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 1907 篇文献，本页显示第 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 2024-09-07 |
Integration of dosimetric parameters, clinical factors, and radiomics to predict symptomatic radiation pneumonitis in lung cancer patients undergoing combined immunotherapy and radiotherapy
2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110047
PMID:38070685
|
研究论文 | 本研究旨在结合临床/剂量学因素和手工/深度学习放射组学特征，建立预测接受免疫治疗后放疗的肺癌患者症状性（≥2级）放射性肺炎的模型 | 本研究首次将临床/剂量学因素与手工/深度学习放射组学特征结合，用于预测放射性肺炎 | 本研究为回顾性研究，需要进一步的前瞻性验证 | 建立预测接受免疫治疗后放疗的肺癌患者症状性放射性肺炎的模型 | 接受免疫治疗后放疗的肺癌患者 | 数字病理学 | 肺癌 | 放射组学 | ResNet | 图像 | 73名接受免疫治疗后放疗的肺癌患者，其中41名（56.2%）出现症状性≥2级放射性肺炎 | NA | NA | NA | NA |
| 1242 | 2024-09-05 |
Episodic Thinking in Alzheimer's Disease Through the Lens of Language: Linguistic Analysis and Transformer-Based Classification
2024-01-03, American journal of speech-language pathology
IF:2.3Q1
DOI:10.1044/2023_AJSLP-23-00066
PMID:37870893
|
研究论文 | 本研究通过语言分析和基于变换器的分类技术，探讨了阿尔茨海默病患者的情景思维缺陷是否能从连贯的言语中直接检测出来，并实现自动化识别 | 本研究首次尝试使用深度学习技术自动化分析阿尔茨海默病患者的情景思维缺陷，并取得了较高的分类准确率 | 研究样本主要集中在轻度和中度阿尔茨海默病患者，可能无法完全代表所有阶段的阿尔茨海默病患者 | 探讨阿尔茨海默病患者的情景思维缺陷是否能通过语言分析自动化检测 | 70名健康老年对照者、82名轻度可能阿尔茨海默病患者和46名中度可能阿尔茨海默病患者的言语数据 | 自然语言处理 | 阿尔茨海默病 | 深度学习 | 变换器 | 文本 | 2,809条言语记录 | NA | NA | NA | NA |
| 1243 | 2024-09-05 |
Using multi-label ensemble CNN classifiers to mitigate labelling inconsistencies in patch-level Gleason grading
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304847
PMID:38968206
|
研究论文 | 本文提出了一种新颖的方法，通过使用多标签集成CNN分类器来缓解前列腺组织病理学图像中补丁级别Gleason分级的标签不一致问题 | 本文提出的多标签集成深度学习分类器能够有效缓解标签不一致问题，并比现有技术产生更准确的结果 | NA | 提高前列腺癌诊断和预后中补丁级别Gleason分级的准确性 | 前列腺组织病理学图像中的Gleason分级 | 数字病理学 | 前列腺癌 | 深度学习 | CNN | 图像 | SICAPv2前列腺数据集 | NA | NA | NA | NA |
| 1244 | 2024-09-05 |
Deep learning models to predict primary open-angle glaucoma
2024, Stat (International Statistical Institute)
DOI:10.1002/sta4.649
PMID:39220673
|
研究论文 | 本文提出并实施了几种深度学习方法，利用纵向视野数据中的时间和空间信息来预测青光眼的发病时间 | 本文首次探索了利用纵向视野数据进行青光眼预测，并提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的模型来处理时间序列数据 | 本文主要关注青光眼的预测，未涉及其他眼病的预测 | 开发能够准确预测青光眼发病时间的深度学习模型 | 青光眼及其发病时间 | 机器学习 | 青光眼 | NA | CNN-LSTM | 视野数据 | 使用了Ocular Hypertension Treatment Study (OHTS)数据集 | NA | NA | NA | NA |
| 1245 | 2024-09-05 |
How to detect fake online physician reviews: A deep learning approach
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277171
PMID:39224794
|
研究论文 | 本研究旨在开发一种利用深度学习方法检测在线医生虚假评论的有效模型 | 本研究采用卷积神经网络和双向编码器表示转换器等深度学习模型，显著提高了虚假评论检测的精确度和F2分数 | NA | 解决在线医疗平台中区分真实与虚假医生评论的挑战 | 在线医疗平台上的医生评论 | 机器学习 | NA | 深度学习 | CNN, BERT | 文本 | 专门针对中国在线医疗平台的虚假评论数据集 | NA | NA | NA | NA |
| 1246 | 2024-09-05 |
Cross-sectional area and fat infiltration of the lumbar spine muscles in patients with back disorders: a deep learning-based big data analysis
2024-Jan, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-023-07982-0
PMID:37875679
|
研究论文 | 本研究利用经过验证的深度学习模型，评估了大量背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况 | 采用深度学习技术进行大规模数据分析，评估腰椎旁肌肉的质量和数量 | NA | 评估背痛患者腰椎旁肌肉的横截面积和脂肪浸润情况 | 腰椎旁肌肉的横截面积和脂肪浸润 | 机器学习 | 背痛 | 深度学习 | NA | 图像 | 4434名患者（2609名女性，1825名男性；平均年龄：56.7±16.8） | NA | NA | NA | NA |
| 1247 | 2024-09-04 |
Low-Light Phase Retrieval With Implicit Generative Priors
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445739
PMID:39178091
|
研究论文 | 本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复 | 本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题 | 目前尚未提及具体的局限性 | 研究目的是解决单图像低剂量相位恢复问题 | 研究对象是低剂量相位恢复技术 | 计算机视觉 | NA | 相干衍射成像（CDI） | 隐式生成先验 | 图像 | 单图像 | NA | NA | NA | NA |
| 1248 | 2024-09-04 |
Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445737
PMID:39186412
|
研究论文 | 本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。 | 引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。 | NA | 旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。 | 图像压缩技术及其在实际应用中的效率和性能。 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用Kodak和Tecnick-40数据集进行实验。 | NA | NA | NA | NA |
| 1249 | 2024-09-04 |
Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1384709
PMID:39219699
|
研究论文 | 本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力 | 提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型 | 需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度 | 开发一种方法用于早期检测玉米疾病，以便及时治疗 | 玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN） | 计算机视觉 | NA | 深度学习 | CNN, ViT | 图像 | 数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG | NA | NA | NA | NA |
| 1250 | 2024-09-04 |
Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue
2024-Jan, BJR open
DOI:10.1093/bjro/tzae023
PMID:39220325
|
研究论文 | 本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息 | 该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点 | 初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法 | 开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布 | 脑癌患者在CyberKnife治疗中的剂量分布 | 机器学习 | 脑癌 | 深度卷积神经网络（CNN） | CNN | 图像 | 88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试 | NA | NA | NA | NA |
| 1251 | 2024-09-04 |
Vehicle recognition pipeline via DeepSort on aerial image datasets
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1430155
PMID:39220587
|
研究论文 | 本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统 | 本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息 | NA | 开发一种高效自动化的车辆监控系统，用于智能交通监控 | 车辆识别与跟踪 | 计算机视觉 | NA | FCM, YOLOv8, ORB, DeepSORT | YOLOv8, DeepSORT | 图像 | VEDAI和SRTID数据集 | NA | NA | NA | NA |
| 1252 | 2024-09-04 |
Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1352129
PMID:39221008
|
研究论文 | 本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化 | 利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向 | NA | 旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径 | 轻度认知障碍相关的文献 | NA | 轻度认知障碍 | 文献计量分析 | NA | 文献 | 6075篇文章 | NA | NA | NA | NA |
| 1253 | 2024-09-04 |
Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241277081
PMID:39221175
|
研究论文 | 本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列 | 采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡 | 尽管模型表现良好，但统计测试显示各模型间无显著差异 | 预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | 机器学习 | NA | 深度学习算法 | Neural Networks, Naive Bayes, Gradient Boosting | 转录组数据 | 使用NCBI GEO DATA SET GSE218606的数据 | NA | NA | NA | NA |
| 1254 | 2024-09-04 |
Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17896
PMID:39221284
|
