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 197 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2024-09-28 |
Boosting the performance of pretrained CNN architecture on dermoscopic pigmented skin lesion classification
2023-Nov, 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.13505
PMID:38009020
|
研究论文 | 本文研究如何提升预训练卷积神经网络在皮肤镜色素性皮肤病变分类中的性能 | 通过数据增强和贝叶斯超参数优化来提升预训练CNN模型的分类性能 | NA | 提升预训练卷积神经网络在皮肤镜图像分类中的性能 | 皮肤镜色素性皮肤病变图像 | 计算机视觉 | 皮肤癌 | 卷积神经网络 | CNN | 图像 | 使用2019年ISIC数据集，包含八个疾病类别的图像 | NA | NA | NA | NA |
| 162 | 2024-09-27 |
Adapting model-based deep learning to multiple acquisition conditions: Ada-MoDL
2023-11, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29750
PMID:37332189
|
研究论文 | 本文介绍了一种基于模型的深度学习网络，能够在多种采集条件下从欠采样的并行MRI数据中提供高质量的重建 | 提出了一种单一的展开架构，通过调整卷积神经网络（CNN）特征和正则化参数的权重，适应不同的采集设置 | NA | 开发一种能够在多种采集条件下提供高质量重建的单一模型 | 欠采样的并行MRI数据 | 计算机视觉 | NA | 卷积神经网络（CNN） | 多层感知器模型 | 图像 | 使用来自多种采集设置的数据进行训练，包括不同的场强、加速和对比度 | NA | NA | NA | NA |
| 163 | 2024-09-23 |
Deep learning-driven adaptive optics for single-molecule localization microscopy
2023-Nov, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-02029-0
PMID:37770712
|
研究论文 | 本文开发了一种基于深度学习的自适应光学技术，用于单分子定位显微镜（SMLM），以解决生物组织引起的波前畸变问题 | 本文的创新点在于利用深度学习直接推断波前畸变并进行近实时补偿，避免了传统的迭代试错过程 | NA | 研究目的是提高单分子定位显微镜在生物组织中的分辨率和成像质量 | 研究对象是生物组织中的单分子发射模式及其波前畸变 | 计算机视觉 | NA | 自适应光学 | 深度神经网络 | 图像 | 超过130微米厚的脑组织样本 | NA | NA | NA | NA |
| 164 | 2024-09-20 |
Deep learning based hybrid prediction model for predicting the spread of COVID-19 in the world's most populous countries
2023-Nov-30, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.120769
PMID:37334273
|
研究论文 | 本文开发了一种基于深度学习的混合预测模型，用于预测全球人口最多的国家中COVID-19的传播 | 本研究首次尝试预测和分析全球人口最多的国家之间的COVID-19跨国家传播 | NA | 预测COVID-19的传播，以帮助制定健康管理计划和社会经济行动计划 | 全球人口最多的国家中COVID-19的传播 | 机器学习 | COVID-19 | 深度学习 | CNN-GRU混合模型 | NA | 全球人口最多的国家 | NA | NA | NA | NA |
| 165 | 2024-09-20 |
MRI-based T1rho and T2 cartilage compositional imaging in osteoarthritis: what have we learned and what is needed to apply it clinically and in a trial setting?
