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 1092 篇文献，本页显示第 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2024-08-05 |
Development and validation of a predictive model for vertebral fracture risk in osteoporosis patients
2024-Aug, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08235-4
PMID:38955868
|
研究论文 | 本研究旨在开发和验证一个针对骨质疏松患者椎体骨折风险的预测模型 | 通过整合人口统计学、骨密度、CT成像和深度学习放射组学特征，提出了一种新颖的综合预测模型 | NA | 研究旨在评估骨质疏松患者椎体骨折风险的预测能力 | 169名确诊为骨质疏松的患者 | 数字病理学 | 骨质疏松 | 深度转移学习（DTL） | Cox比例风险模型 | CT图像 | 169名患者（椎体骨折组77名，非骨折组92名） |
| 942 | 2024-08-04 |
Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals
2024-Aug-01, Aging and disease
IF:7.0Q1
DOI:10.14336/AD.2023.0820
PMID:37728587
|
研究论文 | 腹部脂肪与大脑健康日益相关，研究展示了腹部脂肪对大脑容积丧失的预测能力 | 本研究发现内脏脂肪是预测多个大脑区域容积丧失的可调节因素，且提供了年龄和性别调整后的相关性分析 | 仅在健康参与者中进行，可能不适用于有其他健康问题的人群，且未考虑其他潜在影响因素 | 探讨腹部脂肪（内脏和皮下脂肪）对中年人群大脑容积的影响 | 10,001名健康参与者的腹部脂肪和大脑容积数据 | 数字病理学 | NA | 1.5T MRI, 深度学习 | NA | 图像 | 10,001名健康参与者 |
| 943 | 2024-08-04 |
Bayesian-Edge system for classification and segmentation of skin lesions in Internet of Medical Things
2024-Aug, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13878
PMID:39081158
|
研究论文 | 本文介绍了一种结合贝叶斯推断和边缘智能的皮肤病变分割模型 | 该模型集成了贝叶斯推断和边缘智能以提高皮肤病变分割的准确性和效率 | 在运行时分析恶性肿瘤仍然面临挑战，视觉相似性可能导致误判 | 提高皮肤病变的分类和分割精度，从而增强临床决策能力 | 皮肤病变图像的分割与分类 | 数字病理学 | NA | 贝叶斯推断和边缘智能 | NA | 图像 | NA |
| 944 | 2024-08-04 |
Prediction of strong coupling in resonant perovskite metasurfaces by deep learning
2024-Aug-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.529450
PMID:39090923
|
研究论文 | 本文提出了一种深度学习策略，用于模拟共振钙钛矿超表面的强耦合现象 | 提出了一种基于深度学习的全连接神经网络来快速预测共振钙钛矿超表面的传输光谱和耦合现象 | 尚未说明具体的实验验证或实际应用案例 | 旨在提高共振超表面的设计效率 | 研究共振钙钛矿超表面具有强耦合现象的预测 | 机器学习 | NA | 深度学习 | 全连接神经网络 | 光谱数据 | NA |
| 945 | 2024-08-04 |
Deep learning-based quantification of total bleeding volume and its association with complications, disability, and death in patients with aneurysmal subarachnoid hemorrhage
2024-Aug-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2024.1.JNS232280
PMID:38552240
|
研究论文 | 本文研究了动脉瘤性蛛网膜下腔出血（aSAH）患者出血总量与术后并发症、残疾和死亡之间的关系 | 首次应用自动化深度学习技术定量分析aSAH患者的总出血量，并探讨其与临床结果的关联 | 研究仅在单一机构进行，样本数据可能不足以代表所有aSAH患者 | 探索aSAH患者的出血严重程度与术后并发症和长期功能结果之间的关系 | 2018年至2021年期间在单一机构住院的动脉瘤性蛛网膜下腔出血成人患者 | 医学影像 | 动脉瘤性蛛网膜下腔出血 | 深度学习 | 自动分割模型 | 电子健康记录数据 | 819名患者 |
| 946 | 2024-08-04 |
Enhanced mutual information neural estimators for optical fiber communication
2024-Aug-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.534025
PMID:39090938
|
研究论文 | 文章提出了一种新的互信息神经估计器用于光纤通信的互信息估计 | 首次提出增强型互信息神经估计器（E-MINE），通过扩大训练批量大小来提高估计准确性和稳定性 | 在处理非线性光纤信道的挑战时，仍然受限于未知的信道模型 | 准确估计光纤通信中的互信息以优化信道容量和性能 | 光纤通信中的互信息估计 | 机器学习 | NA | 深度学习 | 互信息神经估计器（MINE） | NA | NA |
| 947 | 2024-08-04 |
Smart laser Sintering: Deep Learning-Powered powder bed fusion 3D printing in precision medicine
2024-Aug-15, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.124440
PMID:38972521
|
研究论文 | 本文介绍了一种深度学习模型，以提高药物载体的选择性激光烧结打印可行性 | 这是该领域首次开发可解释且经过不确定性优化的深度学习模型，用于预测药物载体的可打印性 | SLS技术尚未为制药生产而设计，且需要耗时的试错适应过程 | 研究旨在利用深度学习优化选择性激光烧结在个性化医学中药物打印的可行性 | 研究对象为药物和聚合物材料，目的是预测药物载体的印刷可行性 | 数字医学 | NA | 选择性激光烧结（SLS） | 深度学习模型 | NA | NA |
| 948 | 2024-08-04 |
Development of a diagnostic support system for the fibrosis of nonalcoholic fatty liver disease using artificial intelligence and deep learning
2024-Aug, The Kaohsiung journal of medical sciences
DOI:10.1002/kjm2.12850
PMID:38819013
|
研究论文 | 本研究开发了一个基于人工智能和深度学习的自动化诊断支持系统，用于评价非酒精性脂肪肝病的肝纤维化。 | 本研究提出了SMART AI-PATHO，这是泰国首个用于NAFLD肝组织分级的人工智能诊断工具，具备满意的性能。 | 样本规模相对较小，未来需要在更大样本上进行测试以提高准确性。 | 本研究旨在开发一种自动评估方法，以分析非酒精性脂肪肝病中的脂肪和纤维化。 | 研究对象为146名非酒精性脂肪肝病患者的核心活检样本。 | 人工智能 | 非酒精性脂肪肝病 | 人工智能、深度学习 | NA | 组织活检样本 | 146名参与者 |
| 949 | 2024-08-04 |
EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models
2024-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5096
PMID:38979954
|
研究论文 | 本文提出了一种新的网络服务器EFG-CS，用于从氨基酸序列中预测化学位移 | 本研究首次证明生成AI蛋白模型能够预测接近实验模型的NMR化学位移 | 依赖于预测的蛋白质结构，可能对某些特殊情况没有足够的预测能力 | 本研究旨在提高从氨基酸序列和蛋白质结构预测NMR化学位移的准确性 | 主要研究对象为氨基酸序列及其对应的NMR化学位移 | 机器学习 | NA | 机器学习 | 图神经网络 | 化学位移数据 | 用于研究的样本数量及其类型未提供 |
| 950 | 2024-08-04 |
Predicting Emission Wavelengths in Benzobisoxazole-Based OLEDs with Gradient Boosted Ensemble Models
2024-Aug-01, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.4c00077
PMID:39008894
|
研究论文 | 本文展示了使用梯度增强集成模型准确预测基于苯并噁唑的荧光发射器的发射波长 | 首次使用基于全交叉分子和其组成片段分子的机器学习模型进行发射波长预测，且准确性与最先进的深度学习模型相当 | 样本量较小，仅有50个分子，可能限制模型的泛化能力 | 预测苯并噁唑基OLED的发射波长 | 50个苯并噁唑基荧光发射分子 | 机器学习 | NA | 密度泛函理论（DFT） | 梯度增强模型 | 化学分子数据 | 50个分子 |
| 951 | 2024-08-04 |
Machine and deep learning algorithms for classifying different types of dementia: A literature review
2024-Aug-01, Applied neuropsychology. Adult
DOI:10.1080/23279095.2024.2382823
PMID:39087520
|
文献综述 | 这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用 | 比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性 | 过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持 | 探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用 | 讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆 | 机器学习 | 痴呆症 | 机器学习 | 支持向量机、人工神经网络、决策树、随机森林 | NA | NA |
| 952 | 2024-08-04 |
Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction
2024-Aug-01, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01509
PMID:39038219
|
研究论文 | 提出了一种简单高效的药物-靶点相互作用预测模型EADTN。 | 创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。 | 目前的深度学习方法在预测性能和假阴性方面存在不足。 | 准确预测药物-靶点相互作用，以促进药物开发。 | 药物与靶点之间的相互作用。 | 机器学习 | NA | NA | 集成模型 | 数据集 | NA |
| 953 | 2024-08-04 |
The digital revolution in pathology: Towards a smarter approach to research and treatment
2024-Aug, Tumori
DOI:10.1177/03008916241231035
PMID:38606831
|
综述 | 这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战 | 文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用 | 没有深入探讨某些特定AI工具的实际临床效果和应用限制 | 旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导 | 研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学 | 人工智能 | 肿瘤 | NA | 专家系统、经典机器学习与深度学习 | NA | NA |
| 954 | 2024-08-04 |
Integrated machine learning and deep learning for predicting diabetic nephropathy model construction, validation, and interpretability
2024-Aug, Endocrine
IF:3.0Q2
DOI:10.1007/s12020-024-03735-1
PMID:38393509
|
研究论文 | 构建了一种用于辅助诊断糖尿病肾病的风险预测模型 | 结合了机器学习和深度学习算法以构建和验证预测模型 | 未提及具体的样本和疾病的多样性对模型影响的限制 | 探索利用机器学习算法构建糖尿病肾病的风险预测模型 | 糖尿病肾病患者的数据 | 机器学习 | 糖尿病肾病 | 机器学习 | 随机森林 | 数据集 | NA |
| 955 | 2024-08-04 |
Forecasting daily total pollen concentrations on a global scale
2024-Aug, Allergy
IF:12.6Q1
DOI:10.1111/all.16227
PMID:38995241
|
研究论文 | 本研究使用CatBoost和深度学习模型预测全球范围内的每日总花粉浓度 | 提出了利用深度学习模型和CatBoost进行全球花粉浓度预测的新方法 | 预测效果在不同城市之间差异较大，部分城市的预测准确性较低 | 加强全球尺度花粉浓度的预测能力 | 涵盖五大洲23个城市的每日总花粉浓度 | 机器学习 | NA | CatBoost，深度学习 | NA | 气象数据，花粉浓度数据 | 23个城市 |
| 956 | 2024-08-04 |
A stepwise strategy integrating dynamic stress CT myocardial perfusion and deep learning-based FFRCT in the work-up of stable coronary artery disease
2024-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10562-x
PMID:38214735
|
研究论文 | 该研究验证了一种新颖的分步策略，通过限制CT衍生的分数流量储备(FFRCT)和保留心肌灌注成像(CT-MPI)以优化稳定性冠状动脉疾病的诊断。 | 提出了一种结合动态应激CT心肌灌注与基于深度学习的FFRCT的分步策略，提高了诊断效率 | 研究是回顾性，样本规模相对较小，可能影响结果的广泛适用性 | 研究旨在优化稳定性冠状动脉疾病的诊断流程 | 87名患者，这些患者因怀疑或已知冠状动脉疾病接受了相关检査 | 数字病理学 | 冠状动脉疾病 | 动态CT心肌灌注成像、深度学习 | NA | 连续的患者数据 | 87名患者 |
| 957 | 2024-08-04 |
Deep learning-based multimodal segmentation of oropharyngeal squamous cell carcinoma on CT and MRI using self-configuring nnU-Net
2024-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10585-y
PMID:38243135
|
研究论文 | 本研究评估了基于深度学习的模型在CT和MRI上对口咽鳞状细胞癌的分割效果 | 采用自配置的nnU-Net框架进行多模态影像的分割，展示了其在CT和MRI上的可靠性和准确性 | 单中心的回顾性研究，样本量有限 | 评估深度学习模型对口咽鳞状细胞癌进行分割的有效性 | 91名口咽鳞状细胞癌患者 | 数字病理 | 口咽癌 | nnU-Net | 自配置nnU-Net | CT和MRI影像 | 91名患者（开发组56名，测试组1 13名，测试组2 22名） |
| 958 | 2024-08-04 |
MI-DenseCFNet: deep learning-based multimodal diagnosis models for Aureus and Aspergillus pneumonia
2024-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10578-3
PMID:38231392
|
研究论文 | 建立并融合了一个多输入DenseNet诊断模型，以区分金黄色葡萄球菌肺炎和曲霉肺炎 | MI-DenseCFNet结合了深度学习神经网络与关键临床特征，显著提高了诊断准确性 | 样本量仅为60名患者，可能影响模型的广泛适用性 | 提高diagnostic accuracy和效率以区分金黄色葡萄球菌肺炎和曲霉肺炎 | 60名临床确诊的金黄色葡萄球菌肺炎及曲霉肺炎患者 | 计算机视觉 | 肺炎 | 深度学习 | DenseNet | 图像和临床数据 | 60名患者 |
| 959 | 2024-08-04 |
Three-dimensional heavily T2-weighted FLAIR in the detection of blood-labyrinthine barrier leakage in patients with sudden sensorineural hearing loss: comparison with T1 sequences and application of deep learning-based reconstruction
2024-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10580-9
PMID:38231393
|
研究论文 | 本文比较了在突发性神经性听力丧失患者中检测血迷路屏障泄漏的三维重T2加权FLAIR与其他序列的效果。 | 通过深度学习重建提高了三维重T2加权FLAIR在检测外淋巴增强方面的敏感性。 | 样本量相对较小，仅限于单侧突发性神经性听力丧失患者。 | 研究不同MRI序列在检测血迷路屏障泄漏中的有效性。 | 54名接受耳部MRI的单侧突发性神经性听力丧失患者。 | 数字病理学 | 突发性神经性听力丧失 | MRI | 深度学习重建 | 图像 | 54名患者 |
| 960 | 2024-08-04 |
Anti-HER2 therapy response assessment for guiding treatment (de-)escalation in early HER2-positive breast cancer using a novel deep learning radiomics model
2024-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10609-7
PMID:38329503
|
研究论文 | 本文提出了一种基于深度学习的放射组学模型DeepTEPP，用于早期HER2阳性乳腺癌的抗HER2治疗反应评估 | 该研究开发了一种新型的基于MRI的深度学习模型DeepTEPP，能够非侵入性地预测抗HER2的有效性并指导抗HER2治疗策略的调整 | 需进行前瞻性验证以确认DeepTEPP的有效性和适用性 | 研究目的是为了精确风险分层，指导抗HER2策略的（减）加强 | 研究对象为726例接受不同抗HER2治疗的HER2阳性乳腺癌患者 | 计算机视觉 | 乳腺癌 | MRI | 深度学习模型 (DeepTEPP) | 影像 | 726例HER2阳性乳腺癌患者 |