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 1163 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 |
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 |
| 1002 | 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 |
| 1003 | 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 |
| 1004 | 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 |
| 1005 | 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 |
| 1006 | 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 |
| 1007 | 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 |
| 1008 | 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 |
| 1009 | 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 |
| 1010 | 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 |
| 1011 | 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 |
| 1012 | 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 |
| 1013 | 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 |
| 1014 | 2024-09-01 |
igRNA Prediction and Selection AI Models (igRNA-PS) for Bystander-less ABE Base Editing
2024-Sep-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168714
PMID:39029887
|
研究论文 | 本文介绍了一种不完美gRNA（igRNA）编辑策略，用于实现无旁观者的单碱基编辑，并开发了igRNA预测和选择AI模型（igRNA-PS）来预测和选择高效的igRNA。 | 本文创新性地设计了igRNA编辑策略，并通过深度学习构建了igRNA-PS模型，能够高精度地识别主要编辑位点，预测单碱基编辑效率和产品纯度，并生成和评估最佳igRNA。 | NA | 开发一种无旁观者的单碱基编辑方法，并提供高效的igRNA预测和选择工具。 | CRISPR衍生的基础编辑技术，特别是ABE基础编辑。 | 基因编辑 | NA | 深度学习 | AI模型 | 序列数据 | 5000个位点，每个位点约19个系统设计的ABE igRNA | NA | NA | NA | NA |
| 1015 | 2024-09-01 |
Automated Lugano Metabolic Response Assessment in 18F-Fluorodeoxyglucose-Avid Non-Hodgkin Lymphoma With Deep Learning on 18F-Fluorodeoxyglucose-Positron Emission Tomography
2024-Sep-01, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO.23.01978
PMID:38843483
|
研究论文 | 本文介绍了一种基于深度学习的算法，用于根据Lugano 2014分类标准对18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤进行全自动治疗反应评估 | 该方法的反应评估与放射学反应的裁决高度一致，并且在死亡风险预测方面表现出更高的准确性 | NA | 旨在通过人工智能减少医生在放射学评估上的时间，并提高治疗反应评估的准确性 | 18F-氟脱氧葡萄糖亲和性非霍奇金淋巴瘤的治疗反应 | 机器学习 | 非霍奇金淋巴瘤 | 深度学习 | 深度学习算法 | 图像 | 涉及多个国家的临床试验，包括多个中心和国家的测试集，涉及不同的非霍奇金淋巴瘤亚型和治疗线 | NA | NA | NA | NA |
| 1016 | 2024-09-01 |
Synergistic integration of deep learning with protein docking in cardiovascular disease treatment strategies
2024-Sep, IUBMB life
IF:3.7Q2
DOI:10.1002/iub.2819
PMID:38748776
|
研究论文 | 本研究通过深入的分子对接分析，探索了基于生育酚的纳米乳剂作为心血管疾病治疗药物的潜力 | 利用深度学习模型ESM1-b和ProtT5进行输入编码，预测4YAY蛋白与生育酚的相互作用位点，实现了对这些关键蛋白-配体相互作用的高度准确预测 | NA | 阐明生育酚与心血管疾病发展中起关键作用的七个蛋白质的分子相互作用 | 生育酚与七个关键蛋白质（1O8a, 4YAY, 4DLI, 1HW9, 2YCW, 1BO9和1CX2）的相互作用 | 分子生物学 | 心血管疾病 | 分子对接分析 | 深度学习模型 | 蛋白质数据 | 七个关键蛋白质 | NA | NA | NA | NA |
| 1017 | 2024-09-01 |
Voxel level dense prediction of acute stroke territory in DWI using deep learning segmentation models and image enhancement strategies
2024-Sep, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01582-8
PMID:38727961
|
研究论文 | 本研究旨在通过设计多类分割任务，利用深度学习分割模型和图像增强策略在DWI图像中构建急性中风区域分类器模型 | 采用体素级密集预测结合偏场校正和空间配准，提高了模型的性能 | NA | 构建一个在DWI图像中识别急性中风区域的分类器模型 | 急性前或后缺血性中风患者的DWI图像 | 计算机视觉 | 中风 | 深度学习 | U-Net | 图像 | 218名患者 | NA | NA | NA | NA |
| 1018 | 2024-09-01 |
Feasibility study on the clinical application of CT-based synthetic brain T1-weighted MRI: comparison with conventional T1-weighted MRI
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10534-1
PMID:38175218
|
研究论文 | 本研究旨在探讨基于CT的合成脑T1加权磁共振成像（MRI）与传统T1加权MRI在脑形态定量评估中的等效性 | 利用深度学习模型从CT数据生成合成T1加权成像（sT1WI），并评估其与传统T1加权MRI的等效性 | 研究中存在一些由于放射科医生测量差异导致的较差的协议 | 研究基于CT的合成T1加权MRI与传统T1加权MRI在脑形态定量评估中的等效性 | 35名接受脑部磁共振成像（MRI）和CT扫描的成年患者 | 计算机视觉 | NA | 深度学习模型 | 深度学习模型 | 图像 | 35名成年患者 | NA | NA | NA | NA |
| 1019 | 2024-09-01 |
Artificial intelligence in immunotherapy PET/SPECT imaging
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10637-3
PMID:38355986
|
综述 | 本文通过综述探讨了人工智能在PET/SPECT引导的免疫治疗患者管理中的应用 | 人工智能应用于PET/SPECT成像，主要用于预测免疫治疗患者的预后或肿瘤表型，这是基于治疗前基线图像构建的 | 需要进一步在大规模、前瞻性、多中心队列中验证模型，才能实现真正的临床应用 | 研究人工智能在PET/SPECT引导的免疫治疗中的作用，以识别可能获得持久临床益处或可能出现不可接受副作用的患者 | 免疫治疗患者及其PET/SPECT成像特征 | 计算机视觉 | 肺癌 | PET/SPECT成像 | 深度学习 | 图像 | 中位数（四分位数范围）样本量为63（157），主要关注肺癌、淋巴瘤和黑色素瘤 | NA | NA | NA | NA |
| 1020 | 2024-09-01 |
Learning CT-free attenuation-corrected total-body PET images through deep learning
2024-Sep, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10647-1
PMID:38355987
|
研究论文 | 本研究利用深度学习技术生成无需CT的衰减校正全身PET图像，以减少PET成像中的电离辐射问题 | 本研究首次尝试通过深度学习生成无需CT的衰减校正全身PET图像，减少了对患者的辐射风险 | 未来工作需要在更多临床实践中验证该方法在全身PET/CT系统中的应用 | 开发一种无需CT的衰减校正方法，以减少全身PET/CT成像中的电离辐射 | 全身PET图像的衰减校正 | 机器学习 | NA | Cycle-GAN | 生成对抗网络 | 图像 | 122名受试者（29名女性和93名男性） | NA | NA | NA | NA |