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 922 篇文献，本页显示第 561 - 580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 561 | 2024-08-05 |
Generalization of a Deep Learning Model for Continuous Glucose Monitoring-Based Hypoglycemia Prediction: Algorithm Development and Validation Study
2024-May-24, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/56909
PMID:38801705
|
研究论文 | 本研究验证了基于长期短期记忆网络(LSTM)的低血糖预测模型在不同糖尿病亚型人群中的有效性 | 该研究展示了LSTM模型在多样人群中对低血糖预测的稳健性和广泛适应性 | 该研究可能未考虑所有影响低血糖预测的环境或生理因素，样本主要集中于糖尿病患者 | 验证LSTM低血糖预测模型在不同亚型糖尿病患者中的准确性 | 193名中国糖尿病患者和427名美欧血统患者 | 机器学习 | 糖尿病 | LSTM, 支持向量机(SVM), 随机森林(RF) | LSTM | 连续血糖监测数据 | 192名中国糖尿病患者和427名美欧血统患者 | NA | NA | NA | NA |
| 562 | 2024-08-05 |
Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system
2024-May-21, Cell reports. Medicine
DOI:10.1016/j.xcrm.2024.101536
PMID:38697103
|
研究论文 | 本研究通过深度学习系统增强组织学图像中肿瘤微环境(TME)信息，以改善癌症预后。 | 提出了一种集成图像与图形深度学习的模型(IGI-DL)，在预测ST表达方面显著优于现有方法，并开发了基于TME的癌症预后预测模型。 | 临床可用性受限于空间转录组学(ST)技术，未提供ST数据的患者可能无法直接利用成果。 | 研究旨在通过分析肿瘤微环境改善癌症预后。 | 研究对象是缺少ST数据的癌症患者及其组织学图像。 | 数字病理学 | 乳腺癌与结直肠癌 | 深度学习系统 | 集成图像与图形深度学习模型(IGI-DL) | 组织学图像 | The Cancer Genome Atlas乳腺癌和结直肠癌队列，以及外部的分子与细胞肿瘤学结直肠癌队列的样本 | NA | NA | NA | NA |
| 563 | 2024-08-05 |
The application of deep learning in abdominal trauma diagnosis by CT imaging
2024-05-06, World journal of emergency surgery : WJES
IF:6.0Q1
DOI:10.1186/s13017-024-00546-7
PMID:38711150
|
研究论文 | 本文开发了一种基于深度学习算法的CT影像腹部创伤诊断方法 | 提出了一种新的深度学习算法用于初步筛查腹部内脏损伤 | 未提及具体的局限性 | 研究目标是提高腹部创伤的CT影像解读准确性 | 使用来自Kaggle竞争的数据集，包括3147名患者 | 计算机视觉 | 创伤 | 深度学习 | 2D语义分割和2.5D分类模型 | 影像 | 3147名患者，855名腹部创伤患者 | NA | NA | NA | NA |
| 564 | 2024-08-05 |
NEATmap: a high-efficiency deep learning approach for whole mouse brain neuronal activity trace mapping
2024-May, National science review
IF:16.3Q1
DOI:10.1093/nsr/nwae109
PMID:38831937
|
研究论文 | 介绍NEATmap，一种高效的深度学习方法，用于全脑神经元活动追踪映射 | NEATmap是一个自动分割和定量分析的深度学习软件，具有高效率和高精度 | 尚未提及研究的限制 | 量化分析鼠脑中被激活神经元以定位对刺激反应的神经元 | 使用NEATmap研究小鼠在物理和心理压力下的全脑神经元激活 | 数字病理学 | NA | 免疫荧光标记 | 深度学习 | 体积成像数据 | 多个小鼠队列的样本 | NA | NA | NA | NA |
| 565 | 2024-08-05 |
A Survey of Deep Learning for Detecting miRNA- Disease Associations: Databases, Computational Methods, Challenges, and Future Directions
2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3351752
PMID:38194377
|
