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 1297 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-08-04 |
Deep learning pose detection model for sow locomotion
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62151-7
PMID:39013897
|
研究论文 | 本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。 | 提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。 | 当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。 | 开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。 | 母猪，特别是不同跛行评分的个体。 | 计算机视觉 | NA | 深度学习 | LEAP架构 | 视频 | 使用了来自不同跛行评分母猪的视频图像数据库 | NA | NA | NA | NA |
| 742 | 2024-08-04 |
Deep learning application of vertebral compression fracture detection using mask R-CNN
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67017-6
PMID:39009647
|
研究论文 | 本研究开发了一种基于深度学习的椎体压缩骨折检测模型 | 创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较 | 研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨 | 旨在提供一种工具以改进椎体压缩骨折的早期诊断 | 研究对象为胸腰椎区域的椎体压缩骨折 | 数字病理学 | NA | 深度学习 | Mask R-CNN | 影像 | 487张侧位X光片，包含598个骨折 | NA | NA | NA | NA |
| 743 | 2024-08-04 |
Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models
2024-07-15, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202304-0767OC
PMID:38471111
|
研究论文 | 通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。 | 提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。 | 研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。 | 利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。 | 涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 深度学习 | 多模态深度学习模型 | 图像 | 内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者 | NA | NA | NA | NA |
| 744 | 2024-08-04 |
Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67130-6
PMID:39009636
|
研究论文 | 本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法 | 该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能 | 未提及具体的限制 | 研究FLAIR图像中斑块的分割能力 | 研究对象为100名患有活动性脑斑块的多发性硬化症患者 | 数字病理学 | 多发性硬化症 | 卷积神经网络（CNN） | DeepLabV3Plus SE | MRI切片图像 | 分析了100名患者，使用了1500个标记切片进行深度学习 | NA | NA | NA | NA |
| 745 | 2024-08-04 |
Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65795-7
PMID:39003269
|
研究论文 | 本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法 | 提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题 | 尚未详细说明当前方法在不同临床场景下的适用性和局限性 | 旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持 | 主要研究对象为脊椎的3D重建 | 数字病理学 | NA | 深度学习 | NA | 图像 | 基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验 | NA | NA | NA | NA |
| 746 | 2024-08-04 |
Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67217-0
PMID:39003325
|
研究论文 | 评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性 | 提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性 | 研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性 | 旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策 | 280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶 | 数字病理学 | 乳腺癌 | MRI | 多层感知器 (MLP) | 影像 | 280 名患者 | NA | NA | NA | NA |
| 747 | 2024-08-04 |
Establishment of a corneal ulcer prognostic model based on machine learning
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66608-7
PMID:38997339
|
研究论文 | 本文建立了一种基于机器学习的角膜溃疡预后模型 | 提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类 | 仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限 | 分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略 | 研究对象为角膜溃疡患者的临床数据和裂隙灯图像 | 机器学习 | NA | 机器学习算法，包括XGBoost和LightGBM | 深度学习模型 | 图像和临床数据 | 4973个裂隙灯图像和240个临床病例数据 | NA | NA | NA | NA |
| 748 | 2024-08-04 |
Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66839-8
PMID:38997404
|
研究论文 | 本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。 | 创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。 | 研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。 | 旨在提高对运动学生疲劳状态的监测精度。 | 研究对象为参与体育活动的学生。 | 机器学习 | NA | 光电容积脉搏波 (PPG) | 深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM) | 信号 | 在本研究中使用了多个PPG信号的数据集进行训练 | NA | NA | NA | NA |
| 749 | 2024-08-04 |
Efficient musculoskeletal annotation using free-form deformation
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67125-3
PMID:38992241
|
研究论文 | 该文章介绍了一种高效的工具，用于非专家进行肌肉分割的注释 | 开发了一种新工具，通过自由形变简化了医学图像的注释过程 | 本研究未提及工具在不同类型医学图像中的适用性 | 探索通过非专家进行自动肌肉分割数据集创建的方法 | 评估非专家使用该工具进行肌肉分割的效果 | 数字病理学 | NA | 自由形变 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 750 | 2024-08-04 |
Artificial intelligence-enhanced electrocardiography analysis as a promising tool for predicting obstructive coronary artery disease in patients with stable angina
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae038
PMID:39081950
|
研究论文 | 本文探讨了基于人工智能的心电图分析在预测稳定性心绞痛患者阻塞性冠状动脉疾病中的临床可行性 | 使用深度学习框架分析心电图并开发风险评分系统，首次在大样本中验证其有效性 | 本研究未进行多中心外部验证，仅限于已有的数据集 | 评估AI驱动的心电图分析在预测阻塞性冠状动脉疾病中的实用性 | 稳定性心绞痛患者中的心电图数据 | 机器学习 | 心血管疾病 | 深度学习 | NA | 图像 | 50,756张心电图图像，来自21,866名患者，外部验证中4517名患者 | NA | NA | NA | NA |
| 751 | 2024-08-04 |
Machine learning in cardiac stress test interpretation: a systematic review
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae027
PMID:39081945
|
综述 | 本文系统回顾了机器学习在心脏压力测试解读中的应用 | 探讨了机器学习应用于心脏压力测试解读的潜力，并展示了相关模型在敏感性和特异性上的改进 | 研究的样本量较小，且排除了核压力测试 | 评估机器学习在冠状动脉疾病压力测试解读中的应用 | 涉及压力心电图和压力超声心动图的机器学习模型 | 机器学习 | 心脏病 | 机器学习，深度学习，自然语言处理 | NA | 数据分析结果 | 七项相关研究的结果 | NA | NA | NA | NA |
| 752 | 2024-08-04 |
Hypertrophic cardiomyopathy detection with artificial intelligence electrocardiography in international cohorts: an external validation study
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae029
PMID:39081936
|
研究论文 | 该研究评估了一种基于深度学习的人工智能-心电图算法在国际队列中检测肥厚型心肌病的表现 | 这项研究在多国人群中验证了AI-心电图算法的外部有效性，展示了该算法在临床应用中的潜在价值 | 该研究的前瞻性评估尚未进行，需要进一步验证算法在临床实践中的应用效果 | 评估AI-心电图算法在不同国际人群中检测肥厚型心肌病的表现 | 来自瑞士、英国和韩国的患者，包括773名肥厚型心肌病患者和3867名非肥厚型心肌病对照 | 心血管疾病 | 肥厚型心肌病 | 人工智能心电图 | 卷积神经网络 | 心电图 | 773名肥厚型心肌病患者和3867名非肥厚型心肌病对照 | NA | NA | NA | NA |
| 753 | 2024-08-04 |
Comparative analysis of deep-learning-based bone age estimation between whole lateral cephalometric and the cervical vertebral region in children
2024-Jul, The Journal of clinical pediatric dentistry
IF:1.5Q2
DOI:10.22514/jocpd.2024.093
PMID:39087230
|
研究论文 | 本研究旨在开发一种基于深度学习的骨龄评估模型，比较全侧面头影测量和颈椎区域在儿童中的应用 | 采用了两种预训练的卷积神经网络进行模型构建，并首次展示了使用颅面骨骼和牙齿进行骨龄评估的可行性 | 本研究为回顾性研究，仅使用了特定医院的数据，可能存在样本选择偏差 | 研究儿童的骨龄评估方法，以便改善对生长儿童的诊断和治疗 | 研究对象为年龄在4到18岁之间的1050名儿童患者 | 数字病理学 | NA | 深度学习，尤其是卷积神经网络 | InceptionResNet-v2 和 NasNet-Large | 影像 | 1050名接受侧面头影测量和手腕放射摄影的儿童 | NA | NA | NA | NA |
| 754 | 2024-08-04 |
Prospects for artificial intelligence-enhanced electrocardiogram as a unified screening tool for cardiac and non-cardiac conditions: an explorative study in emergency care
2024-Jul, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae039
PMID:39081937
|
研究论文 | 这项研究调查了单一深度学习模型在急诊部门预测心脏和非心脏疾病的能力 | 提出了一种能够处理多种心脏和非心脏诊断的统一筛查工具 | 研究集中于急诊病人，可能不适用于其他场景 | 探索深度学习模型在多种疾病诊断中的应用 | 单一的心电图（ECG）数据 | 机器学习 | 心血管疾病 | 深度学习 | NA | 心电图 | NA | NA | NA | NA | NA |
| 755 | 2024-08-04 |
Deep learning for discrimination of active and inactive lesions in multiple sclerosis using non-contrast FLAIR MRI: A multicenter study
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105642
PMID:38703520
|
研究论文 | 本研究调查了使用非对比FLAIR型MRI数据，深度学习在区分多发性硬化症中活跃与非活跃病变的能力。 | 提出了一种无创的非对比MRI替代方法，利用深度学习技术区分病变状态。 | 研究主要集中在FLAIR图像上，未考虑其他多种成像方式。 | 旨在准确区分多发性硬化症中的活跃与非活跃病变。 | 研究对象为130名多发性硬化症患者的9097幅病变图像。 | 计算机视觉 | 多发性硬化症 | FLAIR MRI | 卷积神经网络（CNN） | 图像 | 9097幅病变图像，来自130名患者 | NA | NA | NA | NA |
| 756 | 2024-08-05 |
Utilising deep learning networks to classify ZEB2 expression images in cervical cancer
2024-Jul-30, British journal of hospital medicine (London, England : 2005)
DOI:10.12968/hmed.2024.0156
PMID:39078889
|
研究论文 | 本研究提出了一种混合深度学习系统，用于基于ZEB2表达对宫颈癌图像进行分类 | 集成了多种卷积神经网络模型（EfficientNet、DenseNet和InceptionNet）并采用梯度加权类激活映射（Grad-CAM）技术来提高模型决策的可解释性 | 未来的工作将集中在提高模型的准确性以及探索其对其他癌症类型的适用性 | 研究开发一种有效且可解释的深度学习模型，以提高宫颈癌的早期诊断能力 | 宫颈癌图像及其中的ZEB2表达水平 | 计算机视觉 | 宫颈癌 | 深度学习 | 卷积神经网络 | 图像 | 649张注释图像 | NA | NA | NA | NA |
| 757 | 2024-08-05 |
High precision deep-learning model combined with high-throughput screening to discover fused [5,5] biheterocyclic energetic materials with excellent comprehensive properties
2024-Jul-26, RSC advances
IF:3.9Q2
DOI:10.1039/d4ra03233k
PMID:39077321
|
研究论文 | 本文提出了一种结合深度学习模型和高通量筛选的有效方法，以发现性能优异的[5,5]双杂环能量材料 | 创新点在于使用嵌入特征的有向信息传递神经网络建立了高预测准确性的深度学习模型 | 在文中未提及研究的限制 | 研究旨在快速发现具有高能量和优良热稳定性的能量材料 | 研究对象是[5,5]双杂环能量材料及其性能 | 机器学习 | NA | 密度泛函理论计算 (DFT) | 有向信息传递神经网络 | NA | 选出了1种具有良好爆轰性能和热稳定性的材料 | NA | NA | NA | NA |
| 758 | 2024-08-05 |
Exploring Implicit Biological Heterogeneity in ASD Diagnosis Using a Multi-Head Attention Graph Neural Network
2024-Jul-17, Journal of integrative neuroscience
IF:2.5Q3
DOI:10.31083/j.jin2307135
PMID:39082298
|
研究论文 | 本文提出了一种新型深度学习方法，利用多头注意力图神经网络探索自闭症谱系障碍（ASD）的隐性生物异质性 | 创新点在于采用多头注意力机制建模功能连接图，能够同时模拟与ASD相关的复杂大脑连接模式 | 该研究未提及样本的多样性以外的限制因素 | 研究目的在于提高ASD的诊断准确性和推动神经科学研究 | 研究对象为自闭症患者的脑部成像数据 | 数字病理学 | 自闭症谱系障碍 | 功能连接（FC）图建模 | 图神经网络 | 脑部成像数据 | 使用了来自自闭症脑成像数据交换（ABIDE）I和II的异质性队列数据 | NA | NA | NA | NA |
| 759 | 2024-08-04 |
Morphological classification of neurons based on Sugeno fuzzy integration and multi-classifier fusion
2024-07-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66797-1
PMID:38992081
|
研究论文 | 本文提出了一种基于Sugeno模糊积分和多分类器融合的神经元形态分类方法 | 采用了三种优化的深度学习模型融合，通过Sugeno模糊积分提升分类准确率 | 未提及模型在其他数据集或实际应用中性能的表现 | 准确分类神经元类型以提取重要的形态特征 | 神经元图像的分类 | 计算机视觉 | NA | 深度学习 | AlexNet, VGG11_bn, ResNet-50 | 图像 | Img_raw, Img_resample, Img_XYalign数据集，分类准确率为四分类98.04%, 91.75%, 93.13%; 十二分类97.82%, 85.68%, 87.60% | NA | NA | NA | NA |
| 760 | 2024-08-04 |
Selection of pre-trained weights for transfer learning in automated cytomegalovirus retinitis classification
2024-07-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67121-7
PMID:38987446
|
研究论文 | 本研究探讨了利用不同预训练权重进行自动化细胞巨病毒视网膜炎分类的有效性 | 提出了一种顺序转移学习方法，通过不同的数据集预训练权重，提高了细胞巨病毒视网膜炎的分类精度与效率 | 该研究的模型依赖于有限数量的细胞巨病毒视网膜炎图像，可能影响模型的普适性 | 研究旨在改进细胞巨病毒视网膜炎的自动化诊断 | 研究对象为来自Siriraj医院的955幅视网膜图像，包括524幅细胞巨病毒视网膜炎图像和431幅正常图像 | 计算机视觉 | 细胞巨病毒视网膜炎 | 卷积神经网络（CNN） | DenseNet121 | 图像 | 955幅视网膜图像（524幅CMVR和431幅正常图像） | NA | NA | NA | NA |