深度学习在生物医药领域中的应用
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，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10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 12061 篇文献，本页显示第 1921 - 1940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1921 | 2025-01-16 |
Deep-Learning-Based Analysis Reveals a Social Behavior Deficit in Mice Exposed Prenatally to Nicotine
2024-02-01, Cells
IF:5.1Q2
DOI:10.3390/cells13030275
PMID:38334667
|
研究论文 | 本研究利用深度学习技术分析了产前尼古丁暴露（PNE）小鼠的行为表型，揭示了其与注意力缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD）相关的行为缺陷 | 首次结合DeepLabCut和SimBA深度学习算法，无认知偏差地评估了PNE小鼠的行为表型，并发现其与ADHD和ASD相关的行为特征 | 研究仅限于小鼠模型，未涉及人类样本，且未探讨尼古丁暴露剂量与行为缺陷程度的具体关系 | 评估产前尼古丁暴露对小鼠行为表型的影响，探讨其与ADHD和ASD的潜在关联 | 产前尼古丁暴露（PNE）小鼠 | 机器学习 | 注意力缺陷多动障碍（ADHD）和自闭症谱系障碍（ASD） | DeepLabCut和SimBA | 深度学习模型 | 视频数据 | 未明确说明样本数量，但涉及单只或两只小鼠的行为分析 |
| 1922 | 2025-01-16 |
Multiple Classification of Brain MRI Autism Spectrum Disorder by Age and Gender Using Deep Learning
2024-Jan-22, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02032-0
PMID:38252192
|
研究论文 | 本研究使用深度学习技术，通过考虑年龄和性别因素，对脑部MRI图像进行多重分类，以辅助自闭症谱系障碍（ASD）的诊断 | 首次基于年龄和性别进行多重分类，探讨这些因素对ASD诊断的贡献，并开发了三种CNN模型进行实验 | 研究中使用的样本量未明确提及，可能影响结果的普适性 | 通过多重分类方法，辅助ASD的快速和准确诊断，并探讨年龄和性别因素对诊断的影响 | 自闭症谱系障碍（ASD）患者和典型发育（TD）个体的脑部结构MRI图像 | 计算机视觉 | 自闭症谱系障碍 | Canny边缘检测算法、数据增强技术、网格搜索优化算法 | CNN | 图像 | NA |
| 1923 | 2025-01-15 |
Automated Prediction of Photographic Wound Assessment Tool in Chronic Wound Images
2024-Jan-16, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-023-02029-9
PMID:38227131
|
研究论文 | 本文提出了一种基于深度学习的全自动图像处理流程，用于慢性伤口图像中的伤口检测和Photographic Wound Assessment Tool (PWAT)预测，旨在自动化临床伤口愈合评估 | 利用深度学习和大规模伤口分割数据集，自动化预测PWAT评分，减少人为主观性并加速临床实践 | 未提及具体局限性 | 自动化临床伤口愈合评估，减少人为主观性并加速临床实践 | 慢性伤口图像 | 计算机视觉 | 慢性伤口 | 深度学习 | 预训练的神经网络模型 | 图像 | 未提及具体样本数量 |
| 1924 | 2025-01-16 |
Deep learning for prediction of post-thrombectomy outcomes based on admission CT angiography in large vessel occlusion stroke
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1369702
PMID:39149161
|
研究论文 | 本研究开发并验证了一种基于入院CT血管造影（CTA）的深度学习模型，用于预测大血管闭塞（LVO）卒中患者血栓切除术后3个月的结果 | 首次使用端到端的自动化深度学习流程，基于入院CTA图像预测前循环LVO卒中患者血栓切除术后的3个月结果，并结合治疗和临床信息进行多模型比较 | 样本量相对较小（591例患者），且独立测试集仅包含95例患者，可能影响模型的泛化能力 | 开发并验证一种基于入院CTA的深度学习模型，用于预测LVO卒中患者血栓切除术后的3个月结果 | 大血管闭塞（LVO）卒中患者 | 数字病理学 | 心血管疾病 | CT血管造影（CTA） | ResNet-50 3D卷积神经网络（MedicalNet） | 图像 | 591例患者（496例用于训练/交叉验证，95例用于独立测试） |
| 1925 | 2025-01-16 |
Assessment of the Accuracy of a Deep Learning Algorithm- and Video-based Motion Capture System in Estimating Snatch Kinematics
2024, International journal of exercise science
DOI:10.70252/PRVV4165
PMID:39807293
|
研究论文 | 本研究评估了基于深度学习和视频的无标记运动捕捉系统在抓举运动学估计中的准确性，并与基于标记的系统进行了比较 | 首次将基于深度学习的无标记视频系统应用于抓举运动学分析，并与传统标记系统进行对比 | 两种系统在估计运动学参数时存在显著差异，可能由于模型和假设的不同 | 评估无标记视频系统在抓举运动学分析中的适用性 | 21名举重运动员（15名男性，6名女性） | 计算机视觉 | NA | 深度学习姿态估计算法 | NA | 视频 | 21名举重运动员，131次试验 |
| 1926 | 2025-01-16 |
Design and validation of the reflection skills self-assessment questionnaire (RSSAQ)
2024, Journal of education and health promotion
IF:1.4Q3
DOI:10.4103/jehp.jehp_141_24
PMID:39811846
|
研究论文 | 本研究旨在设计和验证波斯语医学科学学生反思技能自我评估问卷（RSSAQ）的心理测量特性 | 开发了一种新的波斯语反思技能自我评估问卷，并验证了其心理测量特性 | 研究样本仅限于一所大学的学生，可能限制了结果的普遍性 | 设计和验证波斯语医学科学学生反思技能自我评估问卷的心理测量特性 | 医学科学学生 | 教育评估 | NA | 探索性因子分析（EFA）和验证性因子分析（CFA） | NA | 问卷数据 | 19名专家、50名学生（面效度和内容效度评估）、48名学生（信度评估）、151名学生（构念效度评估） |
| 1927 | 2025-01-15 |
An AI-directed analytical study on the optical transmission microscopic images of Pseudomonas aeruginosa in planktonic and biofilm states
2024-Dec-24, ArXiv
PMID:39764404
|
研究论文 | 本文报告了一种基于深度学习的人工智能模型，用于高精度检测由铜绿假单胞菌产生的生物膜，并探讨了该技术的潜在应用 | 使用U-Net与ResNet编码器增强相结合的方法来分割生物膜图像，并利用适配体DNA模板银纳米簇（Ag-NC）防止生物膜形成 | 未提及样本量的具体数据，且未讨论模型在其他类型生物膜上的泛化能力 | 开发一种高效、准确的生物膜检测和预防方法 | 铜绿假单胞菌在浮游和生物膜状态下的光学透射显微图像 | 计算机视觉 | NA | 深度学习、适配体DNA模板银纳米簇（Ag-NC） | U-Net、ResNet18、ResNet34 | 图像 | NA |
| 1928 | 2025-01-15 |
Accurate and fast segmentation of filaments and membranes in micrographs and tomograms with TARDIS
2024-Dec-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.19.629196
PMID:39763817
|
研究论文 | 本文介绍了一种名为TARDIS的机器学习框架，用于快速准确地注释微图和断层扫描图像中的丝状体和膜结构 | TARDIS结合了深度学习语义分割和新型几何模型，实现了对各种大分子的精确实例分割 | NA | 解决在Cryo-EM/ET图像中精确注释丝状体和膜结构的难题，以促进高通量应用 | 微图和断层扫描图像中的丝状体和膜结构 | 计算机视觉 | NA | Cryo-EM/ET | Transformer-based模型 | 图像 | 超过13,000个断层扫描图像 |
| 1929 | 2025-01-15 |
Image Synthesis in Nuclear Medicine Imaging with Deep Learning: A Review
2024-Dec-18, Sensors (Basel, Switzerland)
DOI:10.3390/s24248068
PMID:39771804
|
综述 | 本文综述了深度学习在核医学成像中用于生成合成图像的应用，旨在提高核医学协议的解读性和实用性 | 通过分析该领域最新的30篇出版物，解释了深度学习模型如何生成与真实图像极为相似的合成核医学图像，显著提高了在低于临床标准剂量下获取图像的诊断准确性 | NA | 提高核医学成像的图像质量和可访问性，增强诊断准确性 | 核医学成像中的合成图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 30篇最新出版物 |
| 1930 | 2025-01-15 |
A precision oncology-focused deep learning framework for personalized selection of cancer therapy
2024-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.12.628190
PMID:39763776
|
研究论文 | 本文介绍了一种集成计算/实验的治疗选择方法，适用于化疗和靶向药物，无论是否存在可操作的分子改变 | 提出了ScreenDL，一种基于深度学习的新型癌症药物反应预测模型，结合肿瘤组学和功能性药物筛选数据来预测最有效的治疗方法 | 目前仅在乳腺癌患者来源的异种移植模型中进行临床前研究，尚未在临床试验中验证 | 开发一种精准肿瘤学框架，用于个性化选择癌症治疗 | 患者来源的肿瘤模型 | 机器学习 | 乳腺癌 | 深度学习 | ScreenDL | 肿瘤组学数据、功能性药物筛选数据 | 大量患者来源的肿瘤模型 |
