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 1869 篇文献，本页显示第 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2024-11-06 |
Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears
2024-01-09, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2023011076
PMID:37967385
|
研究论文 | 开发了一种全自动端到端的深度学习管道，用于从常规染色的骨髓涂片扫描图像中直接预测急性髓系白血病的治疗相关遗传异常 | 首次使用深度学习技术从常规染色的骨髓涂片图像中直接预测急性髓系白血病的遗传异常，提供了一种快速且经济高效的筛查工具 | 需要进一步验证模型在其他骨髓疾病中的适用性 | 开发一种快速且经济高效的工具，用于在急性髓系白血病诊断当天直接从常规染色的骨髓涂片中预测治疗相关的遗传异常 | 急性髓系白血病患者的骨髓涂片图像 | 计算机视觉 | 血液疾病 | 深度学习 | 卷积神经网络 | 图像 | 408名急性髓系白血病患者，超过200万张单细胞图像 | NA | NA | NA | NA |
| 822 | 2024-11-06 |
DCMA: faster protein backbone dihedral angle prediction using a dilated convolutional attention-based neural network
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1477909
PMID:39493577
|
研究论文 | 提出了一种名为DCMA的轻量级方法，用于预测蛋白质骨架的二面角 | 引入了一种新的轻量级方法DCMA，结合了膨胀卷积和多头注意力机制，以提高预测性能并减少计算资源需求 | NA | 开发一种更高效的计算方法来预测蛋白质骨架的二面角 | 蛋白质骨架的二面角 | 机器学习 | NA | 膨胀卷积和多头注意力机制 | CNN | 蛋白质序列数据 | 使用了公共的CASP基准数据集进行验证 | NA | NA | NA | NA |
| 823 | 2024-11-06 |
Are ICD codes reliable for observational studies? Assessing coding consistency for data quality
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297056
PMID:39493629
|
研究论文 | 评估ICD代码在电子健康记录中的编码一致性及其对数据质量的影响 | 使用深度学习和统计模型分析ICD-9-CM到ICD-10-CM转换期间ICD代码分配的变化 | 研究仅限于美国退伍军人管理局的数据，结果可能不适用于其他医疗系统 | 评估ICD代码在不同时间和地点的可靠性，以确保观察性研究的数据质量 | ICD-9-CM到ICD-10-CM转换期间的ICD代码分配 | NA | NA | 深度学习 | 统计模型 | 电子健康记录数据 | 687个最常用的代码集群 | NA | NA | NA | NA |
| 824 | 2024-11-06 |
Commentary on "Large-Scale Pancreatic Cancer Detection via Non-Contrast CT and Deep Learning"
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241293521
PMID:39494415
|
评论 | 评论Cao等人开发的用于早期检测胰腺导管腺癌（PDAC）的AI模型PANDA | NA | 模型主要在东亚数据集上训练，可能影响其在不同人群中的泛化能力；对罕见病变的检测能力有待提高；高特异性可能导致误报 | 评论PANDA模型在胰腺癌早期检测中的应用 | PANDA模型及其在胰腺癌检测中的表现 | 计算机视觉 | 胰腺癌 | 深度学习 | AI模型 | CT扫描图像 | 主要基于东亚数据集 | NA | NA | NA | NA |
| 825 | 2024-11-06 |
Breast Cancer Diagnosis Using Virtualization and Extreme Learning Algorithm Based on Deep Feed Forward Networks
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241278907
PMID:39494417
|
研究论文 | 本文提出了一种基于深度前馈网络的虚拟化和极限学习算法，用于乳腺癌的诊断 | 本文提出了智能窗口遗迹删除（SWVD）技术进行预处理，并使用深度残差多类架构（DRMFA）进行特征提取，结合改进的乌鸦觅食-ELM（ACF-ELM）算法进行分类 | NA | 开发一种新的乳腺癌诊断方法，利用云技术和机器学习提高诊断准确性 | 乳腺癌的早期检测和诊断 | 机器学习 | 乳腺癌 | 深度学习 | 极限学习机（ELM） | 图像 | 使用了DDSM和INbreast数据集 | NA | NA | NA | NA |
| 826 | 2024-11-04 |
Exploring the feasibility of FOCUS DWI with deep learning reconstruction for breast cancer diagnosis: A comparative study with conventional DWI
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313011
PMID:39480865
|
研究论文 | 本研究比较了基于深度学习重建的FOCUS DWI与传统DWI在乳腺癌诊断中的可行性 | 本研究首次将深度学习重建技术应用于FOCUS DWI，以优化乳腺癌影像 | 本研究仅在49名女性患者中进行，样本量较小，可能影响结果的普适性 | 探讨基于深度学习重建的FOCUS DWI在乳腺癌诊断中的可行性 | 49名疑似乳腺癌的女性患者 | 计算机视觉 | 乳腺癌 | 扩散加权成像（DWI） | 深度学习 | 图像 | 49名女性患者 | NA | NA | NA | NA |
| 827 | 2024-11-04 |
A combinatorial deep learning method for Alzheimer's disease classification-based merging pretrained networks
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1444019
PMID:39483205
|
研究论文 | 提出了一种结合两种预训练网络的混合深度学习方法，用于阿尔茨海默病的分类 | 通过结合两种预训练网络的优势，增强了阿尔茨海默病相关特征的表示能力 | NA | 提高阿尔茨海默病的早期诊断和干预效果 | 阿尔茨海默病患者 | 机器学习 | 阿尔茨海默病 | 卷积神经网络 (CNN) | 混合模型 | 图像 | 大量阿尔茨海默病患者的MRI图像 | NA | NA | NA | NA |
| 828 | 2024-11-04 |
Advancements and Challenges in the Image-Based Diagnosis of Lung and Colon Cancer: A Comprehensive Review
2024, Cancer informatics
IF:2.4Q3
DOI:10.1177/11769351241290608
PMID:39483315
|
综述 | 本文综述了基于图像的肺癌和大肠癌诊断领域的最新进展和挑战 | 结合机器学习和人工智能方法，显著提高了癌症检测和表征的准确性 | 图像解释的变异性、缺乏标准化诊断协议、高级成像技术的不平等访问以及数据隐私和安全问题 | 探讨基于图像的肺癌和大肠癌诊断的最新进展和挑战 | 肺癌和大肠癌的图像诊断 | 计算机视觉 | 肺癌 | 深度学习、机器学习、图像处理 | NA | 图像 | NA | NA | NA | NA | NA |
| 829 | 2024-11-04 |
PatchProt: hydrophobic patch prediction using protein foundation models
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae154
PMID:39483526
|
研究论文 | 本文利用大型语言模型ESM-2进行微调，开发了一种名为PatchProt的新模型，用于预测蛋白质表面的疏水性补丁 | 通过多任务深度学习方法，PatchProt不仅能够预测疏水性补丁区域，还在二级结构和表面可及性预测等主要任务上优于现有方法 | NA | 开发一种新的方法来预测蛋白质表面的疏水性补丁，并提高蛋白质属性预测的准确性 | 蛋白质表面的疏水性补丁 | 机器学习 | NA | 多任务深度学习 | 大型语言模型ESM-2 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 830 | 2024-11-04 |
An interpretable deep learning model for detecting BRCA pathogenic variants of breast cancer from hematoxylin and eosin-stained pathological images
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.18098
PMID:39484212
|
研究论文 | 开发了一种基于双向自注意力机制的深度学习模型，用于从苏木精和伊红染色的病理图像中检测乳腺癌BRCA致病变异 | 提出了基于双向自注意力机制的多实例学习算法BiAMIL，并结合类激活映射技术进行可解释性分析 | NA | 开发一种能够从病理图像中检测乳腺癌BRCA状态的深度学习模型 | 乳腺癌患者的BRCA基因状态 | 数字病理学 | 乳腺癌 | 深度学习 | 双向自注意力机制 | 图像 | 319张病理切片，来自254名乳腺癌患者 | NA | NA | NA | NA |
| 831 | 2024-11-04 |
Classification of coronary artery disease severity based on SPECT MPI polarmap images and deep learning: A study on multi-vessel disease prediction
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241288430
PMID:39484655
|
研究论文 | 研究利用深度学习方法对基于SPECT MPI极坐标图图像的冠状动脉疾病严重程度进行分类，并预测多血管疾病 | 本研究结合EfficientNet-V2模型和DeepSMOTE方法，有效评估冠状动脉疾病严重程度并区分多血管疾病与单血管疾病 | NA | 探索利用深度学习技术评估冠状动脉疾病严重程度并预测多血管疾病 | 冠状动脉疾病严重程度和多血管疾病的预测 | 计算机视觉 | 心血管疾病 | 深度学习 | EfficientNet-V2 | 图像 | 254名患者（其中176名患有多血管疾病，78名患有单血管疾病） | NA | NA | NA | NA |
| 832 | 2024-11-04 |
ACL-DUNet: A tumor segmentation method based on multiple attention and densely connected breast ultrasound images
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307916
PMID:39485757
|
研究论文 | 提出了一种基于多注意力机制和密集连接的乳腺超声图像肿瘤分割方法 | 使用密集连接的U-net结合注意力门（AGs）以及通道注意模块和尺度注意模块，提高了乳腺肿瘤分割的准确性 | NA | 开发一种能够准确分割乳腺超声图像中肿瘤的深度学习方法 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | 深度学习 | U-net | 图像 | 250张良性肿瘤图像和150张恶性肿瘤图像，以及780张正常、良性和恶性肿瘤图像 | NA | NA | NA | NA |
| 833 | 2024-11-04 |
Deep learning-based automatic image classification of oral cancer cells acquiring chemoresistance in vitro
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310304
PMID:39485749
|
研究论文 | 研究使用深度学习方法对获得化疗耐药性的口腔癌细胞进行自动图像分类 | 首次使用EfficienNet-B3模型结合过采样和欠采样技术，实现了对化疗耐药性和非耐药性口腔癌细胞的三分类 | 研究仅限于体外实验，未涉及临床应用 | 探讨深度学习在识别化疗耐药性口腔癌细胞形态变化中的应用潜力 | 化疗耐药性和非耐药性的口腔癌细胞 | 计算机视觉 | 口腔癌 | 深度学习 | CNN | 图像 | 未明确具体数量，但涉及化疗耐药性和非耐药性的口腔癌细胞 | NA | NA | NA | NA |
| 834 | 2024-11-02 |
Multimodal Data-Driven Segmentation of Bone Metastasis Lesions in SPECT Bone Scans Using Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种多模态数据驱动的深度学习方法，用于在SPECT骨扫描图像中分割骨转移病变 | 本文创新性地将诊断报告中的文本数据与SPECT骨扫描图像结合，提出了一种双路径分割框架，显著提高了分割性能 | NA | 提高深度学习在低分辨率SPECT骨扫描图像中分割骨转移病变的性能 | 骨转移病变在SPECT骨扫描图像中的分割 | 计算机视觉 | NA | 深度学习 | 编码器-解码器网络 | 图像和文本 | NA | NA | NA | NA | NA |
| 835 | 2024-11-02 |
Investigating the ability of deep learning-based structure prediction to extrapolate and/or enrich the set of antibody CDR canonical forms
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1352703
PMID:38482007
|
研究论文 | 研究深度学习模型在预测抗体CDR区域结构时是否能产生新的特征 | 发现即使训练数据中存在极少量的特定结构形状，深度学习模型仍能恢复其预测能力 | 深度学习蛋白质结构预测方法无法完全进行超出训练数据范围的预测 | 探讨深度学习模型在预测抗体CDR区域结构时是否能产生新的特征 | 抗体CDR区域的结构预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | 约150万对抗体序列 | NA | NA | NA | NA |
| 836 | 2024-11-02 |
Improving Image Quality and Diagnostic Performance of CCTA in Patients with Challenging Heart Rate Conditions using a Deep Learning-based Motion Correction Algorithm
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本研究评估了基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响 | 本研究首次使用基于深度学习的运动校正算法来改善心率挑战条件下冠状动脉CT血管造影的图像质量和诊断性能 | 本研究为回顾性研究，样本量有限，且未评估算法在不同心率条件下的泛化能力 | 评估基于深度学习的运动校正算法在心率挑战条件下对冠状动脉CT血管造影图像质量和诊断性能的影响 | 心率挑战条件下的冠状动脉CT血管造影图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 240名患者 | NA | NA | NA | NA |
| 837 | 2024-11-02 |
Prediction of fellow eye neovascularization in type 3 macular neovascularization (Retinal angiomatous proliferation) using deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310097
PMID:39475903
|
研究论文 | 本研究利用深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 | 首次利用人工智能模型关注3型黄斑新生血管的临床过程 | 模型整体准确率不高，可能是由于用于AI训练的患者数量相对较少，建议未来进行多中心研究以提高模型准确性 | 建立深度学习人工智能模型预测单侧3型黄斑新生血管患者对侧眼新生血管化的风险 | 单侧3型黄斑新生血管患者 | 计算机视觉 | 眼科疾病 | 深度学习 | 视觉几何组神经网络 | 眼底图像和光学相干断层扫描图像 | 217名患者，其中199名用于模型训练/验证，18名用于测试集 | NA | NA | NA | NA |
| 838 | 2024-11-02 |
MosquitoSong+: A noise-robust deep learning model for mosquito classification from wingbeat sounds
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310121
PMID:39475971
|
研究论文 | 本文提出了一种名为MosquitoSong+的深度学习模型，用于从蚊子的翅膀振动声音中进行分类，并提高其在环境噪声中的鲁棒性 | 本文的创新点在于提出了一种新的深度学习模型MosquitoSong+，通过调整模型架构和引入数据增强技术，使其在环境噪声和蚊子飞行音量变化的情况下仍能有效分类 | 本文未详细讨论模型的计算资源需求和实时处理能力 | 研究目的是开发一种能够在实际环境中有效分类蚊子种类和性别的深度学习模型 | 研究对象是蚊子的翅膀振动声音及其在环境噪声中的分类 | 机器学习 | NA | 深度学习 | 1D-CNN | 声音 | 多个翅膀振动数据集，包含不同背景噪声 | NA | NA | NA | NA |
| 839 | 2024-11-02 |
Identification of middle cerebral artery stenosis in transcranial Doppler using a modified VGG-16
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1394435
PMID:39479004
|
研究论文 | 研究使用改进的VGG-16模型识别经颅多普勒图像中的大脑中动脉狭窄 | 提出了一种改进的VGG-16模型，结合挤压激励和跳跃连接，提高了对大脑中动脉狭窄的诊断效果 | 研究为回顾性研究，且样本量有限，需要进一步的前瞻性研究和更大样本量的验证 | 旨在开发和验证一种基于深度学习模型的方法，用于识别大脑中动脉狭窄，以辅助预防中风 | 大脑中动脉狭窄的诊断 | 计算机视觉 | 心血管疾病 | 深度学习 | VGG-16 | 图像 | 3,068张经颅多普勒图像，来自1,729名患者；90张经颅多普勒图像，来自90名体检者 | NA | NA | NA | NA |
| 840 | 2024-10-30 |
Self-Supervised Learning Improves Accuracy and Data Efficiency for IMU-Based Ground Reaction Force Estimation
2024-Jan-25, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.25.564057
PMID:38328126
|
研究论文 | 本文探讨了自监督学习在基于IMU的地反作用力估计中的应用，通过预训练模型提高估计的准确性和数据效率 | 提出使用自监督学习技术利用大量IMU数据预训练深度学习模型，以提高基于IMU的地反作用力估计的准确性和数据效率 | NA | 提高基于IMU的地反作用力估计的准确性和数据效率 | 基于IMU的地反作用力估计 | 机器学习 | NA | 自监督学习 | transformer模型 | IMU数据 | 三个预训练数据集，包括真实IMU数据、合成IMU数据或两者的组合 | NA | NA | NA | NA |