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 12390 篇文献，本页显示第 7441 - 7460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7441 | 2024-10-14 |
Application of artificial intelligence model in pathological staging and prognosis of clear cell renal cell carcinoma
2024-Oct-10, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-024-01437-8
PMID:39390246
|
研究论文 | 本研究开发了一种基于全切片图像的深度学习模型，用于预测透明细胞肾细胞癌的病理分期和预后 | 首次使用深度学习模型从病理图像中准确预测透明细胞肾细胞癌的病理分期和预后 | 研究样本仅来自TCGA数据库，可能存在数据偏倚 | 开发一种能够准确预测透明细胞肾细胞癌病理分期和预后的深度学习模型 | 透明细胞肾细胞癌患者的病理图像 | 数字病理学 | 肾癌 | 深度学习 | 深度学习模型 | 图像 | 513例透明细胞肾细胞癌患者 | NA | NA | NA | NA |
| 7442 | 2024-10-14 |
A multi-task graph deep learning model to predict drugs combination of synergy and sensitivity scores
2024-Oct-10, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05925-0
PMID:39390357
|
研究论文 | 本文提出了一种多任务图深度学习模型'MultiComb'，用于预测药物组合的协同作用和敏感性评分 | 该模型利用图卷积网络处理药物的SMILES表示，并通过注意力机制优化特征表示，结合交叉缝合模型学习任务间关系，从而实现对药物组合协同作用和敏感性评分的预测 | NA | 预测药物组合对特定癌细胞系的协同作用和敏感性评分 | 药物组合的协同作用和敏感性评分 | 机器学习 | 癌症 | 图卷积网络 | 多任务深度学习模型 | 分子数据 | 38种独特药物组合成17,901对药物组合，并在37种独特癌细胞上测试 | NA | NA | NA | NA |
| 7443 | 2024-10-14 |
Automatic maxillary sinus segmentation and pathology classification on cone-beam computed tomographic images using deep learning
2024-Oct-10, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04924-0
PMID:39390490
|
研究论文 | 使用深度学习技术自动分割锥束计算机断层扫描图像中的上颌窦并进行病理分类 | 采用改进的YOLOv5x架构进行迁移学习，以提高上颌窦及其疾病的分割和检测精度 | 研究样本量相对较小，且仅限于特定的上颌窦疾病 | 开发一种自动化的方法来分割和分类上颌窦及其疾病，以辅助医生工作 | 上颌窦及其相关疾病，包括黏液潴留囊肿、黏膜增厚、完全和部分不透明以及健康上颌窦 | 计算机视觉 | 口腔颌面疾病 | 深度学习 | YOLOv5x | 图像 | 307例锥束计算机断层扫描图像，包括173名女性和134名男性患者 | NA | NA | NA | NA |
| 7444 | 2024-10-14 |
A deep learning-based dose calculation method for volumetric modulated arc therapy
2024-Oct-10, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02534-2
PMID:39390598
|
研究论文 | 本研究利用深度学习方法开发了一种用于容积旋转调强放疗（VMAT）的快速且准确的剂量计算方法 | 本研究采用3D UNet模型，通过学习剂量计算的物理原理，实现了比传统治疗计划系统（TPS）更快的剂量计算速度 | 本研究仅在头颈部VMAT计划上进行了验证，未来需要在更多类型的放疗计划上进行测试 | 开发一种基于深度学习的快速且准确的VMAT剂量计算方法 | 头颈部VMAT计划 | 机器学习 | NA | 深度学习 | 3D UNet | 图像 | 51个头颈部VMAT计划，其中43个用于训练，1个用于验证，7个用于测试 | NA | NA | NA | NA |
| 7445 | 2024-10-14 |
A deep learning model to enhance the classification of primary bone tumors based on incomplete multimodal images in X-ray, CT, and MRI
2024-Oct-10, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00784-7
PMID:39390604
|
研究论文 | 研究开发了一种基于深度学习的模型，用于在X光、CT和MRI等多模态图像不完整的情况下，对原发性骨肿瘤进行分类 | 提出了基于Transformer的PBTC-TransNet融合模型，能够在多模态图像不完整的情况下有效分类原发性骨肿瘤 | 研究为回顾性研究，且仅在两个中心的数据集上进行了验证 | 开发和验证一种基于不完整多模态图像和临床特征的深度学习模型，用于原发性骨肿瘤的分类 | 原发性骨肿瘤的分类 | 计算机视觉 | 骨肿瘤 | 深度学习 | Transformer | 图像 | 1305名患者，包括内部数据集1043例和外部数据集262例 | NA | NA | NA | NA |
| 7446 | 2024-10-14 |
Analyzing hope speech from psycholinguistic and emotional perspectives
2024-10-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74630-y
PMID:39384851
|
研究论文 | 本研究利用自然语言处理工具分析社交媒体中的希望言论，提取心理语言学、情感和情感特征 | 提出了一种利用NLP工具分析社交媒体希望言论的新方法，并展示了LightGBM和CatBoost模型在分类不同类型希望方面的优越性能 | NA | 研究社交媒体中希望言论的心理语言学和情感特征，并探索利用这些数据分类不同类型希望的潜力 | 社交媒体中的希望言论 | 自然语言处理 | NA | 自然语言处理 (NLP) | LightGBM, CatBoost | 文本 | 希望言论数据集 | NA | NA | NA | NA |
| 7447 | 2024-10-14 |
Supervised deep learning-based synthetic computed tomography from kilovoltage cone-beam computed tomography images for adaptive radiation therapy in head and neck cancer
2024-Sep, Radiation oncology journal
IF:1.8Q3
DOI:10.3857/roj.2023.00584
PMID:39354821
|
研究论文 | 本文研究了一种监督式深度学习算法，用于从千伏锥束CT图像生成合成CT图像，以应用于头颈部癌症的适形放疗 | 本文提出了一种基于监督式U-Net深度学习模型的方法，用于从千伏锥束CT图像生成合成CT图像，以提高适形放疗的精度 | 合成CT图像在解剖结构上与计划CT图像存在差异 | 研究并验证一种监督式深度学习算法，用于生成合成CT图像，以提高头颈部癌症适形放疗的精度 | 头颈部癌症患者的千伏锥束CT图像和计划CT图像 | 计算机视觉 | 头颈部癌症 | 深度学习 | U-Net | 图像 | 40名头颈部癌症患者，共3491对图像 | NA | NA | NA | NA |
| 7448 | 2024-10-14 |
OPTIMIZATION-DRIVEN STATISTICAL MODELS OF ANATOMIES USING RADIAL BASIS FUNCTION SHAPE REPRESENTATION
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI56570.2024.10635852
PMID:39391839
|
研究论文 | 本文提出了一种基于径向基函数形状表示的解剖结构统计模型的优化驱动方法 | 本文结合了传统的优化方法和径向基函数表示，通过引入特征形状和对应损失，提供了对模型特征的更精确控制，避免了黑箱模型，并允许粒子在表面上有更大的自由度 | NA | 旨在改进现有的粒子基形状建模方法，以更好地适应解剖结构的复杂几何形状 | 解剖结构的形状变异性 | 计算机视觉 | NA | 径向基函数 | 优化模型 | 3D表面数据 | 两个真实数据集 | NA | NA | NA | NA |
| 7449 | 2024-10-14 |
InstructNet: A novel approach for multi-label instruction classification through advanced deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311161
PMID:39388407
|
研究论文 | 本文提出了一种新的多标签指令分类方法InstructNet，通过使用先进的深度学习技术对“How To”文章进行分类 | 本文提出了InstructNet方法，并使用XLNet架构在多标签分类任务中取得了前所未有的高准确率 | 本文未详细讨论模型的训练时间和计算资源需求，以及在不同数据集上的泛化能力 | 研究如何通过深度学习技术对多标签指令文本进行分类 | 对“How To”文章进行多标签分类 | 自然语言处理 | NA | 深度学习 | XLNet | 文本 | 11,121条来自wikiHow的数据记录 | NA | NA | NA | NA |
| 7450 | 2024-10-14 |
Multi-feature fusion based face forgery detection with local and global characteristics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311720
PMID:39388418
|
研究论文 | 本文提出了一种基于多特征融合的面部伪造检测方法，结合空间域、噪声域和频率域的特征，并使用Inception Transformer动态学习局部和全局信息 | 本文的创新点在于综合分析伪造面部特征，融合空间域、噪声域和频率域的多特征，并使用Inception Transformer动态学习局部和全局信息 | 现有的检测方法主要基于单一特征域的判别信息进行分类，存在一定的局限性 | 研究准确高效的深度伪造视频检测技术 | 深度伪造视频的检测 | 计算机视觉 | NA | 深度学习 | Inception Transformer | 视频 | 在DFDC、Celeb-DF和FaceForensic++基准数据集上进行了评估 | NA | NA | NA | NA |
| 7451 | 2024-10-13 |
Deep learning reconstruction for zero echo time lung magnetic resonance imaging: impact on image quality and lesion detection
2024-Nov, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.07.011
PMID:39112100
|
研究论文 | 研究深度学习重建（DLR）对零回波时间（ZTE）肺部磁共振成像（MRI）图像质量和病变检测的影响 | 首次探讨了深度学习重建技术在零回波时间肺部MRI中的应用，并展示了其在图像质量和病变检测方面的显著改进 | 研究样本量较小，且仅限于特定类型的肺部病变检测 | 评估深度学习重建技术对零回波时间肺部MRI图像质量和病变检测的影响 | 59名接受胸部CT和零回波时间肺部MRI的患者 | 计算机视觉 | 肺部疾病 | 深度学习重建（DLR） | NA | 图像 | 59名患者 | NA | NA | NA | NA |
| 7452 | 2024-10-13 |
Deep learning-based computer-aided detection of ultrasound in breast cancer diagnosis: A systematic review and meta-analysis
2024-Nov, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.08.002
PMID:39217049
|
meta-analysis | 本文通过系统综述和meta分析评估了深度学习和超声在乳腺癌诊断中的诊断性能 | 本文创新性地将研究分为B模式超声诊断子组和多模态超声诊断子组，并比较了深度学习算法在乳腺癌诊断中使用B模式超声或多模态超声的性能差异 | NA | 评估深度学习和超声在乳腺癌诊断中的诊断性能 | 乳腺癌患者和良性或其他乳腺病变患者 | computer vision | breast cancer | 深度学习 | NA | 超声图像 | 共包含20项研究，总计14,955例病例，其中4197例用于模型测试，包括1582例乳腺癌患者和2615例良性或其他乳腺病变患者 | NA | NA | NA | NA |
| 7453 | 2024-10-13 |
Artificial Intelligence in Radiology: What Is Its True Role at Present, and Where Is the Evidence?
2024-Nov, Radiologic clinics of North America
IF:2.1Q2
DOI:10.1016/j.rcl.2024.03.008
PMID:39393852
|
review | 本文综述了人工智能在放射学中的应用现状，并探讨了其未来的潜力 | 本文总结了近期研究中关于人工智能在放射学中的应用及其对诊断放射科医生工作量的预期影响 | NA | 探讨人工智能在放射学中的当前角色及其证据 | 人工智能在放射学中的应用及其对诊断能力、工作流程效率和患者护理的影响 | computer vision | NA | machine learning, deep learning | NA | NA | NA | NA | NA | NA | NA |
| 7454 | 2024-10-13 |
Development and validation of a multimodal deep learning framework for vascular cognitive impairment diagnosis
2024-Oct-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110945
PMID:39391736
|
研究论文 | 开发并验证了一种用于血管性认知障碍诊断的多模态深度学习框架 | 结合了视觉变换器和极端梯度提升算法的多模态深度学习框架，能够识别对血管性认知障碍诊断有显著贡献的大脑区域和临床特征 | NA | 开发一种准确且可解释的临床决策支持工具，用于识别脑血管疾病患者的血管性认知障碍 | 307名脑血管疾病患者的临床非影像数据和神经影像数据 | 机器学习 | 脑血管疾病 | 多模态深度学习 | 视觉变换器和极端梯度提升算法 | 临床非影像数据和神经影像数据 | 307名患者 | NA | NA | NA | NA |
| 7455 | 2024-10-13 |
Chain-aware graph neural networks for molecular property prediction
2024-Oct-11, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae574
PMID:39392786
|
研究论文 | 本文提出了一种新的链感知图神经网络模型，用于分子性质预测 | 通过学习中心节点沿最短路径的表示来捕捉链结构，并使用初始残差差分连接（IRDC）减少层间冗余，从而提高节点特征的表达能力 | NA | 改进分子性质预测中节点特征的表达能力 | 分子图及其链结构 | 机器学习 | NA | 图神经网络（GNN） | 链感知图神经网络 | 分子图 | NA | NA | NA | NA | NA |
| 7456 | 2024-10-13 |
Benchmarking reveals superiority of deep learning variant callers on bacterial nanopore sequence data
2024-Oct-10, eLife
IF:6.4Q1
DOI:10.7554/eLife.98300
PMID:39388235
|
研究论文 | 本文通过基准测试比较了深度学习变异检测工具在细菌纳米孔测序数据上的表现 | 研究发现深度学习变异检测工具在细菌纳米孔测序数据上的准确性显著优于传统方法，甚至超过了Illumina测序 | NA | 评估深度学习变异检测工具在细菌基因组中的准确性 | 细菌基因组的变异检测 | 基因组学 | NA | 纳米孔测序 | 深度学习 | 基因组数据 | 14种不同细菌物种 | NA | NA | NA | NA |
| 7457 | 2024-10-13 |
Riverbed litter monitoring using consumer-grade aerial-aquatic speedy scanner (AASS) and deep learning based super-resolution reconstruction and detection network
2024-Oct-10, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.117030
PMID:39393229
|
研究论文 | 本文介绍了一种使用消费级空中-水下快速扫描仪（AASS）和基于深度学习的超分辨率重建与检测网络来监测水下垃圾的方法 | 引入了AASS系统与超分辨率重建（SRR）和增强的YOLOv8检测网络相结合，提高了数据采集效率和检测精度 | 未提及具体限制 | 开发一种高效、低成本的消费级技术来自动检测水下垃圾 | 水下垃圾的检测与分类 | 计算机视觉 | NA | 超分辨率重建（SRR） | YOLOv8 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 7458 | 2024-10-13 |
Segmentation-based quantitative measurements in renal CT imaging using deep learning
2024-Oct-09, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00507-4
PMID:39382755
|
研究论文 | 本文开发了一种基于深度学习的肾脏CT图像自动测量方法 | 使用3D UNet模型对对比增强和非对比增强CT图像进行肾脏测量，模型性能与手动标注相当 | 当训练集主要由健康受试者组成时，模型在处理不健康肾脏时需要特别注意 | 开发一种自动化的肾脏CT图像测量方法，以评估肾功能 | 肾脏CT图像的自动测量 | 计算机视觉 | NA | 深度学习 | 3D UNet | 图像 | 88名潜在肾脏捐献者的对比增强和非对比增强CT扫描，以及18例对比增强、15例光子计数CT扫描和8例低剂量CT扫描的测试集 | NA | NA | NA | NA |
| 7459 | 2024-10-13 |
Deep learning-based defacing tool for CT angiography: CTA-DEFACE
2024-Oct-09, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00510-9
PMID:39382818
|
研究论文 | 本文介绍了一种基于深度学习的CT血管造影（CTA）去识别工具CTA-DEFACE，通过自动生成面部遮罩来保护患者隐私 | 开发了一种新的深度学习模型CTA-DEFACE，用于自动去识别CTA图像，相比公开的模型，该模型显著降低了面部检测概率和与原始图像的相似度 | NA | 建立一个自动化的CTA数据去识别流程，以提高数据保护措施 | CTA数据的去识别 | 计算机视觉 | NA | 人工神经网络（ANN） | ANN | 图像 | 训练集100个面部遮罩，测试集50个外部机构的数据 | NA | NA | NA | NA |
| 7460 | 2024-10-13 |
SMGformer: integrating STL and multi-head self-attention in deep learning model for multi-step runoff forecasting
2024-Oct-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74329-0
PMID:39384833
|
研究论文 | 本文提出了一种新的SMGformer模型，用于多步径流预测，该模型结合了STL分解、Informer编码层、双向门控循环单元（BiGRU）和多头自注意力机制（MHSA） | 创新点在于将STL分解与多头自注意力机制结合，构建了一个多特征输入集，并通过BiGRU层和MHSA机制优化输出，提高了径流预测的准确性 | NA | 提高径流预测的准确性，为水资源分配、防洪和减灾提供支持 | 中国两个水文站的月径流数据 | 机器学习 | NA | STL分解、多头自注意力机制（MHSA）、双向门控循环单元（BiGRU） | SMGformer | 时间序列数据 | 两个水文站的月径流数据 | NA | NA | NA | NA |