP (Conference)
|
研究论文 | 本文提出了一种可解释的深度学习模型GLACIER，并将其应用于动态神经影像领域 | 本文提出的模型是一种'玻璃盒'模型，能够在神经影像领域生成可解释的连接矩阵，并超越现有模型在多个任务上的表现 | NA | 提高深度学习模型在神经影像领域的可解释性 | 动态脑网络连接 | 计算机视觉 | NA | 深度学习 | Transformer | 功能性磁共振成像数据 | 多个功能性磁共振成像数据集 | NA | NA | NA | NA |
| 84 | 2024-09-20 |
Development of a dynamic prediction model for unplanned ICU admission and mortality in hospitalized patients
2023-Jun, PLOS digital health
DOI:10.1371/journal.pdig.0000116
PMID:37294826
|
研究论文 | 本文开发了一种基于深度学习模型的动态预测模型，用于预测住院患者的非计划性ICU转入和院内死亡风险 | 本文利用深度学习方法，结合电子健康记录中的时间戳数据，开发了一种能够动态预测患者健康状况变化的模型，相较于传统的风险评分，该模型在个体化风险评估方面表现更优 | 本文未详细讨论模型的实际应用效果和在不同医疗环境中的适用性 | 开发一种能够动态预测住院患者非计划性ICU转入和院内死亡风险的深度学习模型 | 住院患者的非计划性ICU转入和院内死亡风险 | 机器学习 | NA | 深度学习 | RNN | 文本 | 852,620名患者，共2,241,849次住院记录 | NA | NA | NA | NA |
| 85 | 2024-09-20 |
Explainable AI for Retinoblastoma Diagnosis: Interpreting Deep Learning Models with LIME and SHAP
2023-Jun-01, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13111932
PMID:37296784
|
研究论文 | 本文探讨了使用LIME和SHAP解释性AI技术来解释基于InceptionV3架构的深度学习模型在视网膜母细胞瘤诊断中的决策过程 | 结合深度学习和解释性AI技术，提高了视网膜母细胞瘤诊断的准确性和透明度 | NA | 提高视网膜母细胞瘤诊断的准确性和透明度 | 视网膜母细胞瘤和非视网膜母细胞瘤的视网膜图像 | 计算机视觉 | 视网膜母细胞瘤 | LIME和SHAP解释性AI技术 | InceptionV3 | 图像 | 800张图像，包括400张视网膜母细胞瘤图像和400张非视网膜母细胞瘤图像 | NA | NA | NA | NA |
| 86 | 2024-09-20 |
Automatic International Hidradenitis Suppurativa Severity Score System (AIHS4): A novel tool to assess the severity of hidradenitis suppurativa using artificial intelligence
2023-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13357
PMID:37357665
|
研究论文 | 本文介绍了一种名为AIHS4的自动国际化藏毛囊炎严重程度评分系统，利用深度学习模型评估藏毛囊炎的严重程度 | 提出了AIHS4系统，通过深度学习模型自动评估藏毛囊炎的严重程度，减少了人工评估的时间和主观性 | 当前数据集规模有限，模型的性能尚未达到最专家医师的水平 | 开发一种自动化的工具，用于评估藏毛囊炎的严重程度，并支持临床实践和临床试验 | 藏毛囊炎的严重程度评估 | 计算机视觉 | 皮肤疾病 | 深度学习 | YOLOv5 | 图像 | 包含由六位专家手动标注的藏毛囊炎图像的数据集 | NA | NA | NA | NA |
| 87 | 2024-09-19 |
Pacpaint: a histology-based deep learning model uncovers the extensive intratumor molecular heterogeneity of pancreatic adenocarcinoma
2023-06-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-39026-y
PMID:37311751
|
研究论文 | 开发了一种基于深度学习的模型PACpAInt，用于快速分型胰腺腺癌的分子亚型 | PACpAInt模型能够在全切片或瓦片级别预测肿瘤组织和肿瘤细胞的分子亚型，并独立预测生存率 | NA | 研究胰腺腺癌的分子异质性并开发快速分型工具 | 胰腺腺癌的肿瘤和基质亚型 | 数字病理学 | 胰腺腺癌 | 深度学习 | 深度学习模型 | 转录组数据 | 202例多中心队列训练，4个独立队列（包括148、97、126例手术队列和25例活检队列）验证，总共598例样本 | NA | NA | NA | NA |
| 88 | 2024-09-19 |
Volumetric Analysis of Amygdala and Hippocampal Subfields for Infants with Autism
2023-Jun, Journal of autism and developmental disorders
IF:3.2Q1
DOI:10.1007/s10803-022-05535-w
PMID:35389185
|
研究论文 | 本文首次使用MRI对6至24个月大的婴儿进行杏仁核和海马子区域的三维分析，以研究自闭症谱系障碍（ASD）儿童的脑部异常发育 | 提出了Dilated-Dense U-Net深度学习方法，用于解决这些子区域低组织对比度和小结构尺寸的挑战 | NA | 研究自闭症谱系障碍（ASD）婴儿杏仁核和海马子区域的发育情况 | 6至24个月大的婴儿的杏仁核和海马子区域 | 计算机视觉 | 自闭症 | MRI | Dilated-Dense U-Net | 图像 | NA | NA | NA | NA | NA |
| 89 | 2024-09-19 |
Profiling of kidney involvement in systemic lupus erythematosus by deep learning using the National Database of Designated Incurable Diseases of Japan
2023-Jun, Clinical and experimental nephrology
IF:2.2Q2
DOI:10.1007/s10157-023-02337-x
PMID:36929044
|
研究论文 | 本研究利用日本国家指定难治性疾病数据库的数据，通过深度学习方法分析了系统性红斑狼疮（SLE）患者中的肾脏受累情况 | 本研究首次利用深度学习技术分析了SLE患者中肾脏受累与其他临床表现之间的关系 | 研究仅基于2015年至2017年注册的1655名SLE患者的横断面数据，可能存在样本量不足的问题 | 探讨系统性红斑狼疮患者中肾脏受累的临床表现及其与其他临床表现的关系 | 系统性红斑狼疮患者及其肾脏受累情况 | 机器学习 | 系统性红斑狼疮 | 深度学习 | 人工神经网络 | 临床数据 | 1655名SLE患者 | NA | NA | NA | NA |
| 90 | 2024-09-19 |
Progressive attention integration-based multi-scale efficient network for medical imaging analysis with application to COVID-19 diagnosis
2023-06, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2023.106947
PMID:37099976
|
研究论文 | 本文开发了一种基于深度学习的医学影像分析框架，旨在解决影像数据不完美导致的特征学习不足问题 | 提出了一种多尺度高效网络（MEN），通过集成不同的注意力机制，实现逐步学习方式下细节特征和语义信息的充分提取 | 未提及 | 开发一种新的深度学习框架，用于医学影像分析，特别是COVID-19诊断 | COVID-19诊断任务中的医学影像 | 计算机视觉 | COVID-19 | 深度学习 | 多尺度高效网络（MEN） | 影像 | 未提及 | NA | NA | NA | NA |
| 91 | 2024-09-19 |
Comparison of the output of a deep learning segmentation model for locoregional breast cancer radiotherapy trained on 2 different datasets
2023-Jun, Technical innovations & patient support in radiation oncology
DOI:10.1016/j.tipsro.2023.100209
PMID:37213441
|
研究论文 | 比较了基于两个不同数据集训练的深度学习分割模型在局部乳腺癌放疗中的输出 | 研究了使用外部数据训练的模型与使用内部数据训练的模型之间的性能差异 | 研究仅限于30名乳腺癌患者的内部数据，可能无法完全代表所有情况 | 评估使用外部数据训练的模型与使用内部数据训练的模型在乳腺癌放疗中的性能差异 | 深度学习分割模型在乳腺癌放疗中的应用 | 机器学习 | 乳腺癌 | 深度学习 | 分割模型 | 图像 | 30名乳腺癌患者 | NA | NA | NA | NA |
| 92 | 2024-09-16 |
Transfer learning identifies sequence determinants of cell-type specific regulatory element accessibility
2023-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad026
PMID:37007588
|
研究论文 | 本文开发了一种名为ChromTransfer的迁移学习方法，用于识别细胞类型特异性调控元件可及性的序列决定因素 | ChromTransfer利用预训练的细胞类型无关模型作为基础，通过微调来学习细胞类型特异性染色质可及性，显著提高了模型性能 | 深度学习方法需要大量输入数据进行训练 | 理解DNA如何编码调控活性，以更好地理解疾病病因 | 细胞类型特异性染色质可及性的序列决定因素 | 机器学习 | NA | 迁移学习 | 深度学习模型 | DNA序列 | NA | NA | NA | NA | NA |
| 93 | 2024-09-05 |
Centralized contrastive loss with weakly supervised progressive feature extraction for fine-grained common thorax disease retrieval in chest x-ray
2023-Jun, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16144
PMID:36515554
|
研究论文 | 本文提出了一种新的细粒度医学图像检索方法，使用集中对比损失和弱监督渐进特征提取技术来提高胸部X光片中常见胸腔疾病的检索性能 | 引入了一种新的集中对比损失函数和弱监督渐进特征提取方法，有效结合全局和局部特征，提高了特征的区分性能并降低了算法的时间复杂度 | 文章未明确提及具体的局限性 | 开发一种高效的图像疾病检索系统，帮助医生进行疾病诊断和预后 | 胸部X光片中的14种不同胸腔疾病 | 计算机视觉 | 胸腔疾病 | 集中对比损失（CCLoss） | CNN | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 94 | 2024-09-01 |
