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 12105 篇文献，本页显示第 11141 - 11160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11141 | 2024-08-05 |
The use of deep learning in interventional radiotherapy (brachytherapy): A review with a focus on open source and open data
2024-May, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2022.10.005
PMID:36376203
|
review | 本文回顾了深度学习在介入放射治疗（近距离放射治疗）中的应用，重点分析了开源和开放数据。 | 探讨了深度学习在介入放射治疗各个过程中的作用，并分析了开源代码和数据的可用性。 | 开源代码、数据和模型的发布意愿不足，限制了结果可重复性，同时评估仅限于单一机构的数据集。 | 研究深度学习在介入放射治疗中的应用和发展。 | 介入放射治疗过程及相关领域的深度学习应用。 | 医学影像 | NA | 深度学习 | NA | 开放数据 | NA | NA | NA | NA | NA |
| 11142 | 2024-08-05 |
Automated prognosis of renal function decline in ADPKD patients using deep learning
2024-May, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2023.08.001
PMID:37612178
|
研究论文 | 本研究开发了基于深度学习的方法来自动预测ADPKD患者的肾功能下降。 | 提出了结合自动生成的肾脏MRI图像特征与传统生物标志物的新方法，采用卷积神经网络（CNN）和多层感知器（MLP）进行预测。 | 研究主要基于样本量为135的患者，可能限制了结果的广泛适用性。 | 探索如何通过深度学习提高ADPKD患者肾功能下降的预后准确性。 | 涉及多人群，即135名ADPKD患者，通过分析其肾脏影像和生物标志物来进行研究。 | 计算机视觉 | 肾脏疾病 | 深度学习 | 卷积神经网络（CNN）和多层感知器（MLP） | 影像 | 135名ADPKD患者 | NA | NA | NA | NA |
| 11143 | 2024-08-05 |
PSMA-PET improves deep learning-based automated CT kidney segmentation
2024-May, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2023.08.006
PMID:37666698
|
研究论文 | 本文探讨了结合PSMA-PET数据在自动化CT肾脏分割中的应用 | 提出将PSMA-PET数据整合到现有的CT基础自动分割方法中，提升肾脏分割的准确性 | 未提及具体的样本大小及应用场景的限制 | 研究PSMA-PET数据对CT肾脏分割的价值 | 肾脏的自动化分割 | 数字病理学 | NA | 深度学习 | NA | CT图像, PSMA-PET数据 | NA | NA | NA | NA | NA |
| 11144 | 2024-08-05 |
Feature-guided deep learning reduces signal loss and increases lesion CNR in diffusion-weighted imaging of the liver
2024-May, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2023.07.005
PMID:37543450
|
研究论文 | 本研究旨在开发一种特征引导的深度学习方法，以提高肝脏扩散加权成像的图像质量 | 提出了一种通过优化特征而非“黄金标准”目标图像来训练U-Net的深度学习方法 | 不同放射科医师的整体质量评分存在差异 | 提高肝脏扩散加权成像的图像质量，尤其是降低脉动引起的信号损失 | 使用来自40名肝脏病变患者的数据进行研究 | 数字病理学 | 肝病 | 扩散加权成像 | U-Net | 影像 | 40名肝脏病变患者 | NA | NA | NA | NA |
| 11145 | 2024-08-05 |
Deep learning algorithm (YOLOv7) for automated renal mass detection on contrast-enhanced MRI: a 2D and 2.5D evaluation of results
2024-04, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04172-w
PMID:38368481
|
