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 23383 篇文献，本页显示第 21601 - 21620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21601 | 2024-08-05 |
Detecting Ground Glass Opacity Features in Patients With Lung Cancer: Automated Extraction and Longitudinal Analysis via Deep Learning-Based Natural Language Processing
2023-Jun-01, JMIR AI
DOI:10.2196/44537
PMID:38875565
|
研究论文 | 本文开发了一种基于深度学习的自然语言处理工具，用于自动提取肺癌患者计算机断层扫描中的地面玻璃不透明度特征 | 创新点在于建立了一个双向长短期记忆模型，结合条件随机场，以自动提取和分析GGO的特征 | 样本仅限于肺癌患者，可能不具备更广泛适应性 | 旨在通过自动提取GGO特征来支持GGO状态的长期轨迹分析 | 本研究对象为13,216名肺癌患者的放射学记录 | 自然语言处理 | 肺癌 | 深度学习，NLP | 双向长短期记忆模型 | 文本 | 涉及13,216名肺癌患者的放射学记录 |
| 21602 | 2024-08-05 |
Few-Shot Learning for Clinical Natural Language Processing Using Siamese Neural Networks: Algorithm Development and Validation Study
2023-May-04, JMIR AI
DOI:10.2196/44293
PMID:38875537
|
研究论文 | 本研究提出并评估了基于Siamese神经网络的少样本临床自然语言处理方法 | 文章创新性地将Siamese神经网络应用于临床自然语言处理任务的少样本学习 | 文中未详细探讨SNN在其他临床NLP任务中的表现，文献支持有限 | 旨在提出并评估基于SNN的少样本临床自然语言处理方法 | 研究对象为临床句子分类任务 | 自然语言处理 | NA | Siamese神经网络 | SNN | 文本 | NA |
| 21603 | 2024-08-05 |
Deep Learning to Detect Pancreatic Cystic Lesions on Abdominal Computed Tomography Scans: Development and Validation Study
2023-Mar-17, JMIR AI
DOI:10.2196/40702
PMID:38875547
|
研究论文 | 本研究开发和验证了一种用于自动检测胰腺囊性损伤的人工深度神经网络 | 研究中使用了一种基于注意力门U-Net架构的算法，提高了胰腺囊性损伤的检测率 | 研究主要基于335个样本，可能对不同类型的CT扫描结果的普适性有限 | 本研究旨在通过深度学习技术提高胰腺囊性损伤的早期检测率 | 研究对象包括335个腹部CT扫描的病例，其中297个病例被诊断为胰腺囊性损伤 | 计算机视觉 | 胰腺癌 | 深度学习 | 注意力门U-Net | 图像 | 335个腹部CT扫描样本 |
| 21604 | 2024-08-05 |
Developing an Inpatient Electronic Medical Record Phenotype for Hospital-Acquired Pressure Injuries: Case Study Using Natural Language Processing Models
2023-Mar-08, JMIR AI
DOI:10.2196/41264
PMID:38875552
|
研究论文 | 本文通过自然语言处理应用于电子病历，旨在更准确及时地识别医院获得性压疮（HAPI） | 提出了基于电子病历的表型算法，证明其在检测HAPI方面比单独使用ICD-10-CA算法更有效 | 研究仅限于特定的医院和样本，可能不适用于其他环境 | 展示电子病历基础的表型算法在HAPI检测上的优势 | 在2015年至2018年期间，通过临床试验识别的HAPI患者 | 自然语言处理 | NA | 自然语言处理 (NLP) | 随机森林 (RF), 极端梯度提升 (XGBoost), 深度学习模型 | 文本 | 280名患者，其中97名患者在研究期间出现HAPI |
| 21605 | 2024-08-05 |
Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study
2023-Jan-12, JMIR AI
DOI:10.2196/40843
PMID:38875539
|
研究论文 | 本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。 | 使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。 | 需要进一步改进以扩展缩写和多输出多类分类。 | 研究在法国建立综合且实时的创伤观察站的可行性。 | 通过对69110条与创伤相关的临床笔记进行多类分类的研究。 | 自然语言处理 | NA | 深度学习，变换器模型 | 变换器模型 | 文本 | 69110条临床笔记 |
| 21606 | 2024-08-05 |
A novel deep learning model using dosimetric and clinical information for grade 4 radiotherapy-induced lymphopenia prediction
2020-02-04, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ab63b6
PMID:31851954
|
研究论文 | 该文提出了一种新颖的混合深度学习模型，以提高对四级放疗引起的淋巴细胞减少症的预测能力 | 创新点在于采用了双输入通道的混合深度学习模型，分别处理剂量参数和临床信息，并将其整合以进行最终预测 | 样本大小限制在505名患者用于训练，216名患者用于测试，可能影响结果的广泛适用性 | 旨在提高对放疗引起的四级淋巴细胞减少症的预测准确性 | 涉及的研究对象为接受放疗的患者 | 机器学习 | NA | 深度学习 | 双向长短时记忆网络和多层感知器 | 临床信息和剂量参数 | 505名患者用于训练，216名患者用于测试 |
| 21607 | 2024-08-05 |
