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 255 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2024-10-13 |
plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style
2023-Oct-03, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-023-09677-8
PMID:37789265
|
研究论文 | 介绍了一个名为plotnineSeqSuite的Python包，用于使用ggplot2风格的API可视化序列数据 | plotnineSeqSuite是首个在Python中实现ggplot2风格序列相关图形可视化的包，增强了R和Python之间编程绘图的统一性 | NA | 开发一个Python包，提供类似于R语言中ggseqlogo的API，以降低学习成本并增强编程方法的统一性 | 序列数据的可视化 | 生物信息学 | NA | NA | NA | 序列数据 | NA | NA | NA | NA | NA |
| 142 | 2024-10-13 |
A deep learning model to triage and predict adenocarcinoma on pancreas cytology whole slide imaging
2023-10-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-42045-w
PMID:37783684
|
研究论文 | 本文提出了一种深度学习框架MIPCL，用于胰腺细胞学全切片成像中腺癌的分类和预测 | MIPCL模型在所有评估指标上显著优于其他两种深度学习模型，并且能够恢复对最终预测贡献最大的切片区域 | NA | 开发一种辅助筛查工具，用于预测胰腺细胞学全切片成像中腺癌的存在与否 | 胰腺细胞学全切片成像中的腺癌 | 数字病理 | 胰腺癌 | 深度学习 | 深度学习框架 | 图像 | 通过数据集优化策略增加了训练样本数量 | NA | NA | NA | NA |
| 143 | 2024-10-13 |
SurfFlow: A Flow-Based Approach for Rapid and Accurate Cortical Surface Reconstruction from Infant Brain MRI
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43993-3_37
PMID:39380670
|
研究论文 | 本文介绍了一种基于流的方法，用于从婴儿脑部MRI快速准确地重建皮层表面 | 提出了一种针对婴儿脑部MRI的皮层表面重建方法，利用三个无缝连接的变形块，能够在一秒内重建高分辨率的皮层表面网格 | NA | 开发一种能够准确重建婴儿脑部皮层表面的方法，以理解早期大脑发育过程中皮层形态学的快速变化 | 婴儿脑部的皮层表面 | 计算机视觉 | NA | 流形变形 | NA | MRI图像 | 0到12个月大的婴儿MRI数据集 | NA | NA | NA | NA |
| 144 | 2024-10-13 |
The Impact of Artificial Intelligence on Optimizing Diagnosis and Treatment Plans for Rare Genetic Disorders
2023-Oct, Cureus
DOI:10.7759/cureus.46860
PMID:37954711
|
研究论文 | 探讨人工智能和机器学习在优化罕见遗传病诊断和治疗方案中的变革性影响 | 强调人工智能在分析大数据集和加速诊断方面的能力，以及在个性化治疗方案和药物发现中的应用 | 讨论了人工智能在医疗中的挑战和局限性，包括伦理、法律、技术和人类方面的考虑 | 探索人工智能和机器学习在解决罕见遗传病诊断和治疗复杂性中的作用 | 罕见遗传病及其诊断和治疗方案 | 机器学习 | 罕见遗传病 | 人工智能、机器学习、深度学习 | NA | 数据集 | NA | NA | NA | NA | NA |
| 145 | 2024-10-12 |
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
2023-10-27, Journal of visualized experiments : JoVE
DOI:10.3791/65557
PMID:37955392
|
研究论文 | 本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法 | 引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种 | NA | 开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率 | 锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi | 计算机视觉 | NA | 混合深度学习技术 | 混合深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 146 | 2024-10-12 |
A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports
2023-10-13, Journal of visualized experiments : JoVE
DOI:10.3791/65084
PMID:37902366
|
研究论文 | 本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联 | 提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系 | NA | 揭示细胞途径在疾病中的作用 | 细胞成分及其与疾病的关联 | 自然语言处理 | 心血管疾病 | 知识图谱构建 | 深度学习模型 | 文本 | 约3400万篇文本文档 | NA | NA | NA | NA |
| 147 | 2024-10-09 |
Super-resolution segmentation network for inner-ear tissue segmentation
2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-44689-4_2
PMID:38560492
|
研究论文 | 本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割 | 本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异 | NA | 研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息 | 内耳组织 | 计算机视觉 | NA | 深度学习 | 超分辨率分割网络 | 图像 | NA | NA | NA | NA | NA |
| 148 | 2024-10-04 |
Quantification of spatially localized MRS by a novel deep learning approach without spectral fitting
2023-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29711
PMID:37183798
|
研究论文 | 提出了一种新的端到端深度学习模型，用于从体内J-点分辨光谱（JPRESS）中量化绝对代谢物浓度，无需使用光谱拟合 | 该模型通过深度学习直接从JPRESS数据中预测代谢物浓度和单个代谢物信号，无需光谱拟合，消除了传统方法中浓度估计与噪声水平及代谢物之间的相关性 | 该研究仅在20个人体脑样本上进行了体内测试，样本量较小 | 开发一种新的深度学习方法，用于从体内JPRESS数据中直接量化代谢物浓度，无需光谱拟合 | 体内JPRESS数据中的代谢物浓度 | 机器学习 | NA | 深度学习 | 编码器-解码器神经网络 | 时间域数据 | 训练数据集包含100,000个样本，验证数据集包含2,000个样本，体内测试数据集包含20个人体脑样本 | NA | NA | NA | NA |
| 149 | 2024-10-04 |
Methodology reporting improved over time in 176,469 randomized controlled trials
2023-10, Journal of clinical epidemiology
IF:7.3Q1
DOI:10.1016/j.jclinepi.2023.08.004
PMID:37562729
|
研究论文 | 本文分析了176,469项随机对照试验（RCT）的方法学报告随时间的变化趋势 | 使用基于深度学习的句子分类模型，根据CONSORT声明评估RCT报告的质量，并分析了报告趋势随时间的变化 | 某些方法信息的报告仍需改进，如序列生成和分配隐藏的报告率较低 | 研究随机对照试验方法学报告随时间的变化趋势 | 176,469项随机对照试验报告 | 机器学习 | NA | 深度学习 | 句子分类模型 | 文本 | 176,469项随机对照试验报告 | NA | NA | NA | NA |
| 150 | 2024-10-04 |
Investigating Transformer Encoding Techniques to Improve Data-Driven Volume-to-Surface Liver Registration for Image-Guided Navigation
2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44992-5_9
PMID:39139984
|
研究论文 | 研究利用Transformer编码技术改进基于数据的体积到表面肝脏配准，以提高图像引导导航的准确性 | 采用基于Transformer的分割网络来预测非刚性配准的最佳位移场，显著提高了配准的准确性和鲁棒性 | 研究仅限于体积到表面肝脏配准，未涉及其他器官或更复杂的配准任务 | 提高腹腔镜肝脏手术中图像引导导航的准确性 | 肝脏的体积图像与表面图像的非刚性配准 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 涉及多种数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 151 | 2024-10-04 |
Improving Medical Image Classification in Noisy Labels Using only Self-supervised Pretraining
2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44992-5_8
PMID:39144367
|
研究论文 | 本文探讨了在带有噪声标签的医学图像分类中使用自监督预训练来提高分类性能 | 首次研究了其他自监督方法（如基于 pretext 任务的预训练）对带有噪声标签的学习的影响，并探讨了仅使用自监督预训练方法在医学图像中的应用 | 仅在两个医学数据集上进行了实验，结果的普适性有待验证 | 研究自监督预训练在带有噪声标签的医学图像分类中的应用 | 组织病理学图像和胸部 X 光图像 | 计算机视觉 | NA | 自监督学习 | 深度学习分类模型 | 图像 | 两个医学数据集 | NA | NA | NA | NA |
| 152 | 2024-10-04 |
Scanning Laser Ophthalmoscopy Demonstrates Disc and Peripapillary Strain During Horizontal Eye Rotation in Adults
2023-10, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2023.06.008
PMID:37343739
|
研究论文 | 使用扫描激光眼底镜（SLO）和深度学习分析技术，研究了成年人在水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变 | 首次使用自动化图像分析和深度学习技术来量化视盘和视网膜及脉络膜血管在水平眼球旋转过程中的应变 | 研究仅限于健康成年人的水平眼球旋转，未涉及其他眼球运动或疾病状态 | 研究水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变 | 视盘、视网膜和脉络膜血管在水平眼球旋转过程中的应变 | 计算机视觉 | NA | 扫描激光眼底镜（SLO） | 深度学习 | 图像 | 22名年轻（平均±标准误，26 ± 5岁）和19名年长（64 ± 10岁）健康志愿者 | NA | NA | NA | NA |
| 153 | 2024-10-04 |
Towards Accurate Microstructure Estimation via 3D Hybrid Graph Transformer
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43993-3_3
PMID:39219989
|
研究论文 | 本文提出了一种基于3D混合图变换器的微结构估计模型，通过整合3D空间信息和角度信息，改进了现有方法的性能 | 提出了3D混合图变换器（3D-HGT）模型，能够充分利用3D空间信息和角度信息，并通过简化的图神经网络模型和3D变换器模块提高了计算效率 | 现有方法忽略了3D空间信息，仅依赖于2D切片进行训练 | 提高微结构估计的准确性，特别是在使用欠采样的扩散MRI数据时 | 微结构估计 | 计算机视觉 | NA | 扩散MRI（dMRI） | 混合图变换器（HGT） | 图像 | 来自人类连接组项目的数据 | NA | NA | NA | NA |
| 154 | 2024-10-04 |
Min-Max Similarity: A Contrastive Semi-Supervised Deep Learning Network for Surgical Tools Segmentation
2023-10, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3266137
PMID:37037256
|
研究论文 | 提出了一种基于对比学习的半监督深度学习网络用于手术工具分割 | 引入了Min-Max相似度（MMS），通过双视图训练构建正负特征对，将学习问题转化为MMS问题 | NA | 解决医学图像分割中像素级标注数据获取困难的问题 | 手术工具的分割 | 计算机视觉 | NA | 对比学习 | NA | 图像 | 测试了四个公开的内窥镜手术工具分割数据集和一个手动标注的耳蜗植入手术数据集 | NA | NA | NA | NA |
| 155 | 2024-10-04 |
Deep learning denoising of digital breast tomosynthesis: Observer performance study of the effect on detection of microcalcifications in breast phantom images
2023-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16439
PMID:37145996
|
研究论文 | 本文研究了深度学习去噪技术在数字乳腺断层合成（DBT）图像中对微钙化（MCs）检测的影响 | 开发了一种基于深度学习的去噪器，用于提高DBT图像质量，并通过观察者性能研究验证了其在微钙化检测中的可行性 | 研究结果的普适性需要进一步在临床环境中对人类受试者和患者群体进行验证 | 研究深度学习去噪技术在DBT图像中对微钙化检测的影响 | 数字乳腺断层合成（DBT）图像中的微钙化（MCs） | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 六个5厘米厚的乳腺假体，嵌入了144个模拟的微钙化簇，由七名乳腺放射科医生进行评估 | NA | NA | NA | NA |
| 156 | 2024-10-04 |
A scoping review on multimodal deep learning in biomedical images and texts
2023-10, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2023.104482
PMID:37652343
|
