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 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-08-05 |
[Research Progress in Data Acquisition and Intelligent Sensing Methods for Lumbar Electromyographic Signals]
2024-Mar-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240014
PMID:38605608
|
研究论文 | 该论文回顾了不同传感器获取腰部肌电信号的进展 | 提出了无线传感器与深度学习算法结合的研究方向 | 未提及具体的实验数据或样本分析 | 分析和干预老年人低背痛的肌电信号 | 腰部肌电信号及其相关传感器 | 智能感知 | 老年疾病 | 生物电信号获取 | 深度学习算法 | 电生理信号 | NA | NA | NA | NA | NA |
| 362 | 2024-08-05 |
D3EGFR: a webserver for deep learning-guided drug sensitivity prediction and drug response information retrieval for EGFR mutation-driven lung cancer
2024-Mar-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae121
PMID:38555474
|
研究论文 | 本研究建立了D3EGFR平台，以实现EGFR突变驱动的非小细胞肺癌药物敏感性预测和病例检索 | D3EGFR是首个实现所有已批准小分子药物的临床级药物反应预测的平台 | 研究可能缺乏对非EGFR突变驱动肺癌的适用性验证 | 旨在为EGFR突变驱动的非小细胞肺癌提供临床级药物推荐 | 包含来自1339名EGFR突变患者的临床病理特征和药物反应数据 | 数字病理学 | 肺癌 | 深度学习 | 深度学习模型D3EGFRAI | 临床数据 | 1339名EGFR突变患者 | NA | NA | NA | NA |
| 363 | 2024-08-05 |
KDGene: knowledge graph completion for disease gene prediction using interactional tensor decomposition
2024-Mar-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae161
PMID:38605639
|
研究论文 | 本文提出了一种基于交互张量分解的生物知识图谱补全框架KDGene，用于疾病基因预测 | KDGene通过引入交互模块，改善了知识图谱中实体和关系嵌入的表达能力，从而提高对疾病相关基因的预测准确性 | 目前的表示学习技术在应用于领域特定的生物数据时性能仍然不尽如人意 | 旨在通过构建生物知识图谱来提高对疾病相关基因的预测能力 | 疾病及其相关的基因 | 计算机视觉 | 疾病基因 | 张量分解 | NA | 生物知识图谱 | 实验结果未提供具体样本数量 | NA | NA | NA | NA |
| 364 | 2024-08-05 |
Artificial intelligence-guided detection of under-recognized cardiomyopathies on point-of-care cardiac ultrasound
2024-Mar-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.10.24304044
PMID:38559021
|
研究论文 | 本研究开发并验证了深度学习模型用于在床边心脏超声中检测未被充分诊断的心肌病 | 提出了一种新的适应性建模策略，以改善心脏超声图像的获取质量 | 研究主要基于回顾性病例数据，对于实时临床应用的验证不足 | 旨在提高对未被诊断的心肌病的识别率 | 基于大型美国医疗系统中不同医院的患者心脏超声数据进行研究 | 计算机视觉 | 心血管疾病 | 深度学习，卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 视频 | 290,245个TTE视频和3,758个现实世界的POCUS视频 | NA | NA | NA | NA |
| 365 | 2024-08-05 |
A novel lightweight deep learning approach for simultaneous optic cup and optic disc segmentation in glaucoma detection
2024-Mar-04, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024225
PMID:38872528
|
研究论文 | 该文章提出了一种轻量级深度学习方法用于青光眼检测中的视杯和视盘的同时分割 | 创新点在于采用模糊学习和多层感知器来简化学习复杂性并提高分割准确性 | 未提及具体的限制 | 研究青光眼检测中的视杯和视盘的自动分割方法 | 视杯（OC）和视盘（OD）在眼底图像中的分割 | 数字病理学 | 青光眼 | 深度学习 | 多层感知器 | 图像 | 未提及具体的样本量 | NA | NA | NA | NA |
| 366 | 2024-08-05 |
DRANetSplicer: A Splice Site Prediction Model Based on Deep Residual Attention Networks
2024-03-26, Genes
IF:2.8Q2
DOI:10.3390/genes15040404
PMID:38674339
|
研究论文 | 本研究开发了一种名为DRANetSplicer的深度学习模型，用于增强剪接位点预测的准确性 | 该模型结合了残差学习和注意力机制，以准确捕捉剪接位点的复杂特征 | NA | 提高剪接位点识别的准确性，以便更好地进行基因注释 | 采用来自三种不同生物的基因组数据构建多个数据集进行模型训练 | 机器学习 | NA | 深度学习 | 深度残差注意力网络 | 基因组数据 | 来自三种不同生物的多个高质量数据集 | NA | NA | NA | NA |
| 367 | 2024-08-05 |
Combining Deep Learning and Radiomics for Automated, Objective, Comprehensive Bone Mineral Density Assessment From Low-Dose Chest Computed Tomography
2024-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.08.030
PMID:37730494
|
研究论文 | 本文开发了一种基于低剂量胸部计算机断层扫描的智能骨密度筛查模型 | 该研究结合了深度学习和放射组学，创建了一个完全自动化的骨密度评估流程 | 缺乏不同人种和年龄段的广泛验证 | 研究旨在开发智能诊断模型用于骨质疏松症筛查 | 研究对象为442名接受低剂量胸部CT和定量CT检查的参与者 | 数字病理 | 骨质疏松症 | 低剂量胸部计算机断层扫描 (LDCT) | VB-Net | 影像 | 共442名参与者 | NA | NA | NA | NA |
| 368 | 2024-08-05 |
Development of MRI-Based Deep Learning Signature for Prediction of Axillary Response After NAC in Breast Cancer
2024-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.004
PMID:37914627
|
研究论文 | 本研究开发了一种基于MRI的深度学习特征，用于预测乳腺癌患者在新辅助化疗后腋窝反应 | 本研究利用深度学习从动态对比增强MRI中提取特征，并提出了一种新的预测模型 | NA | 开发一种用于预测乳腺癌患者在新辅助化疗后腋窝反应的MRI基础深度学习特征 | 327名乳腺癌患者，这些患者在新辅助化疗后接受腋窝手术 | 医学影像学 | 乳腺癌 | 动态对比增强MRI | 支持向量机 | 医学影像 | 327名乳腺癌患者 | NA | NA | NA | NA |
| 369 | 2024-08-05 |
Shortening Acquisition Time and Improving Image Quality for Pelvic MRI Using Deep Learning Reconstruction for Diffusion-Weighted Imaging at 1.5 T
2024-03, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.06.035
PMID:37500416
|
研究论文 | 本研究探讨使用深度学习重建技术对1.5T下骨盆扩散加权成像的采集时间和图像质量的影响 | 创新地应用深度学习技术来缩短扩散加权成像的采集时间并提高图像质量 | 研究仅限于单一中心，样本量相对较小且为回顾性研究 | 研究骨盆MRI的扩散加权成像中，深度学习重建对采集时间和图像质量的影响 | 55名患者接受了标准扩散加权成像和深度学习重建的扩散加权成像 | 数字病理学 | NA | 深度学习重建 | NA | 图像 | 55名患者（年龄范围27至89岁） | NA | NA | NA | NA |
| 370 | 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 |
| 371 | 2024-08-05 |
Deep learning algorithms for predicting renal replacement therapy initiation in CKD patients: a retrospective cohort study
2024-Mar-14, BMC nephrology
IF:2.2Q2
DOI:10.1186/s12882-024-03538-6
PMID:38486160
|
研究论文 | 本研究开发了深度学习算法来预测慢性肾病患者的肾脏替代疗法启动风险 | 本研究通过结合病史和处方数据，提出了一种新的深度学习算法用于CKD患者的RRT风险预测 | 需要进一步的前瞻性观察研究和随机对照试验以全面理解深度学习算法的影响，特别是在可解释性、偏倚最小化和过拟合方面 | 该研究旨在提高慢性肾病患者肾脏替代疗法启动风险的预测准确性 | 研究对象为香港三家主要医院的慢性肾病患者 | 机器学习 | NA | 深度学习算法 | CNN + LSTM + ANN | 患者数据 | 多中心研究包含了多名慢性肾病患者 | NA | NA | NA | NA |
| 372 | 2024-08-05 |
Application of a deep learning algorithm for three-dimensional T1-weighted gradient-echo imaging of gadoxetic acid-enhanced MRI in patients at a high risk of hepatocellular carcinoma
2024-03, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04124-4
PMID:38095685
|
研究论文 | 本研究评估了一种深度学习重建算法在肝脏MRI中的应用效果 | 引入了特定厂商的深度学习重建算法，以提高影像质量和病灶检测能力 | 对非囊性肝病灶的检测表现无显著差异，可能对某些类型的病变敏感性不足 | 评估深度学习重建算法在高风险肝细胞癌患者中增强影像质量的有效性 | 83名高风险肝细胞癌患者 | 数字病理 | 肝癌 | 深度学习重建算法 | NA | 影像 | 83名高风险患者 | NA | NA | NA | NA |
| 373 | 2024-08-05 |
Prediction and Diagnosis of Breast Cancer Using Machine and Modern Deep Learning Models
2024-Mar-01, Asian Pacific journal of cancer prevention : APJCP
DOI:10.31557/APJCP.2024.25.3.1077
PMID:38546090
|
研究论文 | 本研究旨在评估多种机器学习和现代深度学习模型在乳腺癌预测和诊断中的有效性 | 探讨了多种机器学习和深度学习模型在乳腺癌预测中的应用和效果 | NA | 降低女性乳腺癌相关死亡率的预测和诊断效果 | 乳腺癌患者的预测和诊断模型 | 机器学习 | 乳腺癌 | 人工智能，机器学习，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 374 | 2024-08-05 |
Which model is more efficient in carbon emission prediction research? A comparative study of deep learning models, machine learning models, and econometric models
2024-Mar, Environmental science and pollution research international
DOI:10.1007/s11356-024-32083-w
PMID:38355857
|
研究论文 | 本文对深度学习模型、机器学习模型和计量经济模型进行比较，以评估其在碳排放预测中的效率 | 提出了一种基于群体生物行为机制的创新深度学习模型，并优化了模型 | 尚未系统比较所有现有的碳排放预测方法 | 科学推动碳减排政策的有效预测未来碳排放 | 深度学习模型、机器学习模型和计量经济模型 | 机器学习 | NA | NA | 启发式神经网络 | NA | NA | NA | NA | NA | NA |
| 375 | 2024-08-05 |
Deep learning applications in vascular dementia using neuroimaging
2024-03-01, Current opinion in psychiatry
IF:7.5Q1
DOI:10.1097/YCO.0000000000000920
PMID:38226547
|
研究论文 | 本文强调了深度学习在血管性痴呆相关影像生物标志物和诊断中的应用 | 提出了深度学习神经网络在血管性痴呆研究中，尤其是利用神经影像数据进行早期诊断和治疗策略优化的潜力 | 对深度学习在血管性痴呆诊断和管理中应用的挑战尚未完全解决 | 探讨深度学习在血管性痴呆影像数据分析中的应用 | 主要研究血管性痴呆的影像生物标志物和诊断方法 | 计算机视觉 | 血管性痴呆 | 深度学习 | 卷积神经网络 (CNN) | 神经影像数据 | NA | NA | NA | NA | NA |
| 376 | 2024-08-07 |
Opposing effects of thyroid hormones on hypothalamic subunits and limbic structures in hyperthyroidism patients: A comprehensive volumetric study
2024-03, Journal of neuroendocrinology
IF:3.3Q2
DOI:10.1111/jne.13369
PMID:38326952
|
