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 1168 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2025-02-01 |
Deep learning analysis of serial digital breast tomosynthesis images in a prospective cohort of breast cancer patients who received neoadjuvant chemotherapy
2024-Sep, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111624
PMID:39029241
|
研究论文 | 本研究探讨了在乳腺癌新辅助化疗（NACT）期间使用人工智能（AI）分析连续数字乳腺断层合成（DBT）图像，以预测NACT完成后的病理完全缓解（pCR） | 首次将深度学习AI系统应用于连续DBT图像分析，以预测乳腺癌患者的pCR | 样本量较小，未来需要更大数据集以进行更全面的模型训练和性能评估 | 探索AI在乳腺癌NACT期间预测pCR的潜力 | 接受NACT的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 数字乳腺断层合成（DBT） | 3D ResNet | 图像 | 149名女性乳腺癌患者 |
| 182 | 2025-02-01 |
Multicenter privacy-preserving model training for deep learning brain metastases autosegmentation
2024-09, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110419
PMID:38969106
|
研究论文 | 本研究探讨了多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估了增量迁移学习技术（LWF）在不共享原始数据的情况下提高模型泛化能力的有效性 | 提出了使用增量迁移学习技术（LWF）进行隐私保护的模型训练，以提高多中心数据下的模型泛化能力 | 数据异质性（如转移密度、空间分布和图像空间分辨率的差异）导致模型性能在不同中心间存在差异，限制了模型的泛化能力 | 研究多中心数据异质性对深度学习脑转移自动分割性能的影响，并评估增量迁移学习技术的有效性 | 脑转移（BM）的自动分割 | 计算机视觉 | 脑转移 | 深度学习 | DeepMedic网络 | 医学影像 | 来自六个中心的脑转移数据集（UKER、USZ、Stanford、UCSF、NYU、BraTS Challenge 2023） |
| 183 | 2025-02-01 |
Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software
2024-Sep, Journal of medical screening
IF:2.6Q2
DOI:10.1177/09691413231219952
PMID:38115810
|
meta-analysis | 本文通过meta分析评估了基于AI的乳腺癌筛查乳腺X光片分诊在减少放射科医生工作量方面的效果 | 首次通过meta分析评估了深度学习算法在乳腺癌筛查乳腺X光片分诊中的应用及其对放射科医生工作量的影响 | AI的实施仍然复杂且异质性较大 | 评估基于AI的乳腺癌筛查乳腺X光片分诊是否能在保持高敏感性的同时减少放射科医生的工作量 | 乳腺癌筛查乳腺X光片 | digital pathology | breast cancer | deep learning | DL | image | 156,852次检查 |
| 184 | 2025-02-01 |
Neuroimage analysis using artificial intelligence approaches: a systematic review
2024-Sep, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03097-w
PMID:38664348
|
系统综述 | 本文系统回顾了人工智能在神经影像数据分析中的应用及其对提升诊断能力和推动领域发展的影响 | 通过系统回顾456篇相关文献，揭示了AI技术在神经影像分析中的广泛应用及其在疾病分类和病变分割等临床任务中的优势 | 研究仅限于2013年至2023年间的文献，可能未涵盖最新的技术进展 | 探讨AI技术在神经影像数据分析中的应用，以提升诊断能力和推动领域发展 | 神经影像数据，特别是与精神和神经系统疾病相关的数据 | 神经影像分析 | 精神和神经系统疾病 | 机器学习和深度学习算法 | NA | 神经影像数据 | 456篇相关文献，其中104篇被详细回顾 |
| 185 | 2025-01-31 |
Processing of Short-Form Content in Clinical Narratives: Systematic Scoping Review
2024-Sep-26, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/57852
PMID:39325515
|
系统范围综述 | 本文综述了临床叙述中短形式的类型及其自然语言处理（NLP）技术的应用，包括识别、扩展和消歧 | 系统性地总结了2018年至2023年间关于临床叙述中短形式处理的NLP技术，并指出了现有研究的不足和未来研究方向 | 临床短形式的定义不明确，影响了研究的可重复性和方法适用性；单字符缩写和非英语语言的临床叙述处理研究不足 | 综述临床叙述中短形式的类型及NLP技术在短形式处理中的应用 | 临床叙述中的短形式 | 自然语言处理 | NA | 自然语言处理（NLP） | 规则基础方法、字符串相似性、向量表示、嵌入和深度学习 | 文本 | 19篇文章 |
| 186 | 2024-10-01 |
From Voxel to Gene: A Scoping Review on MRI Radiogenomics' Artificial Intelligence Predictions in Adult Gliomas and Glioblastomas-The Promise of Virtual Biopsy?