Time-series cardiovascular risk factors and receipt of screening for breast, cervical, and colon cancer: The Guideline Advantage
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0236836
PMID:32790674
|
研究论文 | 本研究探讨了心血管健康指标与癌症筛查之间的关系 | 首次使用长短期记忆网络（LSTM）预测癌症筛查的接受情况，并量化筛查前后心血管健康的变化 | 研究依赖于电子健康记录数据，可能存在数据不完整或不准确的问题 | 理解癌症筛查的风险因素及其对心血管健康的影响 | 362,533名患者的癌症筛查及心血管健康指标 | 数字病理学 | 心血管疾病 | LSTM | LSTM | 电子健康记录数据 | 362,533名患者 |
| 21608 | 2024-08-05 |
A knowledge-aware deep learning model for landslide susceptibility assessment in Hong Kong
2024-Sep-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.173557
PMID:38806128
|
研究论文 | 本文提出了一种知识感知的深度学习模型，用于评估香港的滑坡易发性。 | 将滑坡先验知识与深度学习模型相结合，提高了模型的可转移性和稳定性。 | 在滑坡发生之前，只有少数滑坡显示检测到的运动，大多数滑坡是自发发生的，缺乏前兆运动。 | 研究旨在提高滑坡预测模型的准确性和稳定性。 | 研究对象为香港地区的滑坡发生情况及其影响因素。 | 数字病理学 | NA | 深度学习 | 变分自编码器 | 地形、地质、气候等相关数据 | NA |
| 21609 | 2024-08-05 |
Convolutional neural networks combined with classification algorithms for the diagnosis of periodontitis
2024-Jul, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00739-5
PMID:38393548
|
研究论文 | 本文旨在开发一种结合卷积神经网络和分类算法的深度学习模型，以帮助牙医快速准确地诊断牙周炎的阶段 | 本文创新性地将多种CNN模型与分类算法结合，提高了牙周炎诊断的准确性和效率 | 未提及本文可能的局限性 | 提高牙周炎的诊断效率和准确率 | 牙周炎的阶段诊断 | 计算机视觉 | 口腔疾病 | 卷积神经网络（CNN） | Alexnet, VGG16, ResNet18 | 影像（根尖放射线照相）和临床数据 | 未提供具体样本数量 |
| 21610 | 2024-08-05 |
Artificial intelligence for caries detection: a novel diagnostic tool using deep learning algorithms
2024-Jul, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00741-x
PMID:38498223
|
研究论文 | 本文旨在利用深度学习算法开发一种自动检测牙齿龋齿的评估工具 | 提出了一种名为ResNet+SAM的新型诊断模型，能够自动检测牙齿龋齿，并在性能上优于传统的CNN模型 | 文章未提及具体的算法训练细节或潜在的进一步验证 | 开发一种用于自动检测牙齿龋齿的工具 | 使用4278幅经医学专家注释的根尖X光照片来训练和验证模型 | 计算机视觉 | NA | 卷积神经网络 | ResNet+SAM | 图像 | 4278幅根尖X光照片 |
| 21611 | 2024-08-05 |
Solution-state methyl NMR spectroscopy of large non-deuterated proteins enabled by deep neural networks
2024-Jun-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49378-8
PMID:38871714
|
研究论文 | 本文展示了使用深度神经网络处理质子化样本的NMR光谱，以解决大分子样品准备的挑战。 | 本研究创新性地展示了在不进行氘代的情况下，通过深度神经网络获得高质量的NMR光谱。 | 研究中可能仍存在对数据处理及解读的限制，且未涉及所有类型的大分子蛋白质。 | 探讨使用深度学习分析复杂磁共振数据的方法，以促进对大生物分子的研究。 | 研究涉及分子量在42-360 kDa范围内的三种蛋白质及大肠杆菌苹果酸合成酶G（81 kDa）。 | 数字病理学 | NA | NMR光谱 | 深度神经网络 | 光谱数据 | 三种蛋白质 |
| 21612 | 2024-08-05 |
Active gas camera mass flow quantification (qOGI): Application in a biogas plant and comparison to state-of-the-art gas cams
2024-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0206155
PMID:38884562
|
研究论文 | 本文介绍了一种用于气体流量量化的新型主动气体相机，并在生物气体工厂进行应用。 | 本文创新地增强了气体相机的灵敏度适应性和相机-气体距离检测功能，首次实现了主动与被动气体相机间的比较。 | 本文未详细讨论在不同环境条件下该技术的普遍适用性。 | 研究气体流量的量化技术，评估主动气体相机在实际应用中的性能。 | 本研究对象为德国一座生物气体工厂中的气体泄漏情况。 | 数字道歉病理学 | NA | 激光光谱法和深度学习 | NA | 气体浓度 | 在生物气体工厂测量了一次气体泄漏情况 |
| 21613 | 2024-08-05 |
Automated blood volume estimation in surgical drains for clinical decision support
2024-Jun, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202406_36375
PMID:38884505
|
研究论文 | 本文提出了一种利用深度学习技术自动估算手术引流管中血液体积的方法 | 创新点在于使用非接触方法和深度学习技术自动检测引流管，并计算血液体积 | 尚未提及系统在不同临床环境下的长期稳定性测试 | 研究旨在创建一个自动化的血液体积监测系统，以支持临床决策 | 主要研究对象是手术引流管中的血液体积监测 | 计算机视觉 | NA | 深度学习 | 语义分割 | 图像 | 使用了1004张在各种背景和光照条件下拍摄的图像 |
| 21614 | 2024-08-05 |
A systematic review of brain metastases from lung cancer using magnetic resonance neuroimaging: Clinical and technical aspects
2024-Jun, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.756
PMID:38234262
|
综述 | 本综述总结了与肺癌相关的脑转移瘤在磁共振成像技术方面的最新进展 | 文章创新性地展示了先进的磁共振成像技术在脑转移瘤管理中的应用，如灌注加权成像(PWI)和扩散加权成像(DWI) | 文章可能未能包括所有相关研究，可能存在偏倚的文献选择 | 探讨磁共振成像技术在肺癌脑转移瘤中的临床和技术应用 | 涉及2013年1月至2023年3月间进行的脑转移瘤相关的65项研究 | 数字病理学 | 肺癌 | 磁共振成像(MRI) | 深度学习(DL) | 文本 | 65项研究 |
| 21615 | 2024-08-05 |
TomoNet: A streamlined cryoET software pipeline with automatic particle picking on flexible lattices
2024-Feb-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.17.580557
PMID:38464049
|
研究论文 | TomoNet是一种流线型的cryoET软件管道，具有自动粒子拾取功能，能够在灵活的晶格上进行操作 | 开发了具有现代图形用户界面的软件包，集成了自动粒子拾取和3D分类功能以提高分辨率 | NA | 通过提高分辨率来准确定位和平均生物复杂体的结构 | 病毒样颗粒、细胞层内的细菌表面层和装饰核排出蛋白复合物的膜 | 数字病理学 | NA | cryoET | 深度学习 | 3D图像 | 多个数据集，具体数目未提及 |
| 21616 | 2024-08-05 |
Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links
2024-Jan, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120485
PMID:38110045
|
研究论文 | 本文提出了一种自监督框架，用于从多模态神经影像数据中提取代表性，以增强群体推断。 | 该研究将Deep InfoMax扩展到多模态数据，首次探索其在识别相关脑区和多模态链接中的应用。 | 该方法依赖于自监督学习，可能在没有准确标签的情况下对某些特定案例的适用性有限。 | 研究旨在通过增强群体推断，探讨复杂脑部疾病的多模态联系。 | 研究对象包括使用MRI数据预测阿尔茨海默病及其相关疾病的脑区。 | 计算机视觉 | 阿尔茨海默病 | 自监督学习，Deep InfoMax | NA | 神经影像数据 | NA |
| 21617 | 2024-08-05 |
Machine learning and deep learning for brain tumor MRI image segmentation
2023-11, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231214259
PMID:38102956
|
综述 | 文章综述了用于脑肿瘤MRI图像分割的常用机器学习和深度学习技术 | 结合两种或更多技术的趋势是当前的创新点 | 讨论了所述机器学习和深度学习方法的局限性和优点 | 研究脑肿瘤MRI图像分割的技术 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | 机器学习和深度学习技术 | 图像 | NA |
| 21618 | 2024-08-07 |
Protein structural alignment using deep learning
2023-10, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01543-3
PMID:37816889
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21619 | 2024-08-05 |
Study on breast cancerization and isolated diagnosis in situ by HOF-ATR-MIR spectroscopy with deep learning
2024-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124546
PMID:38824755
|
研究论文 | 本研究探讨了通过HOF-ATR-MIR光谱与深度学习对乳腺癌的分类与诊断 | 首次建立了基于1D-CNN的三类分类模型，能够有效区分正常、癌旁及癌变乳腺组织 | 并未明确提到具体的样本数量及研究局限性 | 旨在利用深度学习技术提高乳腺组织的分类与诊断准确性 | 研究对象为不同类型的乳腺组织，包括正常组织、癌旁组织和癌变组织 | 数字病理学 | 乳腺癌 | HOF-ATR-MIR光谱 | 1D-CNN | 光谱数据 | NA |
| 21620 | 2024-08-05 |
Learning active subspaces and discovering important features with Gaussian radial basis functions neural networks
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106335
PMID:38733793
|
研究论文 | 提出了一种改进的径向基函数神经网络模型，旨在提高预测性能并增强可解释性 | 通过可学习的精度矩阵修改了传统的径向基函数神经网络模型，使其能够提取关键特征和主动子空间 | 未提及具体的局限性 | 旨在通过提高模型的可预测性和可解释性来解决机器学习中的主要挑战 | 对回归、分类和特征选择任务进行数值实验 | 机器学习 | NA | 高斯径向基函数神经网络 | NA | 表格数据 | NA |