研究论文 | 研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。 | 本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。 | 研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。 | 评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。 | 研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。 | 机器学习 | NA | 深度学习 | LSTM神经网络 | 压力数据和惯性测量数据 | 50名跑步者（25名女性，25名男性） | NA | NA | NA | NA |
| 1255 | 2024-09-04 |
Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1423515
PMID:39206118
|
研究论文 | 本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体 | 本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能 | NA | 旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类 | 研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT） | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | 924名参与者（478名CU和446名DAT） | NA | NA | NA | NA |
| 1256 | 2024-09-04 |
Dominating Alzheimer's disease diagnosis with deep learning on sMRI and DTI-MD
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1444795
PMID:39211812
|
研究论文 | 本文提出了一种名为MADNet的多模态深度学习方法，用于辅助阿尔茨海默病（AD）的诊断，通过融合sMRI和DTI-MD数据进行特征提取和分类 | MADNet采用双分支并行提取特征，结合注意力机制在决策层进行长距离依赖建模，并通过特征融合基于重要性跨模态整合信息 | NA | 开发一种有效的计算机辅助诊断方法，用于快速准确地评估AD患者的病情和受影响区域 | 阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者 | 机器学习 | 老年疾病 | 深度学习 | CNN | 图像 | 包括AD、MCI和CN的公开ADNI数据集和自收集的XWNI数据集 | NA | NA | NA | NA |
| 1257 | 2024-09-04 |
Multimodal Machine Learning in Image-Based and Clinical Biomedicine: Survey and Prospects
2024, International journal of computer vision
IF:11.6Q1
DOI:10.1007/s11263-024-02032-8
PMID:39211895
|
review | 本文综述了多模态机器学习在医学图像分析和临床决策支持系统中的应用现状与前景 | 强调了多模态表示、融合、翻译、对齐和协同学习中的挑战与创新 | 存在数据偏差和生物医学领域“大数据”稀缺等挑战 | 探讨多模态模型在临床预测中的变革潜力，并强调其原则性评估和实际应用的必要性 | 多模态机器学习在医学图像分析和临床决策支持系统中的应用 | machine learning | NA | NA | deep learning | multimodal | NA | NA | NA | NA | NA |
| 1258 | 2024-09-01 |
Artificial Intelligence for the Management of Breast Cancer: An Overview
2024, Current drug discovery technologies
|
综述 | 本文综述了人工智能和机器学习在乳腺癌管理中的应用，包括早期检测、诊断、预后、药物发现、高级图像分析、精准医学、预测建模和个性化治疗计划 | 介绍了多种算法如卷积神经网络、支持向量机、决策树和深度学习方法在乳腺癌数据分析中的应用 | NA | 探讨人工智能和机器学习在乳腺癌管理中的应用，以提高诊断和治疗的准确性和个性化 | 乳腺癌的早期检测、诊断、预后、药物发现、图像分析、精准医学、预测建模和个性化治疗 | 机器学习 | 乳腺癌 | NA | 卷积神经网络 | 临床数据、基因组数据和影像数据 | NA | NA | NA | NA | NA |
| 1259 | 2024-09-01 |
An end-to-end framework for private DGA detection as a service
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304476
PMID:39196905
|
研究论文 | 本文提出了一种端到端的隐私保护框架，用于将域名分类为DGA（恶意）或非DGA（良性）域名，通过结合安全多方计算和差分隐私技术实现 | 首次提出了一种端到端的隐私保护框架，结合了安全多方计算和差分隐私技术，确保在分类过程中不泄露域名信息和模型细节，并提供了差分隐私保证 | NA | 开发一种隐私保护的DGA检测服务框架 | 域名分类为DGA或非DGA | 机器学习 | NA | 安全多方计算（MPC），差分隐私（DP） | 深度学习模型 | 域名 | NA | NA | NA | NA | NA |
| 1260 | 2024-08-31 |
Network depth affects inference of gene sets from bacterial transcriptomes using denoising autoencoders
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae066
PMID:39027639
|
研究论文 | 研究使用深度去噪自编码器（DAEs）从细菌转录组数据中推断基因集，并探讨网络架构对基因集推断的影响 | 将去噪自编码器的应用扩展到深度网络，并研究网络深度和宽度对基因集推断的影响 | 需要进一步验证和优化深度去噪自编码器在不同细菌数据集上的应用 | 开发一种基于深度去噪自编码器的管道，用于从转录组数据中提取基因集，并评估网络架构对基因集推断的影响 | 大肠杆菌的转录组数据和独立尿路致病性大肠杆菌数据集 | 机器学习 | NA | 去噪自编码器（DAEs） | DAE | 转录组数据 | 多个公开可用的细菌基因表达数据集 | NA | NA | NA | NA |