2023-Nov, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-023-04310-x
PMID:37000230
|
研究论文 | 本文探讨了基于MRI的T1rho和T2关节软骨成分成像在骨关节炎中的应用，分析了其在临床和试验设置中的现状和需求 | 开发了基于深度学习的自动软骨分割和更快的成像方法，推动了T1rho和T2成像在临床和科学试验中的可行性 | 软骨分割的挑战、图像采集时间长、成像标准化不足以及缺乏参考数据库和异常阈值定义 | 研究T1rho和T2关节软骨成分成像在骨关节炎早期诊断和治疗中的应用 | 骨关节炎患者的关节软骨 | 数字病理学 | 骨关节炎 | MRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 166 | 2024-09-13 |
medigan: a Python library of pretrained generative models for medical image synthesis
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.061403
PMID:36814939
|
研究论文 | 本文介绍了一个名为medigan的Python库，该库提供了预训练的生成模型，用于医学图像合成 | medigan库通过提供预训练的生成模型，降低了生成模型在研究和临床应用中的使用门槛，促进了合成数据的共享和利用 | NA | 探索生成模型共享，以降低生成模型在研究和临床应用中的使用门槛 | 生成模型在医学图像合成中的应用 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 21个模型，9种不同的GAN架构，11个不同的数据集 | NA | NA | NA | NA |
| 167 | 2024-09-04 |
Deep learning and direct sequencing of labeled RNA captures transcriptome dynamics
2023-Nov-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.17.567581
PMID:38014155
|
研究论文 | 本文利用5-乙炔尿苷标记新生RNA并通过纳米孔直接RNA测序，开发了深度卷积和循环神经网络RNAkinet，用于处理纳米孔测序产生的电信号，以识别5EU标记的新生RNA分子 | 本文开发了RNAkinet，一个深度卷积和循环神经网络，能够处理纳米孔测序的电信号，识别5EU标记的新生RNA分子，并能推广到不同的细胞类型和生物体 | 现有的方法依赖于新生RNA的代谢标记和物理分离或通过PCR产生的突变进行推断，这些方法在识别短暂衰变中间体或同时分析RNA衰变与cis-调节RNA稳定性的元素方面存在局限 | 量化RNA代谢动力学，以理解健康和疾病中的基因调控 | RNA代谢动力学及其cis-调节元素 | 机器学习 | NA | 纳米孔测序 | CNN和LSTM | 电信号 | NA | NA | NA | NA | NA |
| 168 | 2024-08-29 |
Adaptive Region-Specific Loss for Improved Medical Image Segmentation
2023-11, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2023.3289667
PMID:37363838
|
研究论文 | 本文介绍了一种区域特定损失函数，用于改进医学图像分割，通过将整个图像体积划分为多个子区域，并为每个子区域构建个性化的损失函数，以提高局部性能 | 提出了区域特定损失函数，该函数能够根据不同区域的分割难度调整权重，从而提高整体预测准确性 | NA | 改进医学图像分割的准确性 | 医学图像分割中的损失函数设计 | 计算机视觉 | NA | NA | 神经网络 | 图像 | 使用不同的公开和内部医学图像数据集 | NA | NA | NA | NA |
| 169 | 2024-08-09 |
LeafAI: query generator for clinical cohort discovery rivaling a human programmer
2023-11-17, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad149
PMID:37550244
|
研究论文 | 本文介绍了一种名为LeafAI的系统，该系统能够生成数据模型无关的查询，并提供复杂的临床试验资格标准的逻辑推理能力 | LeafAI引入了一种新的方法，使用UMLS概念对数据库模式元素进行标记，以实现数据模型无关的查询创建 | NA | 开发一种能够生成数据模型无关查询并提供复杂临床试验资格标准逻辑推理能力的系统 | 临床数据库中的患者识别和临床试验资格标准的查询生成 | 自然语言处理 | NA | 混合深度学习和基于规则的模块 | NA | 文本 | 8个临床试验中的27,225名合格患者 | NA | NA | NA | NA |
| 170 | 2024-08-07 |
Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning
2023-Nov-23, Research square
DOI:10.21203/rs.3.rs-3592809/v1
PMID:38045314
|
研究论文 | 本研究利用前视光学相干断层扫描（OCT）探头和卷积神经网络（CNN）进行自动肾癌活检指导 | 结合OCT和CNN技术，显著提高了肾癌活检的指导精度 | 在区分正常组织方面表现不佳 | 旨在提高肾癌活检的采样准确性 | 人类肾脏和肾癌样本 | 计算机视觉 | 肾癌 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN） | 图像 | 五个人类肾脏和肾癌样本 | NA | NA | NA | NA |
| 171 | 2024-08-04 |
Two complementary AI approaches for predicting UMLS semantic group assignment: heuristic reasoning and deep learning
2023-11-17, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad152
PMID:37528056
|
研究论文 | 该研究使用启发式和深度学习方法预测UMLS语义组分配 | 提出了结合启发式和深度学习的混合方法以提高UMLS语义组预测的准确性 | 研究未提及可能的适用性限制 | 研究的目的是提高新UMLS原子的语义组分配准确率 | 新UMLS Metathesaurus原子 | 自然语言处理 | NA | 深度学习 | 全连接多层神经网络 | 文本 | 1,563,692个新未见原子 | NA | NA | NA | NA |
| 172 | 2024-08-04 |
DeepMPSF: A Deep Learning Network for Predicting General Protein Phosphorylation Sites Based on Multiple Protein Sequence Features
2023-11-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c00996
PMID:37931253
|
研究论文 | 提出了一种基于多种蛋白质序列特征的深度学习模型DeepMPSF，用于预测蛋白质磷酸化位点。 | DeepMPSF模型结合了序列语义特征和蛋白质背景生物物理特征，克服了现有方法对简单特征依赖的问题。 | 研究中未提到样本数据集的局限性或模型的具体应用场景。 | 研究目的是提高蛋白质磷酸化位点预测的准确性。 | 研究对象为人类蛋白质，特别是S/T和Y残基的磷酸化位点。 | 计算机技术 | NA | 深度学习 | NA | 人类蛋白质数据 | 对一个已确立的人类蛋白质数据集进行了训练和评估 | NA | NA | NA | NA |
| 173 | 2024-08-04 |
Sodium-based paracetamol: impact on blood pressure, cardiovascular events, and all-cause mortality
2023-11-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehad535
PMID:37611115
|
研究论文 | 本研究重新审视了含有碳酸氢钠的对乙酰氨基酚与血压、心血管事件和全因死亡率之间的关联 | 使用深度学习方法分析了含钠和不含钠的对乙酰氨基酚在心血管健康和死亡率方面的影响 | 研究中对其他潜在混杂因素的控制不足，尤其是吞咽困难及相关疾病的影响 | 探讨含钠对乙酰氨基酚对血压、心血管事件及全因死亡率的影响 | 对475442名年龄在60至90岁之间的英国患者进行了分析 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 电子健康记录 | 475442名患者 | NA | NA | NA | NA |
| 174 | 2024-08-05 |
Automatized Detection of Periodontal Bone Loss on Periapical Radiographs by Vision Transformer Networks
2023-Nov-29, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13233562
PMID:38066803
|
研究论文 | 本研究评估了利用视觉变换器网络自动检测牙周骨丧失的模型 | 引入了视觉变换器网络来替代传统卷积神经网络用于牙周骨丧失检测 | 需要更大且经过人工注释的图像数据集来进一步优化诊断性能 | 评估各种模型在牙周骨丧失自动检测中的表现 | 21,819张去标识化的根尖放射影像 | 计算机视觉 | 牙周病 | 视觉变换器网络 | ViT, BEiT, DeiT | 图像 | 21,819张根尖放射影像 | NA | NA | NA | NA |
| 175 | 2024-08-05 |
The role of deep learning for periapical lesion detection on panoramic radiographs
2023-Nov, Dento maxillo facial radiology
DOI:10.1259/dmfr.20230118
PMID:37641964
|
研究论文 | 本研究旨在使用深度学习自动检测全景放射片上的根尖病变 | 采用了10种不同的深度学习检测框架，结果显示深度学习模型在检测根尖病变方面表现出色 | 未提及具体限制 | 研究深度学习在全景放射片根尖病变检测中的应用 | 使用454个对象在357张全景放射片上进行标记和检测 | 计算机视觉 | NA | 深度学习 | RetinaNet | 图像 | 454个对象，357张全景放射片 | NA | NA | NA | NA |
| 176 | 2024-08-05 |
Detection of Intracerebral Hemorrhage Using Low-Field, Portable Magnetic Resonance Imaging in Patients With Stroke
2023-11, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.043146
PMID:37795593
|
研究论文 | 本研究探讨了在中风患者中使用低场便携式磁共振成像（pMRI）检测自发性脑内出血的敏感性和特异性 | 该研究首次将深度学习重建算法与临床信息结合，用于提高便携式磁共振成像对脑内出血的检测准确性 | 研究仅在Yale New Haven医院进行，样本数量相对较少，可能影响结果的普适性 | 本研究旨在评估低场pMRI在自发性脑内出血检测中的效果 | 对189例中风患者的pMRI检查进行了评估 | 数字病理学 | 脑血管疾病 | 低场磁共振成像（pMRI） | 深度学习算法 | 医学影像 | 189例（38例脑内出血，89例急性缺血性中风，8例蛛网膜下腔出血，3例原发性脑室出血，51例无颅内异常） | NA | NA | NA | NA |
| 177 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2023-Nov-08, Research square
DOI:10.21203/rs.3.rs-3569391/v1
PMID:37986841
|
研究论文 | 该文章比较了预定义方法与深度学习方法在提取脑萎缩模式以预测阿尔茨海默病相关认知衰退中的表现 | 探讨了使用整个脑图像的深度学习模型是否能提高MRI预测性能 | 深度学习模型未显著改善阿尔茨海默病临床疾病进展的预测 | 预测具有主观认知衰退或轻度认知障碍的个体未来的阿尔茨海默病相关认知衰退 | 来自瑞典BioFINDER-1研究的332名主观认知衰退/轻度认知障碍个体 | 数字病理学 | 阿尔茨海默病 | 磁共振成像 (MRI) | 深度学习模型 | 图像 | 332名患者 | NA | NA | NA | NA |
| 178 | 2024-08-05 |
A deep learning-based system to identify originating mural layer of upper gastrointestinal submucosal tumors under EUS
2023 Nov-Dec, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000029
PMID:38948124
|
研究论文 | 本研究提出了一种名为SMT Master的系统，用于在EUS下确定上消化道黏膜下肿瘤的来源壁层 | 开发了三种深度卷积神经网络模型来实现病变分割、壁层分割和来源壁层分类的自动化 | 研究模型的验证仅限于特定患者样本，可能影响结果的广泛适用性 | 旨在提高EUS程序中对黏膜下肿瘤来源壁层的识别准确性 | 基于2721张EUS图像和多个患者的图像进行模型训练和验证 | 机器学习 | NA | 深度卷积神经网络 (DCNN) | DCNN | 图像 | 2721张EUS图像，来自201名患者 | NA | NA | NA | NA |
| 179 | 2024-08-05 |
Ventricle tracking in transesophageal echocardiography (TEE) images during cardiopulmonary resuscitation (CPR) using deep learning and monogenic filtering
2023-Nov, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-023-00293-9
PMID:37872984
|
研究论文 | 本文研究了在心肺复苏期间使用深度学习和单基过滤法对经食道超声心动图（TEE）图像中的心室进行追踪 | 提出了一种实时计算心脏射血分数（EF）的方法，通过检测收缩和舒张来优化心肺复苏的质量 | 数据量不足的问题通过薄板样条变换解决，但仍需更多的数据验证 | 优化心肺复苏期间的心脏功能监测 | 心脏骤停患者的经食道超声心动图（TEE）图像 | 数字病理 | 心脏疾病 | 深度学习, 单基过滤 | ResUNet++ | 图像 | NA | NA | NA | NA | NA |
| 180 | 2024-08-05 |
Deep Learning to Estimate Left Ventricular Ejection Fraction From Routine Coronary Angiographic Images
2023-Nov, JACC. Advances
DOI:10.1016/j.jacadv.2023.100632
PMID:38938722
|
研究论文 | 该文章主要研究通过常规冠状动脉造影图像估算左心室射血分数的深度学习模型 | 提出了一种结合3D卷积神经网络和变换器的创新深度学习算法，可快速准确评估左心室射血分数 | 研究受限于数据集仅来自Mayo Clinic，且患者在训练、验证和测试集中的分配较为固定 | 评估机器学习模型从常规冠状动脉造影图像中估算左心室射血分数的能力 | 涉及17,346名患者的18,809个冠状动脉造影图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 3D卷积神经网络和变换器 | 影像 | 18,809个冠状动脉造影图像来自17,346名患者 | NA | NA | NA | NA |