2024-Sep-23, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12092156
PMID:39335670
|
综述 | 本文综述了深度学习在成人胶质瘤和胶质母细胞瘤的遗传特征中的应用，探讨了虚拟活检的潜力 | 本文介绍了从全卷积网络到更高级架构（如ResNet和DenseNet）的深度学习算法的演变，并探讨了其在预测个体遗传特征方面的潜力 | 研究结果显示，由于数据集小且同质化以及验证方法不一致，报告的性能存在显著差异，缺乏强有力的外部验证限制了模型的普遍性 | 评估深度学习在成人胶质瘤遗传特征中的应用现状，探讨这些技术在可靠虚拟活检中的潜力 | 成人胶质瘤和胶质母细胞瘤的遗传特征 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN, ResNet, DenseNet | 图像 | 17项研究 |
| 187 | 2025-01-29 |
Use of AI methods to assessment of lower limb peak torque in deaf and hearing football players group
2024-Sep-01, Acta of bioengineering and biomechanics
IF:0.8Q4
DOI:10.37190/abb-02474-2024-02
PMID:39869478
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 188 | 2025-01-26 |
Artificial Intelligence in Head and Neck Cancer: Innovations, Applications, and Future Directions
2024-09-06, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31090389
PMID:39330017
|
综述 | 本文综述了人工智能在头颈癌（HNC）护理中的创新、应用及未来方向 | 探讨了人工智能与影像技术、基因组学和电子健康记录的整合，及其在早期检测、生物标志物发现和治疗规划中的作用 | 数据质量、算法偏见和跨学科合作的必要性等挑战仍然存在 | 探讨人工智能在头颈癌护理中的应用及未来发展方向 | 头颈癌（HNC） | 自然语言处理 | 头颈癌 | 深度学习、自然语言处理 | NA | 影像、基因组数据、电子健康记录 | NA |
| 189 | 2025-01-23 |
[A deep learning model based on magnetic resonance imaging and clinical feature fusion for predicting preoperative cytokeratin 19 status in hepatocellular carcinoma]
2024-Sep-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 本文建立了一个深度学习模型，结合磁共振成像（MRI）深度学习特征和临床特征，用于术前预测肝细胞癌（HCC）的细胞角蛋白19（CK19）状态 | 提出了基于多尺度特征融合和多模态特征融合的深度学习模型（MSFF-IResnet和MMFF-IResnet），并验证了其在预测CK19状态方面的有效性 | 研究为回顾性实验，样本量相对较小（116例患者），可能影响模型的泛化能力 | 探索结合MRI深度学习特征和临床特征预测HCC患者术前CK19状态的可行性 | 116例确诊CK19状态的HCC患者 | 数字病理 | 肝细胞癌 | 深度学习 | MSFF-IResnet, MMFF-IResnet | MRI图像, 临床数据 | 116例HCC患者 |
| 190 | 2025-01-22 |
Real-time CBCT Imaging and Motion Tracking via a Single Arbitrarily-angled X-ray Projection by a Joint Dynamic Reconstruction and Motion Estimation (DREME) Framework
2024-Sep-25, ArXiv
PMID:39398221
|
研究论文 | 本文介绍了一种名为DREME的框架，用于实时CBCT成像和运动估计，无需依赖患者特定的先验知识 | DREME框架通过结合深度学习实时CBCT成像和运动估计方法，解决了传统方法中因先验信息过时而导致的成像和运动跟踪准确性问题 | 虽然DREME在数字幻影模拟和真实患者研究中表现出色，但其在更广泛临床环境中的应用仍需进一步验证 | 开发一种实时CBCT成像和运动估计框架，以改善放疗中的图像引导和在线治疗适应 | CBCT成像和呼吸引起的解剖运动 | 医学影像 | NA | 深度学习，卷积神经网络 | CNN | X射线投影图像 | 数字幻影模拟和真实患者研究 |
| 191 | 2025-01-22 |
AxonFinder: Automated segmentation of tumor innervating neuronal fibers
2024-Sep-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.03.611089
PMID:39282317
|
研究论文 | 本研究提出了一种基于深度学习的自动化轴突分割方法AxonFinder，用于前列腺肿瘤微环境中的轴突分割 | 利用U-Net模型与ResNet-101编码器结合的多重成像方法，实现了对不规则形态轴突的自动化分割 | 研究依赖于手动标注的轴突数据进行模型训练，可能存在标注误差 | 研究目的是通过自动化分割轴突，探索肿瘤神经支配与癌症进展之间的相关性 | 前列腺肿瘤微环境中的轴突 | 数字病理学 | 前列腺癌 | 多重成像 | U-Net与ResNet-101编码器 | 全切片图像 | 来自低、中、高风险前列腺癌患者的全切片图像数据集 |
| 192 | 2025-01-15 |
Deep learning-based fully automatic Risser stage assessment model using abdominal radiographs
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05999-1
PMID:39046527
|
研究论文 | 本文开发了一种基于深度学习的全自动Risser分期评估模型，使用腹部X光片进行分期 | 首次提出了一种全自动的Risser分期评估方法，结合了DeepLabv3+和ConvNeXt-B模型进行图像分割和分类 | 样本量相对较小，且仅使用了三个医疗机构的影像数据，可能影响模型的泛化能力 | 开发一种全自动的Risser分期评估方法，以提高医学影像分析的效率和准确性 | 9-18岁患者的腹部X光片 | 医学影像分析 | NA | 深度学习 | DeepLabv3+, ConvNeXt-B | 腹部X光片 | 1,681张腹部X光片（1,577张用于开发，104张用于外部验证） |
| 193 | 2025-01-15 |
Doctor simulator: Delta-Age-Sex-AdaIn enhancing bone age assessment through AdaIn style transfer
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-06000-9
PMID:39060414
|
研究论文 | 本文提出了一种新的骨龄评估方法Delta-Age-Sex-AdaIn (DASA-net)，通过自适应实例归一化(AdaIN)和风格迁移结合年龄和性别分布，模拟医生视觉比较手部图像与标准骨龄图谱以确定骨龄的过程 | 首次将年龄和性别分布通过自适应实例归一化(AdaIN)和风格迁移结合到骨龄评估中，模拟医生视觉比较手部图像与标准骨龄图谱的过程 | NA | 提出一种更准确的骨龄评估方法，以辅助医生评估儿童的生长发育情况 | 儿童手部X光片 | 计算机视觉 | NA | 自适应实例归一化(AdaIN), 风格迁移 | DASA-net | 图像 | 公开数据集RSNA包含14,236张手部X光片(1-228个月)，私有数据集包含474张手部X光片(12-218个月，268名男性) |
| 194 | 2025-01-15 |
Accelerated cardiac magnetic resonance imaging using deep learning for volumetric assessment in children
2024-09, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-05978-6
PMID:39017676
|
研究论文 | 本研究评估了使用深度学习重建的加速3-RR cine MRI序列与标准2-D cine bSSFP序列在儿童心脏MRI中的诊断性能 | 首次在儿童心脏MRI中应用深度学习加速技术，显著减少了扫描时间 | 深度学习cine图像在舒张末期和收缩末期轮廓、乳头肌和瓣膜描绘方面的图像质量略有下降 | 评估深度学习加速技术在儿童心脏MRI中的诊断性能 | 29名接受心脏MRI的儿童患者 | 医学影像 | 心血管疾病 | 深度学习重建 | NA | MRI图像 | 29名儿童患者 |
| 195 | 2025-01-15 |
Development and Testing of Artificial Intelligence-Based Mobile Application to Achieve Cataract Backlog-Free Status in Uttar Pradesh, India
2024 Sep-Oct, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1016/j.apjo.2024.100094
PMID:39187013
|
研究论文 | 本文介绍了开发用于白内障筛查的AI移动应用程序'Roshni'的过程和测试结果 | 利用AI技术开发移动应用程序，用于社区层面的白内障筛查，旨在实现白内障积压清零状态 | 模型在不同图像类型上的敏感性和特异性存在差异，可能需要进一步优化 | 开发并测试一种基于AI的移动应用程序，用于在印度北方邦实现白内障积压清零状态 | 50岁及以上人群，特别是患有白内障的视觉障碍者 | 计算机视觉 | 白内障 | 深度学习 | ResNet50, ResNet101, YOLOv5, EfficientNetV2, InceptionV3, UNet | 图像 | 13,633张眼睛图像，302名受益者（604张图像） |
| 196 | 2025-01-14 |
Fully automated epicardial adipose tissue volume quantification with deep learning and relationship with CAC score and micro/macrovascular complications in people living with type 2 diabetes: the multicenter EPIDIAB study
2024-09-03, Cardiovascular diabetology
IF:8.5Q1
DOI:10.1186/s12933-024-02411-y
PMID:39227844
|
研究论文 | 本研究评估了心外膜脂肪组织（EAT）与2型糖尿病（T2D）微血管和大血管并发症（MVC）之间的关系 | 使用深度学习分割管道进行EAT体积的完全自动化量化，并探讨其与冠状动脉钙化（CAC）评分及微/大血管并发症的关系 | 研究为事后分析，样本量有限（n=1253），且未探讨EAT体积与糖尿病视网膜病变（DR）及周围神经病变的关联 | 评估EAT体积与T2D患者微血管和大血管并发症的关系 | 2型糖尿病患者 | 数字病理学 | 2型糖尿病 | 深度学习分割管道 | 深度学习 | CT图像 | 1253名2型糖尿病患者 |
| 197 | 2025-01-14 |
Feasibility Study of Parkinson's Speech Disorder Evaluation With Pre-Trained Deep Learning Model for Speech-to-Text Analysis
2024-Sep, Korean journal of neurotrauma
DOI:10.13004/kjnt.2024.20.e30
PMID:39372118
|
研究论文 | 本研究探讨了使用预训练的深度学习模型Wav2Vec进行语音转文本分析，以评估帕金森病患者的言语障碍的可行性 | 首次将Wav2Vec模型应用于帕金森病患者的语音转文本分析，以评估其言语障碍 | 样本量较小，仅包含20个病例，可能影响结果的普遍性 | 评估预训练的深度学习模型在帕金森病患者语音转文本分析中的有效性 | 帕金森病患者的语音数据 | 自然语言处理 | 帕金森病 | Wav2Vec模型 | 深度学习模型 | 语音数据 | 20个病例（包括健康对照组和帕金森病患者） |
| 198 | 2025-01-07 |
Deep Learning Features Can Improve Radiomics-Based Prostate Cancer Aggressiveness Prediction
2024-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00180
PMID:39292984
|
研究论文 | 本研究探讨了深度学习特征如何提升基于放射组学的前列腺癌侵袭性预测 | 研究表明，除了从分割模型中提取放射组学特征外，深度学习特征空间中的信息也能提升疾病侵袭性分类模型的质量 | 研究未明确说明深度学习特征与放射组学特征结合的具体机制，且部分模型性能提升不明显 | 探索深度学习特征在提升前列腺癌侵袭性预测模型性能中的作用 | 前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习 | 自编码器 | 图像 | 2,244次实验，基于13种不同模型 |
| 199 | 2024-09-25 |
Construction of Risk Prediction Model of Type 2 Diabetic Kidney Disease Based on Deep Learning (Diabetes Metab J 2024;48:771-9)
2024-09, Diabetes & metabolism journal
IF:6.8Q1
DOI:10.4093/dmj.2024.0464
PMID:39313232
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 200 | 2025-01-04 |
Deep Learning for Visual Speech Analysis: A Survey
2024-09, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3376710
PMID:38478434
|
综述 | 本文综述了深度学习在视觉语音分析领域的最新进展，包括基本问题、挑战、基准数据集、现有方法的分类以及最先进的性能 | 提供了视觉语音分析领域的全面综述，识别了当前研究中的空白，并讨论了未来的研究方向 | 未涉及具体实验验证，仅为基础性综述 | 推动视觉语音领域的未来研究 | 视觉语音分析 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA |