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 1133 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-12-18 |
Unsupervised Deep Learning for Synthetic CT Generation from CBCT Images for Proton and Carbon Ion Therapy for Paediatric Patients
2024-Nov-22, Sensors (Basel, Switzerland)
DOI:10.3390/s24237460
PMID:39685997
|
研究论文 | 本文提出了一种基于CycleGAN的无监督深度学习方法，用于从锥形束CT（CBCT）图像生成合成CT（sCT），以适应儿童患者的质子和碳离子治疗 | 本文首次采用CycleGAN网络，结合Res-Net和U-Net生成器，从CBCT图像生成高质量的sCT图像，以改善儿童患者的适应性粒子治疗 | 由于输入图像质量不佳和小视野（FOV）的限制，生成的sCT图像质量存在一定局限性 | 开发一种能够从CBCT图像生成高质量sCT图像的方法，以改善儿童患者的适应性粒子治疗 | 15名年轻骨盆患者的44个CBCT图像 | 计算机视觉 | NA | CycleGAN | CycleGAN | 图像 | 15名年轻骨盆患者的44个CBCT图像，其中36个用于训练，8个用于测试 | NA | NA | NA | NA |
| 402 | 2024-12-18 |
Intelligent Identification and Prediction of Roof Deterioration Areas Based on Measurements While Drilling
2024-Nov-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24237421
PMID:39685961
|
研究论文 | 本研究通过理论分析、实验室实验、ABAQUS动态数值模拟和现场测量，系统研究了钻进过程中推力、扭矩和Y方向振动信号对不同岩石层组合的响应特征，并提出了一种基于长短期记忆（LSTM）循环神经网络的深度学习算法和随机森林算法，用于智能识别和预测顶板劣化区域 | 本研究创新性地结合了长短期记忆（LSTM）循环神经网络和随机森林算法，用于智能识别和预测顶板劣化区域，并在实验室实验和现场测试中表现出优异的性能 | 本研究主要集中在实验室实验和现场测试，未来需要进一步验证和优化算法在不同地质条件下的适用性 | 研究目的是通过钻进测量信号实现对顶板劣化区域的及时有效识别和预测，以提高巷道开挖的安全性和稳定性 | 研究对象是巷道开挖过程中顶板劣化区域，如分层空间和弱夹层 | 计算机视觉 | NA | 长短期记忆（LSTM）循环神经网络，随机森林算法 | LSTM | 信号 | 实验室实验和现场测试中涉及的钻进测量信号 | NA | NA | NA | NA |
| 403 | 2024-12-18 |
Automated Pipeline for Robust Cat Activity Detection Based on Deep Learning and Wearable Sensor Data
2024-Nov-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24237436
PMID:39685969
|
研究论文 | 本文提出了一种基于深度学习和可穿戴传感器数据的自动化管道，用于稳健的猫活动检测 | 本研究创新性地结合了加速度、运动和磁传感器数据，并采用一维卷积神经网络（1D-CNN）进行猫活动建模和分类 | NA | 开发一种自动化系统，用于使用人工智能技术进行稳健的宠物（猫）活动分析 | 猫的活动检测和分类 | 机器学习 | NA | 一维卷积神经网络（1D-CNN） | 1D-CNN | 传感器数据 | 使用加速度计、陀螺仪和磁力计三种可穿戴传感器收集数据 | NA | NA | NA | NA |
| 404 | 2024-12-18 |
An Efficient Printing Defect Detection Based on YOLOv5-DCN-LSK
2024-Nov-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24237429
PMID:39685973
|
研究论文 | 本文提出了一种基于YOLOv5-DCN-LSK的改进模型，用于高效检测喷墨印刷标签中的印刷缺陷 | 引入了C3-DCN模块和Large Selective Kernel (LSK)模块，结合Normalized Gaussian Wasserstein Distance (NWD)和Efficient IoU (EIoU)损失函数，并应用模型剪枝技术，提高了检测精度和速度 | 未提及具体的局限性 | 提高印刷缺陷检测的精度和效率 | 喷墨印刷标签中的印刷缺陷 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 405 | 2024-12-18 |
Characterization of Retinal Arteries by Adaptive Optics Ophthalmoscopy Image Analysis
2024-11, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3408232
PMID:38829761
|
研究论文 | 本文通过结合深度学习和知识驱动的可变形模型，对自适应光学眼底成像图像中的视网膜动脉进行分割，并量化相关的生物标志物 | 本文创新性地结合了深度学习和知识驱动的可变形模型，实现了对视网膜动脉壁的精确分割，特别是对分叉点的关注 | 该方法的有效性依赖于视网膜动脉壁的良好对比度 | 量化自适应光学眼底成像图像中视网膜动脉的生物标志物 | 视网膜动脉及其分叉点 | 计算机视觉 | NA | 自适应光学眼底成像 | 深度学习模型 | 图像 | 初步临床研究中包括患有遗传性小血管疾病的患者和对照人群 | NA | NA | NA | NA |
| 406 | 2024-12-18 |
Deep Autoencoder for Real-Time Single-Channel EEG Cleaning and Its Smartphone Implementation Using TensorFlow Lite With Hardware/Software Acceleration
2024-11, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3408331
PMID:38829759
|
研究论文 | 本文提出了一种基于深度自编码器（DAE）的单通道脑电图（EEG）信号去噪方法，并在智能手机上通过TensorFlow Lite实现了硬件/软件加速 | 首次展示了在智能手机上使用低计算资源的深度学习模型进行移动EEG信号去噪，并利用现代智能手机的人工智能加速器提高计算性能 | NA | 去除脑电图信号中的眼动、运动和肌肉伪迹，以提高信号质量，并在移动平台上实现低计算开销的实时处理 | 单通道脑电图信号中的伪迹去除 | 机器学习 | NA | 深度自编码器（DAE） | 深度自编码器（DAE） | 脑电图（EEG）信号 | 使用了来自公共数据集的受污染和干净的脑电图数据，涵盖多种伪迹类型 | NA | NA | NA | NA |
| 407 | 2024-12-18 |
Diagnosing Necrotizing Enterocolitis via Fine-Grained Visual Classification
2024-11, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3409642
PMID:39453790
|
研究论文 | 本文提出了一种基于深度学习的自动检测和分级坏死性小肠结肠炎（NEC）的方法AIDNEC，通过腹部X光片进行细粒度视觉分类 | AIDNEC结合了检测Transformer和图卷积模块，用于定位X光片中的判别区域，并结合全局图像特征进行细粒度视觉分类，显著提高了分类准确率 | 本文仅在特定数据集上进行了验证，未来需要在更多不同来源的数据集上进行进一步验证 | 开发一种自动化的深度学习方法，用于从腹部X光片中检测和分级坏死性小肠结肠炎 | 坏死性小肠结肠炎（NEC）及其在腹部X光片中的表现 | 计算机视觉 | 新生儿疾病 | 深度学习 | 检测Transformer和图卷积模块 | 图像 | 1153张图像，来自334名患者 | NA | NA | NA | NA |
| 408 | 2024-12-18 |
Evaluating ChatGPT's Diagnostic Accuracy in Detecting Fundus Images
2024-Nov, Cureus
DOI:10.7759/cureus.73660
PMID:39677217
|
研究论文 | 评估ChatGPT在检测眼底图像诊断准确性方面的表现 | ChatGPT首次扩展到图像分析领域，为眼科诊断应用提供了新的机会 | ChatGPT在处理某些眼底图像时存在诊断不准确的问题，且在不确定时会出现幻觉现象 | 评估ChatGPT在眼科图像分析中的诊断准确性 | 12张来自关键眼科疾病的眼底图像 | 计算机视觉 | 眼科疾病 | 深度学习模型 | ChatGPT 4.0 | 图像 | 12张眼底图像 | NA | NA | NA | NA |
| 409 | 2024-12-18 |
Applications of Artificial Intelligence in Ophthalmology: Glaucoma, Cornea, and Oculoplastics
2024-Nov, Cureus
DOI:10.7759/cureus.73522
PMID:39677277
|
综述 | 本文探讨了人工智能在眼科领域的应用，特别是青光眼、角膜疾病和眼整形手术中的应用 | 本文展示了人工智能在眼科领域的创新应用，包括早期疾病检测、诊断准确性提升、临床工作流程优化和患者治疗效果的改善 | 本文主要为综述性质，未提供具体的技术实现细节或实验数据 | 研究人工智能在眼科领域的应用及其对诊断和治疗的影响 | 青光眼、角膜疾病和眼整形手术 | 机器学习 | NA | 机器学习和深度学习技术，特别是人工神经网络（ANN）和卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 410 | 2024-12-17 |
Tiberius: end-to-end deep learning with an HMM for gene prediction
2024-Nov-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae685
PMID:39558581
|
研究论文 | 本文介绍了Tiberius，一种基于深度学习的从头基因预测器，它将卷积层和长短期记忆层与可微分的隐马尔可夫模型（HMM）层进行端到端集成 | Tiberius通过将深度学习层与可微分的HMM层结合，显著提高了从头基因预测的准确性，并在人类基因组中实现了62%的F1得分 | NA | 开发一种新的深度学习方法，用于提高从头基因预测的准确性 | 哺乳动物基因组中的基因预测 | 机器学习 | NA | 深度学习 | CNN、LSTM、HMM | DNA序列 | 人类基因组及其他两个基因组 | NA | NA | NA | NA |
| 411 | 2024-12-17 |
Managing Dyslipidemia in Children: Current Approaches and the Potential of Artificial Intelligence
2024-11-27, Cardiology in review
IF:2.0Q3
DOI:10.1097/CRD.0000000000000816
PMID:39601582
|
综述 | 本文综述了儿童血脂异常的管理现状，并探讨了人工智能在改善筛查、诊断和治疗结果方面的潜力 | 本文探讨了人工智能在儿童血脂异常管理中的应用，包括脂质谱分析、肥胖评估和家族性高胆固醇血症筛查，展示了深度学习模型、机器学习算法和人工神经网络在提高诊断准确性和治疗效果方面的潜力 | 大多数研究是在成人群体中进行的，儿童群体的相关研究较少 | 分析当前儿童血脂异常管理的文献，并探讨人工智能在改善筛查、诊断和治疗结果方面的潜力 | 儿童血脂异常的管理 | NA | 心血管疾病 | 人工智能 | 深度学习模型、机器学习算法、人工神经网络 | NA | NA | NA | NA | NA | NA |
| 412 | 2024-12-17 |
CT-based deep learning model for predicting the success of extracorporeal shock wave lithotripsy in treating ureteral stones larger than 1 cm
2024-Nov-05, Urolithiasis
IF:2.0Q2
DOI:10.1007/s00240-024-01656-2
PMID:39499273
|
研究论文 | 开发基于CT图像的深度学习模型，用于预测体外冲击波碎石术治疗大于1厘米的输尿管结石的成功率 | 该研究首次基于CT图像构建深度学习模型，显著提高了对体外冲击波碎石术治疗结果的预测性能 | 研究样本量相对较小，且仅针对特定尺寸的输尿管结石患者 | 开发一种新的辅助工具，用于预测体外冲击波碎石术治疗大于1厘米输尿管结石的成功率 | 接受体外冲击波碎石术治疗的大于1厘米输尿管结石患者 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | 深度学习模型 | 图像 | 333名患者 | NA | NA | NA | NA |
| 413 | 2024-12-16 |
DeepDR: a deep learning library for drug response prediction
2024-Nov-28, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae688
PMID:39558584
|
研究论文 | 本文介绍了一个名为DeepDR的深度学习库，专门用于药物反应预测 | DeepDR是首个专门为药物反应预测开发的深度学习库，简化了药物和细胞特征化、模型构建、训练和推理的过程 | NA | 推动精准医学和药物发现的发展 | 药物反应预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 药物和细胞特征 | NA | NA | NA | NA | NA |
| 414 | 2024-12-16 |
Multi-kernel feature extraction with dynamic fusion and downsampled residual feature embedding for predicting rice RNA N6-methyladenine sites
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae647
PMID:39674264
|
研究论文 | 本文提出了一种新的端到端深度学习框架MFDm6ARice，用于预测水稻RNA N6-甲基腺苷位点，通过多核特征融合模块和下采样残差特征嵌入模块提高特征提取的准确性和计算效率 | 本文创新性地构建了多核特征融合模块和下采样残差特征嵌入模块，解决了传统方法中因无效填充导致的特征稀疏和高维特征复杂性问题 | 本文未提及具体的局限性 | 开发一种新的深度学习框架，用于准确预测水稻RNA N6-甲基腺苷位点 | 水稻RNA N6-甲基腺苷位点 | 机器学习 | NA | 深度学习 | NA | 序列 | 未具体说明样本数量 | NA | NA | NA | NA |
| 415 | 2024-12-16 |
Automated segmentation of brain metastases with deep learning: A multi-center, randomized crossover, multi-reader evaluation study
2024-Nov-04, Neuro-oncology
IF:16.4Q1
DOI:10.1093/neuonc/noae113
PMID:38991556
|
研究论文 | 本研究开发并评估了一种基于深度学习的脑转移瘤分割系统，通过多中心、随机交叉、多读者评估研究验证其在临床实践中的应用 | 首次通过多中心、随机交叉、多读者评估研究验证了基于深度学习的脑转移瘤分割系统的临床应用效果 | 研究样本量相对较小，且仅限于脑转移瘤的分割任务 | 开发并验证一种用于脑转移瘤分割的深度学习系统 | 脑转移瘤的分割任务 | 计算机视觉 | 脑转移瘤 | 深度学习 | NA | 图像 | 488名患者的数据用于系统开发，50名患者的数据用于评估 | NA | NA | NA | NA |
| 416 | 2024-12-16 |
A pathway from surface to deep online language learning approach: The crucial role of online self-regulation
2024-Nov, Acta psychologica
IF:2.1Q2
DOI:10.1016/j.actpsy.2024.104644
PMID:39652985
|
研究论文 | 研究探讨了伊朗高中EFL学习者在在线语言学习中的学习方法，特别是教学、技术和同伴支持以及在线自我调节的中介作用 | 提出了一个新的概念框架，即在线语言学习方法（OLLA），并引入了与语言学习者复杂动态系统相关的新心理学因素 | 研究仅限于伊朗高中EFL学习者，可能无法推广到其他群体或教育背景 | 填补在线语言学习领域中关于学习者方法的空白，特别是在计算机辅助语言学习和心理语言学领域 | 伊朗高中EFL学习者在在线语言学习中的学习方法 | 计算机辅助语言学习 | NA | 偏最小二乘结构方程建模（PLS-SEM） | 偏最小二乘结构方程建模 | 文本 | 686名伊朗高中EFL学习者 | NA | NA | NA | NA |
| 417 | 2024-12-15 |
Construction and validation of deep learning model for cachexia in extensive-stage small cell lung cancer patients treated with immune checkpoint inhibitors: a multicenter study
2024-Nov-30, Translational lung cancer research
IF:4.0Q1
DOI:10.21037/tlcr-24-543
PMID:39670020
|
研究论文 | 本研究构建并验证了一种深度学习模型，用于预测接受免疫检查点抑制剂治疗的广泛期小细胞肺癌患者的恶病质及其预后价值 | 本研究首次开发并验证了一种基于深度学习的恶病质预测模型，并展示了其在预测广泛期小细胞肺癌患者生存结果方面的优越性能 | 本研究的样本量相对较小，且仅在三家医院的数据上进行了验证，可能限制了模型的普适性 | 评估恶病质对免疫治疗效果的影响，开发并验证一种基于深度学习的恶病质预测模型及其预后价值 | 接受一线免疫治疗和化疗的广泛期小细胞肺癌患者 | 机器学习 | 肺癌 | 深度学习 | 深度学习模型 | 医学记录和CT图像 | 231名广泛期小细胞肺癌患者 | NA | NA | NA | NA |
| 418 | 2024-12-15 |
Effect of Deep Learning Image Reconstruction Algorithms on Radiomic Features of Pulmonary Nodules in Ultra-Low-Dose CT
2024 Nov-Dec 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001634
PMID:39095065
|
研究论文 | 本研究探讨了深度学习图像重建（DLIR）算法对超低剂量CT中肺结节放射组学特征定量的影响 | DLIR算法在超低剂量CT中提高了放射组学特征的可重复性，特别是在纯磨玻璃结节（pGGNs）和实性结节（SNs）的纹理特征上 | 研究样本量相对较小，且仅比较了两种不同的重建算法 | 探讨DLIR算法在超低剂量CT中对放射组学特征定量的影响 | 肺结节的放射组学特征 | 计算机视觉 | 肺癌 | 深度学习图像重建（DLIR） | NA | 图像 | 183名肺结节患者 | NA | NA | NA | NA |
| 419 | 2024-12-15 |
Image Quality Assessment of a Deep Learning-Based Automatic Bone Removal Algorithm for Cervical CTA
2024 Nov-Dec 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001637
PMID:39095057
|
研究论文 | 本研究评估了基于深度学习的自动骨移除算法在颈椎CTA中的后处理图像质量 | 深度学习算法在骨移除和血管完整性方面表现优于传统算法，特别是在复杂解剖结构和邻近骨的区域 | 研究仅涉及100名患者，样本量相对较小 | 评估深度学习算法在颈椎CTA中自动骨移除的图像质量 | 颈椎CTA图像中的骨移除和血管完整性 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 100名患者（31名女性，平均年龄61.4 ± 12.4岁） | NA | NA | NA | NA |
| 420 | 2024-12-15 |
Accelerated Diffusion-Weighted Magnetic Resonance Imaging of the Liver at 1.5 T With Deep Learning-Based Image Reconstruction: Impact on Image Quality and Lesion Detection
2024 Nov-Dec 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001622
PMID:38722777
|
研究论文 | 比较基于深度学习的扩散加权序列与传统和加速扩散加权序列在临床肝脏磁共振成像中的图像质量和病变检测效果 | 提出了一种基于深度学习的扩散加权磁共振成像序列，显著缩短了采集时间，同时保持或提高了图像质量 | 研究仅包括50名患者，样本量较小，可能影响结果的普适性 | 评估基于深度学习的扩散加权序列在临床肝脏磁共振成像中的图像质量和病变检测效果 | 50名接受1.5T磁共振成像的肝脏患者 | NA | NA | 磁共振成像 (MRI) | 深度学习 | 图像 | 50名患者 | NA | NA | NA | NA |