综述 | 本文对多模态深度学习在生物医学图像和文本中的应用进行了综述 | 本文首次系统性地综述了多模态深度学习在生物医学图像和文本中的应用，并指出了未来的研究方向 | 本文主要关注了生物医学图像和文本的联合学习，未涵盖其他类型的多模态数据 | 旨在系统性地综述多模态深度学习在生物医学图像和文本中的应用，并指出当前研究的局限性和未来的研究方向 | 多模态深度学习在生物医学图像和文本中的应用 | 自然语言处理 | NA | 多模态深度学习 | NA | 图像和文本 | NA | NA | NA | NA | NA |
| 157 | 2024-10-04 |
Effect of Averaging Measurements From Multiple MRI Pulse Sequences on Kidney Volume Reproducibility in Autosomal Dominant Polycystic Kidney Disease
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28593
PMID:36645114
|
研究论文 | 研究通过使用多种MRI脉冲序列的平均测量值来提高常染色体显性多囊肾病（ADPKD）患者肾脏体积（TKV）测量的可重复性 | 利用人工智能算法自动分割肾脏，并在多个MRI脉冲序列上进行测量平均，显著提高了TKV测量的可重复性 | 研究样本量较小，且仅限于ADPKD患者 | 提高ADPKD患者肾脏体积测量的可重复性 | 常染色体显性多囊肾病患者的肾脏体积测量 | 计算机视觉 | 肾脏疾病 | MRI | 2D U-net | 图像 | 397名患者（356名ADPKD患者，41名非ADPKD患者），其中75%用于训练，25%用于验证，40名ADPKD患者用于测试，17名ADPKD患者用于评估可重复性 | NA | NA | NA | NA |
| 158 | 2024-10-04 |
DeepSWI: Using Deep Learning to Enhance Susceptibility Contrast on T2*-Weighted MRI
2023-10, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28622
PMID:36733222
|
研究论文 | 使用深度学习从T2*加权磁共振图像生成合成SWI图像，并评估其与传统SWI图像的相似性和检测放射相关微出血的能力 | 提出了一种使用深度学习从T2*加权图像生成合成SWI图像的方法，提高了神经血管和微出血的磁敏感对比度，且无残留磁敏感伪影 | 研究样本量较小，且仅限于放射相关微出血的患者 | 开发一种从临床T2*加权图像生成合成SWI图像的工具，并评估其性能 | 放射相关微出血的成人患者 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 145名成人患者（87名男性/58名女性；平均年龄43.9岁），用于训练（16,093个补丁/121名患者）、验证（484个补丁/4名患者）和测试（2420个补丁/20名患者） | NA | NA | NA | NA |
| 159 | 2024-10-04 |
Pie-Net: Prior-information-enabled deep learning noise reduction for coronary CT angiography acquired with a photon counting detector CT
2023-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16411
PMID:37042049
|
研究论文 | 本文提出了一种利用低噪声虚拟单能图像作为先验信息，通过深度学习技术减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的方法 | 本文创新性地利用低噪声虚拟单能图像作为先验信息，通过Pie-Net神经网络实现了对高分辨率光子计数探测器CT图像的噪声减少，相比传统的U-net方法，Pie-Net在保持空间和光谱保真度的同时，显著提高了去噪性能 | 本文仅在10名患者的冠状动脉CT血管造影数据上进行了验证，样本量较小，可能影响结果的普适性 | 开发一种利用先验信息减少高分辨率光子计数探测器CT冠状动脉CT血管造影图像噪声的深度学习技术 | 高分辨率光子计数探测器CT冠状动脉CT血管造影图像的噪声减少 | 计算机视觉 | 心血管疾病 | 光子计数探测器CT | 卷积神经网络 | 图像 | 10名患者的冠状动脉CT血管造影数据 | NA | NA | NA | NA |
| 160 | 2024-10-04 |
AI-based analysis of social media language predicts addiction treatment dropout at 90 days
2023-10, Neuropsychopharmacology : official publication of the American College of Neuropsychopharmacology
IF:6.6Q1
DOI:10.1038/s41386-023-01585-5
PMID:37095253
|
研究论文 | 本文评估了基于AI的数字表型在预测物质使用障碍治疗中患者90天治疗结果的能力 | 使用社交媒体语言和BERT模型生成风险评分，预测治疗脱落概率 | 样本量较小，仅涉及269名患者 | 评估AI模型在预测物质使用障碍治疗中患者90天治疗结果的能力 | 接受物质使用障碍治疗的269名患者 | 机器学习 | 物质使用障碍 | BERT模型 | 双向编码器表示转换器（BERT） | 文本 | 269名患者 | NA | NA | NA | NA |