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 1082 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2025-02-02 |
Knowledge-Augmented Deep Learning for Segmenting and Detecting Cerebral Aneurysms With CT Angiography: A Multicenter Study
2024-08, Radiology
IF:12.1Q1
DOI:10.1148/radiol.233197
PMID:39162636
|
研究论文 | 本研究构建了一个深度学习模型，用于在CT血管造影（CTA）图像上准确分割和检测脑动脉瘤，并与放射学报告进行比较 | 使用多中心数据集构建深度学习模型，用于脑动脉瘤的分割和检测，并与放射学报告进行性能比较 | 需要大规模的多中心数据集，且模型性能评估依赖于外部测试集 | 构建一个深度学习模型，用于在CTA图像上准确分割和检测脑动脉瘤 | 脑动脉瘤 | 计算机视觉 | 脑动脉瘤 | CT血管造影（CTA） | 深度学习模型 | 图像 | 6060名患者用于模型开发，118名患者用于外部测试集 |
| 82 | 2025-01-28 |
Status and future trends in wastewater management strategies using artificial intelligence and machine learning techniques
2024-Aug, Chemosphere
IF:8.1Q1
|
综述 | 本文综述了利用人工智能和机器学习技术进行水和废水管理的最新趋势 | 结合AI、深度学习和物联网技术，提出了高效的水管理框架 | 未具体说明数据来源和样本量，案例研究和统计评估的细节不足 | 探讨智能水管理机制，以满足不同用途的水质要求 | 水和废水管理策略 | 机器学习 | NA | 人工智能（AI）、深度学习（DL）、物联网（IoT） | NA | 多种形式的数据 | NA |
| 83 | 2025-01-28 |
MambaTab: A Plug-and-Play Model for Learning Tabular Data
2024-Aug, Proceedings. IEEE Conference on Multimedia Information Processing and Retrieval
DOI:10.1109/mipr62202.2024.00065
PMID:39850741
|
研究论文 | 本文介绍了一种基于结构化状态空间模型（SSM）的创新方法MambaTab，用于处理表格数据 | MambaTab利用新兴的SSM变体Mamba，为表格数据提供端到端的监督学习，相比现有方法在性能上更优且参数更少 | NA | 开发一种高效、可扩展且通用的表格数据处理模型 | 表格数据 | 机器学习 | NA | 结构化状态空间模型（SSM） | Mamba | 表格数据 | 多样化的基准数据集 |
| 84 | 2025-01-26 |
A Novel Deep Learning Model for Breast Tumor Ultrasound Image Classification with Lesion Region Perception
2024-08-28, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090374
PMID:39330002
|
研究论文 | 本文提出了一种新型的多特征融合多任务（MFFMT）模型，用于乳腺癌超声图像分类，并通过病变区域感知来提高分类性能 | 设计了上下文病变增强感知（CLEP）模块和多特征融合（MFF）模块，以更好地捕捉病变区域的局部和全局特征关系，并缓解信息共享冲突 | 未提及具体局限性 | 提高乳腺癌超声图像分类的准确性，辅助乳腺癌诊断和个性化治疗 | 乳腺癌超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 多任务学习（MTL）模型 | 图像 | 两个公共乳腺癌超声图像数据集 |
| 85 | 2025-01-25 |
Deep Learning-Based Electrocardiogram Analysis Predicts Biventricular Dysfunction and Dilation in Congenital Heart Disease
2024-Aug-27, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2024.05.062
PMID:39168568
|
研究论文 | 本研究开发并外部验证了一种基于深度学习的AI-ECG模型，用于预测先天性心脏病患者的心血管磁共振定义的双心室功能障碍/扩张 | 首次在先天性心脏病中探索和应用AI-ECG分析，以预测双心室功能障碍和扩张 | 在功能性单心室患者中模型表现最差 | 开发并验证AI-ECG模型，以预测先天性心脏病患者的双心室功能障碍和扩张 | 先天性心脏病患者 | 机器学习 | 心血管疾病 | AI-ECG分析 | 卷积神经网络（CNN） | 心电图（ECG）和心血管磁共振（CMR）数据 | 内部队列8584对ECG-CMR数据（4941名患者），外部队列909对ECG-CMR数据（746名患者） |
| 86 | 2025-01-24 |
