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 1161 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 | 2024-11-15 |
Preoperative Imaging Evaluation of Endometrial Cancer in FIGO 2023
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29161
PMID:38146775
|
综述 | 本文回顾了在新FIGO系统下子宫内膜癌的术前影像诊断及其在影像分析领域的最新进展和临床贡献 | 本文介绍了深度学习重建技术和影像组学在子宫内膜癌影像分析中的应用，这些技术有助于缩短采集时间或提高图像质量，并有望用于定量预测风险因素 | NA | 回顾子宫内膜癌在新FIGO系统下的术前影像诊断及其在影像分析领域的最新进展和临床贡献 | 子宫内膜癌的术前影像评估和影像分析技术 | 计算机视觉 | 妇科肿瘤 | 深度学习重建技术 | NA | 影像 | NA | NA | NA | NA | NA |
| 382 | 2024-11-15 |
Collaborative Learning for Annotation-Efficient Volumetric MR Image Segmentation
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29194
PMID:38156427
|
研究论文 | 本文提出了一种利用稀疏标注进行三维MR图像分割的协同学习方法 | 本文的创新点在于结合半监督和自监督学习方法，利用稀疏标注提高分割精度 | 本文的局限性在于仅在前列腺和左心房分割任务上进行了验证 | 本文的研究目的是开发一种利用稀疏标注进行三维MR图像分割的深度学习方法 | 本文的研究对象是前列腺和左心房的三维MR图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 协同学习 | 图像 | 150个受试者的三维MR图像，包括50个前列腺和100个左心房 | NA | NA | NA | NA |
| 383 | 2024-11-15 |
Deep Learning Algorithm of the SPARCC Scoring System in SI Joint MRI
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29211
PMID:38168061
|
研究论文 | 开发了一种基于深度学习的流程，用于使用SPARCC评分系统对骶髂关节炎进行分级 | 首次将深度学习应用于SPARCC评分系统，以自动评估骶髂关节炎 | 样本量相对较小，且仅使用了3T MRI设备 | 开发和验证一种基于深度学习的评分系统，用于自动评估骶髂关节炎 | 骶髂关节炎的MRI图像 | 计算机视觉 | 脊柱关节病 | 深度学习 | 深度学习模型 | 图像 | 389名参与者，其中317名用于训练，35名用于验证，37名用于测试 | NA | NA | NA | NA |
| 384 | 2024-11-15 |
Editorial for "Deep Learning Algorithm of the SPARCC Scoring System in SI Joint MRI"
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29234
PMID:38189561
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 385 | 2024-11-15 |
MRI-Based Kinetic Heterogeneity Evaluation in the Accurate Access of Axillary Lymph Node Status in Breast Cancer Using a Hybrid CNN-RNN Model
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29225
PMID:38205712
|
研究论文 | 本文研究了基于MRI的动态对比增强（DCE-MRI）图像的深度学习模型在评估乳腺癌患者腋窝淋巴结状态中的应用 | 开发了一种称为卷积循环神经网络（ConvRNN）的深度学习架构，用于生成DCE-MRI图像的KHimage评分，以评估腋窝淋巴结状态 | 研究为回顾性，且仅在特定患者群体中验证了模型性能 | 评估基于深度学习的动态对比增强MRI参数在推断乳腺癌患者腋窝淋巴结状态中的价值 | 乳腺癌患者的腋窝淋巴结状态 | 计算机视觉 | 乳腺癌 | 动态对比增强MRI | 卷积循环神经网络（ConvRNN） | 图像 | 训练集1256例，内部验证集539例，外部验证集I和II分别为153例和115例 | NA | NA | NA | NA |
| 386 | 2024-11-15 |
Deep Learning-Based Analysis of Aortic Morphology From Three-Dimensional MRI
2024-Oct, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29236
PMID:38216546
|
研究论文 | 本文设计了一种基于深度学习的自动化方法，用于从三维MRI中检测主动脉地标和管腔 | 本文提出了一种基于深度学习的自动化方法，用于从三维MRI中检测主动脉地标和管腔，提高了检测的质量和可重复性 | 本文的方法在检测主动脉交界处地标时，性能略低于观察者间变异性 | 设计一种基于深度学习的自动化方法，用于从三维MRI中检测主动脉地标和管腔 | 主动脉地标和管腔的检测 | 计算机视觉 | 心血管疾病 | 深度学习 | 两阶段网络 | 三维MRI图像 | 391名个体，包括健康受试者和患者（高血压、主动脉扩张、特纳综合征），随机分为训练/验证/测试数据集（N=236/77/78） | NA | NA | NA | NA |
| 387 | 2024-09-13 |
Is Histopathology Deep Learning Artificial Intelligence the Future of Precision Oncology?
2024-Oct-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-01271
PMID:39259925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 388 | 2024-11-13 |
Exploring gender stereotypes in financial reporting: An aspect-level sentiment analysis using big data and deep learning
2024-Oct-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38915
PMID:39506953
|
研究论文 | 本研究通过方面级情感分析方法，探讨了性别刻板印象与财务报告之间的复杂关系 | 首次结合大数据和深度学习技术，分析了性别刻板印象在财务报告中的表现，并揭示了经济因素对女性在财务报告中形象的影响 | 研究仅基于智利的财务报告数据，可能限制了结果的普适性 | 探讨性别刻板印象在财务报告中的表现及其影响因素 | 性别刻板印象、财务报告、经济因素 | 自然语言处理 | NA | 深度学习 | NA | 图像 | 129,251张人脸图像，来自2085份财务报告 | NA | NA | NA | NA |
| 389 | 2024-11-13 |
Heatmap analysis for artificial intelligence explainability in diabetic retinopathy detection: illuminating the rationale of deep learning decisions
2024-Oct-20, Annals of translational medicine
DOI:10.21037/atm-24-73
PMID:39507460
|
研究论文 | 本文探讨了在糖尿病视网膜病变检测中，通过热图分析揭示深度学习决策过程的透明性 | 本文通过比较不同眼底图像的热图，揭示了深度学习决策过程中的差异，增强了深度学习系统的可解释性 | 本文仅限于分析糖尿病视网膜病变检测中的热图差异，未涉及其他疾病或应用场景 | 探索人工智能算法在医疗应用中的透明性，特别是通过热图分析揭示深度学习决策过程 | 糖尿病患者同一只眼睛在瞳孔扩张前后的眼底图像 | 计算机视觉 | 糖尿病视网膜病变 | 卷积神经网络 | CNN | 图像 | 210对眼底图像 | NA | NA | NA | NA |
| 390 | 2024-11-13 |
Deep learning classification performance for diagnosing condylar osteoarthritis in patients with dentofacial deformities using panoramic temporomandibular joint projection images
2024-Oct, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00768-0
PMID:38990220
|
研究论文 | 本研究评估了深度学习模型在诊断颌面部畸形患者中髁突骨关节炎的性能 | 本研究首次使用深度学习模型对全景颞下颌关节投影图像进行分类，以诊断髁突骨关节炎 | 研究样本量较小，且仅限于颌面部畸形患者 | 评估深度学习模型在诊断颌面部畸形患者中髁突骨关节炎的准确性和一致性 | 颌面部畸形患者的全景颞下颌关节投影图像 | 计算机视觉 | 颞下颌关节疾病 | 深度学习 | GoogLeNet, VGG-16 | 图像 | 68个颞下颌关节样本，其中252个用于模型训练 | NA | NA | NA | NA |
| 391 | 2024-11-11 |
Linking joint exposures to residential greenness and air pollution with adults' social health in dense Hong Kong
2024-Oct-28, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2024.125207
PMID:39476997
|
研究论文 | 研究探讨了香港密集城市中绿地、空气污染与成年人社会健康之间的相互关系 | 本研究首次在密集城市环境中探讨了绿地和空气污染对社会健康的综合影响，并分析了潜在的中介因素和人口异质性 | 研究基于横断面调查数据，可能存在因果关系推断的局限性 | 研究目的是探讨城市环境中绿地和空气污染对社会健康的综合影响及其潜在机制 | 研究对象为香港的1977名成年人 | 公共卫生 | NA | 时空深度学习模型 | 多元逻辑回归、部分最小二乘结构方程模型（PLS-SEM） | 调查数据、环境数据 | 1977名成年人 | NA | NA | NA | NA |
| 392 | 2024-11-11 |
XDL-ESI: Electrophysiological Sources Imaging via explainable deep learning framework with validation on simultaneous EEG and iEEG
2024-Oct-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120802
PMID:39173694
|
研究论文 | 本文提出了一种名为XDL-ESI的可解释深度学习框架，用于脑电图（EEG）和脑磁图（MEG）源成像，并通过同时采集的EEG和iEEG数据进行验证 | 该框架通过展开迭代优化算法与深度学习架构的结合，建立了一种数据驱动的方法来建模源解结构，避免了手工设计的正则化项，并引入了拓扑损失以提高源解的鲁棒性 | NA | 解决EEG/MEG源成像的逆问题，提高解的唯一性和鲁棒性 | EEG和iEEG数据中的脑电活动源 | 机器学习 | NA | 深度学习 | 神经网络 | 脑电图数据 | NA | NA | NA | NA | NA |
| 393 | 2024-11-10 |
A pilot study of AI-assisted reading of prostate MRI in Organized Prostate Cancer Testing
2024-Oct-29, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2024.40475
PMID:39473176
|
研究论文 | 评估在前列腺癌筛查中使用AI辅助阅读前列腺MRI的可行性 | 首次在前列腺癌筛查中应用深度学习算法辅助MRI阅读 | 深度学习算法与当地和专家放射科医生的共识一致性较低 | 评估AI辅助阅读前列腺MRI在前列腺癌筛查中的可行性 | 前列腺MRI图像和放射科医生的评估结果 | 计算机视觉 | 前列腺癌 | 深度学习 | DL | 图像 | 57名PSA水平≥3 µg/L的男性 | NA | NA | NA | NA |
| 394 | 2024-11-10 |
Machine Learning Using Template-Based-Predicted Structure of Haemagglutinin Predicts Pathogenicity of Avian Influenza
2024-Oct-28, Journal of microbiology and biotechnology
IF:2.5Q3
DOI:10.4014/jmb.2405.05022
PMID:39252651
|
研究论文 | 本研究利用深度学习方法，通过模板预测的血凝素结构来预测禽流感的致病性 | 引入了一种新的管道，利用开源工具将蛋白质结构转换为适合计算分析的格式，并结合主成分分析和单类支持向量机提高了模型的鲁棒性 | NA | 开发一种快速准确识别高致病性禽流感毒株的方法 | 禽流感病毒的血凝素和神经氨酸酶类型 | 机器学习 | NA | 主成分分析，单类支持向量机，K近邻算法 | 二维卷积神经网络 | 基因组数据 | 12,143个禽流感病毒基因组，来自64个国家，涵盖119种血凝素和神经氨酸酶类型 | NA | NA | NA | NA |
| 395 | 2024-11-10 |
Deep learning to assess bone quality from panoramic radiographs: the feasibility of clinical application through comparison with an implant surgeon and cone-beam computed tomography
2024-Oct, Journal of periodontal & implant science
DOI:10.5051/jpis.2302880144
PMID:38725425
|
研究论文 | 本研究评估了深度学习（DL）通过全景（PA）放射图像评估骨质量的临床应用可行性，并与种植外科医生的主观触觉和锥束计算机断层扫描（CBCT）值进行了比较 | 首次使用深度学习技术通过全景放射图像评估骨质量，并与传统方法和CBCT值进行比较 | 研究样本量较小，需要基于高质量定量数据集的进一步研究以提高方法的可靠性和有效性 | 评估深度学习在通过全景放射图像评估骨质量方面的临床应用可行性 | 种植外科医生的主观触觉、CBCT值以及深度学习分类结果 | 计算机视觉 | NA | 深度学习 | ResNet-50 | 图像 | 2,270个无牙种植位点的全景图像 | NA | NA | NA | NA |
| 396 | 2024-11-10 |
Advances in AI and machine learning for predictive medicine
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-024-01231-y
PMID:38424184
|
综述 | 本文探讨了深度学习在精准医学预测建模中的应用，特别是卷积神经网络（CNNs）在处理组学数据中的潜力 | 本文介绍了通过DeepInsight等转换方法将表格形式的组学数据转化为图像表示，从而使CNNs能够有效捕捉潜在特征，增强预测能力并利用迁移学习 | 本文指出在组学数据分析中应用CNNs存在模型可解释性、数据异质性和数据规模等问题 | 探讨深度学习在精准医学预测建模中的应用 | 组学数据及其在精准医学中的预测建模 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 表格数据 | NA | NA | NA | NA | NA |
| 397 | 2024-11-09 |
Efficient urinary stone type prediction: a novel approach based on self-distillation
2024-10-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73923-6
PMID:39390010
|
研究论文 | 本文提出了一种基于自蒸馏架构的高效尿石类型预测方法，通过特征融合和坐标注意力模块（CAM）提高了模型的分类准确性和计算效率 | 本文的创新点在于改进了自蒸馏架构，结合特征融合和坐标注意力模块，实现了更有效的知识传递，避免了模型压缩带来的额外计算开销和性能下降 | NA | 本文的研究目的是开发一种高效且准确的尿石类型预测方法，以帮助临床医生制定更精确的治疗方案 | 本文的研究对象是尿石症患者的CT图像 | 计算机视觉 | 泌尿系统疾病 | 自蒸馏 | NA | 图像 | 本文使用了专有数据集和两个公共数据集进行验证 | NA | NA | NA | NA |
| 398 | 2024-11-09 |
Development and Validation of a Computed Tomography-Based Model for Noninvasive Prediction of the T Stage in Gastric Cancer: Multicenter Retrospective Study
2024-Oct-09, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/56851
PMID:39382960
|
研究论文 | 本研究开发并验证了一种基于计算机断层扫描（CT）的模型，用于非侵入性预测胃癌的T分期 | 本研究首次结合深度学习和放射组学来预测胃癌的T分期 | 本研究仅在回顾性数据集上进行了验证，未来需要在更多中心和前瞻性数据集上进行验证 | 开发一种基于CT的模型，通过放射组学和深度学习自动预测胃癌的T分期 | 胃癌患者的T分期 | 数字病理学 | 胃癌 | 放射组学 | 混合模型 | 图像 | 771名胃癌患者 | NA | NA | NA | NA |
| 399 | 2024-11-09 |
Deep learning models for the prediction of acute postoperative pain in PACU for video-assisted thoracoscopic surgery
2024-Oct-07, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02357-5
PMID:39375589
|
研究论文 | 本研究开发了一种深度学习模型，用于预测视频辅助胸腔镜手术后急性术后疼痛 | 本研究首次将图注意力网络（GAT）和图Transformer网络（GTN）结合，构建了DoseFormer模型，用于预测术后急性疼痛 | 本研究仅使用了回顾性观察数据，未来需要前瞻性研究验证模型的有效性 | 开发一种深度学习算法，用于预测术后急性疼痛 | 视频辅助胸腔镜手术后的患者 | 机器学习 | NA | 图注意力网络（GAT）和图Transformer网络（GTN） | DoseFormer模型 | 患者信息和手术期间的生命体征数据 | 共纳入1758名患者，数据清洗后剩余1552名患者，其中训练集931名，测试集621名 | NA | NA | NA | NA |
| 400 | 2024-08-07 |
Deep learning assisted biomarker development in patients with chronic hepatitis B: Editorial on "Prognostic role of computed tomography analysis using deep learning algorithm in patients with chronic hepatitis B viral infection"
2024-Oct, Clinical and molecular hepatology
IF:14.0Q1
DOI:10.3350/cmh.2024.0563
PMID:39038960
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |