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 925 篇文献，本页显示第 881 - 900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 881 | 2024-08-07 |
A deep learning-based method for the prediction of temporal lobe injury in patients with nasopharyngeal carcinoma
2024-May, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.103362
PMID:38653120
|
研究论文 | 本文建立了一种基于深度学习的模型，用于预测鼻咽癌患者放射治疗引起的颞叶损伤 | 该研究采用三维卷积网络和剂量组学方法提取颞叶内剂量分布的空间特征，并使用最小冗余最大相关性方法筛选特征，建立预测模型 | NA | 旨在预测放射治疗引起的颞叶损伤 | 鼻咽癌患者 | 机器学习 | 鼻咽癌 | 三维卷积网络（C3D） | 机器学习分类器（包括逻辑回归、k近邻、支持向量机和随机森林） | 剂量体积直方图 | 127名鼻咽癌患者 | NA | NA | NA | NA |
| 882 | 2024-08-07 |
Integrated neural network and evolutionary algorithm approach for liver fibrosis staging: Can artificial intelligence reduce patient costs?
2024-May, JGH open : an open access journal of gastroenterology and hepatology
IF:1.7Q3
DOI:10.1002/jgh3.13075
PMID:38725944
|
研究论文 | 本文旨在设计并评估一种利用教学学习优化算法（TLBO）的人工神经网络（ANN）方法，用于预测血液捐赠者和丙型肝炎患者的肝纤维化阶段 | 提出了一种新的算法，该算法减少了所需的病人特征数量至七个输入，并实现了与现有研究相似的准确性 | NA | 设计并评估一种新的人工神经网络方法，用于预测肝纤维化阶段，以减少患者成本 | 血液捐赠者和丙型肝炎患者的肝纤维化阶段 | 机器学习 | 肝病 | 人工神经网络（ANN） | 多层感知器（MLP）神经网络 | 数据集 | 血液捐赠者和丙型肝炎患者的数据集 | NA | NA | NA | NA |
| 883 | 2024-08-07 |
DFUSNN: zero-shot dual-domain fusion unsupervised neural network for parallel MRI reconstruction
2024-May-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad3dbc
PMID:38604186
|
研究论文 | 本文介绍了一种名为DFUSNN的零样本双域融合无监督神经网络，用于并行MRI重建，无需外部训练数据集 | 提出了零样本双域融合无监督神经网络DFUSNN，结合Noise2Noise网络和贝叶斯优化方法，提高了重建质量 | NA | 开发一种不依赖外部训练数据集的高质量MRI重建方法 | 并行MRI图像重建 | 机器学习 | NA | Noise2Noise网络，贝叶斯优化 | 神经网络 | k-space数据 | 三个不同欠采样模式的模拟数据集 | NA | NA | NA | NA |
| 884 | 2024-08-07 |
Use of Artificial Intelligence With Deep Learning Approaches for the Follow-up of Infrarenal Endovascular Aortic Repair
2024-May-09, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists
IF:1.7Q2
DOI:10.1177/15266028241252097
PMID:38721876
|
研究论文 | 本研究评估了一种基于人工智能的软件PRAEVAorta在评估EVAR术后随访期间形态学变化、检测内漏以及与EVAR相关不良事件关联的能力。 | PRAEVAorta软件能够提供更精确和快速的评估，通过自动检测内漏和全面的解剖评估，提高了诊断准确性和患者管理效率。 | NA | 评估基于人工智能的软件在EVAR术后随访中的应用效果。 | EVAR术后患者的形态学变化、内漏检测及与EVAR相关不良事件的关联。 | 数字病理 | 心血管疾病 | AI-based imaging analysis | NA | 影像 | 56名患者 | NA | NA | NA | NA |
| 885 | 2024-08-07 |
A comparative study of an on premise AutoML solution for medical image classification
2024-05-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60429-4
PMID:38714764
|
研究论文 | 本文比较了基于本地的AutoML解决方案AutoKeras在医学图像分类中的表现 | 探索了常见参数选择（如试验次数和输入图像分辨率）对AutoML在医学图像分类中性能的影响 | AutoKeras虽然性能优越，但训练时间较长 | 评估AutoKeras在医学图像分类中的有效性及其参数选择的影响 | 五个公共医学数据集，涵盖多种成像模式 | 计算机视觉 | NA | AutoML | 深度学习架构 | 图像 | 五个公共医学数据集 | NA | NA | NA | NA |
| 886 | 2024-08-07 |
Precise and automated lung cancer cell classification using deep neural network with multiscale features and model distillation
2024-05-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61101-7
PMID:38714840
|
研究论文 | 本研究开发了一种基于深度学习的模型，利用特征金字塔网络（FPN）和挤压激励（SE）模块结合残差网络（ResNet18）进行肺癌细胞的精确和自动化分类 | 本研究采用了多尺度特征和模型蒸馏技术，通过从大型教师模型中提取知识到更紧凑的学生模型，进一步提升了模型性能 | NA | 提高肺癌细胞分类的精确度和稳定性 | 肺癌细胞的分类，特别是腺癌、鳞状细胞癌和小细胞肺癌的鉴别诊断 | 机器学习 | 肺癌 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 887 | 2024-08-07 |
Hemodynamic factors of spontaneous vertebral artery dissecting aneurysms assessed with numerical and deep learning algorithms: Role of blood pressure and asymmetry
2024-May, Neuro-Chirurgie
DOI:10.1016/j.neuchi.2023.101519
PMID:38280371
|
研究论文 | 本文使用计算流体动力学（CFD）和深度学习算法研究自发椎动脉夹层动脉瘤（SVADA）的血液动力学因素 | 本文开发了软件，能够利用患者影像重建椎基底动脉系统，并训练神经常微分方程（NODE）学习并复制从CFD模拟中获得的动态流线 | NA | 研究自发椎动脉夹层动脉瘤形成的血液动力学因素 | 自发椎动脉夹层动脉瘤的血液动力学因素 | 计算机视觉 | NA | 计算流体动力学（CFD） | 神经常微分方程（NODE） | 影像 | 三名患者 | NA | NA | NA | NA |
| 888 | 2024-08-07 |
One-stop detection of anterior cruciate ligament injuries on magnetic resonance imaging using deep learning with multicenter validation
2024-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1539
PMID:38720839
|
研究论文 | 本研究开发了一种深度学习模型，利用膝关节磁共振成像（MRI）进行前交叉韧带（ACL）损伤的综合自动化检测，并在多中心数据集上进行了验证 | 首次采用深度学习技术，结合特定的YOLOv5m和ResNet-18 CNN架构，实现了对ACL损伤的自动化检测，提高了诊断的准确性和效率 | 研究主要基于回顾性数据，且模型在不同数据集上的表现存在差异，需要进一步的前瞻性研究和更大规模的数据验证 | 开发一种基于MRI的深度学习模型，用于自动化检测前交叉韧带损伤，以提高诊断的客观性和效率 | 前交叉韧带损伤的检测 | 机器学习 | 运动损伤 | 深度学习 | YOLOv5m, ResNet-18 CNN | MRI图像 | 1589个膝关节样本，包括1443个完整、90个部分撕裂和56个完全撕裂 | NA | NA | NA | NA |
| 889 | 2024-08-07 |
Deep learning image reconstruction of diffusion-weighted imaging in evaluation of prostate cancer focusing on its clinical implications
2024-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1379
PMID:38720859
|
研究论文 | 本研究旨在探讨深度学习重建（DLR）技术在扩散加权成像（DWI）中对前列腺癌（PCa）图像质量的提升及其对临床评估的影响 | 本研究首次评估了DLR技术在DWI中对前列腺癌图像质量的提升效果，并分析了其对PI-RADS评分的影响 | 研究为回顾性研究，样本量有限，且仅在一家医院进行 | 评估DLR技术在DWI中对前列腺癌图像质量的提升及其对PI-RADS评分的影响 | 前列腺癌患者的扩散加权成像（DWI）图像 | 数字病理学 | 前列腺癌 | 深度学习重建（DLR） | NA | 图像 | 70名前列腺癌患者 | NA | NA | NA | NA |
| 890 | 2024-08-07 |
Semi-supervised learning in diagnosis of infant hip dysplasia towards multisource ultrasound images
2024-May-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1384
PMID:38720865
|
研究论文 | 本文提出了一种基于特征金字塔网络和对比学习方案的半监督学习方法，用于诊断婴儿髋关节发育不良，通过多源超声图像进行识别 | 该方法利用大量未标记的超声图像和少量标记的解剖结构数据，通过对比学习提高了地标识别和标准平面识别的准确性 | NA | 开发一种能够利用多源超声图像进行婴儿髋关节发育不良自动诊断的半监督学习方法 | 493名婴儿的髋关节超声图像 | 计算机视觉 | 儿科疾病 | 半监督学习 | 特征金字塔网络 (FPN), Siamese架构 | 图像 | 493名婴儿的超声图像 | NA | NA | NA | NA |
| 891 | 2024-08-07 |
Accurate structure prediction of biomolecular interactions with AlphaFold 3
2024-May-08, Nature
IF:50.5Q1
DOI:10.1038/s41586-024-07487-w
PMID:38718835
|
研究论文 | 本文介绍了AlphaFold 3模型，该模型采用更新后的基于扩散的架构，能够联合预测包括蛋白质、核酸、小分子、离子和修饰残基在内的复合物结构 | AlphaFold 3模型在蛋白质-配体相互作用、蛋白质-核酸相互作用以及抗体-抗原预测方面均显著优于现有工具 | NA | 旨在提高生物分子相互作用结构预测的准确性 | 蛋白质、核酸、小分子、离子和修饰残基的复合物结构 | 机器学习 | NA | 深度学习 | AlphaFold 3 | 结构数据 | NA | NA | NA | NA | NA |
| 892 | 2024-08-07 |
Automated detection of steno-occlusive lesion on time-of-flight magnetic resonance angiography: an observer performance study
2024-May-07, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8334
PMID:38719612
|
研究论文 | 本研究旨在验证一种人工智能模型在检测颅内动脉狭窄闭塞性病变中的临床效用 | 本研究首次评估了人工智能方法在检测颅内动脉病理病变中的临床益处，特别是在提高检测准确性和减少阅读时间方面 | 尽管人工智能模型提高了检测准确性，但使用该模型后阅读时间有所增加 | 验证人工智能模型在检测颅内动脉狭窄闭塞性病变中的临床效用 | 颅内动脉狭窄闭塞性病变 | 计算机视觉 | 脑血管疾病 | NA | 人工智能模型 | 图像 | 138张TOF-MRA图像 | NA | NA | NA | NA |
| 893 | 2024-08-07 |
Deep learning sheds new light on non-orthogonal optical multiplexing
2024-May-06, Light, science & applications
DOI:10.1038/s41377-024-01460-y
PMID:38710686
|
研究论文 | 提出了一种用于非正交输入通道编码的深度神经网络，通过多模光纤恢复散斑图像 | 该方法为通过散射介质的非正交光学复用提供了新的视角 | NA | 探索通过散射介质的非正交光学复用的新方法 | 非正交输入通道编码及散斑图像恢复 | 机器学习 | NA | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 894 | 2024-08-07 |
A comprehensive laser image dataset for real-time measurement of wheelset geometric parameters
2024-May-06, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03288-y
PMID:38710697
|
研究论文 | 本文构建了一个公开的轮对激光图像数据集（WLI-Set），用于实时测量轮对几何参数 | 首次构建了一个包含丰富标注的多线激光条纹图像的公开轮对数据集，有助于推动轮对研究 | NA | 开发一个高质量的轮对图像数据集，以支持深度学习模型在轮对几何参数测量中的应用 | 轮对图像及其几何参数 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 包含四个子数据集（原始、修复、分割和中心线）的轮对激光图像数据集 | NA | NA | NA | NA |
| 895 | 2024-08-07 |
Enhancing tuberculosis vaccine development: a deconvolution neural network approach for multi-epitope prediction
2024-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59291-1
PMID:38710737
|
研究论文 | 本文首次采用基于解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM）的深度学习框架，用于预测针对六种Mtb H37Rv蛋白的Mtb多表位疫苗（MtbMEV）亚单位，以增强结核病疫苗的开发。 | 首次应用深度学习框架DCNN-BiLSTM于结核病多表位疫苗预测，模型准确率达到99.5%，优于其他机器学习模型。 | 研究结果需通过进一步的实验验证，以建立未来临床试验的候选疫苗。 | 开发针对结核病的高效疫苗。 | 针对六种Mtb H37Rv蛋白的Mtb多表位疫苗亚单位。 | 机器学习 | 结核病 | 解卷积神经网络（DCNN）和双向长短期记忆网络（DCNN-BiLSTM） | DCNN-BiLSTM | 蛋白质数据 | 六种Mtb H37Rv蛋白 | NA | NA | NA | NA |
| 896 | 2024-08-07 |
Smart traffic management of vehicles using faster R-CNN based deep learning method
2024-May-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60596-4
PMID:38710753
|
研究论文 | 本文研究了一种基于Faster R-CNN深度学习方法的智能车辆交通管理技术 | 提出了一种四步法解决车辆分割问题，包括自适应背景模型最小化、Faster R-CNN子网操作、初始细化及扩展拓扑主动网结果优化 | 未明确提及 | 解决智能车辆交通管理中的车辆分割问题 | 车辆分割、交通密度估计和车辆追踪 | 计算机视觉 | NA | Faster R-CNN | CNN | 视频 | 未明确提及 | NA | NA | NA | NA |
| 897 | 2024-08-07 |
Detecting emotions through EEG signals based on modified convolutional fuzzy neural network
2024-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60977-9
PMID:38710806
|
研究论文 | 本研究通过改进的卷积模糊神经网络基于脑电信号进行情绪识别 | 本研究改进了卷积模糊神经网络（CFNN）的架构，以提高情绪识别的准确性和可靠性 | NA | 提高基于脑电信号的情绪识别系统的准确性和可靠性 | 脑电信号的情绪识别 | 机器学习 | NA | 脑电图（EEG） | 卷积模糊神经网络（CFNN） | 脑电信号 | 未具体说明样本数量 | NA | NA | NA | NA |
| 898 | 2024-08-07 |
Toward robust and high-throughput detection of seed defects in X-ray images via deep learning
2024-May-06, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01195-2
PMID:38711143
|
研究论文 | 本文提出了一种基于深度学习的2D X射线图像种子缺陷检测方法，通过X-Robustifier管道实现快速且鲁棒的检测。 | 引入了特定的数据增强技术以补偿缺陷比例低的问题，并提高了对X射线成像系统物理参数变化的鲁棒性。 | NA | 优化种子批次的品质，通过非破坏性成像技术检测种子内部缺陷。 | 种子中的缺陷检测。 | 计算机视觉 | NA | X射线成像 | 物体检测神经网络 | 图像 | 缺陷和无缺陷的种子2D X射线图像 | NA | NA | NA | NA |
| 899 | 2024-08-07 |
Glaucoma detection using non-perfused areas in OCTA
2024-05-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60839-4
PMID:38705883
|
研究论文 | 本文提出了一种基于光学相干断层扫描血管成像（OCTA）中非灌注区域的概率密度函数特征，用于区分青光眼患者和健康对照的新方法 | 该方法通过计算灌注距离区域的特征，减少了血管分割错误的影响，并且在不同毛细血管丛上的表现优于使用手工特征的先前方法 | 该方法依赖于血管分割的准确性，尽管灌注距离测量对分割错误较不敏感，但仍可能受其影响 | 旨在开发一种更敏感且计算效率高的方法，用于通过OCTA图像检测青光眼 | 青光眼患者和健康对照者的OCTA图像中的非灌注区域 | 数字病理学 | 青光眼 | 光学相干断层扫描血管成像（OCTA） | NA | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 900 | 2024-08-07 |
VitTCR: A deep learning method for peptide recognition prediction
2024-May-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109770
PMID:38711451
|
研究论文 | 本研究介绍了基于视觉转换器（ViT）架构的预测模型VitTCR，旨在识别T细胞受体（TCR）与肽之间的相互作用，这对开发癌症免疫疗法和疫苗至关重要 | VitTCR通过使用Atchley因子将TCR-肽相互作用转换为数值AtchleyMaps进行预测，并集成了来自氨基酸接触概率的位置偏置权重矩阵（PBWM）以提高准确性 | 需要进一步的比较研究以理解VitTCR在不同情境下的有效性 | 开发一种计算工具，用于预测TCR-肽相互作用，为免疫疗法和疫苗开发提供见解 | T细胞受体（TCR）与肽之间的相互作用 | 机器学习 | NA | 视觉转换器（ViT） | ViT | 数值AtchleyMaps | NA | NA | NA | NA | NA |