| 1931 | 2025-01-15 |
Accuracy of Machine Learning in Detecting Pediatric Epileptic Seizures: Systematic Review and Meta-Analysis
2024-Dec-11, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/55986
PMID:39661965
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了机器学习在检测儿童癫痫发作中的准确性 | 首次系统性地评估了机器学习和深度学习在儿童癫痫发作检测中的表现，并比较了两者的准确性 | 研究仅基于已发表的文献，可能存在发表偏倚，且样本量有限 | 评估机器学习在监测儿童癫痫发作中的有效性，为未来智能工具的开发提供证据基础 | 儿童癫痫发作 | 机器学习 | 癫痫 | 机器学习（ML）和深度学习（DL） | ML和DL | 脑电图数据 | 28项原始研究，涉及15项ML研究和13项DL研究 |
| 1932 | 2025-01-15 |
RETRACTED ARTICLE: Cognitive computing-based COVID-19 detection on Internet of things-enabled edge computing environment
2024-12, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06514-6
PMID:34812247
|
研究论文 | 本文提出了一种基于联邦深度学习的COVID-19检测模型（FDL-COVID），在物联网支持的边缘计算环境中运行 | 结合联邦学习和深度学习技术，利用SqueezeNet模型和萤火虫群优化算法，在物联网环境中实现COVID-19的早期检测 | 需要大量的训练数据，且数据处理过程需要集中化 | 开发一种在物联网支持的边缘计算环境中运行的COVID-19检测模型，以辅助医疗专业人员进行疾病诊断 | COVID-19患者数据，特别是胸部X光图像 | 机器学习 | COVID-19 | 深度学习，联邦学习，萤火虫群优化算法 | SqueezeNet | 图像 | 基准CXR数据集 |
| 1933 | 2025-01-15 |
RETRACTED ARTICLE: MTR-SDL: a soft computing based multi-tier rank model for shoulder X-ray classification
2024-12, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08562-6
PMID:37362295
|
研究论文 | 本文提出了一种基于软计算的多层排序模型（MTR-SDL），用于肩部X射线分类，旨在通过半监督深度学习技术解决医疗领域标签数据不足的问题 | 提出了一种新的集成学习技术，称为“基于排序的集成选择与机器学习模型”（MTR-SDL），通过动态集成投票方法从未标记数据集中生成标签，从而提高模型性能 | 模型的有效性依赖于初始小规模标记数据集的质量，且生成标签的过程可能受到初始模型准确性的限制 | 解决医疗领域中标签数据不足的问题，提高肩部X射线分类的准确性 | 肩部X射线图像 | 计算机视觉 | NA | 半监督深度学习 | 集成学习模型（MTR-SDL） | 图像 | 未明确提及具体样本数量 |
| 1934 | 2025-01-15 |
Validating Machine Learning Models Against the Saline Test Gold Standard for Primary Aldosteronism Diagnosis
2024-Dec, JACC. Asia
DOI:10.1016/j.jacasi.2024.09.010
PMID:39802987
|
研究论文 | 本研究开发并验证了机器学习模型，用于预测东亚高血压患者中的原发性醛固酮增多症（PA），并将其性能与传统盐水输注测试进行比较 | 通过机器学习模型提供了一种更高效和标准化的诊断方法，相较于传统的盐水输注测试，该方法更快速且可能更可靠 | 研究结果的普遍性可能仅限于东亚高血压人群，未来需要在多样化的人群中验证这些模型 | 开发和评估机器学习模型在检测原发性醛固酮增多症中的性能，并与标准盐水负荷测试进行比较 | 高血压患者 | 机器学习 | 原发性醛固酮增多症 | 随机森林、XGBoost、深度学习 | 随机森林、XGBoost、深度学习 | 患者数据 | 来自三个不同队列的患者数据：TAIPAI（台湾原发性醛固酮增多症调查）、CONPASS（重庆原发性醛固酮增多症研究）和韩国队列 |
| 1935 | 2025-01-15 |
Multidimensional morphological analysis of live sperm based on multiple-target tracking
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.02.025
PMID:39803335
|
研究论文 | 本研究设计了一个深度学习算法框架，用于对活体精子进行非侵入性多维形态分析，改进了当前临床精子形态测试方法 | 通过改进FairMOT跟踪算法，将相邻帧中同一精子头部运动的距离和角度以及头部目标检测框的IOU值纳入匈牙利匹配算法的成本函数，提高了精子形态分析的准确性 | NA | 改进临床精子形态测试方法，推动辅助生殖技术的发展 | 活体精子 | 计算机视觉 | NA | 深度学习 | FairMOT, BlendMask, SegNet | 图像 | 从多家三级医院收集的1272个样本 |
| 1936 | 2025-01-14 |
Letter to the Editor: Commentary on Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis (Korean J Neurotrauma 2024;20:168-179)
2024-Dec, Korean journal of neurotrauma
DOI:10.13004/kjnt.2024.20.e40
PMID:39803342
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1937 | 2025-01-15 |
A deep learning modular ECG approach for cardiologist assisted adjudication of atrial fibrillation and atrial flutter episodes
2024-Dec, Heart rhythm O2
IF:2.5Q2
DOI:10.1016/j.hroo.2024.09.007
PMID:39803625
|
研究论文 | 本文介绍了一种深度学习模块化心电图方法，用于辅助心脏病专家裁决心房颤动和心房扑动发作 | 开发了一种结合心脏病专家已知心电图特征的深度学习模块化软件，允许心脏病专家裁决结果并驱动第二次深度学习分析 | 残留错误有时需要手动停用一个模块来纠正，且在某些记录中的准确率低于90% | 构建和评估一种深度学习模块化软件，用于分类心房节律并辅助心脏病专家裁决结果 | 长期心电图记录中的心房快速性心律失常（ATA） | 数字病理学 | 心血管疾病 | 深度学习 | 深度学习网络 | 心电图数据 | 187份记录，249,419个一分钟样本 |
| 1938 | 2025-01-15 |
Detection of neurologic changes in critically ill infants using deep learning on video data: a retrospective single center cohort study
2024-Dec, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102919
PMID:39764545
|
研究论文 | 本研究利用深度学习技术分析重症婴儿的视频数据，以预测神经系统变化 | 首次将姿态人工智能（AI）应用于重症监护室（ICU）环境，仅通过视频数据预测脑功能障碍 | 研究为单中心回顾性研究，样本量相对较小（115名婴儿） | 开发一种可靠、连续的方法来监测重症婴儿的神经系统变化 | 年龄小于1岁的重症婴儿 | 计算机视觉 | 神经系统疾病 | 深度学习姿态识别算法 | 深度学习 | 视频 | 115名婴儿，282,301分钟的视频数据 |
| 1939 | 2025-01-15 |
Deep learning segmentation architectures for automatic detection of pancreatic ductal adenocarcinoma in EUS-guided fine-needle biopsy samples based on whole-slide imaging
2024 Nov-Dec, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000094
PMID:39802107
|
研究论文 | 本研究比较了7种U-Net架构变体在两种不同数据集上的性能，用于基于全切片成像的胰腺导管腺癌自动检测 | 首次评估了多种U-Net架构变体在胰腺导管腺癌全切片图像分割中的应用，并展示了Inception U-Net架构的高分割准确性 | 研究仅基于两个医疗中心的有限样本量（31和33张全切片图像），可能影响模型的泛化能力 | 探索深度学习架构在胰腺导管腺癌全切片图像分割中的有效性 | EUS引导的细针活检样本 | 数字病理学 | 胰腺导管腺癌 | 全切片成像 | U-Net及其变体（如Inception U-Net） | 图像 | 64张全切片图像（来自两个医疗中心） |
| 1940 | 2025-01-15 |
Functional imaging derived ADHD biotypes based on deep clustering: a study on personalized medication therapy guidance
2024-Nov, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102876
PMID:39763511
|
研究论文 | 本文提出了一种基于图卷积网络的生物亚型检测方法（GCN-BSD），用于识别注意力缺陷多动障碍（ADHD）的生物亚型，以指导个性化药物治疗 | 使用功能网络连接性（FNC）和非成像表型数据，结合深度学习算法，首次提出了基于成像驱动的ADHD生物亚型分类方法 | 研究样本主要来自特定数据集，可能限制了结果的普适性 | 通过神经影像学标记物识别ADHD生物亚型，以指导个性化药物治疗 | ADHD患者 | 机器学习 | 注意力缺陷多动障碍（ADHD） | 功能网络连接性（FNC）分析 | 图卷积网络（GCN） | 功能成像数据和非成像表型数据 | 1069名ADHD患者（ABCD研究）和130名ADHD青少年（北京大学第六医院验证数据集） |