深度学习在生物医药领域中的应用
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，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10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 1809 篇文献，本页显示第 1301 - 1320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1301 | 2024-08-05 |
LSTM-Based Prediction Model for Tuberculosis Among HIV-Infected Patients Using Structured Electronic Medical Records: A Retrospective Machine Learning Study
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S467877
PMID:39070689
|
研究论文 | 本研究建立了一种基于LSTM的预测模型，以利用电子病历预测HIV感染者中的结核病。 | 结合多层感知机分类器与长短时记忆网络（LSTM）提高了电子健康记录的提取和疾病预测能力。 | 尽管模型在识别HIV-结核共感染方面表现准确，但仍存在进一步优化和泛化的机会。 | 研究旨在通过电子健康记录构建预测模型，为HIV感染者中的结核病提供早期检测和精准干预的科学依据。 | 研究对象为4540名HIV感染患者，重点分析其结核病的感染情况及相关特征。 | 机器学习 | 结核病 | 机器学习，电子健康记录，自然语言处理 | 多层感知机，LSTM | 电子病历数据 | 4540名（HIV感染者） |
| 1302 | 2024-08-05 |
Incorporating longitudinal history of risk factors into atherosclerotic cardiovascular disease risk prediction using deep learning
2024-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-51685-5
PMID:38296982
|
研究论文 | 本研究探讨了使用深度学习模型整合纵向危险因素历史来提高动脉粥样硬化心血管疾病风险预测的效果 | 首次比较了纵向深度学习模型与传统Pooled Cohort Equations (PCE)在ASCVD风险预测中的效果 | 未提及模型在不同人群或环境下的推广性和适用性 | 研究纵向风险因素对动脉粥样硬化心血管疾病风险预测的影响 | 该研究包含来自四个心血管疾病队列的15,565名没有基线ASCVD的参与者 | 机器学习 | 心血管疾病 | 深度学习 | Dynamic-DeepHit | 纵向数据 | 15,565名参与者 |
| 1303 | 2024-08-05 |
Deep learning-based respiratory muscle segmentation as a potential imaging biomarker for respiratory function assessment
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306789
PMID:39058719
|
研究论文 | 本研究开发了一种基于深度学习的自动化方法，用于从CT图像中分割和分类三种类型的呼吸肌肉 | 提出了一种使用Attention U-Net架构进行呼吸肌肉定量分析的新方法，且呼吸肌肉体积可能作为呼吸功能的潜在成像生物标志物 | 肌肉密度与肺功能测试参数的相关性较弱，可能限制了其在医学研究中的意义 | 评估呼吸肌肉的状态及其对肺功能的影响 | 从3200个个体的约600,000个胸部CT图像中提取的呼吸肌肉 | 计算机视觉 | 呼吸系统疾病 | 计算机断层扫描（CT） | Attention U-Net | 图像 | 3200个个体的约600,000个胸部CT图像 |
| 1304 | 2024-08-05 |
DeepDRA: Drug repurposing using multi-omics data integration with autoencoders
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307649
PMID:39058696
|
研究论文 | 该文章提出了一种基于多组学数据集成的深度学习模型，用于癌症药物重新利用的预测。 | 创新点在于使用自编码器降维多组学数据，并结合多任务学习模型与多层感知器进行深度学习。 | 没有详细说明数据收集的局限性和模型的可扩展性。 | 研究旨在开发一个深度学习模型，以根据多组学数据预测癌症药物反应并促进药物重新利用。 | 研究对象是癌症药物的反应和多组学数据。 | 机器学习 | 癌症 | 深度学习、自编码器 | 多层感知器（MLP） | 多组学数据 | 使用了三个主要数据集：GDSC、CTRP 和 CCLE |
| 1305 | 2024-08-05 |
Deep learning-based material decomposition of iodine and calcium in mobile photon counting detector CT
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306627
PMID:39058758
|
研究论文 | 本文提出了一种基于深度学习的材料分解方法，用于在移动光子计数检测器CT中分解碘和钙。 | 创新点在于提出了一种基于Unet架构的MD-Unet模型，能够在使用实时动物数据进行材料分解时提供更高精度的成像。 | 研究可能受到数据获取的限制，尽管使用了预训练模型和增强策略。 | 研究的目的是开发一种准确的材料分解技术，以改善基于光子计数检测器的CT成像。 | 研究对象为使用实时动物数据进行的材料分解。 | 数字病理学 | NA | 光子计数检测器CT | Unet | 动物数据 | NA |
| 1306 | 2024-08-05 |
Correction: Improved runoff forecasting based on time-varying model averaging method and deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307923
PMID:39046993
|
更正 | 本文更正了之前发布的文章的内容 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1307 | 2024-08-05 |
Field pea leaf disease classification using a deep learning approach
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307747
PMID:39052602
|
研究论文 | 该论文提出了一种基于深度学习的方法来自动诊断田豌豆叶病 | 采用了迁移学习方法提升田豌豆叶疾病的自动分类准确性 | 研究可能局限于特定的田豌豆种类及其疾病类型 | 旨在改进田豌豆叶病的检测和分类过程 | 对田豌豆的三种叶病进行分类，包括灰斑病、叶斑病和白粉病 | 计算机视觉 | NA | 迁移学习 | DenseNet121 | 图像 | 1600张健康和病叶图像 |
| 1308 | 2024-08-05 |
A deep learning framework for the early detection of multi-retinal diseases
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307317
PMID:39052616
|
研究论文 | 本文提出了一种深度学习框架，用于早期检测多种视网膜疾病。 | 本研究通过分析彩色眼底图像，实现了多种眼病的同时检测，并提供了可靠高效的诊断系统。 | 20层CNN模型虽然准确率高，但存在过拟合现象。 | 研究的目的是提供一种非侵入性的方法，用于早期检测和及时治疗眼病。 | 研究对象为包含多种眼病的眼底图像数据集，以及健康图像。 | 计算机视觉 | 视网膜疾病 | CNN | CNN | 图像 | 使用了Retinal Fundus Multi-disease Image Dataset (RFMiD) 数据集，包含各种视网膜病变的眼底图像类别 |
| 1309 | 2024-08-05 |
Predicting lncRNA-disease associations using multiple metapaths in hierarchical graph attention networks
2024-Jan-29, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05672-2
PMID:38287236
|
研究论文 | 本研究提出了一种基于分层图注意网络的深度学习模型，用于预测未知的lncRNA-疾病关联 | 通过多种元路径提取特征，构建lncRNA-疾病-miRNA异质图，并在此基础上实现更精确的关联预测 | 模型在处理部分复杂网络结构时可能存在路径信息的遗失 | 探索lncRNA与疾病之间的潜在关联，以增进对复杂疾病的理解 | 主要研究lncRNA及其与肺癌、食管癌和乳腺癌等疾病的关联 | 计算机视觉 | 肺癌 | 深度学习 | MMHGAN | 图数据 | 共研究15个与肺癌、食管癌和乳腺癌相关的lncRNA |
| 1310 | 2024-08-05 |
Highly Accurate and Efficient Deep Learning Paradigm for Full-Atom Protein Loop Modeling with KarmaLoop
2024, Research (Washington, D.C.)
DOI:10.34133/research.0408
PMID:39055686
|
研究论文 | 本文提出了一种名为KarmaLoop的深度学习模型，用于全原子蛋白质环建模 | KarmaLoop是首个以全原子为中心的深度学习方法，具有更高的准确性和计算效率 | 现有方法在原子精度或计算效率方面仍然不足 | 研究蛋白质结构预测中的环建模问题 | 全原子蛋白质环模型 | 机器学习 | NA | 深度学习 | NA | NA | CASP13+14和CASP15基准数据集 |
| 1311 | 2024-08-05 |
Fast reconstruction of SMS bSSFP myocardial perfusion images using noise map estimation network (NoiseMapNet): a head-to-head comparison with parallel imaging and iterative reconstruction
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1350345
PMID:39055659
|
研究论文 | 本研究提出了一种新的图像重建技术NoiseMapNet，用于SMS-bSSFP心肌灌注成像。 | 首次将噪声图估计网络与平行成像和图像去噪相结合，改善了心肌灌注成像的质量和速度。 | 与ITER相比，NoiseMapNet在图像质量和感知信噪比方面略显不足。 | 开发一种结合平行成像和图像去噪的SMS-bSSFP心肌灌注成像重建技术。 | 包括17名接受应激灌注成像的患者样本。 | 数字病理学 | 心血管疾病 | 深度学习 | 2D Unet | 医学图像 | 17名患者 |
| 1312 | 2024-08-05 |
Realistic morphology-preserving generative modelling of the brain
2024, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00864-0
PMID:39055051
|
研究论文 | 本文介绍了一种三维生成模型，可生成真实且形态保持的人脑图像 | 提出了一种能够在必要规模下训练的生成模型，以生成多样且高分辨率的人脑样本，并保持生物学和疾病表型 | 尽管该模型具有广泛的未来适用性，但具体的局限性未在文中详细讨论 | 解决医疗影像数据稀缺和可获取性的问题 | 人脑的三维生成模型 | 数字病理学 | NA | 生成模型 | 三维生成模型 | 图像 | NA |
| 1313 | 2024-08-05 |
Enhanced LSTM-based robotic agent for load forecasting in low-voltage distributed photovoltaic power distribution network
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1431643
PMID:39055779
|
研究论文 | 本研究探讨了低电压分布式光伏电力分配网络的负载预测问题 | 提出了一种增强的长短期记忆（LSTM）模型与频域分解（FDD）相结合的负载预测方法 | 实验仅在广东省的历史操作数据集上验证，外部地区的适用性需进一步研究 | 研究低电压分布式光伏电力分配网络的负载预测技术 | 低电压分布式光伏电力分配网络的负载数据 | 机器学习 | NA | 频域分解（FDD），长短期记忆（LSTM） | LSTM | 数据集 | 广东省的历史操作数据集 |
| 1314 | 2024-08-05 |
Evaluating a radiotherapy deep learning synthetic CT algorithm for PET-MR attenuation correction in the pelvis
2024-Jan-29, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00617-3
PMID:38282050
|
研究论文 | 本文评估了一种基于放射治疗的深度学习合成CT算法在盆腔PET-MR衰减校正中的应用 | 本研究结合了一种新开发的零回声时间（ZTE）MR序列和深度学习模型生成合成CT，显著提高了衰减校正的准确性 | 样本量相对较小，仅包含10位患者 | 评估新算法在PET-MR衰减校正中的效果 | 10名进行肛直肠放射治疗的患者 | 数字病理学 | NA | ZTE-MR序列 | 深度学习模型 | 图像 | 10名患者 |
| 1315 | 2024-08-05 |
Deep Survival Analysis for Interpretable Time-Varying Prediction of Preeclampsia Risk
2024-Jan-19, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.18.24301456
PMID:38293230
|
research paper | 本文展示了一种深度生存分析的方法用于预测妊娠期子痫前期的风险 | 提出了一种修改过的DeepHit深度生存模型，能够处理非比例风险，并捕捉妊娠中的时间变化关系 | 未提及具体局限性 | 研究妊娠期子痫前期的时间变化风险及其相关临床风险因素 | 66,425名在两家三级护理中心分娩的孕妇 | digital pathology | 妊娠相关疾病 | 深度学习 | DeepHit | 时间序列数据 | 66,425名孕妇 |
| 1316 | 2024-08-05 |
Research Progress in Predicting Hepatocellular Carcinoma with Portal Vein Tumour Thrombus in the Era of Artificial Intelligence
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S474922
PMID:39050809
|
综述 | 该论文全面回顾了人工智能在预测肝细胞癌及其门静脉肿瘤血栓中的应用进展 | 创新点在于将人工智能技术应用于肝细胞癌的诊断预测，并探讨其对临床管理的影响 | 存在的研究局限性进行了评估，但具体的局限性未详细列出 | 提升门静脉肿瘤血栓患者的生存预后 | 探讨门静脉肿瘤血栓形成和进展的机制及其对肝细胞癌的影响 | 医学影像学 | 肝细胞癌 | 人工智能 | 机器学习和深度学习 | 医学图像 | NA |
| 1317 | 2024-08-05 |
Harnessing Few-Shot Learning for EEG signal classification: a survey of state-of-the-art techniques and future directions
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1421922
PMID:39050382
|
综述 | 本文系统性地回顾了针对脑电图信号分类的少量学习技术，包括数据增强、迁移学习和自监督学习等 | 文章创新性地提出了适用于不同脑电图范例的数据增强策略和迁移学习架构 | 研究存在对脑电图数据的多样性和噪声的处理不足 | 探讨如何使用少量学习方法提高脑电图信号分类的效果 | 主要对象是脑电图信号及其分类方法 | 机器学习 | NA | 数据增强、迁移学习、自监督学习 | NA | EEG信号 | NA |
| 1318 | 2024-08-05 |
Artificial intelligence in ischemic stroke images: current applications and future directions
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1418060
PMID:39050128
|
评论 | 本文综述了人工智能在缺血性卒中影像学应用的研究进展 | 探讨了大语言模型在缺血性卒中影像分析中的应用前景 | 面临数据量不足、模型可解释性差和实时监控更新的挑战 | 研究人工智能在缺血性卒中影像中的应用及未来方向 | 分析了自动分割梗死区域、大血管闭塞检测和中风结果预测等多个领域的应用 | 计算机视觉 | 缺血性卒中 | 机器学习和深度学习 | NA | 影像 | NA |
| 1319 | 2024-08-05 |
PseudoCell: Hard Negative Mining as Pseudo Labeling for Deep Learning-Based Centroblast Cell Detection
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3407351
PMID:39050971
|
研究论文 | 本研究提出了一种用于自动化检测整个切片图像中的中心母细胞的对象检测框架 | 通过结合病理学家提供的标签和基于细胞形态特征生成的伪阴性标签，减少了对人工标注的依赖 | 模型仍需要依赖病理学家提供的初步标签 | 研究目标是降低病理学家的工作量，并提高中心母细胞的检测效率 | 研究对象为中心母细胞的检测 | 数字病理学 | NA | 深度学习 | 对象检测框架 | 整体切片图像 | NA |
| 1320 | 2024-08-05 |
Liquid Biopsy Instrument for Ultra-Fast and Label-Free Detection of Circulating Tumor Cells
2024, Research (Washington, D.C.)
DOI:10.34133/research.0431
PMID:39050821
|
研究论文 | 本文介绍了一种基于惯性微流体和阻抗细胞计数的自动液体活检仪器CytoExam，用于快速无标记检测循环肿瘤细胞 | CytoExam能够在15分钟内实现对癌症患者外周血中循环肿瘤细胞的无标记检测，且临床适用性得到了验证 | 研究中仅使用了来自10名健康供体和50多名乳腺癌、结直肠癌或肺癌患者的外周血样本 | 本研究旨在开发一种快速且无创的液体活检技术，以改善癌症的诊断与监测 | 研究对象为癌症患者及健康供体的外周血样本 | 数字病理学 | 肺癌 | 阻抗细胞计数 | 深度学习算法 | 血液样本 | 10名健康供体和50多名癌症患者 |