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 1268 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-12-06 |
Robust brain MRI image classification with SIBOW-SVM
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 提出了一种名为SIBOW-SVM的新方法，用于脑部MRI图像的分类，结合了Bag-of-Features模型、SIFT特征提取和加权支持向量机，以提高分类准确性和不确定性量化 | SIBOW-SVM方法结合了Bag-of-Features模型和SIFT特征提取，能够有效提取隐藏图像特征，提供高置信度的分类决策 | 未提及具体局限性 | 开发一种新的脑肿瘤图像分类方法，以提高分类准确性、计算效率和数据鲁棒性 | 脑部MRI图像中的脑肿瘤类型分类 | 计算机视觉 | 脑肿瘤 | MRI | SIBOW-SVM | 图像 | 包含四类（胶质瘤、脑膜瘤、垂体瘤和正常）的公开脑肿瘤MRI图像数据集 | NA | NA | NA | NA |
| 982 | 2024-12-06 |
Dual attention model with reinforcement learning for classification of histology whole-slide images
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种用于组织学全切片图像分类的双注意力模型，结合强化学习方法，通过处理低放大率视图来识别感兴趣区域，并从选定的区域中提取多样且空间上不同的图像块进行分类 | 提出了双注意力模型，包括软注意力模型和硬注意力分类模型，并使用强化学习训练硬注意力模型，以预测多分辨率视图的位置，从而减少计算量并提高分类性能 | NA | 开发一种高效的全切片图像分类方法，减少计算负担并保留关键信息 | 组织学全切片图像的分类 | 数字病理学 | 乳腺癌和结直肠癌 | 强化学习 | 双注意力模型 | 图像 | 两个全切片图像分类问题的数据集，包括乳腺癌和结直肠癌的组织学图像 | NA | NA | NA | NA |
| 983 | 2024-12-06 |
CIS-UNet: Multi-class segmentation of the aorta in computed tomography angiography via context-aware shifted window self-attention
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文介绍了一种名为CIS-UNet的深度学习模型，用于在计算机断层扫描血管造影中对主动脉及其分支进行多类分割 | CIS-UNet结合了卷积神经网络和Swin变换器的优势，引入了新的上下文感知移位窗口自注意力模块（CSW-SA），该模块在瓶颈层应用时提供了更高的计算效率和分割精度 | NA | 开发一种能够准确分割主动脉及其分支的深度学习模型，以提高介入治疗的规划精度 | 主动脉及其13个分支的多类分割 | 计算机视觉 | NA | 深度学习 | CIS-UNet | CT扫描图像 | 59名患者的CT扫描数据 | NA | NA | NA | NA |
| 984 | 2024-12-06 |
Prostate cancer prognosis using machine learning: A critical review of survival analysis methods
2024-Dec, Pathology, research and practice
DOI:10.1016/j.prp.2024.155687
PMID:39541766
|
综述 | 本文综述了利用机器学习和软计算技术进行前列腺癌生存分析的方法 | 通过系统性文献回顾，总结了现有研究的关键见解，并进行了不同方法的全面比较 | 指出了先前研究中的空白，并提出了未来研究的方向和建议 | 探讨前列腺癌生存分析中机器学习和软计算技术的应用 | 前列腺癌患者的生存分析和治疗预测 | 机器学习 | 前列腺癌 | 机器学习、数据科学、深度学习 | NA | 电子数据 | NA | NA | NA | NA | NA |
| 985 | 2024-12-06 |
Models for the marrow: A comprehensive review of AI-based cell classification methods and malignancy detection in bone marrow aspirate smears
2024-Dec, HemaSphere
IF:7.6Q1
DOI:10.1002/hem3.70048
PMID:39629240
|
综述 | 本文综述了基于人工智能的细胞分类方法和骨髓抽吸涂片中恶性肿瘤检测的模型 | 本文介绍了人工智能在识别遗传突变表型方面的能力，并探讨了其在临床常规中对骨髓进行初步快速分析的潜力 | 血液疾病的内在复杂性为自动形态学评估带来了挑战，确保在多个医疗中心广泛应用和高准确性需要高度异质性的训练数据集 | 系统分析过去五年内发表的用于细胞分类和检测血液恶性肿瘤的深度学习模型，探讨这些任务的挑战和机遇 | 骨髓抽吸涂片中的细胞分类和恶性肿瘤检测 | 数字病理学 | 血液疾病 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 986 | 2024-12-06 |
Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00281-y
PMID:38455725
|
研究论文 | 研究探讨了人工智能在自闭症谱系障碍（ASD）诊断中的应用，特别是通过机器学习和深度学习模型分析社交媒体文本 | 结合机器学习和深度学习模型，利用自然语言处理技术提高ASD检测的准确性 | 研究仅基于Twitter数据，可能无法全面反映所有ASD患者的特征 | 探索人工智能在ASD诊断中的应用，提高诊断准确性 | 通过分析社交媒体文本检测ASD潜在病例 | 自然语言处理 | 自闭症谱系障碍 | 自然语言处理 | 双向长短期记忆网络（Bi-LSTM）、双向编码器表示（BERT和BERTweet） | 文本 | 404,627条Twitter推文，其中90,000条用于训练和测试 | NA | NA | NA | NA |
| 987 | 2024-12-06 |
A hybrid approach based on multipath Swin transformer and ConvMixer for white blood cells classification
2024-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-024-00291-w
PMID:38685986
|
研究论文 | 提出了一种基于多路径Swin Transformer和ConvMixer的混合方法用于白细胞分类 | 引入了一种新的多路径混合网络，结合了ConvMixer和Swin Transformer的优点，以提高白细胞分类的准确性 | NA | 研究白细胞分类在医学诊断中的重要性，并提出一种新的深度学习模型来提高分类准确性 | 白细胞及其在血液中的分类 | 计算机视觉 | NA | 深度学习 | 混合模型（Swin Transformer和ConvMixer） | 图像 | 使用了三个白细胞数据集，分别包含4类（BCCD）、8类（PBC）和5类（Raabin） | NA | NA | NA | NA |
| 988 | 2024-12-06 |
RPDNet: A reconstruction-regularized parallel decoders network for rectal tumor and rectum co-segmentation
2024-Dec, 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RPDNet的网络，用于直肠肿瘤和直肠的联合分割，通过重建正则化的并行解码器结构来解决信息丢失问题 | 引入了一个辅助重建分支，通过计算重建图像与输入图像之间的一致性损失来保留足够的解剖结构信息，并提出了一个无参数的目标自适应注意力模块，以增强直肠肿瘤与正常组织之间的特征级对比度 | 未提及 | 提高直肠肿瘤和直肠在磁共振成像（MRI）中的分割精度，以支持肿瘤的精确诊断和治疗计划制定 | 直肠肿瘤和直肠 | 计算机视觉 | 直肠癌 | 磁共振成像（MRI） | RPDNet | 图像 | 未提及 | NA | NA | NA | NA |
| 989 | 2024-12-06 |
NACNet: A histology context-aware transformer graph convolution network for predicting treatment response to neoadjuvant chemotherapy in Triple Negative Breast Cancer
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 开发了一种基于组织学上下文感知的变压器图卷积网络（NACNet），用于预测三阴性乳腺癌患者对新辅助化疗的反应 | 提出了NACNet，结合了组织学上下文和图卷积网络，能够捕捉肿瘤微环境中的空间组织学相互作用，从而提高预测准确性 | NA | 开发一种能够准确预测三阴性乳腺癌患者对新辅助化疗反应的深度学习方法 | 三阴性乳腺癌患者的组织学图像和治疗反应 | 数字病理学 | 乳腺癌 | 图卷积网络 | 变压器图卷积网络 | 图像 | 105名三阴性乳腺癌患者 | NA | NA | NA | NA |
| 990 | 2024-12-06 |
Surgical Insight-guided Deep Learning for Colorectal Lesion Management
2024-Dec-01, Surgical laparoscopy, endoscopy & percutaneous techniques
DOI:10.1097/SLE.0000000000001298
PMID:39632423
|
研究论文 | 本研究开发并评估了一种用于结肠镜图像中检测病变的深度学习模型ColoNet | ColoNet模型能够检测潜在恶性的病变，为早期诊断和管理结直肠癌提供了新的工具 | 需要进一步的多中心前瞻性研究和验证以实现其临床应用和影响 | 开发和评估一种深度学习模型，用于在结肠镜检查中辅助外科医生识别病变 | 结肠镜图像中的病变检测 | 计算机视觉 | 结直肠癌 | 深度学习 | YOLOv8 | 图像 | 1760张图像，来自306名患者 | NA | NA | NA | NA |
