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 12022 篇文献，本页显示第 10481 - 10500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10481 | 2024-08-05 |
A novel method of swin transformer with time-frequency characteristics for ECG-based arrhythmia detection
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1401143
PMID:38911517
|
研究论文 | 本研究提出了一种结合小波时频图与Swin Transformer模型的新方法，用于ECG基础的心律失常检测 | 该方法创新地结合了小波时频图与Swin Transformer模型，提高了心律失常检测的准确性 | 研究中没有提及样本的多样性和适用性限制 | 研究旨在提高心律失常的自动检测准确性 | 研究对象为MIT-BIH心律失常数据集中的心电图(ECG)信号 | 机器学习 | 心血管疾病 | 小波变换 | Swin Transformer | 心电图信号 | MIT-BIH心律失常数据集中的样本 | NA | NA | NA | NA |
| 10482 | 2024-08-05 |
Automated Scoring of Alzheimer's Disease Atrophy Scale with Subtype Classification Using Deep Learning-Based T1-Weighted Magnetic Resonance Image Segmentation
2024, Journal of Alzheimer's disease reports
DOI:10.3233/ADR-230105
PMID:38910943
|
研究论文 | 该文章提供了一种基于深度学习的自动化阿尔茨海默病萎缩评分方法 | 通过深度学习分割方法实现客观的体积驱动萎缩评分，为阿尔茨海默病亚型分类提供了新的自动化工具 | 在认知正常参与者中的评分一致性较差，可能影响临床应用 | 研究阿尔茨海默病的萎缩评分及其亚型分类 | 研究对象包括3959名参与者，其中有认知正常、轻度认知障碍和阿尔茨海默病患者 | 数字病理学 | 阿尔茨海默病 | 深度学习图像分割 | NA | MRI图像 | 3959名参与者（1732名认知正常，1594名轻度认知障碍，633名阿尔茨海默病患者） | NA | NA | NA | NA |
| 10483 | 2024-08-05 |
Comparative Evaluation of Machine Learning Models for Subtyping Triple-Negative Breast Cancer: A Deep Learning-Based Multi-Omics Data Integration Approach
2024, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.93215
PMID:38911381
|
研究论文 | 本研究开发了一种基于深度学习的多组学数据整合模型，以提高三阴性乳腺癌亚型和预后预测的准确性 | 本研究在数据整合、统计性能和算法优化方面展示了显著进展，特别是在深度学习模型的优化方面 | 尽管MRI放射组学模型有效，但在跨数据集应用时的性能下降强调了需要进一步优化以提高准确性和一致性 | 研究目的在于提高三阴性乳腺癌的分类和预后预测准确性 | 研究对象为三阴性乳腺癌相关的多组学分子特征数据，包括mRNA、miRNA、基因突变、DNA甲基化和MRI图像 | 数字病理学 | 乳腺癌 | 深度学习 | DL模型 | 图像和基因组数据 | NA | NA | NA | NA | NA |
| 10484 | 2024-08-05 |
GranoScan: an AI-powered mobile app for in-field identification of biotic threats of wheat
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1298791
PMID:38911980
|
研究论文 | 本文介绍了一款名为GranoScan的免费移动应用程序，可实时检测和识别地中海地区影响小麦的80多种威胁 | GranoScan通过与意大利农民的直接合作开发，具有优化的图形界面和在低或无网络情况下的操作能力 | 没有提到关于特定环境条件下应用程序的限制或潜在挑战 | 旨在提供一种可用的工具以帮助农民识别小麦的生物威胁 | 研究对象为影响小麦的生物威胁，包括害虫和病害 | 计算机视觉 | 肺癌 | 深度学习 | EfficientNet-b0 | 图像 | 未具体说明样本的数量和种类 | NA | NA | NA | NA |
| 10485 | 2024-08-05 |
Automated measurement and grading of knee cartilage thickness: a deep learning-based approach
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1337993
PMID:38487024
|
研究论文 | 本研究提出了一种基于深度学习的方法来自动测量和分级膝盖软骨厚度 | 通过不同的深度学习方法实现膝盖软骨的分割和测量，建立了一套标准化的软骨厚度数据库 | 研究主要是回顾性分析，可能存在选择偏差，且样本范围在年龄和分级上有限 | 旨在提高膝盖软骨厚度测量的效率和准确性 | 混合膝盖MRI数据集和不同参数下的软骨厚度 | 数字病理学 | 骨关节炎 | 深度学习 | 卷积神经网络（CNN） | 影像 | 700个膝盖MRI案例 | NA | NA | NA | NA |
| 10486 | 2024-08-05 |
Deep Learning Based Prediction of Pulmonary Hypertension in Newborns Using Echocardiograms
2024, International journal of computer vision
IF:11.6Q1
DOI:10.1007/s11263-024-01996-x
PMID:38911323
|
研究论文 | 本研究提出了一种基于多视角视频的深度学习方法，用于预测和分类新生儿的肺动脉高压。 | 这是首个利用超声心动图进行新生儿肺动脉高压自动评估的研究，采用了解释性深度学习方法。 | 本研究的结果基于相对小的样本量，未来需要在更大人群中验证。 | 本研究旨在开发一种自动化工具，以改善新生儿肺动脉高压的检测和严重性分类。 | 研究对象为270名新生儿，使用超声心动图进行肺动脉高压的预测和评估。 | 数字病理学 | 心脏病 | 超声心动图（Echocardiogram） | 时空卷积网络（Spatio-temporal convolutional architectures） | 视频 | 270名新生儿 | NA | NA | NA | NA |
| 10487 | 2024-08-05 |
Improved 3D DESS MR neurography of the lumbosacral plexus with deep learning and geometric image combination reconstruction
2024-Aug, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04613-7
PMID:38386108
|
研究论文 | 本研究评估了深度学习重建对LSP MRN影像质量和神经可见性的影响 | 提出了一种几何图像组合方法，以改善DESS信号的组合 | 仅评估了成人患者的影像，样本量相对较小 | 探讨深度学习重建及几何图像组合对LSP MRN的影像质量提升 | 涉及40名接受3.0特斯拉LSP MRN的成人患者 | 数字病理学 | NA | 深度学习重建，几何图像组合 | NA | 影像 | 40名患者（22名女性，平均年龄48.6岁） | NA | NA | NA | NA |
| 10488 | 2024-08-05 |
Computed tomography machine learning classifier correlates with mortality in interstitial lung disease
2024-Jul, Respiratory investigation
IF:2.4Q2
DOI:10.1016/j.resinv.2024.05.010
PMID:38772191
|
研究论文 | 本研究探讨了机器学习分类器Fibresolve在间质性肺病中的死亡率预测能力。 | Fibresolve作为一种基于深度学习的非侵入性诊断工具，首次被验证为间质性肺病死亡率的独立预测因子。 | 此研究的样本量虽然大，但仅包括228名可随访数据的患者，可能限制了结果的广泛适用性。 | 研究Fibresolve在间质性肺病患者中预测死亡率的有效性。 | 研究对象为228名患有特发性肺纤维化及其他间质性肺病的患者。 | 计算机视觉 | 间质性肺病 | 深度学习 | Cox回归分析 | 医学影像 | 228名患者 | NA | NA | NA | NA |
| 10489 | 2024-08-05 |
From 2D to 3D: automatic measurement of the Cobb angle in adolescent idiopathic scoliosis with the weight-bearing 3D imaging
2024-Jul, The spine journal : official journal of the North American Spine Society
DOI:10.1016/j.spinee.2024.03.019
PMID:38583576
|
研究论文 | 本研究比较了传统2D Cobb角测量和利用重负荷3D成像技术的自动测量在青少年特发性脊柱侧弯患者中的应用 | 提出了使用重负荷3D成像技术的自动测量方法，提供了更精准的脊柱曲度评估 | 需要更多涉及重度曲线患者的研究来验证和扩展这些结果 | 旨在改善青少年特发性脊柱侧弯的临床评估准确性 | 53名被诊断为青少年特发性脊柱侧弯的患者 | 数字病理学 | 青少年特发性脊柱侧弯 | WR3D成像技术 | 3D-UNet | 图像 | 53名患者，88条脊柱曲线 | NA | NA | NA | NA |
| 10490 | 2024-08-05 |
Comparative analysis of machine learning methods for prediction of chlorophyll-a in a river with different hydrology characteristics: A case study in Fuchun River, China
2024-Jul, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121386
PMID:38865920
|
研究论文 | 本研究分析了不同水文特征河流中氯ophyll-a浓度的预测方法 | 首次比较了传统机器学习和深度学习模型在不同水文特征下的氯ophyll-a预测性能 | 未涉及其他可能影响氯ophyll-a的环境因素 | 探究氯ophyll-a的时空分布及其准确预测对水系统管理的重要性 | 富春江中的氯ophyll-a浓度及其关联环境因子 | 机器学习 | NA | 机器学习 | 传统机器学习模型及深度学习模型 | 环境数据 | NA | NA | NA | NA | NA |
| 10491 | 2024-08-05 |
Discovery of a Novel and Potent LCK Inhibitor for Leukemia Treatment via Deep Learning and Molecular Docking
2024-Jun-24, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00151
PMID:38847742
|
研究论文 | 本研究介绍了一种新颖且有效的LCK抑制剂，用于白血病治疗 | 结合传统方法与AI驱动的筛选策略，以高效识别LCK抑制剂 | NA | 寻找有效的LCK抑制剂以治疗T细胞急性淋巴细胞白血病 | LCK抑制剂的筛选及其对T-ALL细胞的影响 | 计算机视觉 | 白血病 | 深度学习，分子对接 | PLANET算法 | 化合物数据 | 四种潜在LCK抑制剂，特定化合物1232030-35-1的生物评估 | NA | NA | NA | NA |
| 10492 | 2024-08-05 |
Saliency-driven explainable deep learning in medical imaging: bridging visual explainability and statistical quantitative analysis
2024-Jun-22, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-024-00370-4
PMID:38909228
|
研究论文 | 本文提出了一种基于图像的显著性框架，以增强深度学习模型在医学图像分析中的可解释性 | 创新性地结合了定性和定量评估，以提高医学成像中深度学习模型的透明度和信任度 | 需要进一步改进经验指标的稳定性和可靠性，并增加多样化的成像模式 | 研究深度学习模型在医学图像分析中的可解释性 | 脑肿瘤MRI和COVID-19胸部X光数据集的预测 | 数字病理 | NA | 深度卷积神经网络 | NA | 图像 | NA | NA | NA | NA | NA |
| 10493 | 2024-08-05 |
Quantum error-correction using humming sparrow optimization based self-adaptive deep cnn noise correction module
2024-Jun-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65182-2
PMID:38906948
|
研究论文 | 该研究提出了一种基于Humming Sparrow优化的自适应深度CNN噪声校正模块，用于改进重六角量子码的错误纠正模型 | 研究中提出的HSO-based SADCNN模型能够针对超导量子比特的独特挑战进行自适应优化，显著提高了错误纠正能力 | 研究可能没有详细讨论在不同噪声环境中的表现或其他类型量子代码的适用性 | 提高重六角量子码在量子计算应用中的可靠性和错误纠正性能 | 针对重六角量子码的错误纠正模型进行研究和改进 | 量子计算 | NA | 深度学习 | 深度CNN | NA | NA | NA | NA | NA | NA |
| 10494 | 2024-08-05 |
Exploration on OCT biomarker candidate related to macular edema caused by diabetic retinopathy and retinal vein occlusion in SD-OCT images
2024-06-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63144-2
PMID:38906954
|
研究论文 | 本文探讨了与糖尿病视网膜病变和视网膜静脉阻塞引起的黄斑水肿相关的生物标志物候选者 | 使用深度学习技术发现了与视网膜外层失调和高反射灶特征相关的新生物标志物 | 未提及具体的研究局限 | 提高对糖尿病视网膜病变和视网膜静脉阻塞导致的黄斑水肿潜在病理机制的理解 | 收集了不同类型视网膜病变患者的光学相干断层扫描图像 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | NA | 图像 | 共收集了120只眼睛的116名受试者和其他类型的患者样本 | NA | NA | NA | NA |
| 10495 | 2024-08-05 |
Enhancing SNR in Chemical Exchange Saturation Transfer imaging: a Deep Learning Approach with a Denoising Convolutional Autoencoder (DCAE-CEST)
2024-Jun-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597818
PMID:38895366
|
