深度学习在生物医药领域中的应用
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，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10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 24188 篇文献，本页显示第 21321 - 21340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21321 | 2024-08-05 |
Unveiling the secrets of gastrointestinal mucous adenocarcinoma survival after surgery with artificial intelligence: A population-based study
2024-Jun-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v16.i6.2404
PMID:38994138
|
研究论文 | 本文研究了胃肠黏液性腺癌（GMA）在手术后的预后并开发了一种预测模型 | 提出了一种基于深度学习的工具，可以准确预测GMA患者手术后的生存率 | 对胃肠黏膜腺癌的研究有限且有争议，缺乏可靠的预测工具 | 探讨GMA的预后并开发预测模型 | 从监测、流行病学和结果数据库中收集的GMA患者临床信息 | 机器学习 | 胃癌 | 深度学习 | Cox比例风险回归模型 | 临床数据 | 共计100%的GMA患者数据，随机抽样后分为发现组（70%）、验证组（20%）和测试组（10%） |
| 21322 | 2024-08-05 |
A fully automated classification of third molar development stages using deep learning
2024-06-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63744-y
PMID:38844566
|
研究论文 | 本研究旨在开发一种自动化方法，以分类第三磨牙的发育阶段 | 引入了一种新颖的机器学习模型，能够准确估计下颚智齿的发育阶段 | 模型的准确性受到不同架构复杂性和任务特定特征的影响 | 提高牙齿发育阶段分类的准确性，服务于牙科诊断和治疗规划 | 3422张由专家评估和分类的正面全景图像（OPG） | 数字病理学 | NA | 深度学习 | EfficientNet, MobileNet, ResNet, ShuffleNet等 | 图像 | 6624张Opg图像 |
| 21323 | 2024-08-05 |
Gram matrix: an efficient representation of molecular conformation and learning objective for molecular pretraining
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae340
PMID:38990515
|
研究论文 | 本文提出使用Gram矩阵作为三维分子结构的紧凑表示和有效的预训练目标 | 引入Gram矩阵作为三维分子结构的表示，并通过Pre-GTM模型实现更准确的分子性质预测 | 目前研究未提及Gram矩阵在其他类型分子中的适用性及通用性 | 旨在提高分子性质预测的准确性，并探索三维分子结构的表示方法 | 研究集中在三维分子结构及其性质的预测 | 机器学习 | NA | 深度学习 | Pre-GTM | 分子结构数据 | 在QM9和MoleculeNet任务中使用多个样本进行验证 |
| 21324 | 2024-08-05 |
Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519379
PMID:38859036
|
研究论文 | 文章探讨了通过多模光纤传输带标签图像的技术. | 创新点在于使用全息调制在输出散斑图案上编码额外的变量层，从而提高了系统的传输能力. | 该研究的局限性在于高保真重建仅适用于高度均匀的数据集，可能无法充分利用MMF-DNN系统的容量. | 研究旨在提升通过多模光纤传输图像的能力, 特别是在带标签图像的情况下. | 研究对象为通过多模光纤传输的色彩图像及其RGB组件. | 计算机视觉 | NA | 深度学习 | ResUNet | 图像 | 成千上万的图像 |
| 21325 | 2024-08-05 |
Pseudo-class part prototype networks for interpretable breast cancer classification
2024-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60743-x
PMID:38710757
|
研究论文 | 本研究通过原型网络改进乳腺癌分类的可解释性 | 提出了一种新的方法，利用医学相关信息进行更准确且可解释的预测，并通过聚类概念隐式增加训练数据集中的类别数量 | 之前使用的ProtoPNet在乳腺癌分类中的应用存在不足 | 研究在数字病理学中乳腺癌分类的可解释性 | 乳腺癌分类模型及其可解释性 | 数字病理学 | 乳腺癌 | NA | ProtoPNet | 图像 | 使用BreakHis数据集进行实验评估 |
| 21326 | 2024-08-05 |
Multicenter Study of the Utility of Convolutional Neural Network and Transformer Models for the Detection and Segmentation of Meningiomas
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001565
PMID:38013244
|
研究论文 | 本研究探讨了卷积神经网络和Transformer模型在脑膜瘤检测和分割中的有效性与实用性 | 首次将卷积神经网络和Transformer模型应用于脑膜瘤的检测和精确分割 | 研究基于回顾性数据，可能存在数据选择偏倚 | 评估深度学习模型在脑膜瘤检测和分割中的效率 | 523名脑膜瘤患者的T1加权和对比增强磁共振图像 | 计算机视觉 | 脑膜瘤 | 深度学习 | 卷积神经网络和Transformer | 图像 | 523个脑膜瘤患者的图像数据 |
| 21327 | 2024-08-05 |
Retrieval augmented scientific claim verification
2024-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae021
PMID:38455840
|
研究论文 | 本文旨在使用PubMed摘要自动化科学声明验证 | 开发了CliVER系统，并使用检索增强技术来自动检索相关的临床试验摘要 | 需进一步测试CliVER的临床效用 | 自动化科学声明验证 | 临床试验摘要和科学声明 | 自然语言处理 | NA | 检索增强技术 | 集成深度学习模型 | 文本 | 189648个PubMed摘要 |
| 21328 | 2024-08-05 |
Joint Brain Tumor Segmentation from Multi-magnetic Resonance Sequences through a Deep Convolutional Neural Network
2024, Journal of medical signals and sensors
DOI:10.4103/jmss.jmss_13_23
PMID:38993203
|
研究论文 | 本研究自动化了从多种磁共振序列中进行脑肿瘤分割的方法。 | 提出了一种基于深度卷积神经网络的方法，评估了单个和组合磁共振序列对分割准确性的影响。 | 研究未提及其他潜在的临床应用以及不同类型肿瘤的表现。 | 自动化脑肿瘤的分割，以提高诊断和治疗规划的准确性。 | 使用BraTS-2020挑战数据集中的370名接受四种磁共振序列的受试者进行研究。 | 数字病理学 | 脑肿瘤 | 深度学习 | 残差神经网络 | 医学图像 | 370名受试者，含四种磁共振序列 |
| 21329 | 2024-08-05 |
Virtual tissue microstructure reconstruction across species using generative deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306073
PMID:38995963
|
研究论文 | 本文介绍了一种名为TiMiGNet的深度学习方法，用于虚拟三维组织微结构重建 | TiMiGNet克服了抗体渗透差和时间密集型程序的挑战，能够无配对图像输入生成准确的高分辨率组织成分预测 | TiMiGNet可能受到深厚组织中的实验限制影响，无法直接成像的结构可能会有一定误差 | 探索多物种组织微结构的虚拟分析方法 | 小鼠和人类肝组织的三维微结构 | 计算机视觉 | NA | 生成对抗网络，荧光显微镜 | GAN | 图像 | 小鼠和人类肝组织的多样本 |
| 21330 | 2024-08-05 |
Computationally intelligent real-time security surveillance system in the education sector using deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0301908
PMID:38990958
|
研究论文 | 本研究提出了一种增强的FaceNet网络用于教育领域的实时安全监控和身份匹配 | 此次研究通过改进的损失函数提高了FaceNet在面部验证和识别的准确性 | 具体实验样本规模和环境影响未在摘要中详细描述 | 研究实时面部识别和监控系统在教育领域的应用 | 主要研究对象为面部检测和识别技术 | 计算机视觉 | NA | 深度学习 | FaceNet | 图像 | NA |
| 21331 | 2024-08-05 |
Natural language processing in the classification of radiology reports in benign gallbladder diseases
2024 Jan-Dec, Radiologia brasileira
DOI:10.1590/0100-3984.2023.0096-en
PMID:38993952
|
研究论文 | 本文开发了一种自然语言处理应用程序，能够自动识别需要手术的良性胆囊疾病。 | 通过使用卷积神经网络和双向长短时记忆网络进行深度学习，本文提出了一种新的文本分类方法。 | 研究结果只针对特定类型的胆囊报告，可能不适用于其他医疗报告。 | 旨在开发一种自动分类胆囊病报告的自然语言处理应用。 | 研究对象为1,200份描述胆囊的放射学报告。 | 自然语言处理 | NA | Word2Vec | CNN 和 BiLSTM | 文本 | 1,200份报告 |
| 21332 | 2024-08-05 |
Enhancing sports image data classification in federated learning through genetic algorithm-based optimization of base architecture
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303462
PMID:38990969
|
研究论文 | 该文章提出了一种基于遗传算法优化基础架构的联邦学习运动图像数据分类方法 | 提出了一种新的方法，用于生成优化的基础模型，基于遗传算法提升性能 | 实验中只使用了四种深度学习架构，可能无法代表所有架构的性能 | 研究如何在资源受限设备上改进运动图像数据的分类 | 使用不同数量的客户在联邦学习环境中进行平衡和不平衡的运动数据实验 | 机器学习 | NA | 遗传算法 | EfficientNetB3 | 图像 | 使用9个客户的平衡数据集进行实验 |
| 21333 | 2024-08-05 |
Enhanced deep learning model for precise nodule localization and recurrence risk prediction following curative-intent surgery for lung cancer
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300442
PMID:38995927
|
研究论文 | 本研究分析了肺癌CT图像，以预测高风险患者的复发可能性。 | 利用深度学习模型（MRCNN）改进了肺癌结节定位和复发风险预测。 | 对样本选择和模型调整的具体数据及效果描述有限。 | 旨在识别早期可切除肺癌患者中高风险复发者。 | 研究对象为接受非小细胞肺癌根治性手术的患者。 | 计算机视觉 | 肺癌 | 计算机断层扫描（CT） | MRCNN | 医学图像 | 使用了匿名影像和临床数据，具体样本数量未提及 |
| 21334 | 2024-08-05 |
Counting nematodes made easy: leveraging AI-powered automation for enhanced efficiency and precision
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1349209
PMID:38993936
|
研究论文 | 本文通过开发用户友好的图形用户界面和多种深度学习算法，提高了线虫计数的效率和精度 | 研究开发了一种能够同时识别和分类多类对象的算法，并展示了深度学习模型在实际应用中的潜力 | 目前的研究仅集中于一种属，未来需扩展到其他经济重要的植物寄生线虫属 | 研究旨在提高线虫计数的效率和精确性，推动全球的合作 | 本研究的对象包括线虫卵和第二阶段幼虫 | 数字病理学 | NA | 卷积神经网络（CNN） | YOLOv8x | 图像 | 共生成650幅卵的图像和1339幅幼虫的图像 |
| 21335 | 2024-08-07 |
Deep learning empowered breast cancer diagnosis: Advancements in detection and classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304757
PMID:38990817
|
研究论文 | 介绍了一种创新的计算机辅助诊断系统，通过深度学习和计算机视觉技术提升乳腺癌的诊断能力 | 提出了一种利用深度学习和计算机视觉技术的CAD系统，能够独立识别和分类乳腺病变，表现出卓越的检测和分类性能 | 虽然检测准确性高，但在将乳腺肿块分成单独组进行检查时，方法的表现约为95.39% | 研究目的在于提升乳腺癌的早期检测和分类的准确性 | 研究对象为乳腺癌病变的检测与分类 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 影像 | 使用Curated Breast Imaging Subset of Digital Database for Screening Mammography (CBIS-DDSM)进行验证 |
| 21336 | 2024-08-05 |
EASL: A Framework for Designing, Implementing, and Evaluating ML Solutions in Clinical Healthcare Settings
2023-Aug, Proceedings of machine learning research
PMID:38988337
|
研究论文 | 我们介绍了解释性分析系统实验室(EASL)框架，这是一种用于临床机器学习工具开发、实施和评估的端到端解决方案 | EASL框架集成了模型开发、实施和评估的资源，为临床环境中的机器学习应用提供全面支持 | NA | 本研究旨在促进临床机器学习工具的开发与评估 | 设计和评估医学影像的深度学习分类器 | 机器学习 | NA | 深度学习 | NA | 医学影像 | NA |
| 21337 | 2024-08-05 |
Development of a portable device to quantify hepatic steatosis in potential donor livers
2023, Frontiers in transplantation
DOI:10.3389/frtra.2023.1206085
PMID:38993883
|
研究论文 | 本文描述了一种便携设备的开发，用于量化潜在供体肝脏中的肝脏脂肪沉积 | 创新点在于开发了一个低成本的人工智能平台，能够实时评估供体肝活检切片中的肝脂肪含量 | 该设备依赖于硬件配置，可能在不同设备间表现不一 | 研究目的在于提高肝脏移植中的脂肪含量评估准确性 | 研究对象是供体肝脏活检切片中的脂肪球体 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA |
| 21338 | 2024-08-07 |
A multimodal deep learning model for cardiac resynchronisation therapy response prediction
2022-07, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2022.102465
PMID:35487111
|
研究论文 | 本文提出了一种用于心脏再同步治疗（CRT）反应预测的多模态深度学习框架，该框架利用2D超声心动图和心脏磁共振（CMR）数据进行预测。 | 本研究首次采用多模态深度学习方法进行CRT反应预测，结合了两种模态的潜在空间，提高了预测的准确性。 | 研究样本量较小，仅涉及50名CRT患者，可能影响模型的泛化能力。 | 开发一种新的多模态深度学习模型，用于提高心脏再同步治疗反应预测的准确性。 | 心脏再同步治疗（CRT）的反应预测。 | 机器学习 | 心血管疾病 | 深度学习 | nnU-Net | 图像 | 50名CRT患者 |
| 21339 | 2024-08-07 |
Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks
2019-03-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-40041-7
PMID:30833650
|
研究论文 | 本研究提出了一种深度学习模型，用于自动分类肺腺癌手术切除切片上的组织学模式 | 模型使用卷积神经网络识别肿瘤细胞区域，并聚合这些分类以推断任何给定全切片图像的主要和次要组织学模式 | 模型在独立测试集上的Kappa值为0.525，与三位病理学家的一致性为66.6%，略高于病理学家之间的Kappa值0.485和一致性62.7% | 开发一种能够自动分类肺腺癌组织学模式的深度学习模型，以辅助病理学家提高分类准确性 | 肺腺癌手术切除切片上的组织学模式 | 数字病理学 | 肺腺癌 | 卷积神经网络 | CNN | 图像 | 143张全切片图像 |
| 21340 | 2024-08-07 |
Automated segmentation of haematoma and perihaematomal oedema in MRI of acute spontaneous intracerebral haemorrhage
2019-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2019.01.022
PMID:30711800
|
研究论文 | 本文介绍了一种自动分割急性自发性脑内出血（SICH）MRI图像中血肿和周围水肿的算法 | 该方法是首个直接利用MRI图像进行SICH血肿和水肿分割的技术 | NA | 旨在为临床试验提供定量结果测量，并可能为SICH患者的预后提供重要标志 | 急性自发性脑内出血（SICH）患者的MRI图像中的血肿和周围水肿 | 计算机视觉 | 脑血管疾病 | MRI | NA | 图像 | 18名患者用于算法验证，32名手动标注对象用于与深度学习方法比较 |