综述 | 本文综述了使用深度学习检测miRNA与疾病关联的研究进展 | 总结了现有的基于深度学习的miRNA-疾病关联计算方法，并提出未来研究方向 | 现有方法的性能评估和不同计算方法之间的比较问题尚未得到充分解决 | 探讨深度学习在miRNA-疾病关联预测中的应用及其潜在研究方向 | miRNA-疾病关联及相关的数据库和计算方法 | 计算机视觉 | NA | 深度学习 | 深度学习和图神经网络 | 数据库和计算模型 | 48种现有计算方法 | NA | NA | NA | NA |
| 566 | 2024-08-05 |
Convolutional Neural Network-Based Prediction of Axial Length Using Color Fundus Photography
2024-May-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.5.23
PMID:38809531
|
研究论文 | 本研究开发了基于卷积神经网络的模型，通过彩色眼底摄影预测眼轴长度。 | 创新点在于利用彩色眼底摄影结合年龄和性别信息，提高了眼轴长度预测的准确性。 | 所使用的部分彩色眼底图像质量较差，可能会影响预测结果的可靠性。 | 研究目的是提高基于彩色眼底摄影的眼轴长度预测的准确性。 | 本研究对象为467名参与者的1105幅 Fundus 图像。 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 467名参与者的1105幅彩色眼底图像 | NA | NA | NA | NA |
| 567 | 2024-08-05 |
GenCoder: A Novel Convolutional Neural Network Based Autoencoder for Genomic Sequence Data Compression
2024 May-Jun, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3366240
PMID:38358865
|
研究论文 | 本文提出了一种名为GenCoder的基于卷积自编码器的基因组序列数据压缩新算法 | 该算法实现了不损失信息的基因组序列压缩和重构 | 尚未提到特定的限制因素 | 研究如何对基因组序列数据进行无损压缩 | 基因组序列数据 | 机器学习 | NA | 卷积自编码器 | 自编码器 | 基因组序列数据 | 在多个基因组和基准数据集上进行评估 | NA | NA | NA | NA |
| 568 | 2024-08-05 |
Natalizumab reduces loss of gray matter and thalamic volume in patients with relapsing-remitting multiple sclerosis: A post hoc analysis from the randomized, placebo-controlled AFFIRM trial
2024-May, Multiple sclerosis (Houndmills, Basingstoke, England)
DOI:10.1177/13524585241235055
PMID:38469809
|
研究论文 | 本研究分析了Natalizumab在复发-缓解型多发性硬化症患者中对灰质和丘脑萎缩的影响 | 提供了首个安慰剂对照的证据，支持Natalizumab治疗可以减轻灰质和丘脑萎缩 | 本研究为事后分析，可能存在偏倚 | 评估Natalizumab对灰质和丘脑萎缩的影响 | 复发-缓解型多发性硬化症患者 | 数字病理学 | 多发性硬化症 | 深度学习图像分割 | NA | MRI数据 | NCT00027300中的复发-缓解型多发性硬化症患者的MRI数据 | NA | NA | NA | NA |
| 569 | 2024-08-05 |
Dynamics and patterns of recurrence in neovascular AMD during real-world management using automated fluid monitoring
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31567
PMID:38826751
|
研究论文 | 本研究调查了新生血管性老年性黄斑变性(nAMD)在真实世界管理中的复发液体的数量和分布 | 利用经过监管批准的深度学习算法定量分析nAMD患者在抗VEGF治疗后的液体复发模式 | 本研究为回顾性研究，样本来自单一中心，结果可能无法广泛推广 | 探讨新生血管性老年性黄斑变性患者在治疗中断后的复发液体动态 | 56名符合纳入标准的nAMD患者的眼睛数据 | 数字病理学 | 老年性黄斑变性 | 深度学习算法 | NA | 临床数据 | 56 | NA | NA | NA | NA |
| 570 | 2024-08-05 |
Worldwide research landscape of artificial intelligence in lung disease: A scientometric study
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31129
PMID:38826704
|
研究论文 | 对人工智能在肺部疾病应用的文献计量分析以了解该领域的现状和新兴趋势 | 完成了对人工智能在肺部疾病研究中的全面文献计量分析，揭示了出版物数量的快速增长和主要研究人员 | 没有深入分析具体的临床应用或技术细节 | 分析人工智能在肺部疾病研究中的应用现状及发展趋势 | 人工智能在肺部疾病研究中的发表论文 | 数字病理学 | 肺癌 | 深度学习 | 卷积神经网络 | 文献数据 | 总共5210篇论文 | NA | NA | NA | NA |
| 571 | 2024-08-05 |
Performance evaluation of E-VGG19 model: Enhancing real-time skin cancer detection and classification
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31488
PMID:38826726
|
研究论文 | 本文增强了VGG19预训练模型，以提高皮肤癌的实时检测和分类能力 | 论文通过结合传统分类器与E-VGG19模型，显著提高了皮肤癌检测和分类的整体精度 | 未提及具体限制 | 改善皮肤癌的早期检测和分类以提高患者的治疗效果 | 使用包含恶性和良性病例的皮肤病变数据集进行模型的训练和评估 | 计算机视觉 | 皮肤癌 | 深度学习 | E-VGG19及其他预训练模型 | 图像 | 包含恶性和良性皮肤病变样本的皮肤病变数据集 | NA | NA | NA | NA |
| 572 | 2024-08-05 |
Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images
2024-May-29, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02517-z
PMID:38811961
|
研究论文 | 这项研究开发了一种深度学习算法，用于基于鼻内镜图像的鼻腔肿块的计算机辅助诊断 | 提出了一种新的基于深度学习的网络模型，采用课程学习方法以提高鼻腔肿块的分类性能 | 存在一些误分类的情况，需进一步优化模型的准确性 | 提高鼻内镜图像对鼻息肉和倒生乳头状瘤的临床诊断准确性 | 鼻息肉和倒生乳头状瘤的鼻内镜图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 573 | 2024-08-05 |
Deep Learning Approaches for Medical Image Analysis and Diagnosis
2024-May, Cureus
DOI:10.7759/cureus.59507
PMID:38826977
|
研究论文 | 深度学习技术改善了医学影像分析和诊断的准确性和效率 | 探索深度学习算法在医学影像和临床决策支持系统中的多模态数据分析能力 | 未提及具体的局限性 | 研究深度学习在医学影像分析和诊断中的应用潜力 | 医学影像、临床工作流和患者护理 | 计算机视觉 | NA | 深度学习算法 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 574 | 2024-08-05 |
Deep learning applications for kidney histology analysis
2024-05-01, Current opinion in nephrology and hypertension
IF:2.2Q2
DOI:10.1097/MNH.0000000000000973
PMID:38411024
|
研究论文 | 本文讨论了深度学习在肾脏病理学分析中的应用和挑战 | 探讨了深度学习在肾脏病理学中应用的最新进展及其潜力 | 存在缺乏前瞻性证据和现实场景测试的问题 | 旨在提高肾脏组织学分析的定量和定性 | 主要集中于肾脏病理学的诊断和疾病进展预测 | 数字病理学 | 肾脏病 | 深度学习 | NA | 成像和临床数据 | NA | NA | NA | NA | NA |
| 575 | 2024-08-05 |
Surveying the landscape of diagnostic imaging in dentistry's future: Four emerging technologies with promise
2024-May, Journal of the American Dental Association (1939)
DOI:10.1016/j.adaj.2024.01.005
PMID:38520421
|
综述 | 本文提供了关于四种有前景的牙科诊断成像新兴技术的信息 | 突出展示了人工智能（深度学习与卷积神经网络）、牙科磁共振成像等新兴技术的潜力及其发展现状 | 未明确提及各技术的具体应用案例及实施中的挑战 | 探讨新兴技术对未来牙科诊断成像的潜在影响 | 涉及四种新兴的牙科诊断成像技术 | 数字病理学 | NA | 深度学习, 磁共振成像, 立体口腔断层扫描, 碳纳米管技术的锥束计算机断层扫描 | 卷积神经网络 | 影像 | NA | NA | NA | NA | NA |
| 576 | 2024-08-05 |
Applicability of Artificial Intelligence in the Field of Clinical Lipidology: A Narrative Review
2024-May, Journal of lipid and atherosclerosis
DOI:10.12997/jla.2024.13.2.111
PMID:38826186
|
综述 | 本文回顾了人工智能在临床脂质学中的应用 | 探讨了人工智能在家庭型高胆固醇血症诊断和低密度脂蛋白胆固醇水平估计等多个方面的创新应用 | 对人工智能技术的伦理困境、透明性、有限的可重复性和方法学限制进行了讨论 | 评估人工智能在临床脂质学中的应用 | 探讨了多项研究涉及的脂质相关的临床问题 | 机器学习 | NA | 人工智能 | 深度学习 | 文献 | NA | NA | NA | NA | NA |
| 577 | 2024-08-07 |
Rapid identification of medicinal plants via visual feature-based deep learning
2024-May-31, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01202-6
PMID:38822406
|
研究论文 | 本研究利用自研设备获取高分辨率数据，构建了一个视觉多品种中药材图像数据集，并提出了一种新的混合监督预训练网络，通过结合全局特征和局部细节，有效提升了特征捕获能力。 | 提出了一种随机局部数据增强预处理方法和一种新的混合监督预训练网络，通过引入并行分类分支和新的损失函数，增强了特征捕获能力和训练效率。 | NA | 准确识别中药材，避免因加工条件和栽培环境差异影响临床安全和药物疗效。 | 中药材 | 计算机视觉 | NA | 深度学习 | Masked Autoencoders (MAE) | 图像 | 多品种中药材图像数据集 | NA | NA | NA | NA |
| 578 | 2024-08-07 |
DASUNet: a deeply supervised change detection network integrating full-scale features
2024-May-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63257-8
PMID:38816456
|
研究论文 | 本文提出了一种深度监督的变化检测网络DASUNet，该网络采用孪生架构，融合全尺度特征信息，并实现端到端训练 | DASUNet网络通过采用空洞空间金字塔池化模块和深度监督模块，有效融合了全尺度特征信息，提高了特征信息的获取能力 | NA | 提高变化检测技术的准确性和应用范围 | 变化检测技术中的特征信息融合 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 在CDD和WHU-CD数据集上进行了实验，分别达到了94.32%和90.37%的F1分数 | NA | NA | NA | NA |
| 579 | 2024-08-07 |
Interdisciplinary approach to identify language markers for post-traumatic stress disorder using machine learning and deep learning
2024-05-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61557-7
PMID:38816468
|
研究论文 | 本研究探讨了语言作为创伤后应激障碍（PTSD）的潜在诊断生物标志物的可能性，通过分析2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据，采用跨学科方法结合精神病学、语言学和自然语言处理技术，评估语言特征与PTSD之间的关系。 | 本研究首次采用跨学科方法，结合精神病学、语言学和自然语言处理技术，探讨语言作为PTSD的诊断生物标志物，并提出了一种三步法的方法论。 | 研究样本仅限于2015年巴黎恐怖袭击事件后的个体，可能限制了结果的普遍性。 | 探讨语言作为创伤后应激障碍的诊断生物标志物的可能性，并提出一种跨学科的方法论。 | 2015年11月13日巴黎恐怖袭击事件后148名个体的访谈数据。 | 自然语言处理 | 心理疾病 | 机器学习, 深度学习 | 机器学习模型, 深度学习模型 | 文本 | 148名个体 | NA | NA | NA | NA |
| 580 | 2024-08-07 |
A review of machine learning methods for cancer characterization from microbiome data
2024-May-30, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00617-7
PMID:38816569
|
综述 | 本文综述了从微生物组数据中利用机器学习方法进行癌症特征化的研究 | 提出了基于随机森林的方法，并探讨了利用深度学习和改进的机器学习模型来提高模型性能和泛化能力的可能性 | 当前方法在临床广泛应用上仍不足，且存在模型泛化能力差的问题 | 探讨机器学习方法在从微生物组数据中进行癌症特征化的应用 | 微生物组数据与癌症特征化 | 机器学习 | NA | 机器学习 | 随机森林 | 微生物组数据 | NA | NA | NA | NA | NA |