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 225 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2024-09-11 |
An experimental system for detection and localization of hemorrhage using ultra-wideband microwaves with deep learning
2023-Oct-03, ArXiv
PMID:37873017
|
研究论文 | 本文介绍了一种使用超宽带微波和深度学习进行出血检测和定位的实验系统 | 开发了一种包含机器人导航系统的实验框架，使用超宽带微波阵列和深度神经网络进行出血分类和定位 | 实验仅在血样模拟的幻影和人体头部模型中进行，尚未在真实临床环境中验证 | 探索低成本、小型化、快速且安全的微波成像技术在出血检测中的应用 | 出血的检测和定位 | 计算机视觉 | NA | 超宽带微波 | 深度神经网络 | 微波散射参数 | 8个元素的超宽带阵列 | NA | NA | NA | NA |
| 202 | 2024-08-31 |
Comparison of Machine Learning Detection of Low Left Ventricular Ejection Fraction Using Individual ECG Leads
2023-Oct, Computing in cardiology
DOI:10.22489/cinc.2023.047
PMID:39193485
|
研究论文 | 本研究开发并应用了一种深度学习架构，用于检测低左心室射血分数（LVEF），并比较了使用单个导联和整个12导联ECG训练该架构的性能 | 探索了使用单个导联ECG数据进行机器学习分析的可能性，并发现单导联训练的网络与全12导联训练的网络性能相似 | 未提及具体限制 | 开发和比较使用单个导联和整个12导联ECG进行机器学习分析的性能 | 低左心室射血分数（LVEF）的检测 | 机器学习 | 心血管疾病 | 机器学习（ML） | 深度学习 | ECG数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 203 | 2024-08-28 |
Clinical evaluation of deep learning-based automatic clinical target volume segmentation: a single-institution multi-site tumor experience
2023-Oct, La Radiologia medica
DOI:10.1007/s11547-023-01690-x
PMID:37597126
|
研究论文 | 本研究评估了基于深度学习的自动临床靶区（CTV）分割模型在多部位肿瘤CT图像上的表现 | 本研究首次在文献中探讨了多部位肿瘤的自动CTV分割，填补了这一领域的空白 | 研究中部分患者（如食管癌患者）的自动分割结果与手动分割结果的Dice相似系数较低，表明模型在某些肿瘤类型上的性能有待提高 | 评估基于深度学习的自动CTV分割模型在不同部位肿瘤CT图像上的准确性和临床接受度 | 包括鼻咽癌、食管癌、乳腺癌、宫颈癌、前列腺癌和直肠癌等多种癌症患者 | 计算机视觉 | 多种癌症 | 深度学习 | Flexnet, Unet, Vnet, Segresnet | CT图像 | 577名患者 | NA | NA | NA | NA |
| 204 | 2024-08-28 |
New trend in artificial intelligence-based assistive technology for thoracic imaging
2023-Oct, La Radiologia medica
DOI:10.1007/s11547-023-01691-w
PMID:37639191
|
综述 | 本文综述了人工智能技术在胸部影像诊断中的应用，特别关注于病灶检测和定性诊断 | 介绍了可解释的人工智能在定性诊断中的发展需求 | 强调了人工智能作为医生辅助系统的局限性，最终决策应由医生做出 | 帮助放射科医生和临床医生更熟悉人工智能在胸部影像中的应用 | 人工智能技术在胸部影像诊断中的应用 | 计算机视觉 | NA | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 205 | 2024-08-21 |
Investigation of machine learning algorithms for taxonomic classification of marine metagenomes
2023-Oct-17, Microbiology spectrum
IF:3.7Q2
DOI:10.1128/spectrum.05237-22
PMID:37695074
|