研究论文 | 本研究旨在探讨甲状腺功能亢进症患者大脑特定区域的萎缩模式，包括下丘脑亚区和边缘结构，并分析这些变化与激素水平及心理测试之间的关系 | 本研究首次全面分析了甲状腺功能亢进症患者下丘脑亚区和边缘结构体积的变化，并探讨了这些变化与激素水平及心理测试结果的相关性 | 本研究样本量较小，且仅包括新诊断未治疗的甲状腺功能亢进症患者，可能影响结果的普遍性 | 探索甲状腺功能亢进症患者大脑特定区域的体积变化及其与激素水平和心理测试的关系 | 甲状腺功能亢进症患者及匹配的对照组的大脑下丘脑亚区和边缘结构 | NA | 甲状腺疾病 | 磁共振成像（MRI） | 深度学习算法 | 图像 | 19名新诊断未治疗的甲状腺功能亢进症患者和15名年龄性别匹配的对照组 | NA | NA | NA | NA |
| 377 | 2024-08-07 |
The future of artificial intelligence in clinical nutrition
2024-03-01, Current opinion in clinical nutrition and metabolic care
IF:3.0Q2
DOI:10.1097/MCO.0000000000000977
PMID:37650706
|
综述 | 本文综述了人工智能在临床营养领域的应用，探讨了如何利用医疗数据库开发深度学习和机器学习算法，以改善筛查、评估和预测与临床营养相关的临床事件和结果。 | 人工智能已应用于临床营养的各个领域，如改善筛查工具、识别营养不良的癌症患者或肥胖患者，以及在重症监护中预测肠内营养不耐受、腹泻或再喂养低磷血症。 | 使用人工智能时需要考虑伦理问题和局限性。 | 探讨人工智能在临床营养中的应用，支持医疗专业人员的决策过程。 | 临床营养领域的筛查、评估和预测工具。 | 机器学习 | NA | 深度学习 | 机器学习算法 | 数据库 | 大型数据库 | NA | NA | NA | NA |
| 378 | 2024-08-07 |
Deep Learning-Based Automated Labeling of Coronary Segments for Structured Reporting of Coronary Computed Tomography Angiography in Accordance With Society of Cardiovascular Computed Tomography Guidelines
2024-Mar-01, Journal of thoracic imaging
IF:2.0Q3
DOI:10.1097/RTI.0000000000000753
PMID:37889562
|
研究论文 | 评估一种基于深度学习的自动化冠状动脉标记方法，用于根据心血管计算机断层扫描学会指南进行冠状动脉疾病的结构化报告 | 利用树状结构的长短期记忆循环神经网络架构，通过自下而上编码和自上而下解码的两步法，自动标记冠状动脉中心线 | NA | 评估基于深度学习的自动化冠状动脉标记方法的性能，以改进冠状动脉CT血管造影的自动化结构化报告 | 104名接受心电图同步冠状动脉CT血管造影的患者 | 计算机视觉 | 心血管疾病 | 深度学习 | 树状结构的长短期记忆循环神经网络 | 图像 | 1491个冠状动脉段 | NA | NA | NA | NA |
| 379 | 2024-08-07 |
Advantages and Pitfalls of the Use of Optical Coherence Tomography for Papilledema
2024-03, Current neurology and neuroscience reports
IF:4.8Q1
DOI:10.1007/s11910-023-01327-6
PMID:38261144
|
综述 | 本文综述了光学相干断层扫描（OCT）在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用 | OCT技术可以检测到眼底镜检查可能遗漏的亚临床视网膜神经纤维层（pRNFL）增厚，增强深度成像（EDI）和扫频源OCT技术可以识别伪视盘水肿的原因，如视盘玻璃体 | OCT技术有其固有的优缺点，需要充分理解以最佳地利用该方法检测视盘水肿 | 强调OCT在诊断和管理与视盘水肿相关的颅内压升高综合征中的作用 | 视盘水肿及其相关的颅内压升高综合征 | NA | NA | 光学相干断层扫描（OCT） | NA | 图像 | NA | NA | NA | NA | NA |
| 380 | 2024-08-07 |
Diagnosing and grading gastric atrophy and intestinal metaplasia using semi-supervised deep learning on pathological images: development and validation study
2024-03, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-023-01451-9
PMID:38095766
|
研究论文 | 本研究开发并验证了一种基于半监督深度学习的诊断和分级胃萎缩和肠化生的方法 | 提出了一种名为GasMIL的半监督深度学习算法，用于诊断和分级胃萎缩和肠化生，其性能超过了10名病理学家的评估 | NA | 建立并验证一种使用深度学习和OLGA/OLGIM对个体胃癌风险进行分类的诊断方法 | 胃萎缩和肠化生的诊断与分级 | 数字病理学 | 胃癌 | 半监督深度学习 | 深度学习模型 | 病理图像 | 共纳入545名患者，包括2725张全切片图像，分为训练集（349名）、内部验证集（87名）和外部验证集（109名） | NA | NA | NA | NA |