Prospective deep learning-based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study
2024-Aug-26, European heart journal. Cardiovascular Imaging
DOI:10.1093/ehjci/jeae115
PMID:38700097
|
研究论文 | 本研究比较了基于深度学习的自动方法在冠状动脉计算机断层扫描血管造影（CCTA）中分割冠状动脉粥样硬化的效果，与血管内超声（IVUS）作为参考标准进行对比 | 使用AI技术自动量化冠状动脉粥样硬化，并与IVUS进行对比，展示了高准确性和强相关性 | 研究仅限于临床稳定的冠状动脉疾病患者，样本来源仅限于美国和日本的15个中心 | 评估AI技术在CCTA中量化冠状动脉粥样硬化的准确性，以改进心血管风险评估 | 已知冠状动脉疾病的临床稳定患者 | 数字病理 | 心血管疾病 | AI, CCTA, IVUS | 深度学习 | 图像 | 237名患者，432个病变 |
| 87 | 2025-01-24 |
Deep Learning for Pneumothorax Detection on Chest Radiograph: A Diagnostic Test Accuracy Systematic Review and Meta Analysis
2024-Aug, Canadian Association of Radiologists journal = Journal l'Association canadienne des radiologistes
DOI:10.1177/08465371231220885
PMID:38189265
|
系统综述与荟萃分析 | 本文通过系统综述和荟萃分析评估了深度学习算法在胸部X光片上检测气胸的总体性能 | 首次系统评估了深度学习在气胸检测中的应用效果，并展示了其在临床环境中的巨大潜力 | 研究设计、数据集来源和偏倚风险对检测敏感性和特异性无显著影响，但可能存在未考虑的其他影响因素 | 评估深度学习算法在胸部X光片上检测气胸的总体性能 | 成人患者的胸部X光片 | 计算机视觉 | 气胸 | 深度学习 | NA | 图像 | 34,011名患者和34,075张胸部X光片 |
| 88 | 2025-01-24 |
A systematic review of generative adversarial networks (GANs) in plastic surgery
2024-Aug, Journal of plastic, reconstructive & aesthetic surgery : JPRAS
DOI:10.1016/j.bjps.2024.04.007
PMID:38996662
|
系统综述 | 本文系统回顾了生成对抗网络（GANs）在整形外科中的应用，评估了其规模和范围，并构建了在亚专科中使用和评估的框架 | 首次系统评估了GANs在整形外科中的应用，并提出了标准化报告结构的建议 | 研究样本量较小，仅有7项研究符合标准，且数据集的多样性和代表性有待提高 | 评估GANs在整形外科中的应用潜力和现状 | 整形外科中的GANs应用 | 计算机视觉 | NA | 生成对抗网络（GANs） | GAN | 图像 | 平均54,652 ± 112,180个样本 |
| 89 | 2025-01-24 |
Assessing the Influence of B-US, CDFI, SE, and Patient Age on Predicting Molecular Subtypes in Breast Lesions Using Deep Learning Algorithms
2024-Aug, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.16460
PMID:38581195
|
研究论文 | 本研究探讨了B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对预测乳腺病变分子亚型的影响 | 结合多种超声成像技术和患者年龄，利用深度学习算法预测乳腺病变的分子亚型 | 样本量相对较小，仅包含198名患者的数据 | 研究B型超声成像、彩色多普勒血流成像、应变弹性成像及患者年龄对乳腺病变分子亚型预测的影响 | 乳腺病变患者 | 计算机视觉 | 乳腺癌 | B型超声成像、彩色多普勒血流成像、应变弹性成像 | ResNet-18 | 图像 | 198名患者的2272张多模态超声图像 |
| 90 | 2025-01-22 |
Linking disease activity with optical coherence tomography angiography in neovascular age related macular degeneration using artificial intelligence
2024-08-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70234-8
PMID:39164449
|
研究论文 | 本研究利用人工智能技术探讨了新生血管性年龄相关性黄斑变性（nAMD）患者疾病活动性与光学相干断层扫描血管成像（OCTA）参数之间的定量关联 | 首次使用深度学习算法（RetInSight）检测和量化SD-OCT上的黄斑液体，并评估其与OCTA参数的相关性 | 样本量相对较小（230例患者），且部分相关性未达到统计学显著性 | 探讨nAMD患者疾病活动性与OCTA参数之间的定量关联，以优化抗VEGF治疗策略 | 接受抗VEGF治疗的nAMD患者 | 数字病理学 | 年龄相关性黄斑变性 | 光学相干断层扫描血管成像（OCTA） | 深度学习算法（RetInSight） | 图像 | 230例患者 |
| 91 | 2025-01-19 |
ARID3C Acts as a Regulator of Monocyte-to-Macrophage Differentiation Interacting with NPM1
2024-Aug-02, Journal of proteome research
IF:3.8Q1
DOI:10.1021/acs.jproteome.3c00509
PMID:38231884
|
研究论文 | 本研究探讨了ARID3C的细胞定位和功能，发现其与NPM1相互作用，促进单核细胞向巨噬细胞分化 | 首次揭示了ARID3C通过与NPM1结合并转运至细胞核，作为转录因子调控单核细胞向巨噬细胞分化的机制 | 未明确ARID3C在其他细胞类型或生物过程中的功能 | 阐明ARID3C的生物学功能及其在单核细胞向巨噬细胞分化中的作用 | ARID3C蛋白及其与NPM1的相互作用 | 分子生物学 | NA | LC-MS/MS, 深度学习, AlphaFold2 | 深度学习 | 蛋白质相互作用数据 | NA |
| 92 | 2025-01-16 |
The Role of Artificial Intelligence in Predicting Optic Neuritis Subtypes From Ocular Fundus Photographs
2024-Aug-01, Journal of neuro-ophthalmology : the official journal of the North American Neuro-Ophthalmology Society
IF:2.0Q2
DOI:10.1097/WNO.0000000000002229
PMID:39088711
|
研究论文 | 本研究开发了一种基于眼底照片的深度学习人工智能算法，用于预测视神经炎（ON）的亚型，以辅助疑似ON患者的诊断评估 | 首次利用深度学习AI算法从眼底照片中预测ON亚型，为早期区分MS ON与非MS ON提供了新的方法 | 数据集规模较小，未来需要增加样本量并结合临床和辅助检查数据以优化模型 | 开发一种AI算法，通过眼底照片预测ON亚型，以辅助诊断和指导治疗 | 321名ON患者的1,599张眼底照片 | 数字病理学 | 视神经炎 | 深度学习 | 深度学习模型 | 图像 | 321名患者的1,599张眼底照片 |
| 93 | 2025-01-16 |
Synthetic photoplethysmogram (PPG) signal generation using a genetic programming-based generative model
2024-Aug, Journal of medical engineering & technology
DOI:10.1080/03091902.2024.2438150
PMID:39731227
|
研究论文 | 本文提出了一种基于遗传编程（GP）的生成模型，用于生成多样化和准确的光电容积描记（PPG）信号 | 采用遗传编程方法自动确定数学模型的结构和组合，克服了数据多样性和训练深度学习模型数据有限的挑战 | 未提及具体局限性 | 开发生成模型以生成合成PPG信号，用于监测心脏活动 | 光电容积描记（PPG）信号 | 机器学习 | 心血管疾病 | 遗传编程（GP） | 生成模型 | 信号数据 | 初始PPG信号样本 |
| 94 | 2025-01-15 |
A graph-learning based model for automatic diagnosis of Sjögren's syndrome on digital pathological images: a multicentre cohort study
2024-Aug-08, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05550-8
PMID:39118142
|
研究论文 | 本研究提出了一种基于图学习的模型CTG-PAM，用于在数字病理图像上自动诊断干燥综合征（SS），并在多中心队列研究中验证了其性能 | 提出了一种基于图理论的模型CTG-PAM，结合单细胞特征、细胞间特征和细胞组织特征，实现了细胞级分类和淋巴细胞识别，显著提高了SS诊断的准确性 | 研究样本量较小（100例），且外部测试数据集的AUC值（0.8035）较内部验证数据集（1.0）有所下降，表明模型在泛化能力上可能存在局限 | 开发一种基于数字病理图像的自动化诊断模型，以提高干燥综合征（SS）的早期诊断准确性 | 干燥综合征（SS）患者的唇腺活检组织 | 数字病理 | 干燥综合征 | 全切片图像（WSI）分析 | 基于图理论的模型（CTG-PAM） | 数字病理图像 | 100例唇腺活检组织 |
| 95 | 2025-01-15 |
Topographic Clinical Insights From Deep Learning-Based Geographic Atrophy Progression Prediction
2024-Aug-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.8.6
PMID:39102242
|
研究论文 | 本文探讨了眼底自发荧光（FAF）地形成像特征对基于卷积神经网络的深度学习算法预测地理萎缩（GA）生长速率的贡献 | 通过消融实验研究了不同FAF图像区域对算法性能的贡献，特别是边缘区域的影响 | 研究为回顾性研究，可能受到数据来源和样本选择的限制 | 探索FAF地形成像特征在深度学习算法预测GA生长速率中的作用 | 地理萎缩（GA）患者的眼底自发荧光（FAF）图像 | 数字病理学 | 老年疾病 | 眼底自发荧光（FAF）成像 | 卷积神经网络（CNN） | 图像 | 来自三项临床试验（NCT02247479, NCT02247531, NCT02479386）的研究眼数据 |
| 96 | 2025-01-14 |
A deep learning-based model to estimate pulmonary function from chest x-rays: multi-institutional model development and validation study in Japan
2024-Aug, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00113-4
PMID:38981834
|
研究论文 | 本研究开发并验证了一种基于深度学习的AI模型，用于从胸部X光片中估计肺功能 | 首次使用深度学习模型从胸部X光片中估计肺功能，提供了一种替代肺功能测试的方法 | 未来研究需要结合临床信息以进一步提高模型的适用性和针对性 | 估计从胸部X光片中得出的两种主要肺功能指标 | 来自日本五个机构的81,902名患者的141,734对X光和肺功能测试结果 | 数字病理学 | 肺疾病 | 深度学习 | 深度学习模型 | 图像 | 141,734对X光和肺功能测试结果，来自81,902名患者 |
| 97 | 2025-01-07 |
Using Domain Adaptation and Inductive Transfer Learning to Improve Patient Outcome Prediction in the Intensive Care Unit: Retrospective Observational Study
2024-Aug-21, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/52730
PMID:39167442
|
研究论文 | 本研究探讨了在数据稀缺情况下，使用领域适应和归纳迁移学习改进基于电子健康记录的ICU患者结果预测 | 首次在基于电子健康记录的ICU患者结果预测中深入研究了领域适应和归纳迁移学习 | 研究仅使用了两个ICU数据集，可能限制了结果的普适性 | 改进ICU患者结果预测，特别是在数据稀缺的情况下 | ICU患者 | 机器学习 | 重症监护 | 迁移学习，领域适应，归纳迁移学习 | 全连接神经网络，逻辑回归，Lasso回归 | 电子健康记录 | eCritical数据集包含55,689次入院记录，48,672名患者；MIMIC-III数据集包含61,532次入院记录，46,476名患者 |
| 98 | 2025-01-04 |
Enhancing Aviation Safety through AI-Driven Mental Health Management for Pilots and Air Traffic Controllers
2024-Aug, Cyberpsychology, behavior and social networking
DOI:10.1089/cyber.2023.0737
PMID:38916063
|
研究论文 | 本文探讨了利用人工智能技术提升飞行员和空中交通管制员心理健康管理，以增强航空安全 | 提出了一个多学科的心理健康生态系统，结合AI工具和技术，用于监测和预测心理健康问题，从而预防由人为因素引起的空难 | 需要多学科专家的协作，实施复杂且可能面临技术和隐私挑战 | 通过AI驱动的心理健康管理，提高飞行员和空中交通管制员的心理健康，从而增强航空安全 | 飞行员和空中交通管制员 | 机器学习 | NA | 机器学习和深度学习，边缘和云计算，虚拟现实，可穿戴多模态生理传感器 | NA | 生理、认知和行为状态数据 | NA |
| 99 | 2024-08-07 |
Deep learning for schizophrenia classification based on natural language processing-A pilot study
2024-08, Schizophrenia research
IF:3.6Q1
DOI:10.1016/j.schres.2024.06.052
PMID:38964077
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 100 | 2024-08-16 |
A commentary on 'A CT-based deep learning model predicts overall survival in patients with muscle invasive bladder cancer after radical cystectomy: a multicenter retrospective cohort study'
2024-Aug-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001510
PMID:38704627
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |