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 1267 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 | 2024-11-27 |
AI based diagnostics product design for osteosarcoma cells microscopy imaging of bone cancer patients using CA-MobileNet V3
2024-Dec, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100644
PMID:39584044
|
研究论文 | 本研究利用人工智能技术，设计了一种基于CA-MobileNet V3模型的智能显微镜产品，用于骨癌患者骨肉瘤细胞的显微图像诊断 | 本研究提出了一种改进的CA-MobileNet V3模型，嵌入到创新的显微镜产品中，增强了显微镜的特征提取能力，并有助于减少诊断中的误分类 | NA | 开发一种高效的自动化分类模型，用于骨肉瘤的病理诊断 | 骨肉瘤细胞的显微图像 | 计算机视觉 | 骨癌 | 深度学习 | CA-MobileNet V3 | 图像 | NA | NA | NA | NA | NA |
| 1002 | 2024-11-27 |
Advancements in Cardiac CT Imaging: The Era of Artificial Intelligence
2024-Dec, Echocardiography (Mount Kisco, N.Y.)
DOI:10.1111/echo.70042
PMID:39584228
|
综述 | 本文综述了人工智能在心脏CT成像后处理中的应用，讨论了当前能力和未来方向 | 本文介绍了人工智能在心脏CT成像中的新工具和方法，如心肌CT灌注和分数流量储备 | 本文主要集中在综述现有技术和未来方向，未涉及具体实验或数据分析 | 探讨人工智能在心脏CT成像中的应用及其对临床诊断的影响 | 心脏CT成像中的冠状动脉钙评分、CT血管造影、分数流量储备、心肌CT灌注和心外膜脂肪组织 | 计算机视觉 | 心血管疾病 | 人工智能、机器学习、深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1003 | 2024-11-26 |
Establishment of a novel tumor neoantigen prediction tool for personalized vaccine design
2024-12-31, Human vaccines & immunotherapeutics
IF:4.1Q2
DOI:10.1080/21645515.2023.2300881
PMID:38214336
|
研究论文 | 本文开发了一种新的肿瘤新抗原预测工具NUCC，用于个性化疫苗设计，以优化胃癌患者的个性化新抗原纳米疫苗平台 | NUCC预测工具通过深度学习方法训练，表现出比传统工具更好的新抗原预测性能 | NA | 优化胃癌患者的个性化新抗原纳米疫苗平台 | 胃癌患者的新抗原预测 | 机器学习 | 胃癌 | 深度学习 | 深度学习模型 | 肽段数据 | 25名晚期胃癌患者和150个候选突变肽段，其中13个通过体外免疫原性测试证实为新抗原 | NA | NA | NA | NA |
| 1004 | 2024-11-26 |
AI-powered visual diagnosis of vulvar lichen sclerosus: A pilot study
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20306
PMID:39194285
|
研究论文 | 开发了一种基于机器学习的图像识别模型，用于区分外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像 | 首次使用深度卷积神经网络进行外阴硬化性苔藓的视觉诊断 | 需要前瞻性研究在真实世界环境中验证模型的适用性和准确性 | 开发一种基于图像的机器学习模型，用于早期诊断外阴硬化性苔藓 | 外阴硬化性苔藓和非外阴硬化性苔藓的皮肤图像 | 计算机视觉 | 外阴硬化性苔藓 | 深度卷积神经网络 | CNN | 图像 | 共包含684张外阴硬化性苔藓图像和403张非外阴硬化性苔藓图像 | NA | NA | NA | NA |
| 1005 | 2024-11-26 |
Deep learning for contour quality assurance for RTOG 0933: In-silico evaluation
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110519
PMID:39222847
|
研究论文 | 本文验证了一种基于CT的深度学习海马体分割模型，并探讨其在多机构轮廓质量保证中的应用 | 使用单一机构数据集训练的深度学习模型，在多机构环境中进行海马体分割的质量保证 | 模型在多机构数据集上的表现仍有改进空间，尤其是假阴性率较高 | 验证深度学习模型在多机构环境中进行海马体分割质量保证的可行性 | 海马体分割的质量保证 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | CT图像 | 单机构数据集训练，RTOG 0933数据集评估 | NA | NA | NA | NA |
| 1006 | 2024-11-26 |
Histopathologic Differential Diagnosis and Estrogen Receptor/Progesterone Receptor Immunohistochemical Evaluation of Breast Carcinoma Using a Deep Learning-Based Artificial Intelligence Architecture
2024-Dec, The American journal of pathology
DOI:10.1016/j.ajpath.2024.08.011
PMID:39241826
|
研究论文 | 本文利用深度学习技术对乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）进行病理学鉴别诊断，并评估雌激素受体（ER）/孕激素受体（PR）的免疫组化染色 | 开发了一种新的基于深度学习的人工智能架构，并建立了组织良好的数据集，以促进IDC/DCIS的病理学诊断和ER/PR的免疫染色评分 | NA | 利用人工智能技术减少病理学家在阅读全切片图像（WSIs）时的观察者间变异性 | 乳腺浸润性导管癌（IDC）和导管原位癌（DCIS）的病理学鉴别诊断及ER/PR的免疫组化评估 | 数字病理学 | 乳腺癌 | 深度学习 | YOLOv8 | 图像 | 进行了三轮环形研究（RS）以评估WSIs | NA | NA | NA | NA |
| 1007 | 2024-11-26 |
Quantifying and visualising uncertainty in deep learning-based segmentation for radiation therapy treatment planning: What do radiation oncologists and therapists want?
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110545
PMID:39326521
|
研究论文 | 本研究探讨了深度学习分割在放射治疗计划中的不确定性量化和可视化，并调查了放射肿瘤学家和治疗师对此的需求 | 本研究首次系统地调查了临床医生对深度学习分割不确定性可视化方法的偏好 | 研究样本量较小，仅涉及四家机构的十六名临床医生 | 旨在收集临床医生对不确定性可视化选项的见解，以改进深度学习分割在放射治疗中的应用 | 放射肿瘤学家和放射治疗师对深度学习分割不确定性可视化方法的偏好 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 16名临床医生 | NA | NA | NA | NA |
| 1008 | 2024-11-26 |
Development of learning-based predictive models for radiation-induced atrial fibrillation in non-small cell lung cancer patients by integrating patient-specific clinical, dosimetry, and diagnostic information
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110566
PMID:39362606
|
研究论文 | 研究开发了基于学习的预测模型，用于预测非小细胞肺癌患者在接受放化疗后发生心房颤动的风险 | 通过整合患者特定的临床、剂量学和诊断信息，开发了混合深度学习模型，显著提高了预测性能 | 研究样本量较小，且仅限于非小细胞肺癌患者 | 开发和验证预测非小细胞肺癌患者放化疗后心房颤动风险的模型 | 非小细胞肺癌患者在接受放化疗后心房颤动的风险 | 机器学习 | 肺癌 | 机器学习和深度学习 | 混合深度学习模型 | 临床、剂量学和诊断信息 | 321个机构数据集和187个外部数据集 | NA | NA | NA | NA |
| 1009 | 2024-11-26 |
Development and comprehensive evaluation of a national DBCG consensus-based auto-segmentation model for lymph node levels in breast cancer radiotherapy
2024-Dec, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110567
PMID:39374675
|
研究论文 | 本研究开发并全面评估了一种基于丹麦国家乳腺癌合作组共识的自动分割模型，用于乳腺癌放疗中的淋巴结水平 | 本研究的创新点在于开发了一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并进行了多机构参与的数据集训练和验证 | 研究的局限性在于模型在CTVn胸骨旁淋巴结的分割效果略低于其他模型，且在某些情况下需要进行较大的修正 | 本研究旨在训练和验证一种多机构深度学习自动分割模型，用于高风险乳腺癌患者的淋巴结临床靶区体积（CTVn）分割，并推动其在丹麦的临床实施 | 研究对象为高风险乳腺癌患者的淋巴结临床靶区体积（CTVn） | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 21名乳腺癌轮廓专家参与创建了金标准数据集和高质量训练数据集 | NA | NA | NA | NA |
| 1010 | 2024-11-26 |
Weakly supervised deep learning image analysis can differentiate melanoma from naevi on haematoxylin and eosin-stained histopathology slides
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20307
PMID:39215631
|
研究论文 | 本文评估了弱监督深度学习图像分类器在区分H&E染色病理切片上的黑色素瘤和痣的能力 | 使用弱监督深度学习方法，相比全监督方法，能够利用更大的训练数据集 | 需要外部验证和进一步评估较少出现的组织学亚型和边缘病例 | 评估弱监督深度学习图像分类器在区分黑色素瘤和痣方面的诊断价值 | H&E染色病理切片上的黑色素瘤和痣 | 数字病理学 | 皮肤癌 | 弱监督深度学习 | 多实例学习模型（Trans-MIL, CLAM, DTFD-MIL） | 图像 | 520个样本（260个痣和260个黑色素瘤） | NA | NA | NA | NA |
| 1011 | 2024-11-26 |
Weak supervision, strong results: Automating melanocyte lesion diagnosis with deep learning
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV
IF:8.4Q1
DOI:10.1111/jdv.20382
PMID:39582480
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1012 | 2024-11-25 |
Automated tablet defect detection and the prediction of disintegration time and crushing strength with deep learning based on tablet surface images
2024-Dec-25, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.124896
PMID:39489389
|
研究论文 | 本文提出了一种基于深度学习的自动检测片剂缺陷并预测崩解时间和抗压强度的方法 | 利用YOLOv5算法进行实时缺陷识别和基于表面纹理预测崩解时间和抗压强度 | 仍有进一步改进的空间 | 提高制药生产中的质量控制和效率 | 片剂的缺陷检测、崩解时间和抗压强度的预测 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 涉及五种不同类别的缺陷 | NA | NA | NA | NA |
| 1013 | 2024-11-25 |
Lightweight deep learning model for underwater waste segmentation based on sonar images
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.09.008
PMID:39277917
|
研究论文 | 本文提出了一种基于声呐图像的轻量级深度学习模型，用于水下废物分割，为自主水下机器人提供像素级定位信息和废物类别 | 引入了混合感知和多尺度注意力模块，以捕捉多尺度上下文特征并增强高级关键信息，同时使用采样注意力模块和跨层交互模块实现特征下采样和融合细节特征与语义特征 | NA | 提高水下废物回收的自动化程度，促进可持续海洋发展 | 水下废物及其在声呐图像中的分割 | 计算机视觉 | NA | 深度学习 | 多尺度跨层网络 | 图像 | NA | NA | NA | NA | NA |
| 1014 | 2024-11-25 |
Unveiling the non-linear effects of water and oil on hyperspectral imaging-based characterization of solid waste by hyperspectral unmixing
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.09.011
PMID:39357305
|
研究论文 | 本文研究了水和油对固体废物高光谱成像特征的非线性影响，并提出了基于高光谱解混的新方法 | 首次尝试使用高光谱解混技术提取固体废物中的端元成分，并展示了其贡献度 | NA | 研究水和油对固体废物高光谱成像特征的非线性影响 | 固体废物的高光谱成像特征 | 计算机视觉 | NA | 高光谱成像 | 深度学习模型 | 光谱数据 | 各种固体废物成分受纯水、油和三种渗滤液影响的光谱数据 | NA | NA | NA | NA |
| 1015 | 2024-11-25 |
Deep learning approaches for classification of copper-containing metal scrap in recycling processes
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.10.022
PMID:39454556
|