研究论文 | 本研究探讨了深度学习算法YOLOv7在对比增强MRI上检测肾肿瘤的应用 | 本研究首次使用YOLOv7进行肾肿瘤的自动检测，并引入了一种新开发的2.5维评估方法 | 研究中使用的方法和结果可能需要在更大和更多样化的样本上验证 | 自动化检测与分类肾肿瘤以提高诊断和治疗的准确性 | 326名接受MRI检查的肾细胞癌患者及其1034个肿瘤样本 | 计算机视觉 | 肾癌 | 对比增强MRI | YOLOv7 | 图像 | 326名患者及1034个肿瘤 | NA | NA | NA | NA |
| 11146 | 2024-08-05 |
CenTime: Event-conditional modelling of censoring in survival analysis
2024-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.103016
PMID:37913577
|
研究论文 | 该论文介绍了一种新的生存分析方法CenTime，可以直接估计事件发生时间 | 提出了一种创新的事件条件删失机制，即使在无删失数据稀缺的情况下也能有效工作 | 未提及具体的限制 | 研究如何预测临床重要事件的发生时间 | 基于患者数据估计特定事件的发生时间，如死亡或癌症复发 | 生存分析 | 癌症 | 深度学习 | NA | 患者数据 | NA | NA | NA | NA | NA |
| 11147 | 2024-08-05 |
Artificial intelligence for cardiovascular disease risk assessment in personalised framework: a scoping review
2024-Jul, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102660
PMID:38846068
|
综述 | 本文是关于在个性化框架中利用人工智能进行心血管疾病风险评估的全面范围审查. | 文章揭示了人工智能在心血管疾病风险评估中的独特应用，展示了如何结合基因组学和AI算法构建更准确的预测模型和个性化治疗方案. | 该研究未涉及具体的实验数据和临床试验结果，仅基于文献综述. | 本研究旨在探讨人工智能与个性化医学如何结合以改善心血管疾病的风险评估. | 研究对象是心血管疾病（CVD）和人工智能（AI）相关的文献. | 生物医学 | 心血管疾病 | 机器学习（ML）和深度学习（DL） | NA | 文献综述数据 | 121项适合定性合成的研究 | NA | NA | NA | NA |
| 11148 | 2024-08-05 |
Label-free white blood cells classification using a deep feature fusion neural network
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31496
PMID:38845979
|
研究论文 | 本文提出了一种基于深度特征融合神经网络的无标记白细胞分类方法 | 该研究创新性地结合了浅层提取的低级特征和深层提取的高级特征用于无标记白细胞检测 | 目前的深度学习白细胞分类技术在显微镜下无法有效利用白细胞内部结构的微妙差异 | 旨在通过深度学习改进无标记白细胞图像分析方法 | 研究对象为白细胞的图像分析和分类 | 数字病理学 | NA | 深度学习 | 深度特征融合神经网络 | 图像 | 测试集上准确度达到80.3% | NA | NA | NA | NA |
| 11149 | 2024-08-05 |
RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs
2024-06-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63497-8
PMID:38839814
|
研究论文 | 本文介绍了RhizoNet，一个基于深度学习的工作流程，用于语义分割植物根系扫描 | RhizoNet通过残差U-Net架构提高预测准确性，并采用凸包操作划分主要根系组件 | 自动分析因根系结构复杂和图像背景噪声而变得困难 | 准确分割根系生物量并监测其随时间的生长 | 生长在名为EcoFAB的水培系统中的植物根系 | 数字病理学 | NA | 深度学习 | 残差U-Net | 彩色扫描图像 | 上千张图像 | NA | NA | NA | NA |
| 11150 | 2024-08-05 |
AMP-RNNpro: a two-stage approach for identification of antimicrobials using probabilistic features
2024-06-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63461-6
PMID:38839785
|
研究论文 | 本研究提出了一种基于RNN的AMP-RNNpro模型用于识别抗菌肽（AMPs） | 引入了一种创新的两阶段模型AMP-RNNpro，结合了多种特征编码方法来提高抗菌肽的检测效率 | 未提及具体的局限性 | 旨在提高抗菌肽的识别效率，以应对抗生素抗药性问题 | 研究抗菌肽（AMPs）的识别 | 机器学习 | NA | 深度学习 | RNN | NA | 分析了33个模型并选取了6个最佳模型 | NA | NA | NA | NA |
| 11151 | 2024-08-05 |
Vortex-like vs. turbulent mixing of a Viscum album preparation affects crystalline structures formed in dried droplets
2024-Jun-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63797-z
PMID:38839929
|
研究论文 | 研究了不同混合方法对干燥液滴中晶体结构的影响 | 展示了涡流混合与湍流混合对晶体模式复杂度的不同影响 | 未提及具体的样本大小和实验重复性 | 探索液体流动对同源制备过程的影响 | 分析不同混合方式下的Viscum album制备品 | 数字病理学 | NA | 微滴蒸发法、计算机支持的图像分析、深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 11152 | 2024-08-05 |
High-Throughput Single-Entity Electrochemistry with Microelectrode Arrays
2024-Jun-04, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c01092
PMID:38780285
|
研究论文 | 本文描述了一种自动化的阵列微电池方法用于微纳米电极阵列分析 | 该研究创新地应用了AMCM于高通量单体电化学，并使用U-Net深度学习模型分析碰撞瞬态大小 | 实验中对溶剂蒸发影响的研究可能未涵盖所有变量 | 研究微电极阵列在单实体电化学中的应用 | 研究对象为不同直径（100 nm至2 μm）的电极和纳米颗粒的碰撞事件 | 电化学 | NA | 阵列微电池法（AMCM） | U-Net | 实验数据 | 记录了来自671个电极的3270个单颗粒事件 | NA | NA | NA | NA |
| 11153 | 2024-08-05 |
Assessing the Efficacy of Synthetic Optic Disc Images for Detecting Glaucomatous Optic Neuropathy Using Deep Learning
2024-Jun-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.6.1
PMID:38829624
|
研究论文 | 本文评估了合成视神经盘图像在深度学习中识别青光眼性视神经病变的有效性 | 创新点在于使用对抗生成网络（DCGAN）生成高质量的视神经盘图像，从而提高青光眼的检测精度 | 虽然模型在合成数据上表现良好，但仍需更多验证以确认其在临床环境中的实施效果 | 本研究旨在开发和评估能够有效识别青光眼性视神经病变的深度学习模型 | 研究对象为使用DCGAN生成的合成视神经盘图像及真实的临床图像 | 计算机视觉 | 青光眼 | 深度卷积生成对抗网络（DCGAN） | 未指定具体模型 | 图像 | 总共使用了17,060幅基金镜图像，其中包括6874幅青光眼和10,186幅健康图像 | NA | NA | NA | NA |
| 11154 | 2024-08-05 |
Assistive tools for classifying neurological disorders using fMRI and deep learning: A guide and example
2024-Jun, Brain and behavior
IF:2.6Q3
DOI:10.1002/brb3.3554
PMID:38841732
|
研究论文 | 本文介绍了结合fMRI和深度学习的辅助工具，用于分类神经疾病 | 本文提供了一些流行的深度学习和fMRI辅助工具的入门指南，并展示了使用这些工具的自闭症谱系障碍分类模型的实例 | 缺乏对非专业群体如学生和临床医生使用的模型设计，限制了其临床应用和推广 | 旨在提高fMRI和深度学习管道在神经疾病诊断中的可及性和实用性 | 自闭症谱系障碍（ASD）分类模型 | 计算机视觉 | 神经疾病 | fMRI, 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 11155 | 2024-08-05 |
Deep learning-based automated scan plane positioning for brain magnetic resonance imaging
2024-Jun-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1740
PMID:38846304
|
研究论文 | 本文提出了一种基于深度学习的自动扫描平面定位框架，用于脑部磁共振成像 | 本研究结合了物理知识，开发了一种新的深度学习框架，以提高脑部MRI扫描的定位准确性和效率 | 未提及具体的时间和空间限制，以及模型在其他类型MRI扫描的适用性 | 旨在开发一种有效、可靠且精确的自动化头部扫描平面定位方法 | 采用229个临床脑部MRI扫描进行研究 | 计算机视觉 | NA | 深度学习 | 级联3D卷积神经网络 | 图像 | 229个MRI头部扫描 | NA | NA | NA | NA |
