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 395 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-11-10 |
Deep learning-based target tracking with X-ray images for radiotherapy: a narrative review
2024-Mar-15, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1489
PMID:38545053
|
综述 | 本文综述了基于深度学习的放射治疗中使用X射线图像进行目标跟踪的现状，并讨论了现有局限性和潜在解决方案 | 探讨了深度学习在放射治疗中实时无标记目标跟踪的潜力 | 直接在2D kV X射线图像上实时定位肿瘤和危及器官仍然具有挑战性，需要更多技术和临床努力 | 综述基于深度学习的放射治疗中使用2D kV X射线图像进行目标跟踪的现状，并讨论其局限性和未来发展方向 | 放射治疗中的目标跟踪和运动管理 | 计算机视觉 | 癌症 | 深度学习 | 卷积神经网络 | 图像 | 23篇英文文献 | NA | NA | NA | NA |
| 242 | 2024-11-10 |
Deep learning from atrioventricular plane displacement in patients with Takotsubo syndrome: lighting up the black-box
2024-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztad077
PMID:38505490
|
研究论文 | 本研究利用深度卷积神经网络（DCNN）分析心尖球形综合征（TTS）患者的心脏超声视频，以提高诊断的准确性和解释性 | 本研究通过梯度加权类激活映射分析，可视化了DCNN在区分TTS和前壁ST段抬高型心肌梗死（STEMI）中的作用，揭示了潜在的影像学特征 | NA | 提高心尖球形综合征（TTS）诊断的准确性和解释性 | 心尖球形综合征（TTS）和前壁ST段抬高型心肌梗死（STEMI）患者 | 计算机视觉 | 心血管疾病 | 深度卷积神经网络（DCNN） | DCNN | 视频 | 300名患者（150名TTS患者和150名STEMI患者） | NA | NA | NA | NA |
| 243 | 2024-11-08 |
Extracting adverse drug events from clinical Notes: A systematic review of approaches used
2024-Mar, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104603
PMID:38331081
|
综述 | 本文对从临床笔记中提取不良药物事件（ADE）的方法进行了系统性综述 | 本文综述了当前从临床笔记中提取ADE的各种方法，包括命名实体识别（NER）和关系提取（RE），并根据不同的提取方法进行了分类 | 本文主要集中在方法的综述上，未提供具体的实验数据或模型性能比较 | 综述当前从临床笔记中提取不良药物事件的方法，并展示这些方法的进展和挑战 | 不良药物事件（ADE）的提取方法 | 自然语言处理 | NA | 自然语言处理（NLP） | NA | 文本 | 从2015年到2023年，共筛选出82篇相关文献进行分析 | NA | NA | NA | NA |
| 244 | 2024-11-07 |
Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning
2024-Mar-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01247-y
PMID:38515044
|
研究论文 | 本文提出了一种基于深度学习的端到端方法，用于增强超声（CEUS）图像中肝脏病变的恶性诊断 | 本文创新性地结合了二维卷积神经网络（CNN）和长短期记忆网络（LSTM），无需手动特征选择即可进行恶性诊断 | 本文的局限性在于仅使用了420个病例进行验证，样本量相对较小 | 开发一种基于深度学习的端到端方法，用于增强超声图像中肝脏病变的恶性诊断 | 肝脏病变及其恶性诊断 | 计算机视觉 | 肝脏疾病 | 深度学习 | CNN-LSTM | 图像 | 420个肝脏病变病例，包括136个良性病例和284个恶性病例 | NA | NA | NA | NA |
| 245 | 2024-11-07 |
Multimodal deep learning-based diagnostic model for BPPV
2024-Mar-21, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02438-x
PMID:38515156
|
研究论文 | 本研究旨在通过结合眼动视频和位置信息，利用多模态深度学习模型提高BPPV诊断的准确性 | 提出了一个结合视频理解模型、自编码器和交叉注意力机制的多模态深度学习诊断模型 | NA | 探索和应用人工智能方法提高BPPV诊断的准确性 | BPPV患者的诊断 | 机器学习 | NA | 多模态深度学习 | 多模态深度学习模型 | 视频和位置信息 | 518名BPPV患者 | NA | NA | NA | NA |
| 246 | 2024-11-07 |
An integrative approach to protein sequence design through multiobjective optimization
2024-Mar-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.01.582670
PMID:38496480
|
研究论文 | 本文提出了一种通过多目标优化进行蛋白质序列设计的综合方法 | 采用进化多目标优化技术，结合AlphaFold2和ProteinMPNN的置信度指标，以及ESM-1v和ProteinMPNN的突变操作符，显著减少了RfaH天然序列恢复的偏差和方差 | NA | 开发一种能够直接整合不同模型和目标函数到生成设计过程中的框架 | 蛋白质序列设计 | 机器学习 | NA | 多目标优化 | NSGA-II | 蛋白质序列 | NA | NA | NA | NA | NA |
| 247 | 2024-11-07 |
Machine and deep learning methods for predicting 3D genome organization
2024-Mar-04, ArXiv
PMID:38495565
|
综述 | 本文综述了使用机器学习和深度学习方法预测三维基因组组织的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界）的计算工具，并分析了它们的优缺点 | 本文讨论了机器学习方法在填补缺失的三维交互和提高分辨率方面的创新应用 | 当前的三维结构目录由于技术、工具和数据分辨率的差异，仍然不完整且不可靠 | 探讨计算工具在预测三维基因组交互中的应用及其未来研究方向 | 三维基因组组织中的三种类型交互（增强子-启动子交互、染色质交互、拓扑关联域边界） | 机器学习 | NA | ChIP-seq, DNAse-seq | NA | 基因组数据 | NA | NA | NA | NA | NA |
| 248 | 2024-11-06 |
Tradeoffs in alignment and assembly-based methods for structural variant detection with long-read sequencing data
2024-Mar-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-46614-z
PMID:38503752
|
研究论文 | 本文系统比较了14种基于比对的结构变异检测方法和4种基于组装的结构变异检测方法，并提供了选择最合适工具的指南 | 首次系统比较了多种基于比对和组装的结构变异检测方法，并提供了详细的性能评估和选择指南 | 缺乏全面的基准测试限制了对算法性能的理解和进一步的算法开发 | 评估和比较基于比对和组装的结构变异检测方法的性能，并提供选择指南 | 14种基于比对的结构变异检测方法和4种基于组装的结构变异检测方法 | 基因组学 | NA | 长读长测序 | 深度学习 | DNA序列 | NA | NA | NA | NA | NA |
| 249 | 2024-11-06 |
Dynamic clustering via branched deep learning enhances personalization of stress prediction from mobile sensor data
2024-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-56674-2
PMID:38503794
|
研究论文 | 本文开发了一种名为Branched CALM-Net的平台，通过动态聚类和分支深度学习技术，个性化预测大学生从移动传感器数据中的压力水平 | 首次在多任务设置中利用分支技术实现个性化和持续适应 | NA | 克服从移动电话数据预测压力水平的挑战，解决数据不规则性、个体间变异性和冷启动问题 | 大学生从移动传感器数据中的压力水平 | 机器学习 | NA | 分支深度学习 | Branched CALM-Net | 移动传感器数据 | Dartmouth StudentLife研究中的学生数据 | NA | NA | NA | NA |
| 250 | 2024-11-06 |
A commentary on 'Intelligent cataract surgery supervision and evaluation via deep learning'
2024-Mar-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001030
PMID:38126410
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 251 | 2024-11-04 |
Controllable editing via diffusion inversion on ultra-widefield fluorescein angiography for the comprehensive analysis of diabetic retinopathy
2024-Mar-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.517819
PMID:38495723
|
研究论文 | 本文开发了一种基于图像生成的深度学习系统，用于在超广角荧光素血管造影（UWFA）图像中分析与糖尿病视网膜病变（DR）相关的多种指标 | 本文提出了一种统一的模型，通过图像生成将输入图像转换为相应的无病版本，并结合图像级监督训练过程，显著减少了临床应用中对大量手动干预的需求 | NA | 建立一个深度学习系统，用于在超广角荧光素血管造影（UWFA）图像中分析与糖尿病视网膜病变（DR）相关的多种指标 | 糖尿病视网膜病变（DR）及其在超广角荧光素血管造影（UWFA）图像中的表现 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 图像生成模型 | 图像 | NA | NA | NA | NA | NA |
| 252 | 2024-11-02 |
Humans use tools: From handcrafted tools to artificial intelligence
2024-Mar, Journal of vascular surgery. Venous and lymphatic disorders
DOI:10.1016/j.jvsv.2023.101705
PMID:37956905
|
研究论文 | 本文探讨了人工智能在血管外科中的应用及其对手术安全性和精确性的影响 | 文章提出了人工智能在手术中的应用，通过深度学习和模式识别提高手术的精确性和安全性 | 人工智能的发展仍处于早期阶段，数据管理和隐私保护是重要问题 | 研究人工智能在血管外科中的应用，探讨其对手术效果的提升 | 血管外科手术及其相关的人工智能技术 | 机器学习 | 心血管疾病 | 深度学习 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 253 | 2024-10-30 |
Deep learning reveals what facial expressions mean to people in different cultures
2024-Mar-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109175
PMID:38433918
|
研究论文 | 本文通过大规模数据收集和机器学习，研究了六个国家中面部表情在不同文化中的含义 | 本文创新性地使用了模仿范式和深度神经网络，揭示了面部表情在不同文化中的28个维度，其中21个维度显示出普遍性 | 本文主要集中在六个国家的研究，可能无法完全代表全球所有文化 | 研究面部表情在不同文化中的含义及其普遍性和文化特异性 | 面部表情及其在不同文化中的含义 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 5,833名参与者生成了423,193个面部表情 | NA | NA | NA | NA |
| 254 | 2024-10-29 |
Drug-drug interactions prediction based on deep learning and knowledge graph: A review
2024-Mar-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109148
PMID:38405609
|
综述 | 本文系统回顾了基于深度学习和知识图谱的药物-药物相互作用预测研究 | 本文总结了现有的基于深度学习和知识图谱的药物-药物相互作用预测方法，并将其分为三类：基于深度学习的方法、基于知识图谱的方法以及结合两者的方法 | 本文讨论了药物-药物相互作用预测面临的挑战，包括非对称相互作用预测和高阶相互作用预测 | 系统回顾基于深度学习和知识图谱的药物-药物相互作用预测研究 | 药物-药物相互作用预测方法 | 机器学习 | NA | 深度学习、知识图谱 | NA | 文本 | NA | NA | NA | NA | NA |
| 255 | 2024-10-25 |
Retinal Photograph-based Deep Learning System for Detection of Thyroid-Associated Ophthalmopathy
2024 Mar-Apr 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009919
PMID:38078953
|
研究论文 | 本研究开发了一种基于视网膜照片的深度学习系统，用于检测甲状腺相关眼病 | 首次使用深度学习技术基于视网膜照片检测甲状腺相关眼病 | 模型在外部验证数据集上的表现不如内部验证，表明其泛化能力有限 | 开发一种成本效益高且无创的甲状腺相关眼病检测方法 | 甲状腺相关眼病患者和正常参与者的视网膜照片 | 计算机视觉 | 甲状腺相关眼病 | 深度学习 | 卷积神经网络 | 图像 | 1182张视网膜照片，涉及708名参与者；外部验证数据集包含365张照片，涉及189名参与者 | NA | NA | NA | NA |
| 256 | 2024-10-21 |
Added prognostic value of 3D deep learning-derived features from preoperative MRI for adult-type diffuse gliomas
2024-03-04, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noad202
PMID:37855826
|
研究论文 | 研究了使用三维卷积神经网络从术前MRI中提取的空间特征对成人弥漫性胶质瘤的预后价值 | 提出了基于三维卷积神经网络的深度学习预后指数（DPI），并验证了其在独立于临床和分子遗传变量的预后价值 | 研究为回顾性多中心研究，数据集来自不同机构，可能存在数据异质性 | 探讨三维卷积神经网络从全脑MRI中提取的空间特征对成人弥漫性胶质瘤的预后价值 | 成人弥漫性胶质瘤患者 | 计算机视觉 | 脑肿瘤 | 三维卷积神经网络 | 三维卷积神经网络 | 图像 | 1925名弥漫性胶质瘤患者 | NA | NA | NA | NA |
| 257 | 2024-10-18 |
Diagnostic performance of deep learning models versus radiologists in COVID-19 pneumonia: A systematic review and meta-analysis
2024-Mar, Clinical imaging
IF:1.8Q3
DOI:10.1016/j.clinimag.2024.110092
PMID:38301371
|
meta-analysis | 本文通过系统综述和荟萃分析，比较了深度学习模型与放射科医生在COVID-19肺炎诊断中的表现 | 首次系统性地评估了深度学习模型与放射科医生在COVID-19肺炎诊断中的表现差异 | 研究仅限于已发表的文献，可能存在发表偏倚 | 评估深度学习模型与放射科医生在COVID-19肺炎诊断中的表现差异 | 深度学习模型和放射科医生在COVID-19肺炎诊断中的表现 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 22篇符合条件的文章 | NA | NA | NA | NA |
| 258 | 2024-10-17 |
Influence of spatio-temporal filtering on hand kinematics estimation from high-density EMG signals
2024-03-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad3498
PMID:38525843
|
研究论文 | 研究了时空滤波对从高密度表面肌电信号（sEMG）估计手部运动学的影响 | 展示了使用全带宽信号和高密度电极系统可以显著提高手部运动学估计的准确性 | 研究结果表明，增加电极数量可能进一步提高准确性，但未在当前研究中验证 | 探讨如何通过优化sEMG信号的预处理和电极数量来提高手部运动学估计的准确性 | 高密度sEMG信号和手部运动学 | 机器学习 | NA | 表面肌电图（sEMG） | 深度学习 | 信号 | 13名受试者的320个电极记录的sEMG信号 | NA | NA | NA | NA |
| 259 | 2024-10-09 |
Detection of Personal and Family History of Suicidal Thoughts and Behaviors using Deep Learning and Natural Language Processing: A Multi-Site Study
2024-Mar-11, Research square
DOI:10.21203/rs.3.rs-4014472/v1
PMID:38559051
|
研究论文 | 本文开发并验证了一种基于深度学习和自然语言处理的工具，用于从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为的历史 | 本文首次使用深度学习方法，特别是预训练的transformer模型Bio_ClinicalBERT和GatorTron，来识别个人和家庭自杀意念和行为的历史，并展示了其在多个医疗系统中的有效性 | 本文未详细讨论深度学习模型在不同医疗系统中的泛化能力，以及其在实际临床应用中的可行性和接受度 | 开发和验证一种能够从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为历史的工具 | 个人和家庭自杀意念和行为的历史 | 自然语言处理 | NA | 深度学习 | transformer | 文本 | NA | NA | NA | NA | NA |
| 260 | 2024-10-05 |
A clinical consensus-compliant deep learning approach to quantitatively evaluate human in vitro fertilization early embryonic development with optical microscope images
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102773
PMID:38462274
|
研究论文 | 开发了一种符合临床共识的深度学习方法，用于定量评估体外受精早期胚胎发育的光学显微镜图像 | 提出了名为Esava的深度学习模型，结合了Faster R-CNN和Crowd-NMS算法，以及基于GrabCut的无监督模块，显著提高了胚胎细胞检测的精度和一致性 | NA | 提高体外受精胚胎质量评估的准确性和效率 | 体外受精胚胎的光学显微镜图像 | 计算机视觉 | NA | 深度学习 | Faster R-CNN | 图像 | 551张光学显微镜图像，包括第2天到第3天的体外受精胚胎 | NA | NA | NA | NA |