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 12039 篇文献，本页显示第 9001 - 9020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9001 | 2024-08-09 |
Medical long-tailed learning for imbalanced data: Bibliometric analysis
2024-Apr, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108106
PMID:38452661
|
综述 | 本研究利用文献计量技术对医学领域中长尾学习的深度学习应用进行系统综述，分析研究趋势、核心作者和核心期刊 | 首次通过文献计量分析提供医学领域长尾学习研究的系统概览 | NA | 总结近年来在医学深度学习中应用长尾学习的进展，并通过文献计量分析和可视化知识图谱解释新趋势、来源、核心作者、期刊和研究热点 | 医学领域中长尾学习的深度学习应用文献 | 机器学习 | NA | 文献计量技术 | NA | 文献 | 579篇文章 | NA | NA | NA | NA |
| 9002 | 2024-08-09 |
Algorithmic detection of sleep-disordered breathing using respiratory signals: a systematic review
2024-Mar-21, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad2c13
PMID:38387048
|
综述 | 本文系统回顾了2012-2022年间利用呼吸信号进行睡眠呼吸障碍（SDB）检测的算法研究，涵盖信号来源、处理、特征提取、分类及应用 | 首次全面回顾了呼吸信号在SDB检测中的算法范围和性能，旨在填补这一领域的研究空白 | 单源呼吸信号在检测呼吸暂停方面的敏感性仍有待提高 | 探讨利用呼吸信号进行睡眠呼吸障碍检测的算法性能和应用 | 呼吸信号如鼻气流（NAF）、口鼻气流（OAF）、胸呼吸努力（TRE）和腹呼吸努力（ARE） | NA | 心血管疾病 | 机器学习模型，深度学习模型 | NA | 信号 | 32项研究符合数据提取标准 | NA | NA | NA | NA |
| 9003 | 2024-08-09 |
MRI-Based Radiomics Methods for Predicting Ki-67 Expression in Breast Cancer: A Systematic Review and Meta-analysis
2024-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.010
PMID:37925343
|
meta-analysis | 本系统综述和荟萃分析旨在评估基于MRI的放射组学预测乳腺癌Ki-67表达的质量和诊断准确性 | 使用深度学习放射组学方法、不同磁场强度、扫描仪制造商、感兴趣区域结构、组织采样途径、Ki-67截断值、逻辑回归模型构建、LASSO特征减少以及PyRadiomics软件特征提取等因素对异质性有显著影响 | 基于MRI的放射组学的敏感性和特异性仍未超过90%，限制了其作为补充当前病理评估方法（如活检或手术）以准确预测Ki-67表达的应用 | 评估基于MRI的放射组学预测乳腺癌Ki-67表达的质量和诊断准确性 | 乳腺癌患者的Ki-67表达 | digital pathology | breast cancer | MRI-based radiomics | NA | image | 31项研究纳入系统综述，其中21项报告了足够数据进行荟萃分析，包括20个训练队列和5个验证队列 | NA | NA | NA | NA |
| 9004 | 2024-08-09 |
Deep learning for acute rib fracture detection in CT data: a systematic review and meta-analysis
2024-Feb-28, The British journal of radiology
DOI:10.1093/bjr/tqae014
PMID:38323515
|
综述 | 对使用深度学习模型在CT数据中进行肋骨骨折分类、检测和分割的研究进行系统回顾和荟萃分析 | 本综述为当前使用深度学习模型进行肋骨骨折检测的现状提供了分类参考，并为未来的研究提供了数据提取、偏倚风险评估和荟萃分析的参考 | 大多数研究的偏倚风险源于不适当的患者和数据选择 | 评估深度学习模型在CT数据中检测急性肋骨骨折的性能及其偏倚风险 | 深度学习模型在CT数据中对肋骨骨折的分类、检测和分割 | 计算机视觉 | NA | 深度学习 | NA | CT数据 | 共选择了27项研究 | NA | NA | NA | NA |
| 9005 | 2024-08-09 |
Artificial intelligence for radiographic imaging detection of caries lesions: a systematic review
2024-Feb-24, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04046-7
PMID:38402191
|
系统综述 | 本系统综述旨在评估用于检测龋齿病变的人工智能模型的诊断性能 | 人工智能模型在龋齿病变检测中展现了良好的诊断性能，可能成为重要的辅助工具 | 这些研究的局限性主要与数据集的大小和异质性有关 | 评估人工智能模型在龋齿病变检测中的诊断性能 | 用于检测龋齿病变的人工智能模型 | 计算机视觉 | 口腔疾病 | 人工神经网络 (ANN), 卷积神经网络 (CNN), 深度卷积神经网络 (DCNN) | CNN, ANN, DCNN | 影像 | 影像检查数量从15到2900不等 | NA | NA | NA | NA |
| 9006 | 2024-08-09 |
Deep learning in oral cancer- a systematic review
2024-Feb-10, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-03993-5
PMID:38341571
|
综述 | 本文是一篇关于深度学习在口腔癌诊断和预后预测中应用的系统综述 | NA | NA | 旨在回顾深度学习在口腔癌诊断和预后预测中的研究 | 口腔癌的诊断和预后预测 | 机器学习 | 口腔癌 | 深度学习 | CNN | NA | 54项合格研究，包括51项诊断研究和3项预后预测研究 | NA | NA | NA | NA |
| 9007 | 2024-08-09 |
Could the underlying biological basis of prognostic radiomics and deep learning signatures be explored in patients with lung cancer? A systematic review
2024-Feb, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111314
PMID:38244306
|
综述 | 本文综述了预测性放射组学和深度学习特征在肺癌患者中的潜在生物学基础，并评估了现有研究的质量 | NA | 纳入的研究总体上存在高偏倚风险 | 总结肺癌患者中预测性放射组学和深度学习特征的潜在生物学关联，并评估研究质量 | 肺癌患者的预测性放射组学和深度学习特征的生物学基础 | 数字病理学 | 肺癌 | 基因测序 | 机器学习 | 图像 | 7,338名患者 | NA | NA | NA | NA |
| 9008 | 2024-08-09 |
Deep learning in MRI-guided radiation therapy: A systematic review
2024-Feb, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14155
PMID:37712893
|
综述 | 本文系统回顾了197项关于MRI引导放疗和深度学习技术的研究，分类讨论了图像分割、图像合成、放射组学和实时MRI等领域的进展 | 强调了深度学习在多模态、视觉变换器和扩散模型等新趋势中的应用 | NA | 探讨深度学习技术在MRI引导放疗中的临床重要性和当前挑战 | MRI引导放疗中的图像分割、图像合成、放射组学和实时MRI | 机器学习 | NA | 深度学习 | 视觉变换器、扩散模型 | 图像 | 197项研究 | NA | NA | NA | NA |
| 9009 | 2024-08-09 |
A Systematic Review and Identification of the Challenges of Deep Learning Techniques for Undersampled Magnetic Resonance Image Reconstruction
2024-Jan-24, Sensors (Basel, Switzerland)
DOI:10.3390/s24030753
PMID:38339469
|
综述 | 本文综述了深度学习技术在欠采样磁共振图像重建中的应用及其面临的挑战 | 深度学习方法通过神经网络自动学习特征和表示，相比传统方法在图像重建中表现出更好的性能 | 深度学习技术在磁共振图像重建中存在对大型标记数据集的需求、过拟合风险以及模型训练复杂性等局限 | 旨在描述深度学习设计随时间的变化，并评估数据预处理和后处理方法，以及探讨网络训练策略 | 深度学习在磁共振图像重建中的应用 | 机器学习 | NA | 深度学习 | 神经网络 | 图像 | 使用公开的磁共振图像数据集 | NA | NA | NA | NA |
| 9010 | 2024-08-09 |
Enhancing chemical synthesis: a two-stage deep neural network for predicting feasible reaction conditions
2024-Jan-24, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00805-4
PMID:38268009
|
研究论文 | 本文介绍了一种创新的深度学习方法，用于预测化学反应的合适试剂、溶剂和反应温度 | 结合多标签分类模型和排序模型，提供基于预期产品产量的相关性分数的定制反应条件推荐；通过硬负样本采样技术处理不利反应条件的有限数据问题 | 模型在不利反应条件的数据有限情况下可能存在改进空间 | 提高化学合成规划中反应条件的准确推荐 | 化学反应的试剂、溶剂和反应温度 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 文本 | NA | NA | NA | NA | NA |
| 9011 | 2024-08-09 |
Neural Computation-Based Methods for the Early Diagnosis and Prognosis of Alzheimer's Disease Not Using Neuroimaging Biomarkers: A Systematic Review
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-231271
PMID:38489188
|
综述 | 本文综述了基于神经计算方法用于阿尔茨海默病早期诊断和预后，但不使用神经影像生物标志物的最新研究 | 介绍了卷积神经网络在过去十年的应用及其在非神经影像数据上的优异结果 | NA | 旨在展示关于阿尔茨海默病及其早期阶段（主要是轻度认知障碍）的自动诊断和预后的最新研究，并预测该领域研究的未来变化 | 阿尔茨海默病及其早期阶段 | 机器学习 | 老年病 | 人工神经网络（ANNs），包括深度学习 | 卷积神经网络（CNNs），循环神经网络，转换器 | 非脑信号或神经影像技术数据 | 42篇文章 | NA | NA | NA | NA |
| 9012 | 2024-08-09 |
Auto-Spikformer: Spikformer architecture search
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1372257
PMID:39108310
|
研究论文 | 本文提出了一种名为Auto-Spikformer的一次性脉冲Transformer架构搜索方法，旨在减少Spiking Neural Networks（SNNs）中的能量消耗 | Auto-Spikformer通过扩展搜索空间包括Transformer架构和SNN内部参数，并采用权重纠缠、进化搜索和离散脉冲参数搜索（DSPS）方法，实现了子网性能的提升 | NA | 研究如何通过架构搜索方法减少Spiking Neural Networks中的能量消耗 | Spiking Neural Networks（SNNs）及其架构 | 机器学习 | NA | 进化搜索、离散脉冲参数搜索（DSPS） | Spikformer | NA | NA | NA | NA | NA | NA |
| 9013 | 2024-08-09 |
Improving image quality and in-stent restenosis diagnosis with high-resolution "double-low" coronary CT angiography in patients after percutaneous coronary intervention
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1330824
PMID:39108672
|
研究论文 | 本研究旨在探讨高分辨率、低剂量的冠状CT血管造影（CCTA）结合深度学习图像重建（DLIR）和第二代运动校正算法（SSF2）的图像质量及其对支架内再狭窄（ISR）的诊断准确性 | 采用高分辨率、低剂量的CCTA结合DLIR和SSF2算法，相比于标准剂量的CCTA和ASIR-V及SSF1算法，显著提高了图像质量和诊断性能 | NA | 研究高分辨率、低剂量CCTA的图像质量和诊断支架内再狭窄的准确性 | 接受经皮冠状动脉介入治疗（PCI）后疑似支架内再狭窄的患者 | 数字病理学 | 心血管疾病 | 冠状CT血管造影（CCTA） | 深度学习图像重建（DLIR） | 图像 | 105名患者，分为低剂量组（60名）和高剂量组（45名） | NA | NA | NA | NA |
| 9014 | 2024-08-09 |
A robust ensemble deep learning framework for accurate diagnoses of tuberculosis from chest radiographs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1391184
PMID:39109222
|
研究论文 | 本研究提出了一种基于胸部X光片的结核病诊断的鲁棒集成深度学习框架，包含43个不同模型，用于识别活动性结核病例及其临床亚型分类 | 该框架采用多种特征提取器和三种融合策略（投票、基于注意力或串联方法），在融合阶段进行最终分类，具有自我修正能力，提高了亚型识别的准确性 | 尽管模型在有限的数据集上表现良好，但数据集的大小可能限制了模型的泛化能力 | 提高结核病诊断的准确性，优化资源分配，支持临床决策 | 活动性结核病例及其临床亚型 | 机器学习 | 结核病 | 深度学习 | 集成模型 | 图像 | 包含915名活动性结核病患者和1276名健康对照者的去标识化数据集 | NA | NA | NA | NA |
| 9015 | 2024-08-09 |
From outputs to insights: a survey of rationalization approaches for explainable text classification
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1363531
PMID:39109323
|
综述 | 本文综述了文本分类中用于解释性的合理化方法的进展 | 本文首次全面概述了文本分类中合理化方法的发展，包括提取和抽象合理化的技术，以及评估机器生成合理化的指标 | NA | 探讨和促进文本分类中解释性方法的未来发展 | 文本分类中的合理化方法 | 自然语言处理 | NA | NA | NA | 文本 | NA | NA | NA | NA | NA |
| 9016 | 2024-08-08 |
Strengths and limitations of web servers for the modeling of TCRpMHC complexes
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.06.028
PMID:39104710
|
研究论文 | 本文比较了三个流行的网络服务器（ImmuneScape、TCRpMHCmodels和TCRmodel2）在模拟TCRpMHC复合物结构方面的优缺点 | 研究采用了不同的建模策略，包括对接、同源建模和深度学习，并对这些方法的准确性进行了评估 | 研究仅限于人类MHC等位基因，并且依赖于已有的实验确定的晶体结构数据 | 评估和比较不同网络服务器在模拟TCRpMHC复合物结构方面的性能 | TCRpMHC复合物的三维结构 | 生物信息学 | NA | 对接、同源建模、深度学习 | NA | 蛋白质结构 | 87个TCRpMHC复合物 | NA | NA | NA | NA |
| 9017 | 2024-08-08 |
Preeclampsia and its prediction: traditional versus contemporary predictive methods
2024-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians
DOI:10.1080/14767058.2024.2388171
PMID:39107137
|
综述 | 本文综述了子痫前期的流行病学、病因、病理生理及风险因素，并重点讨论了人工智能深度学习技术在预测子痫前期中的新兴作用 | 人工智能模型在预测子痫前期方面展现出较高的准确性和价值，特别是在预测晚发型子痫前期方面表现出色 | 传统的子痫前期预测模型在敏感性和特异性方面存在显著局限，尤其是预测晚发型子痫前期的检出率仅为30%至50% | 探讨人工智能深度学习技术在子痫前期预测中的应用，以提高预测方法的临床应用 | 子痫前期的预测方法及其在临床上的应用 | 机器学习 | 妊娠相关疾病 | 人工智能深度学习 | AI模型 | NA | NA | NA | NA | NA | NA |
| 9018 | 2024-08-08 |
Artificial intelligence in musculoskeletal imaging: realistic clinical applications in the next decade
2024-Sep, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04684-6
PMID:38902420
|
综述 | 本文综述了深度学习在肌肉骨骼疾病检测中的应用，这些应用在未来十年内有潜力转化为常规临床实践 | 深度学习方法在骨折检测、儿童骨龄估计、骨测量计算及骨关节炎分级等方面显示出高诊断性能 | 深度学习方法在MRI上的肌肉骨骼疾病检测面临多任务、多类别检测的挑战，且由于不同扫描仪和脉冲序列导致的图像质量波动，其泛化能力受限 | 评估深度学习方法在肌肉骨骼疾病检测中的诊断性能，并探讨其在临床实践中的潜在益处 | 深度学习在肌肉骨骼疾病检测中的应用 | 计算机视觉 | NA | 深度学习 | DL | 图像 | 使用不同机构、不同成像参数和成像硬件获取的大量图像数据 | NA | NA | NA | NA |
| 9019 | 2024-08-08 |
Pure tone audiogram classification using deep learning techniques
2024-Sep, Clinical otolaryngology : official journal of ENT-UK ; official journal of Netherlands Society for Oto-Rhino-Laryngology & Cervico-Facial Surgery
IF:1.7Q2
DOI:10.1111/coa.14170
PMID:38745553
|
研究论文 | 本研究开发了一个基于深度学习技术的纯音听力图分类框架 | 深度学习方法在所有任务中均优于其他方法，实现了高准确率、精确度、召回率和F1分数 | NA | 开发一个能够准确分类各种常见任务听力图的深度学习框架 | 纯音听力图的分类 | 机器学习 | NA | 深度学习 | NA | 图像 | 12518份听力图，来自6259名患者 | NA | NA | NA | NA |
| 9020 | 2024-08-08 |
Artificial intelligence enhances whole-slide interpretation of PD-L1 CPS in triple-negative breast cancer: A multi-institutional ring study
2024-Sep, Histopathology
IF:3.9Q1
DOI:10.1111/his.15205
PMID:38747491
|
研究论文 | 本文提出了一种基于深度学习的方法，通过细胞分析和组织区域分析，结合全切片级别的融合，来提高三阴性乳腺癌中PD-L1 CPS的评估一致性和准确性 | 使用人工智能辅助诊断方法，显著提高了不同级别病理学家在PD-L1 CPS评估中的一致性和重复性 | NA | 建立一种客观有效且高度可重复的方法来评估三阴性乳腺癌中PD-L1 CPS | 三阴性乳腺癌中的PD-L1 CPS | 数字病理 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 21名来自四个机构的不同级别的病理学家参与评估 | NA | NA | NA | NA |