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 8661 - 8680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8661 | 2024-09-07 |
Automatic detection of foot-strike onsets in a rhythmic forelimb movement
2024-Sep, Neuroscience research
IF:2.4Q3
DOI:10.1016/j.neures.2024.04.002
PMID:38642677
|
研究论文 | 本文介绍了一种使用深度学习工具自动检测大鼠前肢节奏性运动中足部触地起始点的方法 | 结合关节坐标和行为置信度评分两种技术，实现了高精度的起始点检测 | NA | 精确确定节奏性运动中的起始点，以全面分析运动功能 | 大鼠的前肢节奏性运动 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 8662 | 2024-09-07 |
Approaches for the Use of AI in Workplace Health Promotion and Prevention: Systematic Scoping Review
2024-Aug-20, JMIR AI
DOI:10.2196/53506
PMID:38989904
|
综述 | 本文通过系统范围综述评估了人工智能在工作场所健康促进和预防中的当前应用 | 本文首次系统地研究了人工智能在工作场所健康促进和预防中的应用，并指出了未来研究方向 | 当前研究未涵盖工作场所健康促进和预防的全部范围，缺乏纵向数据和报告指南 | 全面评估人工智能在工作场所健康促进和预防中的应用，并指出未来研究方向 | 研究了人工智能算法和技术在工作场所健康促进和预防中的应用 | 机器学习 | NA | 机器学习、深度学习 | 机器学习模型、深度学习模型 | 智能手机应用数据 | 共包含10项研究 | NA | NA | NA | NA |
| 8663 | 2024-09-07 |
Utilizing deep learning model for assessing melanocytic density in resection margins of lentigo maligna
2024-Aug-03, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-024-01532-y
PMID:39097745
|
研究论文 | 本文开发了一种深度学习模型，用于评估恶性雀斑样痣切除边缘的黑色素细胞密度 | 本文首次将深度学习模型应用于评估恶性雀斑样痣切除边缘的黑色素细胞密度，并展示了其在区分低和高复发风险边缘方面的显著准确性 | 本文仅在353张全切片图像上进行了验证，样本量相对较小，可能影响模型的泛化能力 | 开发一种自动化的工具，帮助病理学家评估或预筛选恶性雀斑样痣的切除边缘 | 恶性雀斑样痣的切除边缘 | 计算机视觉 | 皮肤癌 | 深度学习 | 深度学习模型 | 图像 | 353张全切片图像，其中295张用于训练，58张用于验证和测试 | NA | NA | NA | NA |
| 8664 | 2024-09-07 |
Cytopathic Effect Detection and Clonal Selection using Deep Learning
2024-Aug, Pharmaceutical research
IF:3.5Q2
DOI:10.1007/s11095-024-03749-4
PMID:39048879
|
研究论文 | 本文提出使用深度学习算法来自动化检测细胞病理效应和验证细胞系开发中的克隆性 | 本文首次使用监督深度学习算法来自动化检测细胞病理效应和验证细胞系开发中的克隆性 | NA | 自动化检测细胞病理效应和验证细胞系开发中的克隆性 | 细胞病理效应和细胞系开发中的克隆性 | 计算机视觉 | NA | 图像处理技术 | 卷积神经网络 (CNN) | 图像 | 由领域专家收集和标记的图像数据 | NA | NA | NA | NA |
| 8665 | 2024-09-07 |
Deep learning for osteoporosis screening using an anteroposterior hip radiograph image
2024-Aug, European journal of orthopaedic surgery & traumatology : orthopedie traumatologie
DOI:10.1007/s00590-024-04032-3
PMID:38896146
|
研究论文 | 研究使用深度学习模型通过前后髋关节X光片进行骨质疏松筛查 | 首次使用前后髋关节X光片训练深度学习模型进行骨质疏松筛查 | 研究样本量较小，且仅限于一家医院的数据 | 开发一种基于深度学习的骨质疏松筛查模型 | 前后髋关节X光片 | 计算机视觉 | 骨质疏松 | 深度学习 | 深度学习模型 | 图像 | 363张前后髋关节X光片 | NA | NA | NA | NA |
| 8666 | 2024-09-07 |
Extensive Multilabel Classification of Brain MRI Scans for Infarcts Using the Swin UNETR Architecture in Deep Learning Applications
2024-Aug, Annals of rehabilitation medicine
DOI:10.5535/arm.230029
PMID:39169697
|
研究论文 | 本文使用Swin UNETR架构对脑部MRI扫描进行多标签分类，以精确区分脑梗死的位置和类型 | 本文采用了Swin UNETR架构，结合了transformer和u-net设计的元素，并使用分层transformer计算移位窗口，以提高分类精度 | 研究结果存在过拟合问题，需要进一步提高模型的泛化能力 | 通过深度学习技术提高脑梗死位置和类型的分类精度 | 脑部MRI扫描中的脑梗死 | 计算机视觉 | 脑血管疾病 | 深度学习 | Swin UNETR | 图像 | 第一阶段使用ISLES 2022数据集，第二阶段使用309名患者的脑部MRI扫描数据 | NA | NA | NA | NA |
| 8667 | 2024-09-07 |
Automated hepatic steatosis assessment on dual-energy CT-derived virtual non-contrast images through fully-automated 3D organ segmentation
2024-Jul, La Radiologia medica
DOI:10.1007/s11547-024-01833-8
PMID:38869829
|
研究论文 | 评估通过全自动3D器官分割从双能量CT（DECT）生成的虚拟非对比（VNC）图像中获得的基于体积CT衰减参数在评估肝脂肪变性中的有效性 | 利用3D深度学习算法自动分割肝脏和脾脏，并通过VNC图像计算肝脏衰减指数（LAI），提供了一种新的肝脂肪变性评估方法 | 研究为回顾性研究，样本量有限，且未涉及长期随访数据 | 评估基于体积CT衰减参数的VNC图像在肝脂肪变性评估中的有效性 | 肝脂肪变性 | 计算机视觉 | 肝病 | 双能量CT（DECT） | 3D深度学习算法 | 图像 | 252名参与者 | NA | NA | NA | NA |
| 8668 | 2024-09-07 |
Deep learning unlocks label-free viability assessment of cancer spheroids in microfluidics
2024-06-11, Lab on a chip
IF:6.1Q2
DOI:10.1039/d4lc00197d
PMID:38804084
|
研究论文 | 本文介绍了一种基于深度学习的无标记、非破坏性方法，用于评估微流控芯片中癌症球体的生存能力 | 该研究提出了一种基于相位对比图像的深度学习模型，用于无标记、非破坏性的生存能力评估，提供了一种成本效益高、高通量的解决方案 | 该模型在扩展到训练数据集中未包含的新化合物和细胞系时，结果虽然有希望，但仍需进一步验证 | 改进治疗剂，精确评估药物疗效 | 癌症球体的生存能力 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 约12000个球体 | NA | NA | NA | NA |
| 8669 | 2024-09-07 |
The Quantitative Evaluation of Automatic Segmentation in Lumbar Magnetic Resonance Images
2024-Jun, Neurospine
IF:3.8Q1
DOI:10.14245/ns.2448060.030
PMID:38955536
|
研究论文 | 本研究旨在通过开发自动化分割模型，克服腰椎磁共振成像中的挑战，特别是腰椎管狭窄症 | 引入了一种新的旋转矩阵方法来检测突出的椎间盘，评估硬膜囊压迫，并测量黄韧带厚度 | NA | 开发一种准确且自动化的分割模型，用于识别腰椎磁共振成像扫描中的解剖结构 | 腰椎磁共振成像中的解剖结构 | 计算机视觉 | 腰椎管狭窄症 | 深度学习 | 残差U-Net | 图像 | 539名腰椎管狭窄症患者 | NA | NA | NA | NA |
| 8670 | 2024-09-07 |
Screening for urothelial carcinoma cells in urine based on digital holographic flow cytometry through machine learning and deep learning methods
2024-05-14, Lab on a chip
IF:6.1Q2
DOI:10.1039/d3lc00854a
PMID:38660758
|
研究论文 | 研究利用数字全息流式细胞术结合机器学习和深度学习方法，对尿液中的尿路上皮癌细胞进行筛查 | 结合微流控芯片技术和数字全息显微镜，实现对尿液中细胞的高通量无染色成像，并利用机器学习和深度学习模型进行高精度分类 | NA | 开发一种高效、准确的尿路上皮癌早期筛查方法 | 尿液中的尿路上皮癌细胞 | 数字病理学 | 尿路上皮癌 | 数字全息显微镜 | 机器学习和深度学习模型 | 图像 | 多种细胞类型 | NA | NA | NA | NA |
| 8671 | 2024-09-07 |
Longitudinal MRI analysis using a hybrid DenseNet-BiLSTM method for Alzheimer's disease prediction
2024-04-12, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2024.114900
PMID:38341100
|
研究论文 | 本文提出了一种混合DenseNet-BiLSTM方法，用于阿尔茨海默病的纵向MRI分析和预测 | 该研究创新性地结合了卷积DenseNet和双向LSTM层，以提取纵向MRI图像中的空间和时间特征，从而提高诊断准确性 | NA | 提高阿尔茨海默病的诊断准确性和理解疾病进展 | 纵向MRI图像中的空间和时间特征 | 计算机视觉 | 阿尔茨海默病 | MRI | DenseNet-BiLSTM | 图像 | 684张纵向MRI图像，包括正常对照组、轻度认知障碍患者和阿尔茨海默病患者 | NA | NA | NA | NA |
| 8672 | 2024-09-07 |
Explainable deep learning-based survival prediction for non-small cell lung cancer patients undergoing radical radiotherapy
2024-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110084
PMID:38244779
|
研究论文 | 本文比较了Cox比例风险回归、随机生存森林和深度学习在预测接受放射治疗的非小细胞肺癌患者总体生存率方面的表现，并使用可解释技术提供每个协变量对预测的贡献 | 本文提出了使用深度学习方法进行生存预测，并结合可解释技术提高模型的透明度和可解释性 | NA | 比较不同机器学习方法在预测非小细胞肺癌患者总体生存率方面的表现，并提高模型的可解释性 | 接受放射治疗的非小细胞肺癌患者 | 机器学习 | 肺癌 | 深度学习 | 深度学习 | 数值数据 | 471名非小细胞肺癌患者 | NA | NA | NA | NA |
| 8673 | 2024-09-07 |
Transcranial direct current stimulation improves motor function in rats with 6-hydroxydopamine-induced Parkinsonism
2024-03-05, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2023.114815
PMID:38122905
|
研究论文 | 研究探讨了经颅直流电刺激（tDCS）对6-羟多巴胺诱导的帕金森病大鼠模型运动功能的改善作用 | 首次使用深度学习视频分析（DeepLabCut）检测帕金森病大鼠在跑步机行走时的前肢运动异常 | tDCS治疗效果是短暂的，停止治疗后效果迅速消失 | 研究tDCS对帕金森病大鼠运动功能的改善效果 | 6-羟多巴胺诱导的帕金森病大鼠模型 | 神经科学 | 帕金森病 | 经颅直流电刺激（tDCS） | NA | 视频 | 实验涉及的样本为帕金森病大鼠模型 | NA | NA | NA | NA |
| 8674 | 2024-09-07 |
Deep learning MRI-only synthetic-CT generation for pelvis, brain and head and neck cancers
2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110052
PMID:38096921
|
研究论文 | 本文验证了使用深度学习算法生成的合成CT（sCT）在骨盆、脑部和头颈部癌症中的剂量学准确性 | 本文采用了cycle-GAN算法生成sCT，并验证了其在不同扫描仪和序列下的剂量学准确性 | NA | 验证深度学习生成的合成CT在不同癌症部位的剂量学准确性 | 骨盆、脑部和头颈部癌症的合成CT生成 | 计算机视觉 | 头颈部癌症 | 深度学习 | cycle-GAN | MRI和CT图像 | 骨盆49例，脑部25例，头颈部30例 | NA | NA | NA | NA |
| 8675 | 2024-09-07 |
Uncertainty-aware MR-based CT synthesis for robust proton therapy planning of brain tumour
2024-02, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110056
PMID:38104781
|
研究论文 | 本文开发了一种不确定性感知的框架，用于从MR图像生成高质量的合成CT图像，并评估其在质子治疗计划中的效率 | 本文的创新点在于引入了不确定性预测，并将其应用于质子治疗计划的鲁棒优化中 | NA | 开发和评估一种不确定性感知的框架，以提高基于MR的CT合成在质子治疗计划中的临床应用 | 脑肿瘤患者的MR和CT图像 | 机器学习 | 脑肿瘤 | 生成对抗网络 | 条件生成对抗网络 | 图像 | 64名脑肿瘤患者 | NA | NA | NA | NA |
| 8676 | 2024-09-07 |
Classification of Parkinson's disease by deep learning on midbrain MRI
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1425095
PMID:39228827
|
研究论文 | 本文通过深度学习方法在脑部MRI图像上对帕金森病进行分类 | 本文创新性地使用基于定量磁敏感图（QSM）的磁敏感加权成像（SMWI）和神经黑色素敏感（NMS）MRI来评估黑质-1（N1），并开发了帕金森病的深度学习分类算法 | 本文的局限性在于分类错误的原因包括左右不对称、跨平面重切片、搏动伪影和N1过薄等问题，且临床效用需要在前驱期帕金森病队列中验证 | 比较四种帕金森病诊断方法的分类性能 | 帕金森病患者和健康对照者的脑部MRI图像 | 计算机视觉 | 帕金森病 | MRI | 深度学习 | 图像 | 82名帕金森病患者和107名健康对照者 | NA | NA | NA | NA |
| 8677 | 2024-09-07 |
Performance evaluation of semi-supervised learning frameworks for multi-class weed detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1396568
PMID:39228840
|
研究论文 | 评估半监督学习框架在多类别杂草检测中的性能 | 提出了一种改进的伪标签生成模块和集成学生网络的半监督学习框架，显著减少了标注数据的需求 | 实验结果仅限于CottonWeedDet3和CottonWeedDet12数据集，可能需要进一步验证在其他数据集上的表现 | 探索半监督学习在杂草检测中的应用，减少对大量标注数据的依赖 | 多类别杂草检测 | 计算机视觉 | NA | 深度学习 | FCOS, Faster-RCNN | 图像 | CottonWeedDet3和CottonWeedDet12数据集，分别使用10%的标注数据进行训练 | NA | NA | NA | NA |
| 8678 | 2024-09-07 |
Integration of dosimetric parameters, clinical factors, and radiomics to predict symptomatic radiation pneumonitis in lung cancer patients undergoing combined immunotherapy and radiotherapy
2024-01, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2023.110047
PMID:38070685
|
研究论文 | 本研究旨在结合临床/剂量学因素和手工/深度学习放射组学特征，建立预测接受免疫治疗后放疗的肺癌患者症状性（≥2级）放射性肺炎的模型 | 本研究首次将临床/剂量学因素与手工/深度学习放射组学特征结合，用于预测放射性肺炎 | 本研究为回顾性研究，需要进一步的前瞻性验证 | 建立预测接受免疫治疗后放疗的肺癌患者症状性放射性肺炎的模型 | 接受免疫治疗后放疗的肺癌患者 | 数字病理学 | 肺癌 | 放射组学 | ResNet | 图像 | 73名接受免疫治疗后放疗的肺癌患者，其中41名（56.2%）出现症状性≥2级放射性肺炎 | NA | NA | NA | NA |
| 8679 | 2024-09-06 |
MalariaFlow: A comprehensive deep learning platform for multistage phenotypic antimalarial drug discovery
2024-Nov-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116776
PMID:39173285
|
研究论文 | 本文介绍了一个名为MalariaFlow的综合深度学习平台，用于多阶段表型抗疟药物发现 | 本文创新性地整合了多种机器学习和深度学习模型，包括指纹、图和共表示方法，以提高抗疟药物活性预测的准确性，并开发了一个网络服务器MalariaFlow用于虚拟筛选和相似性搜索 | 本文未涵盖疟疾寄生虫的突变株，这些突变株具有不同程度的敏感性或抗性 | 加速抗疟药物发现，特别是针对疟疾寄生虫在人体宿主中的三个主要生命周期阶段（肝脏、无性血液和配子体）的抑制活性预测 | 407,404种独特化合物和410,654个生物活性数据点，涵盖十个疟疾表型和三个生命周期阶段 | 机器学习 | 疟疾 | 深度学习 | FP-GNN | 化合物数据 | 407,404种独特化合物和410,654个生物活性数据点 | NA | NA | NA | NA |
| 8680 | 2024-09-06 |
Discovery of AMPs from random peptides via deep learning-based model and biological activity validation
2024-Nov-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116797
PMID:39197254
|
研究论文 | 本文通过深度学习模型从随机肽库中筛选出具有抗菌活性的多肽，并验证了其生物活性 | 利用深度学习构建多判别器模型，成功从30,000个随机肽中筛选出12个具有抗菌活性的多肽 | 仅在特定实验条件下验证了筛选出的多肽的抗菌活性，未进行大规模临床试验 | 发现具有临床应用潜力的新型抗菌肽 | 随机肽库中的抗菌肽 | 机器学习 | NA | 深度学习 | 多判别器模型 | 肽序列 | 30,000个随机肽 | NA | NA | NA | NA |