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 12029 篇文献，本页显示第 8181 - 8200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8181 | 2024-08-30 |
Effects of vitamin D supplementation on a deep learning-based mammographic evaluation in SWOG S0812
2024-Jul-01, JNCI cancer spectrum
IF:3.4Q2
DOI:10.1093/jncics/pkae042
PMID:38814817
|
研究论文 | 本研究评估了维生素D补充对基于卷积神经网络的乳腺X线摄影评估的影响，特别是在SWOG S0812试验中的应用。 | 研究采用基于卷积神经网络的乳腺癌风险模型，通过乳腺X线摄影非侵入性地评估乳腺癌化学预防的反应。 | 研究结果显示，维生素D组与安慰剂组在12个月和24个月时基于卷积神经网络的风险评分变化无统计学显著差异。 | 评估维生素D补充对基于深度学习的乳腺X线摄影评估的影响。 | 研究对象为参与SWOG S0812试验的208名高风险未绝经女性。 | 机器学习 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | 109名基线样本，97名12个月样本，67名24个月样本 | NA | NA | NA | NA |
| 8182 | 2024-08-30 |
Estimation of the Radiographic Parameters for Hallux Valgus From Photography of the Feet Using a Deep Convolutional Neural Network
2024-Jul, Cureus
DOI:10.7759/cureus.65557
PMID:39192936
|
研究论文 | 本文提出了一种基于深度卷积神经网络的方法，用于从足部照片中估计拇外翻（HV）的放射学参数 | 该研究首次使用深度学习技术从足部照片中直接计算HV的放射学测量值，并能根据预测的测量值对HV的严重程度进行分级 | 研究样本量相对较小，且仅限于特定的放射学参数测量 | 旨在利用深度学习技术估计HV的放射学参数，并对HV的严重程度进行分级评估 | 拇外翻（HV）的放射学参数 | 机器学习 | 足部畸形 | 深度卷积神经网络 | CNN | 图像 | 131名患者，包含248张放射图像和337张足部照片 | NA | NA | NA | NA |
| 8183 | 2024-08-30 |
Radiomics diagnostic performance for predicting lymph node metastasis in esophageal cancer: a systematic review and meta-analysis
2024-Jun-12, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01278-5
PMID:38867143
|
meta-analysis | 本文通过系统综述和荟萃分析评估了放射组学模型在预测食管癌淋巴结转移中的准确性 | 放射组学作为一种人工智能驱动的医学影像方法，具有变革性的潜力 | 当前影像方法在准确检测淋巴结转移方面存在局限性 | 评估放射组学模型预测食管癌淋巴结转移的准确性 | 食管癌患者的淋巴结转移预测 | digital pathology | 食管癌 | 放射组学 | NA | 影像 | 719名患者 | NA | NA | NA | NA |
| 8184 | 2024-08-30 |
A Transformer-Based microvascular invasion classifier enhances prognostic stratification in HCC following radiofrequency ablation
2024-04, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.15846
PMID:38263714
|
研究论文 | 本研究开发了一种基于Transformer的深度学习网络，用于预测接受射频消融治疗的肝细胞癌患者的微血管侵犯风险，以提高预后分层的准确性。 | 使用Swin Transformer深度学习网络分析磁共振成像数据，预测微血管侵犯风险，为早期肝细胞癌患者提供了一种新的影像学预后标志物。 | 研究样本主要集中在乙型肝炎病毒感染的患者，且样本量相对较小，可能限制了研究结果的普适性。 | 开发一种新的深度学习模型，用于提高肝细胞癌患者在接受射频消融治疗后的预后分层准确性。 | 接受射频消融治疗的肝细胞癌患者，特别是早期阶段的患者。 | 机器学习 | 肝细胞癌 | 磁共振成像 | Swin Transformer | 影像数据 | 训练集包含696例手术切除患者，验证集包含180例患者。 | NA | NA | NA | NA |
| 8185 | 2024-08-30 |
Assessment of deep learning image reconstruction (DLIR) on image quality in pediatric cardiac CT datasets type of manuscript: Original research
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300090
PMID:39186484
|
研究论文 | 评估深度学习图像重建（DLIR）在儿科心脏CT数据集中的图像质量 | 高级别DLIR在儿科心脏CT扫描中显示出比传统重建方法更高的信噪比（SNR）和对比噪声比（CNR），以及更好的图像锐度 | NA | 评估深度学习图像重建（DLIR）与传统图像重建方法在儿科心脏CT图像质量上的差异 | 儿科心脏CT扫描图像 | 计算机视觉 | NA | 深度学习图像重建（DLIR） | NA | 图像 | 109例儿科心脏CT扫描 | NA | NA | NA | NA |
| 8186 | 2024-08-30 |
Optimized ensemble deep learning for predictive analysis of student achievement
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309141
PMID:39186491
|
研究论文 | 本文提出了一种结合DistilBERT与LSTM（DBTM）和Spotted Hyena Optimizer（SHO）的优化集成深度学习方法，用于预测学生学业成绩 | 该方法通过优化参数，显著提高了模型的准确性、对数损失和执行时间，相较于早期模型有显著改进 | NA | 旨在通过技术创新提高教育领域的学生成绩预测准确性 | 学生学业成绩 | 机器学习 | NA | DistilBERT, LSTM, Spotted Hyena Optimizer | 混合模型 | 教育数据 | 大量数据集 | NA | NA | NA | NA |
| 8187 | 2024-08-30 |
Automated brain tumor diagnostics: Empowering neuro-oncology with deep learning-based MRI image analysis
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306493
PMID:39190622
|
研究论文 | 本文提出了一种基于深度学习的MRI图像分析技术，用于自动化脑肿瘤的分割和分类 | 采用了一种新颖的混合深度学习技术，结合了卷积神经网络和ResNeXt101，以提高肿瘤分割和分类的准确性 | NA | 旨在通过自动化技术提高脑肿瘤诊断的准确性和效率 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | 卷积神经网络和ResNeXt101 | MRI图像 | 使用BRATS 2020数据集，包含MRI图像及其对应的肿瘤分割 | NA | NA | NA | NA |
| 8188 | 2024-08-30 |
Behavioral marker-based predictive modeling of functional status for older adults with subjective cognitive decline and mild cognitive impairment: Study protocol
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241269555
PMID:39193313
|
研究论文 | 本研究描述了一种基于行为标志的预测模型，用于评估主观认知下降和轻度认知障碍老年人的功能状态的研究方案 | 本研究采用混合效应机器学习模型和标准机器学习模型来预测功能状态随时间的变化 | NA | 开发利用行为数据和机器学习技术的自我护理干预措施，以自动化分析老年人的功能下降 | 65岁及以上具有主观认知下降或轻度认知障碍的老年人 | 机器学习 | 老年疾病 | 机器学习 | MErf, MEgbm, MEmod, MEctree, 随机森林, 梯度提升机 | 行为和心理社会标志数据 | 130名老年人 | NA | NA | NA | NA |
| 8189 | 2024-08-29 |
Osteoporotic vertebral compression fracture (OVCF) detection using artificial neural networks model based on the AO spine-DGOU osteoporotic fracture classification system
2024-Sep, North American Spine Society journal
DOI:10.1016/j.xnsj.2024.100515
PMID:39188670
|
研究论文 | 本文评估了基于AO脊柱-DGOU骨质疏松性骨折分类系统的人工神经网络模型在骨质疏松性椎体压缩骨折（OVCF）检测中的潜力。 | 利用深度学习的人工神经网络模型快速自动识别和可视化OVCF。 | NA | 评估人工神经网络在OVCF检测中的潜力。 | 骨质疏松性椎体压缩骨折（OVCF）的检测、分类和分级。 | 机器学习 | 骨质疏松症 | 深度学习 | ANN | CT图像 | 训练数据集包含934张CT图像，测试数据集包含116张CT图像。 | NA | NA | NA | NA |
| 8190 | 2024-08-29 |
The prognostic value of visual and automatic coronary calcium scoring from low-dose computed tomography-[15O]-water positron emission tomography
2024-Aug-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae081
PMID:38525588
|
研究论文 | 本研究旨在验证通过低剂量计算机断层扫描（LDCT）自动和视觉评分冠状动脉钙化（CAC）的准确性，并评估在[15O]-水正电子发射断层扫描（PET）心肌灌注成像（MPI）期间获取的LDCT扫描对主要不良心脏事件（MACE）预测的附加价值 | 本研究首次评估了在[15O]-水PET MPI期间获取的LDCT扫描对CAC评分的附加价值，并使用深度学习方法进行自动评分 | 风险组分类的一致性仅为中等，且样本量相对较小 | 验证LDCT扫描中CAC评分的准确性并评估其对MACE预测的附加价值 | 572名疑似冠状动脉疾病患者 | 数字病理学 | 心血管疾病 | 低剂量计算机断层扫描（LDCT） | 深度学习 | 图像 | 572名患者 | NA | NA | NA | NA |
| 8191 | 2024-08-29 |
Preliminary Evaluation of Fine-Tuning the OpenDeLD Deidentification Pipeline Across Multi-Center Corpora
2024-Aug-22, Studies in health technology and informatics
DOI:10.3233/SHTI240515
PMID:39176896
|
研究论文 | 本研究评估了OpenDeID去标识化管道在多中心语料库中的微调效果，以提高电子健康记录（EHR）二次使用中的患者隐私保护 | 采用混合去标识化策略，结合深度学习和上下文规则，提高了EHR数据中敏感信息的保护能力 | NA | 评估和增强电子健康记录二次使用中的患者隐私保护 | OpenDeID去标识化管道在不同语料库中的性能 | 自然语言处理 | NA | 深度学习 | BioBERT | 文本 | 4,038份报告 | NA | NA | NA | NA |
| 8192 | 2024-08-29 |
Deep learning assisted segmentation of the lumbar intervertebral disc: a systematic review and meta-analysis
2024-Aug-21, Journal of orthopaedic surgery and research
IF:2.8Q1
DOI:10.1186/s13018-024-05002-5
PMID:39169382
|
meta-analysis | 本研究旨在评估深度学习技术在磁共振图像中腰椎间盘分割的性能并探索改进策略 | 本研究通过系统评价和荟萃分析方法，综合评估了深度学习模型在腰椎间盘分割中的表现 | 由于纳入研究在算法框架和结果报告上的异质性，结论应谨慎解释 | 评估深度学习技术在腰椎间盘分割中的性能并探索改进策略 | 腰椎间盘分割 | machine learning | NA | deep learning | NA | image | 45项研究被纳入系统评价，其中16项提供了完整的分割性能数据 | NA | NA | NA | NA |
| 8193 | 2024-08-29 |
Deep learning-enhanced R-loop prediction provides mechanistic implications for repeat expansion diseases
2024-Aug-16, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110584
PMID:39188986
|
research paper | 本文介绍了DeepER，一种基于深度学习的R-loop预测工具，用于研究人类R-loop的形成及其在重复序列扩张疾病中的机制。 | DeepER工具在性能上优于现有工具，能够准确地进行全基因组R-loop注释，并揭示了某些串联重复序列与R-loop形成之间的强关联。 | NA | 开发和应用一种准确的计算工具来研究人类R-loop，并探索其在重复序列扩张疾病中的机制。 | R-loop的形成及其在重复序列扩张疾病中的作用。 | machine learning | NA | deep learning | deep learning model | genomic data | NA | NA | NA | NA | NA |
| 8194 | 2024-08-29 |
Fully Automatic Deep Learning Model for Spine Refracture in Patients with OVCF: A Multi-Center Study
2024-Aug, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.14155
PMID:38952050
|
研究论文 | 本文构建了一种基于骨转换标志物和CT的全新预测模型，用于识别更易遭受脊柱再骨折的患者 | 该研究首次结合骨转换标志物和CT图像，利用深度学习模型预测脊柱再骨折，提高了预测的准确性和临床实用性 | 研究仅回顾性收集了三个医疗中心的数据，样本量和数据来源的限制可能影响模型的泛化能力 | 构建一种新的预测模型，用于识别脊柱再骨折的高风险患者 | 383名骨质疏松性椎体压缩骨折患者 | 机器学习 | 骨质疏松症 | CT | Densenet 121-3D | 图像 | 383名患者，其中训练集240例，验证集63例，测试集80例 | NA | NA | NA | NA |
| 8195 | 2024-08-29 |
Precision Drug Repurposing: A Deep Learning Toolkit for Identifying 34 Hyperpigmentation-Associated Genes and Optimizing Treatment Selection
2024-Aug-01, Annals of plastic surgery
IF:1.4Q3
DOI:10.1097/SAP.0000000000004007
PMID:38896860
|
研究论文 | 本研究利用深度学习工具包识别与色素沉着过度相关的34个基因，并优化治疗选择 | 本研究采用综合方法，结合文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络和功能富集分析，以及网络中心性参数，以识别与色素沉着过度密切相关的基因，并利用深度学习工具包进行药物-靶点相互作用预测 | NA | 探索计算方法在识别色素沉着过度治疗中新靶向疗法的潜力 | 识别与色素沉着过度相关的基因及潜在治疗药物 | 机器学习 | 皮肤疾病 | 文本挖掘、基因富集分析、蛋白质-蛋白质相互作用网络分析 | 深度学习 | 基因数据、蛋白质数据 | 34个与色素沉着过度相关的基因，35种潜在治疗药物 | NA | NA | NA | NA |
| 8196 | 2024-08-29 |
Loss of plasticity in deep continual learning
2024-Aug, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-07711-7
PMID:39169245
|
研究论文 | 本文探讨了深度学习方法在持续学习环境下的表现，发现标准深度学习方法在持续学习设置中逐渐失去可塑性，最终学习效果不如浅层网络 | 提出了一种持续反向传播算法，通过不断向网络注入多样性来维持可塑性 | 研究仅限于使用ImageNet数据集和强化学习问题，未涉及其他类型的数据和任务 | 探究深度学习方法在持续学习环境下的有效性 | 深度学习方法在持续学习环境下的可塑性 | 机器学习 | NA | 深度学习方法，反向传播算法 | 深度神经网络 | 图像 | 使用经典的ImageNet数据集 | NA | NA | NA | NA |
| 8197 | 2024-08-29 |
A prediction model based on deep learning and radiomics features of DWI for the assessment of microsatellite instability in endometrial cancer
2024-Aug, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70046
PMID:39171859
|
研究论文 | 本研究探讨了基于深度学习（DL）和放射组学特征的扩散加权成像（DWI）预测模型在评估子宫内膜癌（EC）微卫星不稳定（MSI）状态中的效能 | 本研究结合了DL特征、放射组学特征、临床变量和ADC值，通过随机森林（RF）分类器构建了一个优化的预测模型，该模型在训练和测试集中的AUC值均显示出显著提升 | NA | 评估基于DWI特征的预测模型在识别子宫内膜癌微卫星不稳定状态中的有效性 | 子宫内膜癌患者 | 机器学习 | 妇科肿瘤 | 扩散加权成像（DWI） | 随机森林（RF）和逻辑回归 | 图像 | 116名子宫内膜癌患者，分为训练集（81名）和测试集（35名） | NA | NA | NA | NA |
| 8198 | 2024-08-29 |
Longitudinal Changes in Choroidal Vascularity in Myopic and Non-Myopic Children
2024-Aug-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.8.38
PMID:39177994
|
研究论文 | 本研究评估了儿童时期脉络膜血管特征的纵向变化及其与眼球生长和屈光不正的关系 | 使用深度学习软件工具自动分析高分辨率光学相干断层扫描（OCT）图像，并计算脉络膜血管指数（CVI）、脉络膜腔和基质厚度的变化 | NA | 评估儿童时期脉络膜血管特征的纵向变化及其与眼球生长和屈光不正的关系 | 101名儿童（41名近视，60名非近视，年龄10-15岁）的脉络膜血管特征 | NA | NA | 光学相干断层扫描（OCT） | 深度学习 | 图像 | 101名儿童 | NA | NA | NA | NA |
| 8199 | 2024-08-29 |
Automatic Determination of Endothelial Cell Density From Donor Cornea Endothelial Cell Images
2024-Aug-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.8.40
PMID:39177992
|
研究论文 | 本文使用自监督深度学习分割模型自动确定供体角膜内皮细胞图像中的内皮细胞密度 | 采用自监督深度学习方法进行内皮细胞边界的分割，提高了内皮细胞密度测量的准确性 | 研究仅限于两个眼库提供的图像，可能需要进一步验证以确保普遍适用性 | 开发一种自动评估供体角膜内皮细胞图像的方法，以准确测量内皮细胞密度 | 供体角膜内皮细胞图像及其内皮细胞密度 | 计算机视觉 | NA | 深度学习 | 自监督深度学习模型 | 图像 | 15,138张单独特定的内皮细胞图像来自8169名供体，以及174张基于图像和组织质量的供体内皮细胞图像 | NA | NA | NA | NA |
| 8200 | 2024-08-29 |
Fully automated hybrid approach on conventional MRI for triaging clinically significant liver fibrosis: A multi-center cohort study
2024-Aug, Journal of medical virology
IF:6.8Q1
DOI:10.1002/jmv.29882
PMID:39185672
|
研究论文 | 本研究旨在构建一个结合放射组学和临床数据的模型（CoRC模型），用于筛查临床显著性肝纤维化，并探讨该模型对基于瞬时弹性成像的肝硬度测量的附加价值 | 本研究采用深度学习（ResUNet）自动分割全肝的放射组学评分，结合临床变量，构建了一个新的CoRC模型，该模型在内部、时间和外部测试集中均表现优于传统方法 | 本研究为回顾性研究，且样本来自两个中心，可能存在选择偏倚 | 开发一种可靠的非侵入性工具，精确诊断临床显著性肝纤维化 | 595名经活检证实患有肝纤维化的患者 | 数字病理学 | 肝病 | MRI | ResUNet | 图像 | 595名患者，分为训练集（276）、内部测试集（118）、时间测试集（96）和外部测试集（105） | NA | NA | NA | NA |