Deep-Learning-Based Segmentation of Extraocular Muscles from Magnetic Resonance Images
2023-Jun-08, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10060699
PMID:37370630
|
研究论文 | 本研究探讨了四种深度学习框架（U-Net、U-NeXt、DeepLabV3+和ConResNet）在冠状MRI中对眼外肌（EOMs）进行多类像素级分割的性能 | 本研究系统比较了影响分割和形态测量准确性的因素，以及深度学习模型在MRI中分割EOMs的变异性 | 研究结果显示分割精度在空间上不同的图像平面有所变化 | 评估和比较四种深度学习框架在MRI中对眼外肌进行分割的性能 | 眼外肌（EOMs）的分割 | 计算机视觉 | NA | 磁共振成像（MRI） | U-Net, U-NeXt, DeepLabV3+, ConResNet | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 95 | 2024-08-10 |
Learning structural heterogeneity from cryo-electron sub-tomograms with tomoDRGN
2023-Jun-02, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.31.542975
PMID:37398315
|
研究论文 | 本文介绍了基于深度学习的工具tomoDRGN，用于从冷冻电子断层扫描数据中学习结构异质性 | 扩展了cryoDRGN深度学习架构，用于处理冷冻电子断层扫描的子断层图，能够学习连续的低维结构异质性表示 | NA | 开发新的工具以分析冷冻电子断层扫描数据中的结构异质性 | 冷冻电子断层扫描数据中的结构异质性 | 计算机视觉 | NA | 冷冻电子断层扫描 | 深度学习架构 | 子断层图 | 大量异质性结构 | NA | NA | NA | NA |
| 96 | 2024-08-05 |
Audiological Diagnosis of Valvular and Congenital Heart Diseases in the Era of Artificial Intelligence
2023-Jun, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2406175
PMID:39077516
|
研究论文 | 本文探讨了结合人工智能技术的电子听诊器在先天性心脏病和瓣膜性心脏病诊断中的应用 | 提出了建立大型标准化心音数据库，并统一算法进行外部验证的研究方向 | 目前对疾病严重程度、远程监测和预后等方面的研究较少 | 旨在提高心脏疾病的诊断准确性 | 电子听诊器、人工智能算法与心脏病 | 计算机视觉 | 心脏病 | 人工智能、深度学习 | 深度学习算法、基于特征提取的机器学习算法 | 心音 | NA | NA | NA | NA | NA |
| 97 | 2024-08-05 |
Elbow trauma in children: development and evaluation of radiological artificial intelligence models
2023-Jun, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2023.100029
PMID:39077546
|
研究论文 | 本文针对儿童肘部创伤，开发了一种能够检测后创伤性损伤的人工智能模型并评估其性能 | 通过深度学习模型的端到端开发，实现了对儿童肘部X光照影像的分析，为临床实践提供了新的辅助工具 | 模型在外部测试集的准确性下降，尤其是第二个模型的特异性显著降低 | 开发和评估能够改善放射科医生对儿童肘部创伤X光解读的人工智能模型 | 1956张儿童肘部X光影像，涉及935名年龄在0至18岁之间的患者 | 计算机视觉 | NA | 深度卷积神经网络（CNN） | 深度学习模型 | 影像 | 1956张X光影像 | NA | NA | NA | NA |
| 98 | 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 |
| 99 | 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 |
| 100 | 2024-08-05 |
Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL
2023-06, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.01.006
PMID:36775056
|
研究论文 | 本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物 | 使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释 | 本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证 | 个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标 | 预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型 | 机器学习 | 癌症 | 深度学习 | NA | 数据集 | 使用了来自两个大型数据库的癌症细胞系和肿瘤数据 | NA | NA | NA | NA |