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 12196 篇文献，本页显示第 5721 - 5740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5721 | 2024-11-15 |
Deep learning model for intravascular ultrasound image segmentation with temporal consistency
2024-Nov, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03221-9
PMID:39190112
|
研究论文 | 本研究开发并验证了一种用于冠状动脉内超声（IVUS）图像分割的深度学习模型，具有时间一致性 | 该模型在帧级和血管级性能以及临床影响方面表现出色，特别是在广泛衰减的部位，模型在轮廓描绘方面表现出更好的时间一致性 | NA | 开发和验证一种用于冠状动脉内超声图像分割的深度学习模型 | 冠状动脉内超声（IVUS）图像的管腔和外弹性膜（EEM）分割 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 1240次40-MHz IVUS回拉，包含191,407帧图像 | NA | NA | NA | NA |
| 5722 | 2024-11-15 |
A comparison of machine learning methods for recovering noisy and missing 4D flow MRI data
2024-Nov, International journal for numerical methods in biomedical engineering
IF:2.2Q2
DOI:10.1002/cnm.3858
PMID:39196308
|
研究论文 | 比较了多种机器学习方法在恢复噪声和缺失的4D流MRI数据中的应用 | 首次全面评估和比较了多种经典和现代机器学习方法，用于增强心血管疾病中受损的血管流动数据 | SVD-based算法在理想情况下表现优异，但在实际数据中表现不佳 | 研究如何通过机器学习方法恢复和增强4D流MRI数据中的噪声和缺失信息 | 4D流MRI数据中的噪声和缺失信息 | 机器学习 | 心血管疾病 | 4D流MRI | 自动编码器 | 图像 | 人工损坏和体素化的计算流体动力学（CFD）模拟数据以及体外4D流MRI数据 | NA | NA | NA | NA |
| 5723 | 2024-11-15 |
Meta-Attention Deep Learning for Smart Development of Metasurface Sensors
2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202405750
PMID:39246128
|
研究论文 | 本文提出了一种基于变压器模型的可解释深度学习模型Metaformer，用于智能设计超表面传感器 | 采用光谱分割方案，将训练参数减少了99%，预测准确率提升至99%，并结合光谱位置编码和多头注意力机制，提供了对超表面传感器的深入物理见解 | NA | 开发一种高智能、可解释的深度学习模型，用于设计高性能的超表面传感器 | 基于准束缚态在连续体中的全介质超表面传感器 | 机器学习 | NA | 深度学习 | 变压器模型 | 光谱数据 | NA | NA | NA | NA | NA |
| 5724 | 2024-11-15 |
Fast Multiphoton Microscopic Imaging Joint Image Super-Resolution for Automated Gleason Grading of Prostate Cancers
2024-Nov, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400233
PMID:39262127
|
研究论文 | 本文介绍了一种基于深度学习的快速多光子显微成像方法，用于前列腺癌的自动Gleason分级 | 提出了一种结合多光子显微成像和图像超分辨率的深度学习架构，以提高成像速度和质量 | 超分辨率图像的分类准确率和Macro-F1略低于高分辨率图像 | 开发一种实时临床诊断工具，用于前列腺癌的诊断 | 前列腺癌的Gleason分级 | 计算机视觉 | 前列腺癌 | 多光子显微成像(MPM) | SwinIR, Swin Transformer | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 5725 | 2024-11-15 |
Prediction of Expanded Disability Status Scale in patients with MS using deep learning
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109143
PMID:39270459
|
研究论文 | 本研究开发了一种深度神经网络框架，用于预测多发性硬化症患者的扩展残疾状态量表（EDSS），使用MRI扫描数据 | 本研究的创新点在于整合T2加权和FLAIR图像，显著提高了预测准确性，并展示了模型在分割和分类任务中的高精度和可靠性 | 研究面临的挑战包括数据质量、样本量和计算复杂性，未来研究应关注标准化成像协议、整合更大和更多样化的数据集以及优化模型效率 | 本研究的目的是开发一种稳健的深度学习框架，用于准确预测多发性硬化症患者的扩展残疾状态量表（EDSS） | 本研究的对象是多发性硬化症患者及其MRI扫描数据 | 计算机视觉 | 多发性硬化症 | 深度学习 | 深度神经网络 | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 5726 | 2024-11-15 |
Automatic motion artifact detection in electrodermal activity signals using 1D U-net architecture
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109139
PMID:39270456
|
研究论文 | 本文提出了一种基于一维U-Net架构的自动检测电皮肤活动信号中运动和噪声伪影的方法 | 使用一维U-Net架构和频谱图进行伪影检测，相比现有方法在准确性和计算效率上有所提升 | NA | 开发一种能够实时检测电皮肤活动信号中运动和噪声伪影的自动化方法 | 电皮肤活动信号中的运动和噪声伪影 | 机器学习 | NA | 一维U-Net架构 | 一维U-Net | 信号 | 9602个128秒的电皮肤活动信号片段，来自104名受试者 | NA | NA | NA | NA |
| 5727 | 2024-11-15 |
Prediction of fetal brain gestational age using multihead attention with Xception
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109155
PMID:39278161
|
研究论文 | 本文提出了一种利用多注意力机制与Xception模型结合的深度学习方法，用于通过胎儿脑部MRI图像预测胎龄 | 结合了Xception预训练模型与多注意力机制，提高了胎龄预测的精度和效率 | NA | 开发一种准确预测胎龄的方法，以优化产前护理 | 胎儿脑部MRI图像 | 计算机视觉 | NA | 深度学习 | Xception与多注意力机制 | 图像 | 52,900张胎儿脑部图像，来自741名患者，胎龄范围为19至39周 | NA | NA | NA | NA |
| 5728 | 2024-11-15 |
Retrosynthetic analysis via deep learning to improve pilomatricoma diagnoses
2024-Nov, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.109152
PMID:39298885
|
研究论文 | 本文通过深度学习进行逆合成分析，以改进皮瘤诊断 | 本文提出了一种多尺度迁移学习模型，并引入逆合成显著性映射技术，以增强全切片图像中的病变可视化 | 模型在'其他'类别的表现有待提高 | 提高皮瘤的诊断准确性和治疗效果 | 皮瘤的病理诊断 | 数字病理学 | NA | 深度学习 | 迁移学习模型 | 图像 | NA | NA | NA | NA | NA |
| 5729 | 2024-11-15 |
Predicting DNA Reactions with a Quantum Chemistry-Based Deep Learning Model
2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202409880
PMID:39297371
|
研究论文 | 本文介绍了一种基于量子化学的深度学习模型，用于提高预测DNA反应参数的准确性和效率 | 通过将量子化学计算与自设计的描述符矩阵结合，该模型提供了能量变化的全面描述，并考虑了广泛的相关因素 | 由于标记数据有限，采用了主动学习方法来克服这一挑战 | 提高预测DNA反应参数的准确性和效率 | DNA反应参数，包括DNA杂交自由能和链置换速率常数 | 机器学习 | NA | 量子化学计算 | 深度学习模型 | 描述符矩阵 | NA | NA | NA | NA | NA |
| 5730 | 2024-11-15 |
Preoperative markers for identifying CT ≤2 cm solid nodules of lung adenocarcinoma based on image deep learning
2024-Nov, Thoracic cancer
IF:2.3Q2
DOI:10.1111/1759-7714.15448
PMID:39354738
|
研究论文 | 本文基于深度学习图像分析，研究了术前识别CT图像中≤2cm的实性肺腺癌结节的标志物 | 通过LASSO回归和决策树分析识别出与实性为主的腺癌高度相关的诊断因子，并构建了逻辑模型和诺模图 | 样本量相对较小，可能影响模型的泛化能力 | 研究术前识别肺腺癌实性结节的标志物，以辅助手术方案的选择和长期预后评估 | 临床分期为IA1-2的原发性肺腺癌患者 | 计算机视觉 | 肺癌 | 深度学习 | 逻辑模型 | 图像 | 1489名患者 | NA | NA | NA | NA |
| 5731 | 2024-11-15 |
Unveiling Thymoma Typing Through Hyperspectral Imaging and Deep Learning
2024-Nov, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400325
PMID:39362657
|
研究论文 | 本研究通过高光谱成像和深度学习技术对胸腺瘤进行分类 | 本研究首次将高光谱成像与深度学习相结合，用于胸腺瘤的分类，显著提高了分类精度和效率 | NA | 开发一种自动化胸腺瘤诊断方法，提高诊断准确性和效率 | 胸腺瘤的病理切片图像 | 计算机视觉 | 胸腺瘤 | 高光谱成像 | 残差网络 | 图像 | NA | NA | NA | NA | NA |
| 5732 | 2024-11-15 |
Automatic Acne Severity Grading with a Small and Imbalanced Data Set of Low-Resolution Images
2024-Nov, Dermatology and therapy
IF:3.5Q1
DOI:10.1007/s13555-024-01283-0
PMID:39379778
|
研究论文 | 本文开发了一种基于深度学习的痤疮严重程度分级模型，能够在低分辨率图像的小规模且不平衡的数据集上进行训练 | 该模型能够在数据集规模小且严重程度分布不平衡的情况下，达到与传统方法相当的准确率 | 数据集规模小且严重程度分布不平衡，可能影响模型的泛化能力 | 开发一种能够在有限数据条件下准确分级痤疮严重程度的深度学习模型 | 痤疮严重程度分级 | 计算机视觉 | 皮肤疾病 | 深度学习 | 深度学习模型 | 图像 | 1374张图像，来自391名不同患者的痤疮图像 | NA | NA | NA | NA |
| 5733 | 2024-11-15 |
Machine vision-assisted genomic prediction and genome-wide association of spleen-related traits in large yellow croaker infected with visceral white-nodules disease
2024-Nov, Fish & shellfish immunology
IF:4.1Q1
DOI:10.1016/j.fsi.2024.109948
PMID:39384056
|
研究论文 | 本文研究了机器视觉辅助下的大黄鱼脾脏相关性状的基因预测和全基因组关联分析 | 提出了基于机器视觉的图像分割框架，用于提取脾脏特征，并结合深度卷积神经网络进行自动特征学习和对象分割 | NA | 探索大黄鱼内脏白点病抗性相关性状的基因预测和全基因组关联分析 | 大黄鱼脾脏相关性状和内脏白点病抗性 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 5734 | 2024-11-15 |
Ensemble approach of deep learning models for binary and multiclass classification of histopathological images for breast cancer
2024-Nov, Pathology, research and practice
DOI:10.1016/j.prp.2024.155644
PMID:39395299
|
研究论文 | 本文研究了使用深度学习模型对乳腺癌病理图像进行二分类和多分类 | 提出了使用Vision Transformer (ViT)、Convmixer和VGG-19三种深度学习模型进行乳腺癌肿瘤检测和分类，并进行了模型集成 | 集成模型ViT-Convmixer的性能相比ViT模型有所下降 | 提高乳腺癌早期诊断的准确性，减少人为误差 | 乳腺癌病理图像 | 计算机视觉 | 乳腺癌 | 深度学习 | Vision Transformer (ViT), Convmixer, VGG-19 | 图像 | 使用了Breast cancer histopathological (Break His)图像数据库，采用80:20的训练方案 | NA | NA | NA | NA |
| 5735 | 2024-11-15 |
Deep learning from head CT scans to predict elevated intracranial pressure
2024 Nov-Dec, Journal of neuroimaging : official journal of the American Society of Neuroimaging
IF:2.3Q2
DOI:10.1111/jon.13241
PMID:39387348
|
研究论文 | 本文开发了一种利用头部CT扫描图像预测颅内压升高的深度学习模型 | 本文提出了一个基于简单CT图像的微创颅内压预测模型，以防止由颅内压升高引起的继发性脑损伤 | 本文未详细讨论模型的泛化能力和在不同临床环境中的适用性 | 开发一种非侵入性监测技术，用于预测颅内压升高，以防止继发性脑损伤 | 颅内压升高的预测 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 5736 | 2024-11-15 |
Trends in brain MRI and CP association using deep learning
2024-Nov, La Radiologia medica
DOI:10.1007/s11547-024-01893-w
PMID:39388027
|
研究论文 | 本文研究了使用深度学习模型分析脑部MRI与脑瘫（CP）之间的关联 | 引入了两种深度学习模型SSeq-DL和SMS-DL，分别用于单序列和多序列脑部MRI的训练，并采用了专门设计的注意力机制和并行计算技术来识别CP相关的脑部趋势 | NA | 旨在通过深度学习模型早期识别脑瘫并关联脆弱的脑部MRI扫描，以促进早期干预和康复 | 脑瘫（CP）及其与脑部MRI扫描的关联 | 计算机视觉 | 脑瘫 | 深度学习 | SSeq-DL和SMS-DL | MRI图像 | NA | NA | NA | NA | NA |
| 5737 | 2024-11-15 |
Sitetack: a deep learning model that improves PTM prediction by using known PTMs
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae602
PMID:39388212
|
研究论文 | 本文介绍了一种名为Sitetack的深度学习模型，通过利用已知的蛋白质翻译后修饰（PTM）位点来提高PTM预测的准确性 | 通过在序列编码中标记已知的PTM位点，显著提高了现有模型的预测性能，并展示了PTM位点对其他PTM预测的重要性 | 未明确提及 | 提高蛋白质翻译后修饰（PTM）位点的预测准确性 | 蛋白质翻译后修饰（PTM）位点 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 序列数据 | 未明确提及 | NA | NA | NA | NA |
| 5738 | 2024-11-15 |
Deep coupled registration and segmentation of multimodal whole-brain images
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae606
PMID:39400311
|
研究论文 | 本文介绍了一种用于多模态全脑图像联合配准和分割的深度学习框架 | 该框架在两个层次上深度耦合和协作配准与分割任务，通过学习统一的共同潜在特征表示来建立强特征级耦合，并引入相互监督的双分支网络来解耦潜在特征，从而促进任务级协作 | NA | 开发一种能够有效利用配准和分割任务之间相关性和互补性的高吞吐量方法 | 多模态全脑图像的配准和分割 | 计算机视觉 | NA | 深度学习 | 双分支网络 | 图像 | 包括小鼠和人类的多模态和单模态数据集 | NA | NA | NA | NA |
| 5739 | 2024-11-15 |
Lifestyle factors in the biomedical literature: an ontology and comprehensive resources for named entity recognition
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae613
PMID:39412443
|
研究论文 | 本文介绍了一种新的生活方式因素本体（LSFO），并开发了基于字典和基于变压器的命名实体识别（NER）系统来识别和规范化生活方式因素 | 提出了一个新的生活方式因素本体（LSFO），并创建了一个手动注释的生活方式因素语料库（LSF200），用于训练和评估NER系统 | 基于字典的NER系统的F-score为64%，基于变压器的NER系统的F-score为76%，表明仍有改进空间 | 系统地描述和识别生物医学文献中的生活方式因素 | 生活方式因素及其在生物医学文献中的识别 | 自然语言处理 | NA | 命名实体识别（NER） | 变压器 | 文本 | LSF200语料库包含手动注释的生活方式因素 | NA | NA | NA | NA |
| 5740 | 2024-11-15 |
TRAITER: transformer-guided diagnosis and prognosis of heart failure using cell nuclear morphology and DNA damage marker
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae610
PMID:39412446
|
研究论文 | 本文介绍了一种基于Transformer的深度学习方法TRAITER，用于心力衰竭的诊断和预后 | TRAITER结合了图像分割技术和Vision Transformer，能够从心脏组织细胞核形态图像和DNA损伤标记的双染色图像中预测心力衰竭的可能性和左心室逆向重塑的潜力 | NA | 开发一种精确诊断和预后心力衰竭的新方法 | 心力衰竭的诊断和预后 | 计算机视觉 | 心血管疾病 | 图像分割技术 | Vision Transformer | 图像 | 心力衰竭预测使用了来自9名患者的31,158张图像，左心室逆向重塑预测使用了来自46名患者的231,840张图像 | NA | NA | NA | NA |