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 1165 篇文献，本页显示第 1001 - 1020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1001 | 2024-09-04 |
Quickly diagnosing Bietti crystalline dystrophy with deep learning
2024-Sep-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110579
PMID:39220263
|
研究论文 | 本研究利用深度学习技术，通过超广角彩色眼底照片对Bietti结晶样视网膜病变（BCD）进行诊断和临床阶段分类 | 本研究建立了中国人群中最大的BCD数据库，并开发了一种快速诊断BCD的方法 | NA | 旨在通过深度学习技术对BCD进行早期精确诊断和临床阶段分类 | Bietti结晶样视网膜病变（BCD）患者 | 机器学习 | 视网膜疾病 | 深度学习 | ResNeXt, Wide ResNet, ResNeSt | 图像 | 包括BCD、视网膜色素变性（RP）和正常眼底照片，BCD患者进一步分为三个阶段 | NA | NA | NA | NA |
| 1002 | 2024-09-04 |
Streamlined Intraoperative Brain Tumor Classification and Molecular Subtyping in Stereotactic Biopsies Using Stimulated Raman Histology and Deep Learning
2024-Sep-03, Clinical cancer research : an official journal of the American Association for Cancer Research
IF:10.0Q1
DOI:10.1158/1078-0432.CCR-23-3842
PMID:38976016
|
研究论文 | 本研究评估了深度学习算法在立体定向脑活检中通过受激拉曼组织学（SRH）图像进行快速术中诊断的能力，并定义了确保诊断准确性的最小组织样本大小阈值。 | 使用基于人工智能的SRH图像分析在检测和亚分类脑肿瘤方面不劣于冷冻切片分析，并能进行有效的分子胶质瘤亚分类，有助于未来更快地做出治疗决策。 | 需要进一步改进以适应长期应用。 | 评估深度学习算法在立体定向脑活检中通过SRH图像进行快速术中诊断的能力，并定义最小组织样本大小阈值。 | 121张SRH图像来自84名患有不明确颅内病变的患者，这些患者正在接受立体定向脑活检。 | 机器学习 | 脑肿瘤 | 受激拉曼组织学（SRH） | 深度学习模型 | 图像 | 121张SRH图像来自84名患者 | NA | NA | NA | NA |
| 1003 | 2024-09-04 |
Noise-imitation learning: unpaired speckle noise reduction for optical coherence tomography
2024-Sep-03, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad708c
PMID:39151463
|
研究论文 | 本文提出了一种名为噪声模仿学习（NIL）的新型非配对方法，用于光学相干断层扫描（OCT）图像的去噪 | NIL方法通过三个主要模块（噪声提取模块、噪声模仿模块和对抗学习模块）实现了更简化的网络结构，仅使用一个生成器和一个判别器进行训练 | NA | 开发一种有效的非配对方法，用于降低OCT图像中的斑点噪声，提高图像质量和诊断准确性 | OCT图像中的斑点噪声 | 计算机视觉 | NA | 对抗学习 | 生成对抗网络（GAN） | 图像 | 在PKU37数据集上进行了实验 | NA | NA | NA | NA |
| 1004 | 2024-09-04 |
Determination of Trace Organic Contaminant Concentration via Machine Classification of Surface-Enhanced Raman Spectra
2024-Sep-03, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.3c06447
PMID:38272008
|
研究论文 | 本文通过机器学习方法，利用表面增强拉曼光谱（SERS）预测样品中污染物的浓度 | 采用频率域变换方法（如傅里叶变换和沃尔什-阿达玛变换）处理SERS光谱数据，并结合机器学习模型提高浓度预测的准确性 | SERS光谱的强度受多种因素影响，如基底参数、分析物方向和样品制备技术 | 开发一种利用机器学习从SERS光谱中预测污染物浓度的方法 | 三种分析物（罗丹明6G、毒死蜱和三氯生）的SERS光谱数据 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 机器学习模型和深度学习模型 | 光谱数据 | 中等规模数据集约100个光谱，小规模数据集约50个光谱 | NA | NA | NA | NA |
| 1005 | 2024-09-04 |
An Intelligent Early Warning System for Harmful Algal Blooms: Harnessing the Power of Big Data and Deep Learning
2024-Sep-03, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.3c03906
PMID:38436579
|
research paper | 本研究利用大数据和深度学习模型开发了一种智能有害藻类水华早期预警系统 | 采用DeepDPM-Spectral Clustering方法分析和分层垂直水层，显著减少了预测模型的数量并增强了系统的适应性；开发了Bloomformer-2模型进行单步和多步预测 | 未提及具体限制 | 开发智能有害藻类水华早期预警系统 | 有害藻类水华 | machine learning | NA | 深度学习 | Bloomformer-2 | 数据 | 在太湖的案例研究中，2018年冬季水柱分为四个集群（W1-W4），2019年夏季分为五个集群（S1-S5） | NA | NA | NA | NA |
| 1006 | 2024-09-04 |
Substantial Underestimation of Fine-Mode Aerosol Loading from Wildfires and Its Radiative Effects in Current Satellite-Based Retrievals over the United States
2024-Sep-03, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.4c02498
PMID:39163486
|
研究论文 | 本文开发了一种创新的角依赖深度学习模型（ADLM），用于从双角度观测中推断细模态气溶胶光学深度（fAOD），并评估其对美国地区野火产生的气溶胶负荷及其辐射效应的影响 | ADLM模型利用多角度卫星数据，能够更准确地捕捉气溶胶特性，特别是在野火事件中，相比现有卫星产品有显著改进 | NA | 评估和改进现有卫星产品在测量野火产生的细模态气溶胶光学深度（fAOD）及其辐射效应方面的准确性 | 细模态气溶胶光学深度（fAOD）及其对地球能量平衡的影响 | 机器学习 | NA | 深度学习 | ADLM | 卫星数据 | 覆盖美国连续地区的双角度观测数据 | NA | NA | NA | NA |
| 1007 | 2024-09-04 |
Deep Learning Bridged Bioactivity, Structure, and GC-HRMS-Readable Evidence to Decipher Nontarget Toxicants in Sediments
2024-Sep-03, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.3c10814
PMID:38696305
|
研究论文 | 本文提出了一种基于深度学习的事件驱动分类框架，用于混合物风险评估，并通过高吞吐量筛选生物测定和毒物鉴定进行集成 | 开发了两种深度学习模型，用于预测生物活性物质的指纹并将其转换为质谱可读信息，以进行非目标分析 | NA | 旨在通过深度学习技术识别混合物中的非目标毒物 | 研究对象为引发芳基烃受体激活和氧化应激反应的沉积物中的化学混合物 | 机器学习 | NA | GC-qToF-MS | 深度学习模型 | 化学指纹数据 | 建立了两个包含121和118个指纹的库，并在沉积物提取物中鉴定了247种生物活性化合物 | NA | NA | NA | NA |
| 1008 | 2024-09-04 |
Deep learning method for predicting weekly anatomical changes in patients with nasopharyngeal carcinoma during radiotherapy
2024-Sep-03, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17381
PMID:39225585
|
研究论文 | 本研究开发了一种深度学习方法，用于预测鼻咽癌患者在放疗期间每周的解剖变化 | 提出了一种结合长短期记忆网络和生成对抗网络（LSTM-GAN）的方法，能够预测鼻咽癌患者在放疗期间的解剖变化 | NA | 开发一种深度学习方法，预测鼻咽癌患者在放疗期间的肿瘤反应和解剖变化 | 鼻咽癌患者的肿瘤目标体积和危险器官 | 机器学习 | 鼻咽癌 | NA | LSTM-GAN | 图像 | 230名鼻咽癌患者 | NA | NA | NA | NA |
| 1009 | 2024-08-19 |
Deep learning is necessary for safety regulation in predicting malnutrition in gastric cancer patients
2024-Sep, Clinical nutrition (Edinburgh, Scotland)
DOI:10.1016/j.clnu.2024.07.043
PMID:39153431
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1010 | 2024-09-02 |
A comprehensive approach for evaluating lymphovascular invasion in invasive breast cancer: Leveraging multimodal MRI findings, radiomics, and deep learning analysis of intra- and peritumoral regions
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文通过比较术前多模态磁共振成像（MRI）基于放射组学和深度学习（DL）模型的诊断性能，评估了乳腺癌中的淋巴血管侵犯（LVI）。 | 本文创新性地结合了多模态MRI、放射组学和深度学习分析，构建了混合模型，显著提高了LVI状态的诊断效率。 | 本研究为回顾性研究，样本量相对较小，未来需要在前瞻性研究和更大样本量中验证结果。 | 评估和比较基于多模态MRI的放射组学和深度学习模型在乳腺癌LVI诊断中的性能。 | 乳腺癌患者中的淋巴血管侵犯（LVI）。 | 数字病理学 | 乳腺癌 | 多模态MRI | 深度学习模型 | 图像 | 262名乳腺癌患者，其中训练组183人，验证组79人。 | NA | NA | NA | NA |
| 1011 | 2024-09-02 |
ScribSD+: Scribble-supervised medical image segmentation based on simultaneous multi-scale knowledge distillation and class-wise contrastive regularization
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为ScribSD+的新框架，该框架基于多尺度知识蒸馏和类间对比正则化，用于从涂鸦注释中学习医学图像分割 | 引入了多尺度预测级别的知识蒸馏和类间对比正则化，有效提高了学生网络的分割性能 | NA | 减少医学图像分割中对大量像素级手动注释的依赖，降低注释成本 | 心脏结构分割和胎盘及胎儿脑部MRI分割 | 计算机视觉 | NA | 多尺度知识蒸馏，类间对比正则化 | CNN | 图像 | ACDC数据集和胎儿MRI数据集 | NA | NA | NA | NA |
| 1012 | 2024-09-02 |
PCa-RadHop: A transparent and lightweight feed-forward method for clinically significant prostate cancer segmentation
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为PCa-RadHop的透明且轻量级的前馈方法，用于临床显著性前列腺癌的分割 | PCa-RadHop采用Green Learning范式，提供了一个小模型尺寸和低复杂度的线性模型，增强了特征的可解释性 | NA | 旨在提供一个更透明的特征提取过程，并减少前列腺癌诊断中的假阳性率 | 临床显著性前列腺癌的分割 | 机器学习 | 前列腺癌 | NA | 线性模型 | 图像 | 1000名患者 | NA | NA | NA | NA |
| 1013 | 2024-09-02 |
Enhancing trabecular CT scans based on deep learning with multi-strategy fusion
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文研究了基于深度学习的3D小梁CT图像恢复技术，引入了Cascade-SwinUNETR和DVSR3D两种模型，并提出了无监督域适应方法 | 引入了Cascade-SwinUNETR和DVSR3D模型，以及无监督域适应方法，提高了特征提取能力和模型适应性 | NA | 提高小梁骨分析的准确性，改善骨健康评估和诊断 | 3D小梁CT图像 | 计算机视觉 | NA | 深度学习 | CNN, Transformer, Autoencoder | 图像 | 新构建的双视角数据集 | NA | NA | NA | NA |
| 1014 | 2024-09-02 |
Precision dose prediction for breast cancer patients undergoing IMRT: The Swin-UMamba-Channel Model
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本研究提出了一种新的Swin-UMamba-Channel预测模型，专门用于预测左乳腺癌患者在乳房切除术后接受放射治疗时的剂量分布 | 该模型集成了器官的解剖位置信息和射线角度信息，显著提高了预测准确性 | NA | 旨在通过深度学习技术更准确地预测剂量分布图，从而优化放射治疗计划 | 左乳腺癌患者在接受强度调制放射治疗（IMRT）后的剂量分布 | 机器学习 | 乳腺癌 | 深度学习 | Swin-UMamba-Channel | 图像 | 剂量范围从0到50 Gy，平均Dice相似系数为0.86 | NA | NA | NA | NA |
| 1015 | 2024-09-02 |
Progress and trends in neurological disorders research based on deep learning
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了深度学习技术在神经疾病临床影像中的应用及其对诊断和治疗的影响 | 探讨了多种深度学习模型在不同类型神经疾病中的性能，并分析了关键基准和数据集 | NA | 探索深度学习技术在神经疾病研究和临床应用中的进展和趋势 | 神经疾病及其临床影像数据 | 计算机视觉 | 神经疾病 | 深度学习 | CNN, LSTM-CNN, GAN, VGG | 影像 | NA | NA | NA | NA | NA |
| 1016 | 2024-09-02 |
Enhancing cancer prediction in challenging screen-detected incident lung nodules using time-series deep learning
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文展示了基于深度学习的计算机辅助诊断模型DeepCAD-NLM-L在恶性肺结节预测中的性能 | 使用时间序列深度学习分析多次CT扫描数据，以识别细微变化，并针对筛查轮次中出现的结节进行检测 | NA | 提高在挑战性的筛查发现的早期肺结节中预测癌症的准确性 | 肺结节的恶性风险 | 计算机视觉 | 肺癌 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1017 | 2024-09-02 |
PFMNet: Prototype-based feature mapping network for few-shot domain adaptation in medical image segmentation
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种基于原型的特征映射网络PFMNet，用于医学图像分割中的少样本域自适应 | PFMNet通过原型特征映射模块将目标域的高级特征转换为源域特征，便于解码器理解，从而实现有效的少样本分割 | NA | 解决深度学习在罕见疾病研究中数据不足的问题 | 医学图像分割 | 计算机视觉 | NA | NA | CNN | 图像 | 实验包括5-shot、10-shot、15-shot和20-shot四种设置 | NA | NA | NA | NA |
| 1018 | 2024-09-02 |
A deep learning approach for virtual contrast enhancement in Contrast Enhanced Spectral Mammography
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出使用深度生成模型在对比增强光谱乳腺摄影（CESM）中实现虚拟对比增强，旨在消除对比剂的使用并减少辐射剂量 | 利用深度学习网络（包括自编码器和两个生成对抗网络Pix2Pix和CycleGAN）从低能量图像生成合成重组图像 | CESM技术使用对比剂可能导致副作用，且辐射剂量高于标准乳腺摄影 | 开发一种无需对比剂且辐射剂量较低的CESM技术 | 对比增强光谱乳腺摄影（CESM）图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 生成对抗网络（GAN） | 图像 | 1138张图像 | NA | NA | NA | NA |
| 1019 | 2024-09-02 |
Deep learning ensembles for detecting brain metastases in longitudinal multi-modal MRI studies
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种利用深度学习集成模型在纵向多模态MRI研究中检测脑转移瘤的流程 | 引入了新的数据分层方法和质量评估指标，以提高模型的泛化能力 | 未提及具体限制 | 开发一种自动化的方法来支持医生在疾病进展跟踪和治疗效果评估中的工作 | 脑转移瘤的检测和分析 | 计算机视觉 | 脑癌 | MRI | 深度学习集成模型 | MRI扫描图像 | 275个多模态MRI扫描，涉及87名患者，来自53个不同地点 | NA | NA | NA | NA |
| 1020 | 2024-09-02 |
Impact of rapid iodine contrast agent infusion on tracheal diameter and lung volume in CT pulmonary angiography measured with deep learning-based algorithm
2024-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01591-7
PMID:38733470
|
研究论文 | 本研究通过对比增强CT肺动脉造影和非增强CT，评估快速碘对比剂注射对气管直径和肺容积的影响 | 采用基于深度学习技术的商业软件自动评估肺容积和测量气管直径 | 回顾性研究，未探讨其他可能影响结果的因素 | 探究快速碘对比剂注射对CT肺动脉造影中气管直径和肺容积的影响 | CT肺动脉造影和非增强CT中的气管直径和肺容积 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 101名患者 | NA | NA | NA | NA |