研究论文 | 本研究从公开的海洋宏基因组数据构建训练/测试数据集，并评估机器学习方法在基于读取的海洋宏基因组分类中的性能 | 本研究提供了关于深度学习在海洋微生物宏基因组数据集上的方法、结果和挑战的见解 | 未来的机器学习方法可以通过纠正训练数据集中的基因组覆盖和类别不平衡、开发替代模型以及增加模型训练和改进的计算资源可访问性来改进 | 开发和评估机器学习方法在海洋宏基因组分类中的应用 | 海洋宏基因组数据集 | 机器学习 | NA | 机器学习 | 深度学习模型 | 宏基因组数据 | 公开的海洋宏基因组数据 | NA | NA | NA | NA |
| 206 | 2024-08-08 |
SaLT&PepPr is an interface-predicting language model for designing peptide-guided protein degraders
2023-10-24, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05464-z
PMID:37875551
|
研究论文 | 本文介绍了一种名为SaLT&PepPr的结构无关语言转换器和肽优先级排序管道，用于从蛋白质序列中预测相互作用界面，进而生成肽结合基序 | 该模型仅使用氨基酸序列作为输入，与基于结构同源性的方法竞争，但性能低于输入结构和序列特征的深度学习模型 | 模型在性能上低于那些同时输入结构和序列特征的深度学习模型 | 旨在预测蛋白质-蛋白质相互作用（PPIs）的位点，这对于计算和实验应用都很有用 | 蛋白质-蛋白质相互作用位点的预测以及肽结合基序的生成 | 机器学习 | NA | 蛋白质语言模型（pLM） | 语言转换器（Transformer） | 序列 | 使用来自PDB的数据进行模型训练和验证 | NA | NA | NA | NA |
| 207 | 2024-08-05 |
Machine Learning in Cardio-Oncology: New Insights from an Emerging Discipline
2023-Oct, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2410296
PMID:39077576
|
综述 | 本文概述了机器学习在心脏肿瘤学中的应用，包括心脏毒性的预测、诊断和治疗 | 提出了机器学习在心脏肿瘤学领域的新应用，尤其是在风险分层方面 | 缺乏具体的样本数据和定量分析 | 研究机器学习在心脏肿瘤学中的应用和影响 | 癌症患者的心脏毒性和相关风险因素 | 机器学习 | 心脏病 | 机器学习 | 深度学习、人工神经网络、随机森林 | NA | NA | NA | NA | NA | NA |
| 208 | 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 |
| 209 | 2024-08-05 |
Bidirectional Mapping with Contrastive Learning on Multimodal Neuroimaging Data
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43898-1_14
PMID:39005889
|
研究论文 | 文章提出了一种新的双向映射模型，通过对比学习减少脑结构与功能之间单向映射的偏差 | 创新点在于提出了双向映射模型BMCL，解决了单向映射方法的偏差问题 | 研究中只使用了两个公开数据集，可能限制了结果的普遍性 | 探讨脑结构与功能之间的相互作用，并识别不同临床表型和脑疾病的潜在生物标志物 | 使用临床表型和神经退行性疾病的预测作为研究对象 | 计算机视觉 | 神经退行性疾病 | 对比学习 | BMCL | 多模态神经影像数据 | 使用了两个公开数据集（HCP和OASIS）中的样本 | NA | NA | NA | NA |
| 210 | 2024-08-05 |
Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms
2023-10, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2022.11.014
PMID:37001856
|
综述 | 该文章综述了蛋白质结构预测领域的研究进展与研究范式的转变 | 强调了深度学习在蛋白质结构预测中的成功以及研究范式的转变 | 理论解释神经网络的机制和对蛋白质折叠的知识仍然高度缺乏 | 探讨蛋白质结构预测的不同研究范式及其演变 | 涉及多领域研究者对蛋白质结构预测的努力 | 计算机科学 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 211 | 2024-08-05 |
Landmark Based Bronchoscope Localization for Needle Insertion Under Respiratory Deformation
2023-Oct, Proceedings of the ... IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE/RSJ International Conference on Intelligent Robots and Systems
DOI:10.1109/iros55552.2023.10342115
PMID:38947248
|
研究论文 | 本研究提出了一种实时摄像头方法，用于在呼吸变形下准确定位支气管镜 | 创新之处在于使用深度学习相对于解剖标志估计支气管镜的位置，克服了全局姿势估计的局限性 | 研究主要在模拟的数据集上进行，可能在真实应用中存在局限性 | 研究的目的是提高肺癌诊断时支气管镜定位的准确性 | 研究对象主要是支气管镜相对于计划穿刺位置的定位 | 计算机视觉 | 肺癌 | 深度学习 | NA | 模拟数据 | 在进行呼吸运动的肺部模拟数据集上进行评估 | NA | NA | NA | NA |
| 212 | 2024-08-05 |
An Improved Method for Diagnosis of Parkinson's Disease using Deep Learning Models Enhanced with Metaheuristic Algorithm
2023-Oct-04, Research square
DOI:10.21203/rs.3.rs-3387953/v1
PMID:37886464
|
研究论文 | 本研究提出了一种结合元启发算法的深度学习模型用于早期诊断帕金森病 | 提出了四种深度学习模型及混合模型，并通过灰狼优化算法自动微调超参数 | 未提及具体的临床应用限制或数据集的多样性问题 | 提高帕金森病的早期诊断准确性 | 用于帕金森病诊断的深度学习模型 | 机器学习 | 帕金森病 | 灰狼优化 | GWO-VGG16、GWO-DenseNet、GWO-DenseNet + LSTM、GWO-InceptionV3、GWO-VGG16 + InceptionV3 | 图像 | 使用两个标准数据集 T1、T2加权数据集和 SPECT DaTscan | NA | NA | NA | NA |
| 213 | 2024-08-05 |
Deep-Learning-Based Model for the Prediction of Cancer-Specific Survival in Patients with Spinal Chordoma
2023-10, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.08.032
PMID:37586553
|
研究论文 | 本文旨在开发基于深度学习的模型以预测脊索瘤患者的癌症特异性生存率。 | 提出了一种更有效的深度学习模型用于脊索瘤患者预后预测，表现优于传统的Cox回归模型。 | 研究仅使用了SEER数据库的数据，可能存在样本选择偏倚。 | 研究旨在提高脊索瘤患者的预后预测精度。 | 本研究对象为来自SEER数据库的脊索瘤患者。 | 机器学习 | 脊索瘤 | 深度学习 | DeepSurv和NMTLR | 临床数据 | 258名脊索瘤患者 | NA | NA | NA | NA |
| 214 | 2024-08-05 |
Automatic Localization of Key Structures for Subthalamic Nucleus-Deep Brain Stimulation Surgery via Prior-Enhanced Multi-Object Magnetic Resonance Imaging Segmentation
2023-10, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.07.103
PMID:37506845
|
研究论文 | 本文提出了一种通过增强先验的多目标磁共振成像分割方法，自动定位用于下丘脑深部刺激手术的关键结构 | 本研究创新性地提出了一种自动化的方法来增强下丘脑-深部脑刺激手术中关键脑结构的定位，解决了当前临床实践中对放射科医生经验的依赖 | 本研究未提及样本大小和在不同临床背景下方法的适用性 | 本文旨在提高下丘脑深部刺激手术中关键脑结构的定位精度和效率 | 本文研究对象包括下丘脑、红核、脑沟、脑回和脑室等关键脑结构 | 数字病理学 | 帕金森病 | 深度学习 | U-Net | 磁共振成像图像 | NA | NA | NA | NA | NA |
| 215 | 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 | NA | NA | NA | NA |
| 216 | 2024-08-05 |
An Automatic Grading System for Neonatal Endotracheal Intubation with Multi-Task Convolutional Neural Network
2023-Oct, ... IEEE-EMBS International Conference on Biomedical and Health Informatics. IEEE-EMBS International Conference on Biomedical and Health Informatics
DOI:10.1109/bhi58575.2023.10313510
PMID:38846334
|
研究论文 | 本文提出了一种基于多任务卷积神经网络的自动评分系统，用于评估新生儿气管插管的熟练程度 | 本研究首次将多任务深度学习技术与多变量时间序列数据结合，成功实现气管插管表现的自动评估 | 研究未提及样本的多样性及其在不同临床环境中的适用性 | 开发一种自动评分系统以帮助培训者评估气管插管技能 | 新生儿气管插管（ETI）培训过程中的学员表现 | 机器学习 | NA | 卷积神经网络 | 多任务卷积神经网络 (MTCNN) | 多变量时间序列数据 | 使用标准的新生儿任务训练假人进行实验 | NA | NA | NA | NA |
| 217 | 2024-08-05 |
Implicit Anatomical Rendering for Medical Image Segmentation with Stochastic Experts
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43898-1_54
PMID:38840671
|
研究论文 | 本文提出了一种名为MORSE的隐式神经渲染框架，旨在通过解剖级别的学习辅助医学图像分割 | 此方法通过将医学图像分割视为渲染问题，结合了隐式神经表示和混合专家机制，以加强对边界区域的细化 | 本文未详细讨论隐式神经渲染在实际应用中的通用性与鲁棒性 | 研究旨在提高医学图像分割中的特征建模能力 | 本文研究对象为医学图像及其分割 | 数字病理学 | NA | 深度学习 | Mixture-of-Expert (MoE) | 图像 | NA | NA | NA | NA | NA |
| 218 | 2024-08-05 |
A Multilabel Text Classifier of Cancer Literature at the Publication Level: Methods Study of Medical Text Classification
2023-Oct-05, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/44892
PMID:37796584
|
研究论文 | 本研究旨在建立一个多标签分类器，以提高癌症文献的分类分辨率 | 通过结合BERT和TextRNN模型，实现了对癌症文献的高分辨率多标签分类 | 未来需要收集更多来自不同领域的数据以验证模型的可扩展性和扩展性 | 解决现有低分辨率癌症文献分类的问题，以支持临床相关性文献的高效检索 | 癌症研究的文献，涉及70699篇癌症出版物 | 自然语言处理 | 癌症 | BERT + X | BERT + TextRNN | 文本 | 70699篇癌症出版物 | NA | NA | NA | NA |
| 219 | 2024-08-05 |
Guided diffusion for inverse molecular design
2023-Oct, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00532-0
PMID:38177755
|
研究论文 | 本文介绍了一种新的逆分子设计方法GaUDI，其结合了属性预测的等变图神经网络和生成扩散模型 | GaUDI通过结合图神经网络和生成扩散模型，实现了对分子属性的条件设计，并能够生成超出初始分布的分子 | 未提及具体的局限性 | 提高分子设计的效率和有效性，特别是在有机电子应用中 | 生成的475,000个多环芳香系统的数据集 | 机器学习 | NA | 生成扩散模型，图神经网络 | NA | 数据集 | 475,000个多环芳香系统 | NA | NA | NA | NA |
| 220 | 2024-08-05 |
ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images
2023-Oct-27, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.20.545686
PMID:37425778
|
研究论文 | 本文开发了一种深度学习模型ArcheD，用于从淋巴PET图像直接预测脑脊液中的淀粉样β浓度 | 创新之处在于该模型无需依赖示踪剂、脑参考区域或预先选择的兴趣区域 | 在晚期阿尔茨海默病患者中，该模型的性能有所降低 | 本研究的目的是通过淋巴PET图像早期识别和诊断阿尔茨海默病 | 研究对象为1870幅淀粉样PET图像及其对应的脑脊液测量值 | 数字病理学 | 阿尔茨海默病 | 卷积神经网络 | CNN | 图像 | 1870幅淀粉样PET图像 | NA | NA | NA | NA |