| 11156 | 2024-08-05 |
Automated detection and classification of coronary atherosclerotic plaques on coronary CT angiography using deep learning algorithm
2024-Jun-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1513
PMID:38846308
|
研究论文 | 本研究评估了深度学习算法在冠状动脉计算机断层血管成像中检测和分类冠状动脉粥样硬化斑块的性能 | 本研究展示了深度学习算法在CAD斑块检测和分类上的高敏感性和准确性，这为初级放射科医师和介入心脏病学家提供了支持 | 限制在于回顾性分析和样本的临床经验差异 | 评估深度学习算法在冠状动脉疾病中检出和分类粥样硬化斑块的能力 | 669名怀疑患有冠状动脉疾病的患者的CCTA图像 | 数字病理学 | 心血管疾病 | 深度学习算法 | NA | 图像 | 669名患者 | NA | NA | NA | NA |
| 11157 | 2024-08-05 |
Pixelwise Gradient Model for Image Fusion (PGMIF): a multi-sequence magnetic resonance imaging (MRI) fusion model for tumor contrast enhancement of nasopharyngeal carcinoma
2024-Jun-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1559
PMID:38846293
|
研究论文 | 本研究提出了一种新的图像融合方法PGMIF，用于增强鼻咽癌的MRI肿瘤对比度 | 创新性地结合了基于像素梯度的图像融合和生成对抗网络(GAN)来提升肿瘤对比度 | 研究仅基于80例鼻咽癌患者的MRI数据，可能限制了方法的普适性 | 改善鼻咽癌患者MRI图像中的肿瘤对比度 | 80例鼻咽癌患者的T1加权和T2加权MRI图像 | 数字病理学 | 鼻咽癌 | MRI | 生成对抗网络(GAN) | 图像 | 80例 | NA | NA | NA | NA |
| 11158 | 2024-08-05 |
Residual networks without pooling layers improve the accuracy of genomic predictions
2024-May-21, TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik
DOI:10.1007/s00122-024-04649-2
PMID:38771334
|
研究论文 | 该文章介绍了一种新的残差神经网络用于基因组选择，超过了之前的预测精度 | 首次提出了达到35层的基因组选择残差神经网络，提高了预测精度 | 未提及具体限制 | 提高基因组选择中的性状预测准确性 | 残差神经网络在基因组选择中的应用 | 机器学习 | NA | 深度学习 | 残差神经网络 | 基因组数据 | 从四个公共数据集中提取的15个案例 | NA | NA | NA | NA |
| 11159 | 2024-08-05 |
Evaluation of High-Dimensional Data Classification for Skin Malignancy Detection Using DL-Based Techniques
2024-May, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2024.2345184
PMID:38767503
|
研究论文 | 本文主要通过深度学习技术评估皮肤恶性肿瘤的高维数据分类 | 提出使用Isomap与视觉变换器结合的方法来分析和分类高维皮肤病变图像 | 未提及具体的限制 | 提高皮肤恶性肿瘤分类的准确性 | 高维皮肤病变数据集 | 数字病理学 | 皮肤癌 | 深度学习 | 视觉变换器 | 高维图像 | NA | NA | NA | NA | NA |
| 11160 | 2024-08-05 |
Flow starvation during square-flow assisted ventilation detected by supervised deep learning techniques
2024-03-14, Critical care (London, England)
DOI:10.1186/s13054-024-04845-y
PMID:38486268
|
研究论文 | 本研究开发了一种监督人工智能算法，以识别方流辅助通气中的气道压力变形 | 提出了一种基于深度学习的算法，有助于识别患者与通气机不匹配的流量饥饿问题 | 研究结果可能受到样本量和公认的专家分类标准的影响 | 旨在利用人工智能改善呼吸机与患者之间的互动识别 | 包含在方流辅助通气下接受机械通气超过24小时的重症患者 | 计算机视觉 | NA | 卷积神经网络和递归神经网络 | 递归神经网络 | 呼吸数据 | 28名患者分析的6428次呼吸 | NA | NA | NA | NA |