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！
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。
当前共找到 1068 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-08-21 |
Contrast-Enhanced CT-Based Deep Learning Radiomics Nomogram for the Survival Prediction in Gallbladder Cancer
2024-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.027
PMID:38061942
|
研究论文 | 本研究提出了一种基于对比增强CT图像的集成模型，结合临床特征、放射组学和深度学习，用于预测胆囊癌患者手术后的生存率 | 本研究首次将临床特征、放射组学和深度学习相结合，形成一个统一的多模态模型，用于胆囊癌患者的生存预测 | 本研究为回顾性研究，样本量相对较小，未来需要在前瞻性研究和更大样本量的基础上进行验证 | 开发一种准确的预后模型，以促进胆囊癌治疗策略的发展 | 胆囊癌患者手术后的生存预测 | 机器学习 | 胆囊癌 | 对比增强CT | DenseNet121 | 图像 | 167名胆囊癌手术患者 |
| 242 | 2024-08-21 |
Fusion Radiomics-Based Prediction of Response to Neoadjuvant Chemotherapy for Osteosarcoma
2024-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.015
PMID:38151381
|
研究论文 | 本研究旨在开发一种深度学习放射组学模型，用于准确预测骨肉瘤患者对新辅助化疗的反应 | 本研究首次采用深度学习放射组学模型来预测骨肉瘤患者对新辅助化疗的反应 | NA | 开发一种深度学习放射组学模型，以准确预测骨肉瘤患者对新辅助化疗的反应 | 骨肉瘤患者对新辅助化疗的反应 | 机器学习 | 骨肉瘤 | 深度学习放射组学 | 深度学习模型 | MRI图像 | 106名经病理证实的骨肉瘤患者 |
| 243 | 2024-08-21 |
Habitat Radiomics Based on MRI for Predicting Platinum Resistance in Patients with High-Grade Serous Ovarian Carcinoma: A Multicenter Study
2024-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.038
PMID:38129227
|
研究论文 | 本研究旨在探讨基于MRI的栖息地放射组学预测高级别浆液性卵巢癌患者对铂类化疗反应的可行性，并与传统放射组学和深度学习模型进行比较 | 提出了一种基于MRI的栖息地放射组学模型，该模型在预测铂类化疗反应方面优于传统放射组学和深度学习模型 | 研究为回顾性研究，样本来自三家医院，可能存在选择偏倚 | 探索基于MRI的栖息地放射组学预测高级别浆液性卵巢癌患者对铂类化疗反应的可行性 | 高级别浆液性卵巢癌患者 | 数字病理学 | 卵巢癌 | MRI | K-means算法 | 图像 | 394名患者 |
| 244 | 2024-08-18 |
Identifying prey capture events of a free-ranging marine predator using bio-logger data and deep learning
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240271
PMID:39100157
|
研究论文 | 本文开发了一种新方法，利用三轴加速度和深度数据通过深度学习神经网络量化帽带企鹅的捕食率，并通过动物携带的视频进行验证 | 本文创新性地使用深度学习算法处理生物记录传感器产生的大量数据，以稳健估计潜水海洋捕食者的捕食事件 | NA | 开发一种创新方法来估计潜水海洋捕食者的猎物消耗量 | 帽带企鹅及其捕食行为 | 机器学习 | NA | 深度学习 | CNN 和 V-Net | 加速度和深度数据 | 41只帽带企鹅 |
| 245 | 2024-08-18 |
Optimal sampling of spatial patterns improves deep learning-based early warning signals of critical transitions
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.231767
PMID:39100181
|
研究论文 | 本文开发了一种先进的机器学习工具包，称为空间早期预警信号网络（S-EWSNet），用于预测复杂时空系统中的关键转变类型。 | 通过最优采样策略（OSS）让深度神经网络学习潜在特征，提高了对关键转变类型的预测能力。 | NA | 解决预测关键转变类型（突然与平滑）的难题。 | 复杂时空系统中的关键转变类型。 | 机器学习 | NA | 机器学习 | 深度神经网络 | 时空数据 | 模拟和实证样本 |
| 246 | 2024-08-18 |
How many specimens make a sufficient training set for automated three-dimensional feature extraction?
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240113
PMID:39100182
|
research paper | 本研究探讨了用于自动化三维特征提取的深度学习模型所需的最小训练图像数量，并评估了数据增强对提高网络准确性的效果 | 本研究首次探讨了数据增强在三维图像特征提取中的应用，并揭示了其对提高模型准确性的潜力 | 研究主要集中在内部结构的体积和形状测量上，对于外部结构的挑战性较低 | 确定用于自动化三维特征提取的深度学习模型所需的最小训练图像数量 | 50个浮游有孔虫标本 | computer vision | NA | deep learning | NA | three-dimensional images | 50个浮游有孔虫标本 |
| 247 | 2024-08-16 |
Forecasting the consumptions of coagulation tests using a deep learning model
2024-Jun-15, Journal of medical biochemistry
IF:2.0Q4
DOI:10.5937/jomb0-40244
PMID:39139177
|
研究论文 | 本文开发了一种基于客观数据的模型，用于预测凝血测试的未来消耗量，该模型在COVID-19疫情期间显示出高度可变的消耗量。 | 本文采用外部输入非线性自回归人工神经网络（NARX）模型，有效预测了凝血测试的消耗量，特别是在COVID-19疫情期间的波动情况。 | NA | 旨在提高实验室服务的效率和可靠性，通过预测凝血测试的消耗量来优化资源规划。 | 凝血测试（PTT、aPTT、D-dimer、纤维蛋白原）的月消耗量及不同类型入院人数。 | 机器学习 | NA | 外部输入非线性自回归人工神经网络（NARX） | NARX | 数值数据 | 数据收集时间从2018年12月至2021年7月，每月凝血测试消耗量及各类入院人数。 |
| 248 | 2024-08-11 |
Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound
2024-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3384815
PMID:38857123
|
研究论文 | 本文研究了一种机器到机器（M2M）转移函数方法，用于在基于深度学习的定量超声（QUS）中减少数据不匹配问题 | 引入了M2M转移函数，能够减少深度学习模型开发成本，并实现多源数据或扫描器的组合以及机器间的模型转移 | 文章未明确提及具体的局限性 | 探索并改进基于深度学习的定量超声中的数据匹配问题 | 研究M2M转移函数在不同超声扫描器和探头间的应用效果 | 机器学习 | NA | 定量超声（QUS） | 深度学习模型 | 超声数据 | 使用了SonixOne和Verasonics两种机器，配备L9-4和L11-5两种探头进行数据采集 |
| 249 | 2024-08-09 |
Imaging at the nexus: how state of the art imaging techniques can enhance our understanding of cancer and fibrosis
2024-Jun-13, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05379-1
PMID:38872212
|
研究论文 | 本文详细介绍了最新的成像技术在癌症和纤维化疾病诊断中的应用及其相互促进的研究进展 | 介绍了多种成像技术如PET、MRI、SGHI、超声、放射组学和人工智能在癌症和纤维化诊断中的创新应用 | NA | 探讨成像技术在癌症和纤维化疾病早期准确诊断中的应用 | 癌症和纤维化疾病 | 数字病理学 | NA | 正电子发射断层扫描(PET), 磁共振成像(MRI), 第二代谐波成像(SGHI), 超声(US), 放射组学, 人工智能(AI) | 深度学习(DL) | 图像 | NA |
| 250 | 2024-08-09 |
Source-free unsupervised domain adaptation: A survey
2024-Jun, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106230
PMID:38490115
|
综述 | 本文从技术角度对现有的无源域无监督域适应（SFUDA）方法进行了系统的文献综述 | 提出了对SFUDA方法的分类，包括白盒SFUDA和黑盒SFUDA，并进一步细分为不同的学习策略子类别 | 讨论了每个子类别方法的挑战，以及白盒和黑盒SFUDA方法的优缺点 | 综述无源域无监督域适应方法，探讨其未来发展方向 | 无源域无监督域适应方法及其应用 | 机器学习 | NA | 深度学习 | NA | NA | NA |
| 251 | 2024-08-07 |
Correction to: Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-Jun-12, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01160-4
PMID:38864948
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 252 | 2024-08-07 |
Prediction model of early recurrence of multimodal hepatocellular carcinoma with tensor fusion
2024-Jun-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad4f45
PMID:38776945
|
研究论文 | 本文提出了一种基于张量融合的多模态肝细胞癌早期复发预测模型 | 引入了张量融合方法处理多尺度多维数据融合，并首次考虑了肝脏背景的影响，通过深度学习分割算法将其整合到特征提取过程中 | NA | 提高肝细胞癌术后复发预测的准确性 | 肝细胞癌的早期复发 | 数字病理学 | 肝癌 | 张量融合技术 | 深度学习模型 | 图像 | 176例病例用于训练和交叉验证，40例病例用于外部测试 |
| 253 | 2024-08-07 |
Automated wound segmentation and classification of seven common injuries in forensic medicine
2024-Jun, Forensic science, medicine, and pathology
DOI:10.1007/s12024-023-00668-5
PMID:37378809
|
研究论文 | 该文章提出了一种自动化的方法来分割和分类法医学中的七种常见伤害 | 研究通过训练和比较多种深度学习架构，提高了法医伤害评分和报告的效率 | 模型在区分背景与受伤区域方面存在困难，并且某些伤害类型的伤口边界不清晰 | 提高法医医学调查中伤害评估的准确性和加速报告的过程 | 对法医学相关图片中的伤口进行自动分割和分类 | 计算机视觉 | NA | 深度学习 | NA | 图片 | 法医学相关照片数据库中的样本 |
| 254 | 2024-08-05 |
DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data
2024-Jun-27, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14070766
PMID:39062480
|
研究论文 | 该文章介绍了一种新型计算工具DeepIMAGER，用于从scRNA-seq数据中推断细胞特异性基因调控网络 | DeepIMAGER通过深度学习和数据整合，将基因对的共表达模式转化为类似图像的表示，结合转录因子结合信息进行模型训练 | 使用的模型在某些情况下可能仍然存在假阳性的问题，尽管有较好的表现 | 揭示不同细胞类型中基因调控网络的动态变化 | 多种细胞类型中的基因调控网络 | 计算机视觉 | 多发性骨髓瘤 | scRNA-seq | 深度学习模型 | 基因表达数据 | 六种细胞系的综合数据集 |
| 255 | 2024-08-05 |
Rapid and Precise Diagnosis of Retroperitoneal Liposarcoma with Deep-Learned Label-Free Molecular Microscopy
2024-06-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c05417
PMID:38810149
|
研究论文 | 本研究结合双标记自由的非线性光学模态，通过深度学习实现了对Retroperitoneal Liposarcoma的快速准确诊断 | 采用了双模态成像技术结合深度学习，显著提高了对WDLPS的检测精度和灵敏度 | 研究样本数量相对较少，仅涉及35例RLPS和34例正常脂肪样本 | 旨在提高Retroperitoneal Liposarcoma的术中诊断准确性 | 研究对象为35例Retroperitoneal Liposarcoma患者的组织样本和正常脂肪样本 | 数字病理 | 肺脂肪肉瘤 | 刺激拉曼散射(SRS)显微镜和二次谐波生成(SHG)显微镜 | ResNeXt101 | 组织图像 | 35例Retroperitoneal Liposarcoma和34例正常脂肪样本 |
| 256 | 2024-08-05 |
Reversible Fusion-Fission MXene Fiber-Based Microelectrodes for Target-Specific Gram-Positive and Gram-Negative Bacterium Discrimination
2024-06-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c01314
PMID:38818541
|
研究论文 | 本文开发了可逆融合-裂变MXene基纤维微电极用于分析革兰氏阳性和革兰氏阴性细菌 | 提出了一种新的微电极设计，通过可逆融合来提高微电极的灵敏度和选择性 | 没有提到关于不同菌株的比较或长期稳定性的研究 | 提高革兰氏阳性和阴性细菌的快速诊断能力 | 聚焦于革兰氏阳性和革兰氏阴性细菌的识别和定量 | 数字病理学 | NA | 电化学阻抗谱 | 深度学习模型 | 样本浓度数据 | 多种比例浓度的细菌样本 (1:100-100:1) |
| 257 | 2024-08-04 |
Combining three-dimensional acoustic coring and a convolutional neural network to quantify species contributions to benthic ecosystems
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240042
PMID:39092142
|
研究论文 | 本文开发了一种三维声学取芯系统，能够非侵入性地可视化底栖无脊椎动物的存在和活动 | 结合三维声学取芯与深度学习技术，有效地提供了物种与沉积物相互作用的详细机制信息 | 主要利用实验室环境进行测试，可能限制了在自然环境中的应用 | 量化物种对底栖生态系统的贡献 | 底栖无脊椎动物 | 数字病理学 | NA | 声学取芯 | 三维卷积神经网络 | 图像 | NA |
| 258 | 2024-08-04 |
Transformer-Based Multilabel Deep Learning Model Is Efficient for Detecting Ankle Lateral and Medial Ligament Injuries on Magnetic Resonance Imaging and Improving Clinicians' Diagnostic Accuracy for Rotational Chronic Ankle Instability
2024-Jun-12, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2024.05.027
PMID:38876447
|
研究论文 | 该文章开发了一种基于变压器的深度学习模型，用于检测踝关节的外侧和内侧韧带损伤，并提高临床医生在诊断旋转性慢性踝关节不稳定性方面的准确性 | 这项研究创新性地使用变压器-based 多标签深度学习模型（AnkleNet）来同时识别踝关节的韧带损伤，并与传统的卷积神经网络模型进行比较 | 研究的局限性在于模型的外部验证是基于回顾性收集的数据，可能存在样本选择偏差 | 研究的目的是开发一个深度学习模型，帮助诊断踝关节的韧带损伤和慢性踝关节不稳定性 | 研究对象为经关节镜确诊为慢性踝关节不稳定性（CAI）的患者和那些排除韧带损伤的患者 | 计算机视觉 | NA | 深度学习 | 变压器模型 | 磁共振成像（MRI） | 在3个中心之间回顾性收集的踝关节MRI数据，涉及多个患者，具体样本量未明确说明 |
| 259 | 2024-08-07 |
External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study: Erratum
2024-Jun-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006291
PMID:38752829
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 260 | 2024-08-04 |
Application of deep learning radiomics in oral squamous cell carcinoma-Extracting more information from medical images using advanced feature analysis
2024-Jun, Journal of stomatology, oral and maxillofacial surgery
DOI:10.1016/j.jormas.2024.101840
PMID:38548062
|
meta-analysis | 本文对深度学习放射组学在口腔鳞状细胞癌中的应用进行了系统评估 | 总结和分析了深度学习放射组学在口腔鳞状细胞癌诊断及预后预测中的最新进展 | 指出了目前深度学习放射组学的缺点及其未来发展方向 | 评估深度学习放射组学在口腔鳞状细胞癌中的应用 | 包括64,731张医学图像的26项研究 | digital pathology | 口腔鳞状细胞癌 | 深度学习 | NA | 医学图像 | 64,731张医学图像 |