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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202404-202404] [清除筛选条件]
当前共找到 365 篇文献,本页显示第 141 - 160 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
141 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
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
142 2024-08-29
Radiomics and Deep Learning to Predict Pulmonary Nodule Metastasis at CT
2024-04, Radiology IF:12.1Q1
NA NA NA NA NA NA NA NA NA NA NA NA
143 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
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
144 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
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
145 2024-08-27
Predicting Invasiveness of Lung Adenocarcinoma at Chest CT with Deep Learning Ternary Classification Models
2024-04, Radiology IF:12.1Q1
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
146 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
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
147 2024-08-27
US-based Sequential Algorithm Integrating an AI Model for Advanced Liver Fibrosis Screening
2024-04, Radiology IF:12.1Q1
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
148 2024-08-24
BlastAssist: a deep learning pipeline to measure interpretable features of human embryos
2024-Apr-03, Human reproduction (Oxford, England)
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)
149 2024-08-24
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
研究论文 本研究开发了一种新的深度学习模型,利用整体b值扩散加权磁共振成像(DW-MRI)预测乳腺癌分子亚型,无需使用对比剂,并与动态对比增强磁共振成像(DCE-MRI)进行性能比较 提出了一种通道维度特征重构(CDFR)深度神经网络(DNN),用于预测乳腺癌分子亚型,该模型在DW-MRI上的预测性能显著优于非CDFR-DNN NA 开发一种新的深度学习模型,以充分利用整体b值DW-MRI的潜力,无需对比剂,预测乳腺癌分子亚型 486名女性乳腺癌患者 机器学习 乳腺癌 扩散加权磁共振成像(DW-MRI) 深度神经网络(DNN) 图像 486名女性乳腺癌患者(训练/验证/测试:64%/16%/20%)
150 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
NA NA NA NA NA NA NA NA NA NA NA NA
151 2024-08-24
Editorial for "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
NA NA NA NA NA NA NA NA NA NA NA NA
152 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
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
153 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
NA NA NA NA NA NA NA NA NA NA NA NA
154 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
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
155 2024-08-23
DPI_CDF: druggable protein identifier using cascade deep forest
2024-Apr-05, BMC bioinformatics IF:2.9Q1
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
156 2024-08-22
Biometric contrastive learning for data-efficient deep learning from electrocardiographic images
2024-04-03, Journal of the American Medical Informatics Association : JAMIA IF:4.7Q1
研究论文 本文介绍了一种名为生物特征对比学习(BCL)的自监督预训练方法,用于从心电图(ECG)图像中进行标签高效深度学习,以检测心脏病。 BCL方法通过利用来自同一患者的不同ECG图像的生物特征签名,提高了开发ECG图像AI模型的效率。 NA 开发一种自监督预训练方法,以提高从ECG图像中进行深度学习的标签效率。 从心电图(ECG)图像中检测心房颤动(AF)、性别和左室射血分数(LVEF)<40%。 机器学习 心血管疾病 卷积神经网络(CNN) CNN 图像 使用来自耶鲁大学的78,288名个体的成对ECG数据进行训练,并使用2015年至2021年的ECG数据进行微调和外部测试。
157 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
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
158 2024-08-21
Sequential Contrastive and Deep Learning Models to Identify Selective Butyrylcholinesterase Inhibitors
2024-04-22, Journal of chemical information and modeling IF:5.6Q1
research paper 本研究探索了多种机器学习策略来识别选择性丁酰胆碱酯酶(BChE)抑制剂,优化了精确度指标,并比较了监督对比学习(CL)、深度学习(DL)和随机森林(RF)机器学习模型在单次和顺序建模配置中的表现。 本研究采用了监督对比学习和深度学习模型,结合随机森林机器学习,以提高识别选择性BChE抑制剂的精确度。 研究仅测试了20种化合物,样本量较小,可能影响模型预测的广泛适用性。 旨在开发高效的机器学习模型,用于识别选择性丁酰胆碱酯酶抑制剂,以治疗晚期阿尔茨海默病(AD)。 选择性丁酰胆碱酯酶抑制剂的识别和优化。 machine learning 阿尔茨海默病 NA 监督对比学习(CL)、深度学习(DL)、随机森林(RF) 化合物 500万种化合物中的20种被测试
159 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
NA NA NA NA NA NA NA NA NA NA NA NA
160 2024-08-21
Challenges in Reducing Bias Using Post-Processing Fairness for Breast Cancer Stage Classification with Deep Learning
2024-Apr, Algorithms IF:1.8Q2
研究论文 本文研究了使用深度学习模型进行乳腺癌分期分类时,通过后处理公平性减少偏差的挑战 量化了在训练数据中某些人口群体代表性不足的情况下,模型预测乳腺癌阶段的偏差,并探讨了后处理调整对改善模型性能的影响 后处理调整后,只有部分模型显示出性能改善,表明使用后处理实现公平性的挑战仍然存在 探讨在乳腺癌医学影像模型中减少偏差的方法 乳腺癌分期分类的深度学习模型 机器学习 乳腺癌 深度学习 深度学习模型 医学影像 1000个活检样本来自842名患者
回到顶部