研究论文 | 本研究开发了一种用于化学交换饱和转移成像的信噪比增强方法 | 利用去噪卷积自编码器（DCAE）进行CEST成像的信噪比增强，并与现有去噪方法进行比较 | 在APT和NOE之间未观察到肿瘤与正常组织之间的显著差异 | 研究化学交换饱和转移成像的信噪比增强技术 | 利用模拟的Z谱和动物肿瘤模型的体内数据进行评估 | 数字病理学 | NA | 去噪卷积自编码器（DCAE） | NA | 图像 | 使用模拟的Z谱和体内数据进行评估 | NA | NA | NA | NA |
| 10496 | 2024-08-05 |
Visualization for Trust in Machine Learning Revisited: The State of the Field in 2023
2024 May-Jun, IEEE computer graphics and applications
IF:1.7Q3
DOI:10.1109/MCG.2024.3360881
PMID:38294921
|
研究论文 | 该文章回顾了机器学习可解释性和可信度可视化的最新进展 | 提供了542种最新的可视化技术，并讨论了使用可视化提高机器学习模型信任的趋势和挑战 | 主要集中在可视化技术的分类和趋势分析，缺乏具体应用案例的深度讨论 | 研究机器学习中可视化技术的应用及其对模型信任度的影响 | 描述和分类了542种可视化技术 | 信息可视化 | NA | 可视化技术 | NA | 文献数据 | 542种可视化技术 | NA | NA | NA | NA |
| 10497 | 2024-08-05 |
Prediction of early hematoma expansion of spontaneous intracerebral hemorrhage based on deep learning radiomics features of noncontrast computed tomography
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10410-y
PMID:37938384
|
研究论文 | 本研究旨在开发一个基于深度学习和放射组学特征的预测早期血肿扩展的诺莫图模型 | 结合了深度学习特征和放射组学特征的模型显示出良好的预测效率，并提高了自发性脑内出血的分割和语义特征分类的工作效率 | 验证队列的AUC值低于训练队列，可能影响模型的临床应用性能 | 研究旨在预测自发性脑内出血早期血肿扩展的风险 | 纳入561例基础非对比CT的自发性脑内出血病例 | 数字病理学 | 自发性脑内出血 | 深度学习放射组学 | 深度学习模型 | 图像 | 561例自发性脑内出血病例 | NA | NA | NA | NA |
| 10498 | 2024-08-05 |
Deep learning-based identification of spine growth potential on EOS radiographs
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10308-9
PMID:37848772
|
研究论文 | 开发了一种基于深度学习的自动化方法，用于评估脊柱生长潜力 | 首次提出了一种能模仿人类判断过程的深度学习算法来自动确定脊柱生长潜力 | 研究没有提及算法在不同人群或不同疾病状态下的适用性 | 评估脊柱生长潜力，帮助临床医生做出决策 | 3383个EOS案例用于算法训练和测试，440个案例用于临床验证 | 计算机视觉 | 脊柱相关疾病 | 深度学习 | NA | 影像 | 3383个EOS案例以及440个用于临床验证的案例 | NA | NA | NA | NA |
| 10499 | 2024-08-05 |
A deep learning framework for intracranial aneurysms automatic segmentation and detection on magnetic resonance T1 images
2024-May, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10295-x
PMID:37843574
|
研究论文 | 本文设计了一个基于深度学习的框架，用于自动分割和检测颅内动脉瘤。 | 提出了一种新的基于T1磁共振成像的深度学习分割和检测方法，优于现有的血管造影方法。 | 研究样本相对较少，仅基于159个动脉瘤的回顾性研究，可能影响模型的泛化能力。 | 旨在开发一种自动化的框架来提高颅内动脉瘤的检测准确性。 | 研究对象为136名接受T1影像检查的患者的159个颅内动脉瘤。 | 数字病理学 | NA | 深度学习，卷积神经网络 | 卷积神经网络（CNN） | 图像 | 159个颅内动脉瘤（来自136名患者） | NA | NA | NA | NA |
| 10500 | 2024-08-05 |
Automated prostate gland segmentation in challenging clinical cases: comparison of three artificial intelligence methods
2024-05, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04242-7
PMID:38512516
|
研究论文 | 本研究评估了三种不同的前列腺分割人工智能算法在具有挑战性的患者人群中的表现 | 首次在复杂临床案例中比较了不同的前列腺分割算法的性能 | 该研究仅限于一个机构的回顾性数据库，可能影响结果的普适性 | 评估在不理想条件下的前列腺分割自动化方法的有效性 | 对683个MRI扫描样本的前列腺图像进行分析 | 计算机视觉 | 前列腺癌 | 深度学习（DL），形状基础模型 | 深度学习模型、商业可用的形状基础模型 | 图像 | 683个扫描（651名患者） | NA | NA | NA | NA |