| 991 | 2024-12-05 |
Correction: Comprehensive Symptom Prediction in Inpatients With Acute Psychiatric Disorders Using Wearable-Based Deep Learning Models: Development and Validation Study
2024-Dec-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/69042
PMID:39626223
|
correction | 对先前发表的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 992 | 2024-12-05 |
Improved Osteoporosis Prediction in Breast Cancer Patients Using a Novel Semi-Foundational Model
2024-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01337-x
PMID:39621209
|
研究论文 | 本文研究了在乳腺癌患者中使用半基础模型改进骨质疏松预测的方法 | 本文提出了一种新的半基础模型，通过预训练VGG-16、ResNet-50和DenseNet-121在8500个胸部CT数据集上，然后微调以分类199名乳腺癌患者的骨密度，显著提高了三分类性能 | 本文仅在乳腺癌患者中进行了验证，未来需要在更多疾病状态下进行验证 | 研究如何通过半基础模型提高骨质疏松预测的准确性 | 乳腺癌患者的骨密度分类 | 计算机视觉 | 乳腺癌 | NA | 半基础模型 | CT图像 | 8500个胸部CT数据集和199名乳腺癌患者 | NA | NA | NA | NA |
| 993 | 2024-12-05 |
Comparison of deep learning schemes in grading non-alcoholic fatty liver disease using B-mode ultrasound hepatorenal window images with liver biopsy as the gold standard
2024-Dec-02, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.104862
PMID:39626614
|
研究论文 | 本文比较了不同预训练深度学习方案在非酒精性脂肪肝病分级中的表现，使用B模式超声肝肾窗图像作为输入，并以肝活检作为金标准 | 本文创新性地使用预训练深度学习方案对非酒精性脂肪肝病进行分级，并比较了不同网络模型的性能 | 本文的局限性在于样本量较小，且仅使用了B模式超声图像作为输入 | 评估预训练深度学习方案在非酒精性脂肪肝病分级中的表现 | 非酒精性脂肪肝病患者 | 计算机视觉 | 肝病 | 深度学习 | CNN | 图像 | 112名经活检验证的非酒精性脂肪肝病患者 | NA | NA | NA | NA |
| 994 | 2024-12-05 |
Deep learning based on multiparametric MRI predicts early recurrence in hepatocellular carcinoma patients with solitary tumors ≤5 cm
2024-Dec, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100610
PMID:39619794
|
研究论文 | 本文评估了一种基于深度学习的模型在预测肝细胞癌患者术后早期复发中的有效性 | 本文构建了一个基于ResNet的深度学习模型，结合多参数MRI图像特征和患者临床数据，提高了早期复发的预测性能 | NA | 评估深度学习模型在预测肝细胞癌患者术后早期复发中的有效性 | 肝细胞癌患者，单个肿瘤≤5 cm | 机器学习 | 肝癌 | 动态对比增强MRI (DCE-MRI) | ResNet | 图像 | 331名肝细胞癌患者 | NA | NA | NA | NA |
| 995 | 2024-12-05 |
Regime switching in coupled nonlinear systems: Sources, prediction, and control-Minireview and perspective on the Focus Issue
2024-Dec-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0247498
PMID:39621472
|
综述 | 本文综述了耦合非线性系统中的状态转换现象，涵盖了理论分析、数据驱动检测方法和非反馈控制策略的最新进展 | 本文介绍了深度学习在预测电网故障中的应用，利用闪烁网络增强同步，创建控制流行病传播的自适应策略，以及抑制癫痫发作的非反馈控制策略 | 本文主要集中在理论分析和数据驱动方法上，未深入探讨实际应用中的具体挑战 | 探讨复杂系统中状态转换的机制，并开发预测、检测和控制这些转换的通用和鲁棒方法 | 耦合非线性系统中的状态转换现象，包括气候、海洋环流、生态系统、电网和大脑等 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 996 | 2024-12-05 |
Enhanced prediction of protein functional identity through the integration of sequence and structural features
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.028
PMID:39624166
|
研究论文 | 本文开发了一种通过整合序列和结构特征来预测蛋白质功能的方法 | 本文提出了一种结合序列和结构信息的方法，显著提高了蛋白质功能预测的准确性，并发现结构对齐计算的域序列身份对预测影响最大 | NA | 提高蛋白质功能预测的准确性 | 蛋白质的功能预测 | 机器学习 | NA | AlphaFold2 | LightGBM | 序列和结构数据 | 超过300000000个蛋白质序列 | NA | NA | NA | NA |
| 997 | 2024-12-05 |
Auxiliary diagnosis of primary bone tumors based on Machine learning model
2024-Dec, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100648
PMID:39624676
|
研究论文 | 研究基于机器学习模型的原发性骨肿瘤辅助诊断，通过深度卷积神经网络和影像组学分析提高诊断准确性 | 提出了基于深度卷积神经网络的机器学习模型，并结合影像组学分析和差异表达基因筛选方法，提高了骨肿瘤的诊断准确性 | 研究主要集中在骨肿瘤的诊断，未涉及其他类型的肿瘤或疾病 | 提高原发性骨肿瘤的诊断准确性，促进早期检测和个性化治疗 | 原发性骨肿瘤的病理样本和影像数据 | 数字病理学 | 骨肿瘤 | 深度卷积神经网络 (DC-NN) | 深度卷积神经网络 (DCNN) | 全切片影像 (WSI) | 包含所有类别骨肿瘤的病理样本数据库 | NA | NA | NA | NA |
| 998 | 2024-12-02 |
A deep learning algorithm that aids visualization of femoral neck fractures and improves physician training
2024-Dec, Injury
IF:2.2Q2
DOI:10.1016/j.injury.2024.111997
PMID:39504732
|
研究论文 | 开发了一种全自动深度学习模型，用于检测和分类股骨颈骨折，并评估其在诊断辅助和医生培训中的效用 | 首次使用深度学习算法来检测和分类股骨颈骨折，并通过分割方法可视化可能的骨折区域 | 研究仅限于股骨颈骨折的检测和分类，未涉及其他类型的骨折 | 开发和评估一种深度学习模型，以辅助医生在股骨颈骨折的诊断和培训中的应用 | 股骨颈骨折的检测和分类 | 计算机视觉 | 骨科疾病 | 深度学习 | Faster R-CNN, DenseNet-121 | 图像 | 1527张骨盆和髋部的X光片 | NA | NA | NA | NA |
| 999 | 2024-12-02 |
Predicting opinion using deep learning: From burning to sustainable management of organic waste in Indian State of Punjab
2024-Dec, Waste management & research : the journal of the International Solid Wastes and Public Cleansing Association, ISWA
IF:3.7Q2
DOI:10.1177/0734242X231219627
PMID:38158841
|
研究论文 | 研究探讨了印度旁遮普邦农民对有机废物可持续管理的看法，并使用深度神经网络预测了农民的意见 | 采用多层感知器前馈深度神经网络预测农民意见，提供了一种新颖的分析农民行为的方法 | NA | 理解农民对有机废物可持续管理的看法，并预测影响农民意见的因素 | 印度旁遮普邦的800名奶农 | 机器学习 | NA | 深度学习 | 多层感知器前馈深度神经网络 | 文本 | 800名奶农，分为小规模和大规模奶农两组 | NA | NA | NA | NA |
| 1000 | 2024-12-01 |
Mapping of oil spills in China Seas using optical satellite data and deep learning
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.135809
PMID:39278029
|
研究论文 | 本文开发了一种基于深度学习的模型，用于识别、分类和量化中国海域的石油泄漏 | 首次使用深度学习技术对中国海域的石油泄漏进行详细的空间分布和数量分析 | 研究数据仅涵盖2019年4月至2023年8月，可能无法全面反映长期趋势 | 评估和管理中国海域的石油泄漏 | 中国海域的石油泄漏及其对海洋和沿海环境的影响 | 遥感 | NA | 深度学习 | 深度学习模型 | 光学卫星数据 | 7个卫星传感器的数据，时间跨度为2019年4月至2023年8月 | NA | NA | NA | NA |