研究论文 | 本文研究了使用深度学习方法对含铜金属废料进行分类，以替代传统的XRF/XRT设备 | 本文首次在金属回收过程中使用RGB相机和深度学习模型进行含铜金属废料的分类，并评估了多种CNN架构的性能 | 本文仅评估了20种常见的CNN架构，未涵盖所有可能的深度学习模型 | 开发一种低成本的传感器设备和深度学习模型，用于在金属回收过程中高效分离铜和铁废料 | 含铜和铁的金属废料 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2200个金属废料样本 | NA | NA | NA | NA |
| 1016 | 2024-11-25 |
Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy
2024-Dec-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343376
PMID:39580159
|
研究论文 | 本文提出了一种基于深度学习和二维拉曼光谱的快速准确细菌鉴定策略 | 通过结合小波包变换和Gramian角场技术，实现了高精度且高效的细菌鉴定，相比传统方法训练时间减少了90% | NA | 开发一种快速且准确的细菌鉴定方法 | 细菌鉴定 | 机器学习 | NA | 拉曼光谱 | 深度学习模型 | 光谱图像 | 两种和三十种细菌分离株 | NA | NA | NA | NA |
| 1017 | 2024-11-25 |
Enhancing decision confidence in AI using Monte Carlo dropout for Raman spectra classification
2024-Dec-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343346
PMID:39580162
|
研究论文 | 本文提出了一种结合蒙特卡罗 dropout 和卷积神经网络的方法，用于增强拉曼光谱分类中的决策置信度 | 本文的创新点在于在推理阶段使用蒙特卡罗 dropout 来测量模型的不确定性，从而提高预测的可靠性 | NA | 本文的研究目的是提高基于拉曼光谱的细菌菌株识别的准确性 | 本文的研究对象是拉曼光谱数据及其在细菌菌株识别中的应用 | 机器学习 | NA | 蒙特卡罗 dropout | 卷积神经网络 (CNN) | 光谱数据 | 两个数据集，分别是 1206 个光谱和 3000 个光谱 | NA | NA | NA | NA |
| 1018 | 2024-11-25 |
Artificial neural networks development in prosthodontics - a systematic mapping review
2024-Dec, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105385
PMID:39362297
|
综述 | 本文系统地分类了现有文献，并全面概述了人工神经网络（ANN）在修复学中的预测模型 | 本文引入了对修复学中ANN目标、数据、架构、评估指标和局限性的系统分析 | 本文揭示了ANN开发中的局限性，特别是在数据生命周期方面 | 旨在系统地分类现有文献，并全面概述人工神经网络（ANN）在修复学中的预测模型 | 修复学中的人工神经网络（ANN）预测模型 | 机器学习 | NA | 人工神经网络（ANN） | 人工神经网络（ANN） | NA | 从597篇文章中筛选出70篇报告，其中33%来自2023年，29%关注种植修复，71%关注非种植修复 | NA | NA | NA | NA |
| 1019 | 2024-11-25 |
Image-based multi-omics analysis for oral science: Recent progress and perspectives
2024-Dec, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105425
PMID:39427959
|
综述 | 本文综述了基于图像的多组学分析在口腔科学中的应用和最新进展 | 探讨了深度学习辅助的多组学分析在提取比传统诊断方法更具代表性特征方面的潜力 | NA | 讨论基于图像的多组学分析在口腔科学中的应用及其对传统诊断方法的潜在增强作用 | 口腔和牙科疾病的诊断与治疗 | 数字病理学 | NA | 多组学分析 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1020 | 2024-11-25 |
Fully automated method for three-dimensional segmentation and fine classification of mixed dentition in cone-beam computed tomography using deep learning
2024-Dec, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105398
PMID:39447958
|
研究论文 | 本文介绍了一种基于深度学习的全自动方法，用于在锥形束计算机断层扫描（CBCT）图像中对混合牙列进行三维分割和精细分类 | 该研究开发了一种基于改进的nnU-Net和U-Net网络的高精度自动化深度学习模型，用于混合牙列的分类和分割 | NA | 建立一种高精度的自动化模型，用于混合牙列在CBCT图像中的精细分类和三维分割 | 混合牙列和恒牙列在CBCT图像中的分类和分割 | 计算机视觉 | NA | 深度学习 | nnU-Net, U-Net | 图像 | 训练集包含336个CBCT扫描，测试集包含120个混合牙列CBCT扫描和143个恒牙列CBCT扫描 | NA | NA | NA | NA |