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 1034 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2024-08-07 |
Editorial for "Assessment of Lymphovascular Invasion in Breast Cancer Using a Combined MRI Morphological Features, Radiomics, and Deep Learning Approach Based on Dynamic Contrast-Enhanced MRI"
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29065
PMID:37855435
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 382 | 2024-08-27 |
Assessment of Lymphovascular Invasion in Breast Cancer Using a Combined MRI Morphological Features, Radiomics, and Deep Learning Approach Based on Dynamic Contrast-Enhanced MRI
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29060
PMID:37855421
|
研究论文 | 本研究开发了一种结合MRI形态学特征、放射组学和深度学习方法的模型，用于评估乳腺癌中的淋巴血管侵犯（LVI）状态。 | 本研究通过结合MRI形态学特征、放射组学和深度学习方法，开发了一种新的联合诊断模型，显著提高了LVI状态评估的准确性。 | 本研究为回顾性横断面队列研究，未来需要在前瞻性研究中验证模型的有效性。 | 开发一种有效的模型，用于通过MRI形态学特征、放射组学和深度学习方法评估乳腺癌患者的LVI状态。 | 乳腺癌患者的淋巴血管侵犯（LVI）状态。 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | 深度学习（DL） | 图像 | 206名乳腺癌患者，其中训练集136名，测试集70名。 | NA | NA | NA | NA |
| 383 | 2024-08-26 |
PSMA-positive prostatic volume prediction with deep learning based on T2-weighted MRI
2024-Jun, La Radiologia medica
DOI:10.1007/s11547-024-01820-z
PMID:38700556
|
研究论文 | 本研究旨在利用基于T2加权MRI的深度学习神经网络预测前列腺PSMA阳性体积 | 通过深度结构图像分析，能够检测到人类眼睛在MRI图像上无法识别的结构特征差异，从而预测病变是否为PSMA阳性 | 需要进一步的大规模队列研究和外部验证来评估PSMA摄取是否可以被准确预测 | 训练一个基于PSMA PET/MRI扫描的神经网络，以预测基于轴向T2加权序列的前列腺PSMA摄取增加 | 前列腺癌患者的前列腺PSMA阳性体积 | 计算机视觉 | 前列腺癌 | MRI | C-ENet | 图像 | 154例PSMA PET/MRI扫描，其中124例用于训练，30例用于测试 | NA | NA | NA | NA |
| 384 | 2024-08-25 |
SurvNet: A low-complexity convolutional neural network for survival time classification of patients with glioblastoma
2024-Jun-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e32870
PMID:38988550
|
研究论文 | 本文提出了一种名为SurvNet的低复杂度卷积神经网络，用于分类胶质母细胞瘤患者的生存时间 | SurvNet通过结合多种MRI模式作为输入，增强了预测模型的精确度，并在多个模型中表现最佳 | NA | 准确识别脑肿瘤患者的总体生存时间 | 胶质母细胞瘤患者的生存时间分类 | 机器学习 | 脑肿瘤 | MRI | CNN | 图像 | 预手术磁共振图像数据集 | NA | NA | NA | NA |
| 385 | 2024-08-25 |
Artificial intelligence can be used in the identification and classification of shoulder osteoarthritis and avascular necrosis on plain radiographs: a training study of 7,139 radiograph sets
2024-06-17, Acta orthopaedica
IF:2.5Q1
DOI:10.2340/17453674.2024.40905
PMID:38884536
|
研究论文 | 本研究使用深度学习模型在平片上识别和分类肩关节骨关节炎和无血管性坏死 | 首次展示了深度学习模型在平片上识别和分级肩关节骨关节炎和无血管性坏死的能力 | 模型在区分无和轻度肩关节骨关节炎等级方面存在挑战 | 分析深度学习模型在平片上识别和分级肩关节骨关节炎的表现，并训练模型识别和分级无血管性坏死 | 肩关节骨关节炎和无血管性坏死 | 计算机视觉 | 骨关节炎 | 深度学习 | ResNet类型网络 | 图像 | 7,139组肩部X光片 | NA | NA | NA | NA |
| 386 | 2024-08-25 |
Assessment of the current and emerging criteria for the histopathological classification of lung neuroendocrine tumours in the lungNENomics project
2024-Jun, ESMO open
IF:7.1Q1
DOI:10.1016/j.esmoop.2024.103591
PMID:38878324
|
研究论文 | 本研究评估了当前和新兴的组织病理学分类标准在肺神经内分泌肿瘤分类中的应用 | 研究了两种肿瘤增殖标志物Ki-67指数和磷酸化组蛋白H3（PHH3）蛋白表达，并通过深度学习自动量化 | 研究揭示Ki-67和PHH3蛋白表达并未显著提高当前分类的预后价值，且深度学习模型未发现具有诊断价值的未公开形态学特征 | 评估世界卫生组织（WHO）分类标准的优势和局限性，并评估新兴标志物的实用性 | 259例肺神经内分泌肿瘤（LNETs） | 数字病理学 | 肺肿瘤 | 深度学习 | 深度学习算法 | 图像 | 259例肺神经内分泌肿瘤，其中171例有相关生存数据 | NA | NA | NA | NA |
| 387 | 2024-08-24 |
Hyperparameter optimization: Classics, acceleration, online, multi-objective, and tools
2024-Jun-14, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024275
PMID:39176427
|
综述 | 本文综述了超参数优化（HPO）的发展历程，包括经典方法、加速策略、在线配置以及多目标优化，并介绍了相关的工具和框架 | 本文系统地总结了超参数优化的多种方法和工具，包括加速策略、动态算法配置和多目标优化 | NA | 旨在解决手动超参数调整的挑战，提高机器学习模型训练和推理的效率 | 超参数优化方法及其在机器学习模型中的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 388 | 2024-08-24 |
Image data augmentation techniques based on deep learning: A survey
2024-Jun-12, Mathematical biosciences and engineering : MBE
DOI:10.3934/mbe.2024272
PMID:39176424
|
综述 | 本文综述了基于深度学习的图像数据增强技术，分析了其优势和劣势，并探讨了在计算机视觉领域的应用和未来研究方向 | 提出并分析了多种图像数据增强方法，以解决数据有限情况下的模型过拟合问题 | 未具体提及 | 探讨图像数据增强技术如何提高模型性能和泛化能力 | 图像数据增强技术及其在计算机视觉中的应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 389 | 2024-08-22 |
Comparison of the use of a clinically implemented deep learning segmentation model with the simulated study setting for breast cancer patients receiving radiotherapy
2024-Jun-20, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2024.34986
PMID:38899395
|
研究论文 | 本研究比较了在临床实践中使用的深度学习分割模型与先前模拟研究设置中乳腺癌患者接受放射治疗的表现和可接受性 | 本研究首次比较了临床实施的深度学习分割模型与模拟研究设置中的表现差异 | 研究未涉及其他类型的癌症患者，且仅限于特定的淋巴结水平 | 评估临床实施的深度学习分割模型在乳腺癌放射治疗中的表现和可接受性 | 乳腺癌患者接受放射治疗的深度学习分割模型 | 机器学习 | 乳腺癌 | 深度学习 | 深度学习分割模型 | 图像 | 60名接受全乳房放射治疗的患者 | NA | NA | NA | NA |
| 390 | 2024-08-21 |
Predicting treatment response in multicenter non-small cell lung cancer patients based on federated learning
2024-Jun-05, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-12456-7
PMID:38840081
|
研究论文 | 本文基于联邦学习框架，设计了一种多中心非小细胞肺癌患者治疗反应预测模型，以预测非小细胞肺癌患者的缓解概率，同时确保医疗数据隐私和高预测准确性及计算效率。 | 本文采用联邦学习方法，通过在本地保留数据、进行本地模型训练和聚合模型参数，有效解决了多中心数据直接整合的挑战，同时保证了患者隐私和数据安全。 | NA | 开发一种能够有效预测多中心非小细胞肺癌患者化疗和放疗反应的模型，同时保护患者隐私。 | 非小细胞肺癌患者及其治疗反应。 | 机器学习 | 肺癌 | 联邦学习 | CNN | 图像 | 245名接受化疗和放疗的非小细胞肺癌患者 | NA | NA | NA | NA |
| 391 | 2024-08-21 |
Spatial and geometric learning for classification of breast tumors from multi-center ultrasound images: a hybrid learning approach
2024-Jun-05, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01307-3
PMID:38840240
|
研究论文 | 本研究开发了一种混合学习方法，用于从多中心超声图像中分类乳腺肿瘤，提取更多潜在特征 | 提出了一种结合卷积神经网络（CNN）和图神经网络（GNN）的混合学习方法，从空间和几何层面提取特征 | NA | 开发一种辅助工具，帮助医生决定是否进行进一步的检查或治疗 | 乳腺肿瘤的分类 | 机器学习 | 乳腺癌 | 深度学习 | CNN 和 GNN | 图像 | 使用了三个多中心数据集（BUSI, BUS, OASBUD） | NA | NA | NA | NA |
| 392 | 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 | NA | NA | NA | NA |
| 393 | 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 | NA | NA | NA | NA |
| 394 | 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 | NA | NA | NA | NA |
| 395 | 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。 | NA | NA | NA | NA |
| 396 | 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 | NA | NA | NA | NA |
| 397 | 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 | NA | NA | NA | NA |
| 398 | 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 | NA | NA | NA | NA |
| 399 | 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 | NA | NA | NA | NA |
| 400 | 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) | NA | NA | NA | NA |