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 479 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-09-07 |
Longitudinal MRI analysis using a hybrid DenseNet-BiLSTM method for Alzheimer's disease prediction
2024-04-12, Behavioural brain research
IF:2.6Q3
DOI:10.1016/j.bbr.2024.114900
PMID:38341100
|
研究论文 | 本文提出了一种混合DenseNet-BiLSTM方法，用于阿尔茨海默病的纵向MRI分析和预测 | 该研究创新性地结合了卷积DenseNet和双向LSTM层，以提取纵向MRI图像中的空间和时间特征，从而提高诊断准确性 | NA | 提高阿尔茨海默病的诊断准确性和理解疾病进展 | 纵向MRI图像中的空间和时间特征 | 计算机视觉 | 阿尔茨海默病 | MRI | DenseNet-BiLSTM | 图像 | 684张纵向MRI图像，包括正常对照组、轻度认知障碍患者和阿尔茨海默病患者 | NA | NA | NA | NA |
| 282 | 2024-09-07 |
Explainable deep learning-based survival prediction for non-small cell lung cancer patients undergoing radical radiotherapy
2024-04, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110084
PMID:38244779
|
研究论文 | 本文比较了Cox比例风险回归、随机生存森林和深度学习在预测接受放射治疗的非小细胞肺癌患者总体生存率方面的表现，并使用可解释技术提供每个协变量对预测的贡献 | 本文提出了使用深度学习方法进行生存预测，并结合可解释技术提高模型的透明度和可解释性 | NA | 比较不同机器学习方法在预测非小细胞肺癌患者总体生存率方面的表现，并提高模型的可解释性 | 接受放射治疗的非小细胞肺癌患者 | 机器学习 | 肺癌 | 深度学习 | 深度学习 | 数值数据 | 471名非小细胞肺癌患者 | NA | NA | NA | NA |
| 283 | 2024-09-06 |
Intelligently Quantifying the Entire Irregular Dental Structure
2024-04, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345241226871
PMID:38372132
|
研究论文 | 本文提出了一种人工智能测量工具，用于对不规则牙结构进行整体定量分析 | 本文创新性地使用了轻量级模型LU-Net，并通过补偿模块解决了边界不清晰导致的分割难题，同时进行了额外的牙釉质分割以建立测量坐标系统 | NA | 开发一种能够对不规则牙结构进行整体定量分析的工具，以满足临床需求 | 不规则牙结构，特别是腭骨 | 计算机视觉 | NA | 深度学习语义分割 | LU-Net | 图像 | 测试集中包含腭骨和牙釉质的样本 | NA | NA | NA | NA |
| 284 | 2024-09-06 |
B-mode US and Deep Learning Rivals Shear-Wave Elastography in Screening for Fibrosis
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.240868
PMID:38652032
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 285 | 2024-08-30 |
A Transformer-Based microvascular invasion classifier enhances prognostic stratification in HCC following radiofrequency ablation
2024-04, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.15846
PMID:38263714
|
研究论文 | 本研究开发了一种基于Transformer的深度学习网络，用于预测接受射频消融治疗的肝细胞癌患者的微血管侵犯风险，以提高预后分层的准确性。 | 使用Swin Transformer深度学习网络分析磁共振成像数据，预测微血管侵犯风险，为早期肝细胞癌患者提供了一种新的影像学预后标志物。 | 研究样本主要集中在乙型肝炎病毒感染的患者，且样本量相对较小，可能限制了研究结果的普适性。 | 开发一种新的深度学习模型，用于提高肝细胞癌患者在接受射频消融治疗后的预后分层准确性。 | 接受射频消融治疗的肝细胞癌患者，特别是早期阶段的患者。 | 机器学习 | 肝细胞癌 | 磁共振成像 | Swin Transformer | 影像数据 | 训练集包含696例手术切除患者，验证集包含180例患者。 | NA | NA | NA | NA |
| 286 | 2024-08-29 |
Deep Learning Nomogram for the Identification of Deep Stromal Invasion in Patients With Early-Stage Cervical Adenocarcinoma and Adenosquamous Carcinoma: A Multicenter Study
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28882
PMID:37392060
|
研究论文 | 本研究开发了一种深度学习诺模图，用于识别早期宫颈腺癌和腺鳞癌患者的深层基质侵犯 | 本研究通过整合临床独立风险因素和深度学习得分，构建了一种新的诺模图，用于评估深层基质侵犯，具有较高的准确性和诊断能力 | 本研究为回顾性研究，且仅在三个中心进行了验证 | 开发一种诺模图以准确识别宫颈腺癌/腺鳞癌中的深层基质侵犯，从而优化治疗决策 | 早期宫颈腺癌和腺鳞癌患者 | 计算机视觉 | 宫颈癌 | 深度学习 | Resnet18 | 图像 | 650名患者 | NA | NA | NA | NA |
| 287 | 2024-08-29 |
Radiomics and Deep Learning to Predict Pulmonary Nodule Metastasis at CT
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233356
PMID:38591975
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 288 | 2024-08-27 |
Gra-CRC-miRTar: The pre-trained nucleotide-to-graph neural networks to identify potential miRNA targets in colorectal cancer
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.15.589599
PMID:38659732
|
研究论文 | 本文提出了一种预训练的核苷酸到图神经网络框架Gra-CRC-miRTar，用于识别结直肠癌中的潜在miRNA靶点 | 构建了两个预训练模型来编码RNA序列并将其转换为de Bruijn图，使用不同的图神经网络学习潜在表示，并通过多层感知器进行预测任务 | NA | 提高结直肠癌治疗干预的基础 | 结直肠癌中的miRNA靶点 | 机器学习 | 结直肠癌 | 图神经网络 | 多层感知器（MLP） | RNA序列 | 201个实验验证的miRNA-mRNA对 | NA | NA | NA | NA |
| 289 | 2024-08-27 |
Left Ventricular Trabeculations at Cardiac MRI: Reference Ranges and Association with Cardiovascular Risk Factors in UK Biobank
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232455
PMID:38563665
|
研究论文 | 本研究利用深度学习算法对英国生物库的心脏MRI扫描进行自动分割，评估个体特征和心血管风险因素与左心室（LV）乳头肌质量（LVM）的关系，并建立健康参与者的正常参考范围 | 首次应用自动分割技术评估左心室乳头肌质量与心血管风险因素的关系，并建立了健康人群的年龄和性别特异性参考范围 | 研究仅包括白人成年参与者，可能限制了结果的普遍性 | 评估个体特征和心血管风险因素与左心室乳头肌质量的关系，并建立正常参考范围 | 左心室乳头肌质量及其与心血管风险因素的关系 | 数字病理学 | 心血管疾病 | 深度学习算法 | NA | 图像 | 共43,038名参与者，其中28,672人属于暴露组，7384人属于参考组 | NA | NA | NA | NA |
| 290 | 2024-08-27 |
Predicting Invasiveness of Lung Adenocarcinoma at Chest CT with Deep Learning Ternary Classification Models
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232057
PMID:38591974
|
研究论文 | 本文研究了使用深度学习三元分类模型在胸部CT上预测肺腺癌侵袭性的方法 | 提出了一种结合裁决方法的策略，通过框架优化、联合学习和裁决策略，提高了深度学习模型在分类肺腺癌侵袭性方面的性能 | 研究为回顾性研究，且仅在特定数据集上进行了验证 | 旨在确定包含裁决方法的策略是否能增强深度学习三元分类模型在预测肺腺癌侵袭性方面的性能，并保持对纯磨玻璃结节（pGGNs）的分类性能 | 肺腺癌的侵袭性分类 | 机器学习 | 肺腺癌 | 深度学习 | 三元分类模型 | CT影像 | 共4929个结节来自4483名患者，外部测试集包含361个pGGNs来自281名患者 | NA | NA | NA | NA |
| 291 | 2024-08-27 |
Clinical Utility of a CT-based AI Prognostic Model for Segmentectomy in Non-Small Cell Lung Cancer
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231793
PMID:38625008
|
研究论文 | 开发并验证了一种基于深度学习的预测模型，使用术前CT扫描和临床影像信息对接受肺段切除术的IA期非小细胞肺癌患者进行风险分层 | 该模型在自由复发和肺癌特异性生存方面表现出比日本临床肿瘤学组标准更高的敏感性 | 这是一项单中心回顾性研究，需要进一步的多中心研究来验证模型的有效性 | 开发和验证一种基于CT的深度学习预测模型，用于对接受肺段切除术的IA期非小细胞肺癌患者进行风险分层 | 接受肺段切除术的IA期非小细胞肺癌患者 | 机器学习 | 肺癌 | 深度学习 | DL模型 | 影像数据 | 预训练集包括1756名患者，内部集包括730名患者，肺段切除术测试集包括222名患者 | NA | NA | NA | NA |
| 292 | 2024-08-27 |
US-based Sequential Algorithm Integrating an AI Model for Advanced Liver Fibrosis Screening
2024-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.231461
PMID:38652028
|
研究论文 | 本研究构建了包含超声深度学习模型的序贯临床算法，并比较其与其它非侵入性测试预测晚期肝纤维化的能力 | 提出了一种结合FIB-4指数和超声深度学习模型的序贯算法，提高了诊断准确性和转诊管理 | NA | 构建序贯临床算法以提高晚期肝纤维化的筛查准确性 | 慢性肝病患者及肝功能异常但原因不明的成人患者 | 机器学习 | 肝病 | 超声深度学习 | 深度学习网络（FIB-Net） | 图像 | 训练集3067例，验证集1599例，测试集1228例 | NA | NA | NA | NA |
| 293 | 2024-08-24 |
BlastAssist: a deep learning pipeline to measure interpretable features of human embryos
2024-Apr-03, Human reproduction (Oxford, England)
DOI:10.1093/humrep/deae024
PMID:38396213
|
研究论文 | BlastAssist是一个深度学习管道，用于测量人类胚胎的可解释特征 | BlastAssist管道能够测量一组全面的可解释特征，并在测量这些特征方面与胚胎学家和人类专家的表现相当或更优 | 尚未在其他诊所或其他时间流逝显微镜系统上测试BlastAssist管道，且未考虑混杂变量 | 评估BlastAssist深度学习管道在测量人类胚胎可解释特征方面的性能 | 人类胚胎的可解释特征 | 机器学习 | NA | 深度学习 | CNN | 图像 | 67,043,973张图像（32,939个胚胎） | NA | NA | NA | NA |
| 294 | 2024-08-24 |
Editorial for "Weakly Supervised MRI Slice-Level Deep Learning Classification of Prostate Cancer Approximates Full Voxel- and Slice-Level Annotation: Effect of Increasing Training Set Size"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28885
PMID:37410060
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 295 | 2024-08-24 |
From Compressed-Sensing to Deep Learning MR: Comparative Biventricular Cardiac Function Analysis in a Patient Cohort
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28899
PMID:37435633
|
研究论文 | 本研究比较了压缩感知（CS）和人工智能（AI）在心脏电影成像中的应用，特别是在双心室功能分析中的效果 | 本研究展示了AI在快速心脏电影成像中的潜力，并比较了CS-cine和AI-cine与传统电影成像（Conv-cine）在双心室功能、图像质量和重建时间上的差异 | 本研究仅限于70名患者，可能需要更大规模的研究来验证结果 | 比较CS-cine和AI-cine与Conv-cine在定量双心室功能、图像质量和重建时间上的表现 | 70名患者（年龄39±15岁，54.3%为男性）的双心室功能参数 | 计算机视觉 | 心血管疾病 | 压缩感知（CS）和人工智能（AI） | NA | 图像 | 70名患者 | NA | NA | NA | NA |
| 296 | 2024-08-24 |
Editorial for "A Channel-Dimensional Feature-Reconstructed Deep Learning Model for Predicting Breast Cancer Molecular Subtypes on Overall b-Value Diffusion-Weighted MRI"
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28908
PMID:37501333
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 297 | 2024-08-24 |
Weakly Supervised MRI Slice-Level Deep Learning Classification of Prostate Cancer Approximates Full Voxel- and Slice-Level Annotation: Effect of Increasing Training Set Size
2024-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28891
PMID:37504495
|
研究论文 | 本研究比较了弱监督训练与全切片级标注训练在前列腺癌深度卷积分类网络中的效果，并探讨了增加训练集大小对模型性能的影响。 | 本研究展示了弱监督学习在减少标注工作量的同时，仍能保持性能，并且随着训练数据的增加，性能提升显著。 | 本研究仅限于回顾性分析，且依赖于特定的MRI序列和设备。 | 比较弱监督训练与全切片级标注训练在前列腺癌分类中的效果，并评估增加训练集大小对模型性能的影响。 | 前列腺癌的MRI图像分类。 | 计算机视觉 | 前列腺癌 | MRI | CNN | 图像 | 训练集：794个机构前列腺MRI检查 + 204个PROSTATEx检查；测试集：695个机构前列腺MRI检查 | NA | NA | NA | NA |
| 298 | 2024-08-23 |
DPI_CDF: druggable protein identifier using cascade deep forest
2024-Apr-05, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05744-3
PMID:38580921
|
研究论文 | 本文开发了一种基于深度学习的新模型DPI_CDF，用于预测基于蛋白质序列的可药物蛋白 | DPI_CDF模型结合了基于进化、生理化学和组成的蛋白质序列特性，通过分层深度森林模型融合这些编码方案，提高了预测准确性 | NA | 加速大规模可药物蛋白的识别，促进药物发现过程 | 可药物蛋白的识别 | 机器学习 | NA | 深度学习 | 深度森林模型 | 蛋白质序列 | 训练数据集和独立测试数据集 | NA | NA | NA | NA |
| 299 | 2024-08-22 |
Real-time visualization of dextran extravasation in intermittent hypoxia mice using noninvasive SWIR imaging
2024-04-01, American journal of physiology. Heart and circulatory physiology
DOI:10.1152/ajpheart.00787.2023
PMID:38363213
|
研究论文 | 本研究利用短波红外（SWIR）成像技术，结合血管分割和深度学习分析，实时监测间歇性低氧小鼠模型中的葡聚糖渗出情况 | 首次报道了间歇性低氧暴露14天后，小鼠模型中70 kDa葡聚糖的实时渗出增加 | NA | 研究间歇性低氧条件下血管通透性的变化 | C57Bl/6小鼠在间歇性低氧和常氧条件下的血管通透性 | 数字病理学 | 睡眠呼吸障碍 | 短波红外（SWIR）成像 | 深度学习 | 图像 | C57Bl/6小鼠在间歇性低氧和常氧条件下暴露14天 | NA | NA | NA | NA |
| 300 | 2024-08-21 |
AttnPep: A Self-Attention-Based Deep Learning Method for Peptide Identification in Shotgun Proteomics
2024-Apr-05, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.4c00147
PMID:38506788
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |