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 1162 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 | 2024-12-11 |
Real-Time Automatic M-Mode Echocardiography Measurement With Panel Attention
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3413628
PMID:38865231
|
研究论文 | 本文提出了一种实时自动M模式超声心动图测量方案RAMEM，通过深度学习技术提高诊断效率和准确性 | 本文的创新点包括：1) 提供了首个M模式超声心动图数据集MEIS；2) 提出了带有面板注意力嵌入的UPANets V2卷积骨干网络，用于实时实例分割；3) 引入了自动M模式超声心动图测量算法AMEM | NA | 开发一种自动化的实时M模式超声心动图测量方案，以提高诊断效率和准确性 | M模式超声心动图的心脏尺寸和射血分数测量 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 首个M模式超声心动图数据集MEIS | NA | NA | NA | NA |
| 382 | 2024-12-11 |
BioFusionNet: Deep Learning-Based Survival Risk Stratification in ER+ Breast Cancer Through Multifeature and Multimodal Data Fusion
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3418341
PMID:38913518
|
研究论文 | 本文提出了BioFusionNet，一个基于深度学习的框架，通过融合图像特征、遗传和临床数据，对ER+乳腺癌患者进行生存风险分层 | 引入了多特征和多模态数据融合的深度学习框架，使用自监督特征提取器、变分自编码器和自注意力网络，并设计了加权Cox损失函数来处理不平衡的生存数据 | 未提及具体的局限性 | 开发一种能够准确进行生存风险分层的深度学习模型，以指导个性化治疗决策 | ER+乳腺癌患者的生存风险 | 数字病理学 | 乳腺癌 | 深度学习 | 自注意力网络 | 图像、遗传数据、临床数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 383 | 2024-12-11 |
A Generalisable Heartbeat Classifier Leveraging Self-Supervised Learning for ECG Analysis During Magnetic Resonance Imaging
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3411792
PMID:38857140
|
研究论文 | 本文提出了一种利用自监督学习进行心电图分析的可推广心跳分类器，用于磁共振成像期间的心电图信号分类 | 本文创新性地使用了孪生网络和自监督学习技术，利用大量未标注的心电图数据进行预训练，提高了模型在磁共振成像环境下对心电图信号的分类能力 | 本文的局限性在于仅在磁共振成像环境下进行了测试，未涉及其他环境下的心电图信号分类 | 研究目的是开发一种在磁共振成像环境下能够有效分类心电图信号的深度学习模型 | 研究对象是在磁共振成像期间获取的心电图信号 | 机器学习 | 心血管疾病 | 自监督学习 | 孪生网络 | 信号 | 使用了大量未标注的心电图数据进行预训练，具体样本数量未提及 | NA | NA | NA | NA |
| 384 | 2024-12-11 |
SeqAFNet: A Beat-Wise Sequential Neural Network for Atrial Fibrillation Classification in Adhesive Patch-Type Electrocardiographs
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3411056
PMID:38848232
|
研究论文 | 本研究开发了一种基于粘贴式心电图的房颤分类方法，使用深度学习模型对心电信号进行逐拍分类 | 提出了SeqAFNet模型，采用两阶段双向循环神经网络，能够逐拍分类心电信号并捕捉房颤相关的长期依赖性 | NA | 开发一种基于粘贴式心电图的房颤分类方法，以提高房颤诊断的准确性 | 房颤（AF）分类 | 机器学习 | 心血管疾病 | 深度学习 | RNN | 时间序列 | 使用了来自临床试验的房颤数据，数据来源为粘贴式心电图MEMO Patch | NA | NA | NA | NA |
| 385 | 2024-12-11 |
Ensemble Vision Transformer for Dementia Diagnosis
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3412812
PMID:38889030
|
研究论文 | 本研究提出了一种新的蒙特卡罗集成视觉变换器（MC-ViT）方法，用于阿尔茨海默病（AD）的诊断 | 该方法通过蒙特卡罗采样生成广泛的分类决策，克服了3D补丁卷积神经网络只能表征部分大脑解剖结构的局限性，并能有效识别3D特征间相关性 | NA | 开发一种新的深度学习方法，用于提高阿尔茨海默病的诊断准确性 | 阿尔茨海默病（AD）的诊断 | 计算机视觉 | 老年疾病 | 深度学习 | 视觉变换器（ViT） | 图像 | 使用了来自阿尔茨海默病神经成像倡议（ADNI）数据集的7199次扫描和开放获取影像研究系列-3（OASIS-3）的1992次扫描 | NA | NA | NA | NA |
| 386 | 2024-12-11 |
3D Vessel Segmentation With Limited Guidance of 2D Structure-Agnostic Vessel Annotations
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3409382
PMID:38833403
|
研究论文 | 本文提出了一种新的3D形状引导局部判别模型（3D-SLD），用于在有限的2D血管注释指导下进行3D血管分割 | 提出了3D区域判别损失和对抗形状约束损失，并引入了高亮-回顾-总结（HRS）机制，以提高训练稳定性和预测可信度 | 依赖于公共的2D血管注释，可能不适用于所有类型的血管结构 | 开发一种在有限2D注释指导下进行3D血管分割的方法，以减少对3D手动注释的依赖 | 3D血管分割 | 计算机视觉 | NA | 深度学习 | 3D-SLD模型 | 图像 | 仅使用公共的2D冠状动脉注释进行指导 | NA | NA | NA | NA |
| 387 | 2024-12-11 |
Accurate Whole-Brain Image Enhancement for Low-Dose Integrated PET/MR Imaging Through Spatial Brain Transformation
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3407116
PMID:38814764
|
研究论文 | 本文提出了一种基于空间脑变换（SBF）模块的3D网络，用于低剂量PET/MR图像的全脑图像增强，以合成高质量的PET图像 | 创新点在于引入了一个空间脑变换模块，结合FreeSurfer工具包提取的空间脑解剖对齐信息，提升了低剂量PET图像的质量 | 目前仅在PET/MR系统上进行了验证，未来计划扩展到其他多模态系统如PET/CT | 旨在通过低剂量PET/MR图像合成高质量PET图像，减少患者辐射暴露和经济负担 | 低剂量全脑PET和MR图像 | 计算机视觉 | NA | 深度学习 | 3D网络 | 图像 | 未明确具体样本数量 | NA | NA | NA | NA |
| 388 | 2024-12-11 |
A Vision Transformer-Based Framework for Knowledge Transfer From Multi-Modal to Mono-Modal Lymphoma Subtyping Models
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3407878
PMID:38819973
|
研究论文 | 本文提出了一种基于Vision Transformer的框架，用于从多模态到单模态的淋巴瘤亚型分类模型的知识迁移 | 引入了一种多模态架构，通过知识蒸馏过程有效地指导单模态分类器的学习 | 需要更多的训练数据以进一步提高诊断准确性 | 开发一种成本效益高且快速的淋巴瘤亚型分类方法，以替代现有的昂贵且耗时的诊断技术 | 区分弥漫大B细胞淋巴瘤（DLBCL）癌症亚型 | 计算机视觉 | 淋巴瘤 | Vision Transformer | Vision Transformer | 图像 | 157名淋巴瘤患者的数据集 | NA | NA | NA | NA |
| 389 | 2024-12-11 |
DIPO: Differentiable Parallel Operation Blocks for Surgical Neural Architecture Search
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3406065
PMID:38805333
|
研究论文 | 本文提出了一种名为DIPO的可微分并行操作块的神经架构搜索方法，用于自动优化卷积神经网络的架构 | DIPO通过构建局部搜索空间并自动优化内部架构和参数，能够灵活应用于不同的卷积网络和任务 | NA | 开发一种能够自动优化神经网络架构的方法，以提高计算机视觉任务的性能 | 手术场景分割、手术器械检测和手术器械姿态估计 | 计算机视觉 | NA | 神经架构搜索（NAS） | 卷积神经网络（CNN） | 图像 | 5个数据集 | NA | NA | NA | NA |
| 390 | 2024-12-11 |
HEMAsNet: A Hemisphere Asymmetry Network Inspired by the Brain for Depression Recognition From Electroencephalogram Signals
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3404664
PMID:38781058
|
研究论文 | 提出了一种受大脑启发的半球不对称网络HEMAsNet，用于从脑电图信号中识别抑郁症 | 引入了一个独特的'胼胝体样'块，模拟大脑胼胝体在半球间信息传递中的作用，增强了半球间的信息交换，提高了抑郁症识别的准确性 | NA | 提高基于脑电图信号的抑郁症识别模型的准确性和神经科学可解释性 | 抑郁症的识别 | 机器学习 | 精神疾病 | 脑电图 | CNN和LSTM | 脑电图信号 | MODMA数据集中的前额叶脑电图数据 | NA | NA | NA | NA |
| 391 | 2024-12-11 |
RawECGNet: Deep Learning Generalization for Atrial Fibrillation Detection From the Raw ECG
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3404877
PMID:38787663
|
研究论文 | 本文提出了一种名为RawECGNet的深度学习模型，用于从原始单导联心电图检测房颤和房扑发作 | RawECGNet利用了心电图的形态信息，特别是f波，从而提高了检测性能 | NA | 开发一种能够利用心电图节奏和形态信息的高性能、可泛化的房颤和房扑检测算法 | 房颤和房扑发作的检测 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图 | 涉及两个外部数据集，考虑了地理、种族和导联位置的分布变化 | NA | NA | NA | NA |
| 392 | 2024-12-11 |
Uncertainty Estimation and Out-of-Distribution Detection for Deep Learning-Based Image Reconstruction Using the Local Lipschitz
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3404883
PMID:38787662
|
研究论文 | 本文提出了一种基于局部Lipschitz度量的方法，用于区分分布外图像与分布内图像，并应用于深度学习图像重建中的不确定性估计和分布外检测 | 本文的创新点在于使用局部Lipschitz度量来区分分布外图像与分布内图像，并展示了其与平均绝对误差（MAE）之间的强相关性，以确定不确定性估计的阈值 | 本文的局限性在于其验证主要基于AUTOMAP架构和UNET架构，可能需要进一步验证其在其他架构和应用中的适用性 | 本文的研究目的是提高深度学习图像重建中的不确定性估计和分布外检测的准确性 | 本文的研究对象是深度学习图像重建中的不确定性估计和分布外检测 | 计算机视觉 | NA | 深度学习 | AUTOMAP, UNET | 图像 | NA | NA | NA | NA | NA |
| 393 | 2024-12-11 |
Exploring and Exploiting Multi-Modality Uncertainty for Tumor Segmentation on PET/CT
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3397332
PMID:38776203
|
研究论文 | 本文探讨了在PET/CT肿瘤分割任务中利用多模态不确定性的方法 | 首次探索了多模态不确定性在肿瘤分割中的应用，并提出了一种基于不确定性的损失函数，以有效利用模态间的互补信息 | 本文主要集中在PET/CT数据集上的肿瘤分割，未来研究可以扩展到其他多模态数据集和任务 | 研究多模态不确定性在肿瘤分割中的应用，并提出改进方法 | PET/CT图像中的肿瘤分割 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 两个PET/CT数据集 | NA | NA | NA | NA |
| 394 | 2024-12-11 |
EEGDepressionNet: A Novel Self Attention-Based Gated DenseNet With Hybrid Heuristic Adopted Mental Depression Detection Model Using EEG Signals
2024-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3401389
PMID:38748519
|
研究论文 | 本文提出了一种基于EEG信号的自动化深度学习抑郁症检测系统 | 创新点包括引入自注意力机制的门控DenseNet模型和混合启发式入侵杂草搜索优化算法用于特征选择和网络参数优化 | NA | 开发一种自动化的抑郁症检测模型，以辅助临床医生进行抑郁症诊断 | 使用EEG信号进行抑郁症检测 | 机器学习 | 精神疾病 | EEG | SA-GDensenet | 图像 | 从公开数据库中收集的EEG信号 | NA | NA | NA | NA |
| 395 | 2024-12-11 |
Quantitative assessment of chlorine gas inhalation injury based on endoscopic OCT and spectral encoded interferometric microscope imaging with deep learning
2024-Sep-01, APL photonics
IF:5.4Q1
DOI:10.1063/5.0222153
PMID:39257867
|
研究论文 | 本文利用高分辨率光学相干断层扫描（OCT）系统和光谱编码干涉显微镜，结合深度学习技术，研究了氯气吸入对兔子气道损伤的进展情况 | 首次使用深度学习技术对OCT图像进行分割，量化氯气引起的气道剥脱体积，并结合光谱编码干涉显微镜研究氯气对纤毛运动功能的影响 | 研究仅在兔子模型上进行，结果的临床适用性需要进一步验证 | 研究氯气吸入对气道损伤的进展情况，并开发一种量化评估方法 | 氯气吸入对兔子气道损伤的影响 | 数字病理学 | NA | 光学相干断层扫描（OCT），光谱编码干涉显微镜，深度学习 | 深度学习模型 | 图像 | 新西兰白兔暴露于急性氯气（800 ppm，6分钟），共监测6小时 | NA | NA | NA | NA |
| 396 | 2024-12-08 |
Snapshot computational spectroscopy enabled by deep learning
2024-Sep, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2024-0328
PMID:39635447
|
研究论文 | 本文开发了一种基于超表面集成计算光谱仪和深度学习算法的计算光谱学方法，实现了单次操作、亚纳米光谱分辨率和直接材料表征 | 本文提出了一种新型的计算光谱学方法，结合超表面技术和深度学习算法，实现了传统光谱仪的功能，同时具有便携性和低成本的优势 | NA | 开发一种便携、低成本且轻量化的光谱分析方法，以替代传统的笨重且昂贵的光谱仪 | 光学腔的关键参数和化学溶液的浓度 | 计算机视觉 | NA | 深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 397 | 2024-12-06 |
Machine learning and statistical models to predict all-cause mortality in type 2 diabetes: Results from the UK Biobank study
2024-Sep, Diabetes & metabolic syndrome
DOI:10.1016/j.dsx.2024.103135
PMID:39413583
|
研究论文 | 本研究旨在比较当代机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具 | 机器学习模型在预测全因死亡率方面优于统计模型，特别是深度学习模型DeepHit在校准和Brier评分上表现更优 | NA | 比较机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具 | 2型糖尿病患者的全因死亡率 | 机器学习 | 糖尿病 | 机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit | 机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit | 临床数据 | 22,579名2型糖尿病患者 | NA | NA | NA | NA |
| 398 | 2024-12-01 |
MCMVDRP: a multi-channel multi-view deep learning framework for cancer drug response prediction
2024-Sep-01, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0026
PMID:39238451
|
研究论文 | 本文提出了一种多通道多视角深度学习框架MCMVDRP，用于癌症药物反应预测 | 本文创新性地结合了三种不同类型的药物特征：分子图、SMILES字符串和分子指纹，以提高药物反应预测的准确性 | NA | 预测癌症患者对药物的反应 | 癌症药物反应 | 机器学习 | NA | 深度学习 | MCMVDRP | 分子图、SMILES字符串、分子指纹 | NA | NA | NA | NA | NA |
| 399 | 2024-11-29 |
Cortical and subcortical structural changes in pediatric patients with infratentorial tumors
2024-09-09, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.242652
PMID:38836466
|
研究论文 | 本研究旨在检测后颅窝肿瘤患儿大脑皮层和皮层下结构的形态学变化 | 利用深度学习算法生成合成磁化准备快速梯度回波图像，并自动计算皮层厚度和局部脑回指数等参数 | 样本量相对较小，且仅包括后颅窝肿瘤患儿，可能限制了结果的普适性 | 研究后颅窝肿瘤对儿童大脑皮层和皮层下结构形态学的影响 | 后颅窝肿瘤患儿和健康对照组的大脑皮层和皮层下结构 | NA | NA | 深度学习算法 | NA | 图像 | 24名后颅窝肿瘤患儿和41名年龄性别匹配的健康对照组 | NA | NA | NA | NA |
| 400 | 2024-11-29 |
Application of deep learning and radiomics in the prediction of hematoma expansion in intracerebral hemorrhage: a fully automated hybrid approach
2024-09-09, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.222088
PMID:38654561
|
研究论文 | 本文开发了一种全自动混合方法，利用深度学习和放射组学预测脑出血中的血肿扩大 | 本文首次将深度学习和放射组学结合，开发了一种全自动混合模型，用于预测脑出血中的血肿扩大 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 开发一种全自动混合方法，用于预测脑出血中的血肿扩大 | 脑出血患者的血肿扩大 | 计算机视觉 | 脑血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |