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 1879 篇文献，本页显示第 1381 - 1400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1381 | 2024-08-04 |
k-strip: A novel segmentation algorithm in k-space for the application of skull stripping
2024-Jan, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2023.107912
PMID:37981454
|
研究论文 | 我们提出了一种基于深度学习的新型颅骨剥离算法，用于磁共振成像（MRI），直接在信息丰富的复数k空间中工作 | 该算法能够在MRI的原始数据上进行颅骨剥离，同时保留相位信息，这是其他算法无法做到的 | 在眼睛及其周围区域的准确性下降，输出结果部分模糊 | 研究基于k空间频域进行颅骨剥离的可行性，同时保留相位信息 | 使用不同机构的四个数据集，总共约200,000个MRI切片 | 数字病理学 | NA | 磁共振成像（MRI） | 深度学习网络 | 图像 | 约200,000个MRI切片 | NA | NA | NA | NA |
| 1382 | 2024-08-04 |
MAS-CL: An End-to-End Multi-Atlas Supervised Contrastive Learning Framework for Brain ROI Segmentation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3431451
PMID:39052457
|
研究论文 | 本文提出了一种多图集监督对比学习框架（MAS-CL）用于MRI脑ROI分割 | 引入了多图集监督信息来预训练核心网络，以提升输入MRI图像的潜在表示学习 | 该研究依赖于有限的体素级标注数据，可能影响训练效果 | 提升脑区域兴趣（ROI）的分割精度 | 使用MRI图像进行脑ROI的分割 | 计算机视觉 | NA | 核磁共振成像（MRI） | NA | 图像 | 使用LONI-LPBA40、IXI、OASIS、ADNI和CC359五个数据集进行实验 | NA | NA | NA | NA |
| 1383 | 2024-08-04 |
Deep Learning for Neuromuscular Control of Vocal Source for Voice Production
2024-Jan, Applied sciences (Basel, Switzerland)
DOI:10.3390/app14020769
PMID:39071945
|
研究论文 | 开发了一种计算神经肌肉控制系统来控制声音生产中的声源 | 提出了一种基于深度学习的控制系统，能够高精度生成肺压和喉肌激活 | 在反馈控制器的激活中，只有甲状舌肌的命令修正相对较大 | 研究神经肌肉控制系统在声音生产中的应用 | 声源的肺压和喉部肌肉活性 | 机器学习 | NA | 深度学习 | 三质量声带模型 | 语音信号 | 五万条稳态语音信号 | NA | NA | NA | NA |
| 1384 | 2024-08-05 |
Phenotyping of Drought-Stressed Poplar Saplings Using Exemplar-Based Data Generation and Leaf-Level Structural Analysis
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0205
PMID:39077119
|
研究论文 | 本研究利用计算机视觉和深度学习技术对干旱胁迫的杨树幼苗进行表型分析 | 提出了一种实例分割和数据增强的方法，以降低人工标注成本并提高模型的识别准确性 | 研究未提及实际应用中的环境变量影响 | 研究干旱胁迫对杨树幼苗生长的影响并进行表型分析 | 四个品种的干旱胁迫杨树幼苗 | 计算机视觉 | NA | 深度学习 | MobileNet | 图像 | 四个品种的杨树幼苗，五种不同灌溉处理的样本 | NA | NA | NA | NA |
| 1385 | 2024-08-05 |
Transforming the future of ophthalmology: artificial intelligence and robotics' breakthrough role in surgical and medical retina advances: a mini review
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1434241
PMID:39076760
|
mini review | 本文讨论了人工智能和机器人技术在眼科医疗领域的最新进展与挑战 | 该文指出了人工智能算法在视网膜病症自动诊断中的有效性及其在遥距医疗中的应用潜力 | 文章提到当前机器人手术系统的广泛应用仍面临高成本和学习曲线陡峭等限制 | 探讨人工智能和机器人在视网膜疾病治疗中的应用及其面临的挑战 | 研究对象为眼科医学中的视网膜疾病及其相关治疗技术 | 人工智能 | 视网膜疾病 | 深度学习和机器学习 | NA | 视网膜图像 | 使用的大型数据集为多种视网膜病症的图像数据 | NA | NA | NA | NA |
| 1386 | 2024-08-05 |
Machine Learning for Detecting Atrial Fibrillation from ECGs: Systematic Review and Meta-Analysis
2024-Jan, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2501008
PMID:39077651
|
meta-analysis | 本文系统评估和总结了机器学习算法在电心动图中检测房颤的整体诊断准确性 | 深度学习算法在房颤检测中表现优于传统机器学习算法，尤其是基于卷积神经网络的算法 | 仅包括14项研究，可能存在选择偏差 | 评估机器学习算法在电心动图中检测房颤的准确性 | 房颤（AF）和电心动图信号 | machine learning | 心血管疾病 | 机器学习（ML） | 卷积神经网络（CNN） | 电心动图（ECG） | 共涉及14项研究 | NA | NA | NA | NA |
| 1387 | 2024-08-05 |
Diagnostic Performance of Noninvasive Coronary Computed Tomography Angiography-Derived FFR for Coronary Lesion-Specific Ischemia Based on Deep Learning Analysis
2024-Jan, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2501020
PMID:39077668
|
研究论文 | 本研究评估了一种新型深度学习软件在诊断冠状动脉缺血中的有效性 | 采用深度学习分析的非侵入性计算机断层成像衍生的分数流量储备(CT-FFR)在冠状动脉缺血的诊断能力具有显著提升 | 本研究仅在138名被试者中进行，可能限制了结果的广泛适用性 | 评估CT-FFR在预测冠状动脉缺血方面的诊断性能 | 138名怀疑或确诊冠状动脉疾病的受试者 | 医学影像学 | 冠状动脉疾病 | 计算机断层成像（CT） | 深度学习 | 影像 | 138名受试者 | NA | NA | NA | NA |
| 1388 | 2024-08-05 |
Rapid identification of bloodstream infection pathogens and drug resistance using Raman spectroscopy enhanced by convolutional neural networks
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1428304
PMID:39077742
|
研究论文 | 本研究提出了一种结合深度学习和表面增强拉曼散射(SERS)的快速识别血流感染病原体及其耐药性的方法 | 将深度学习和SERS结合，开发了快速识别病原体及耐药性的新方法 | 未明确提及研究的限制 | 快速识别血流感染的常见病原体及其耐药性 | 从阳性血液培养中分离的细菌 | 数字病理学 | 血流感染 | 表面增强拉曼散射(SERS) | 卷积神经网络(CNN) | 光谱数据 | 共收集了12,046和11,968个SERS光谱 | NA | NA | NA | NA |
| 1389 | 2024-08-04 |
Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases
2024-01, Kidney international
IF:14.8Q1
DOI:10.1016/j.kint.2023.09.011
PMID:37774924
|
研究论文 | 本文开发了一种使用深度学习自动估计足突宽度的技术，用于患者的肾脏活检。 | 创新点在于开发了一种基于深度学习的自动化FPW估计技术，并通过云应用使其易于访问。 | 当前研究只使用了有限数量的患者样本，未涵盖所有类型的肾脏疾病。 | 研究旨在提高肾脏疾病中足突宽度的测量效率和可获取性。 | 研究对象为来自Fabry病、2型糖尿病、最小变病和正常个体的肾脏活检图像。 | 数字病理学 | 肾脏疾病 | 深度学习 | U-Net | 电子显微镜图像 | 56名Fabry病患者，15名2型糖尿病患者，10名最小变病患者和17名正常个体 | NA | NA | NA | NA |
| 1390 | 2024-08-05 |
Performance Investigation of Somfit Sleep Staging Algorithm
2024, Nature and science of sleep
IF:3.0Q2
DOI:10.2147/NSS.S463026
PMID:39071546
|
研究论文 | 研究了新型家用睡眠监测设备Somfit的睡眠分期算法的准确性 | 提出了一种基于卷积神经网络架构的Somfit深度学习睡眠分期算法 | 研究中仅限于睡眠监测设备的准确性验证，未包含其他可能影响的因素 | 探讨Somfit睡眠分期算法在家用睡眠监测设备中的准确性 | 110名有阻塞性睡眠呼吸暂停症状的参与者 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 无创监测技术 | 卷积神经网络 (CNN) | 多导睡眠监测数据 | 110名参与者 | NA | NA | NA | NA |
| 1391 | 2024-08-05 |
A cutting-edge deep learning-and-radiomics-based ultrasound nomogram for precise prediction of axillary lymph node metastasis in breast cancer patients ≥ 75 years
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1323452
PMID:39072273
|
研究论文 | 本研究旨在开发一种基于深度学习和放射组学的超声命名法，以评估75岁及以上乳腺癌患者腋窝淋巴结转移风险 | 本研究结合深度学习与放射组学，提出了一种新的超声命名法，极大提升了预测腋窝淋巴结转移的准确性 | 样本仅限于接受哨兵淋巴结活检或腋窝淋巴结清扫的患者，可能影响结果的普适性 | 研究旨在提高75岁及以上乳腺癌患者腋窝淋巴结转移预测的准确性 | 研究对象为75岁及以上的乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声, 深度学习 | DenseNet-201 | 图像 | 75岁及以上乳腺癌患者，具体样本数量未提及 | NA | NA | NA | NA |
| 1392 | 2024-08-05 |
Advanced integration of 2DCNN-GRU model for accurate identification of shockable life-threatening cardiac arrhythmias: a deep learning approach
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1429161
PMID:39072217
|
研究论文 | 本研究提出了一种新的混合方法，用于自动检测危险的心律失常。 | 提出了一种新的深度学习架构的混合神经网络来分类危险心律失常，利用小段ECG信号的连续小波变换技术将信号转化为图像。 | 研究中使用的数据集可能在特征和样本方面存在不平衡的问题，尚未探讨其他心律失常种类。 | 旨在开发一种有效的混合方法，用于自动识别重症心律失常。 | 研究主要对象为心脏病患者的短ECG片段。 | 机器学习 | 心血管疾病 | 连续小波变换 (CWT) | 混合神经网络 | ECG数据 | 使用实际ECG数据以及通过SMOTE方法合成的ECG数据 | NA | NA | NA | NA |
| 1393 | 2024-08-05 |
Exploratory analysis of swallowing behaviour in community-dwelling older adults using a wearable device: Differences by age and ingestant under different task loads
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241264640
PMID:39070893
|
研究论文 | 本文开发了一种新的方法来评估吞咽行为 | 采用可穿戴设备非侵入性地监测吞咽声音，评估不同年龄和食物对吞咽行为的影响 | 研究样本相对较小，仅限于健康参与者，可能不适用于所有人群 | 提出一种新的评估吞咽行为的方法 | 健康的社区老年人，分为年轻组和老年组 | 数字病理学 | 老年疾病 | 深度学习 | 神经网络 | 生物声音 | 69名参与者（年轻组32人，老年组37人） | NA | NA | NA | NA |
| 1394 | 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） | NA | NA | NA | NA |
| 1395 | 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 | NA | NA | NA | NA |
| 1396 | 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 | NA | NA | NA | NA |
| 1397 | 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 | NA | NA | NA | NA |
| 1398 | 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 | NA | NA | NA | NA |
| 1399 | 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 | NA | NA | NA | NA |
| 1400 | 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 | NA | NA | NA | NA |