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 34204 篇文献，本页显示第 22681 - 22700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22681 | 2024-11-23 |
Navigating Mathematical Basics: A Primer for Deep Learning in Science
2024, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-64892-2_5
PMID:39523260
|
研究论文 | 本文提供了一个简明的数学基础介绍，旨在帮助科学家理解深度学习中的基本数学符号 | 本文的创新之处在于将数学基础与深度学习原理相结合，为非数学背景的读者提供了一个快速入门的途径 | 由于篇幅限制，本文无法替代需要多门课程和多年时间才能巩固的扎实数学知识 | 本文的研究目的是帮助非数学背景的读者克服阅读使用数学符号的深度学习文本时的障碍 | 本文主要研究对象是深度学习中的基本数学符号和模型 | 机器学习 | NA | NA | 全连接前馈深度神经网络 | NA | NA | NA | NA | NA | NA |
| 22682 | 2024-11-23 |
Machine and Deep Learning in Hyperspectral Fluorescence-Guided Brain Tumor Surgery
2024, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-64892-2_15
PMID:39523270
|
研究论文 | 本文探讨了在荧光引导的脑肿瘤手术中使用机器学习和深度学习方法处理高光谱成像数据的过程 | 本文结合了机器学习和深度学习方法，提出了一种新的流程，用于从离体高光谱荧光图像中提取和处理相关发射光谱，并使用多种机器学习模型对脑肿瘤进行分类 | 本文的研究结果主要基于离体数据，尚未在临床环境中验证其有效性 | 旨在改进荧光引导的脑肿瘤手术中对肿瘤边缘的识别和分类 | 脑肿瘤及其边缘组织 | 机器学习 | 脑肿瘤 | 高光谱成像 | 机器学习模型 | 图像 | NA | NA | NA | NA | NA |
| 22683 | 2024-11-23 |
Inferring pointwise diffusion properties of single trajectories with deep learning
2023-11-21, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.10.015
PMID:37853693
|
研究论文 | 本文提出了一种基于深度学习的机器学习方法，用于在实验时间分辨率下表征具有时间依赖性的扩散过程 | 该方法能够在单轨迹级别预测扩散系数或异常扩散指数等感兴趣的属性，无需对系统进行任何先验知识或假设 | NA | 旨在准确确定生物场景中粒子的扩散特性，揭示其背后的机制 | 单分子扩散的膜蛋白DC-SIGN和整合素α5β1 | 机器学习 | NA | 深度学习 | NA | 轨迹数据 | 两个膜蛋白的单分子扩散实验 | NA | NA | NA | NA |
| 22684 | 2024-11-23 |
Integration of clinical features and deep learning on pathology for the prediction of breast cancer recurrence assays and risk of recurrence
2023-Apr-14, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00530-5
PMID:37059742
|
研究论文 | 本文介绍了一种结合临床特征和深度学习模型，利用数字病理学数据预测乳腺癌复发检测结果和复发风险的方法 | 该方法在预测乳腺癌复发检测结果和复发风险方面优于传统的临床诺模图，并且在独立验证队列中表现更好 | 该方法的适用性可能受限于低资源设置下的测试可用性 | 开发一种能够准确预测乳腺癌复发检测结果和复发风险的新方法，以指导化疗的使用 | 激素受体阳性、HER2阴性的乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像和临床风险因素 | 外部验证队列中的患者 | NA | NA | NA | NA |
| 22685 | 2024-11-23 |
Convolutional neural network scoring and minimization in the D3R 2017 community challenge
2019-01, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-018-0133-y
PMID:29992528
|
研究论文 | 本文评估了基于卷积神经网络（CNN）的评分函数在药物发现领域中执行常见任务的能力 | 本文提出了一种基于CNN的评分函数，并在D3R 2017社区挑战中进行了评估，发现其在多个虚拟筛选任务中表现优异 | CNN在某些任务中表现不佳，特别是在Cathepsin S的从头对接任务中 | 评估基于CNN的评分函数在药物发现中的应用效果 | 评估CNN评分函数在识别配体姿态和分类活性或非活性配体方面的能力 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 结构信息 | 涉及D3R 2017社区挑战中的多个任务和配体 | NA | NA | NA | NA |
| 22686 | 2024-09-30 |
Can deep learning-derived IVUS predict outcomes in deferred CAD?
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132594
PMID:39332454
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22687 | 2024-11-22 |
AngioPy Segmentation: An open-source, user-guided deep learning tool for coronary artery segmentation
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132598
PMID:39341506
|
研究论文 | 本文介绍了一种名为AngioPy的开源深度学习工具，用于冠状动脉分割，通过用户定义的地面实况点提高性能并减少手动校正 | AngioPy通过用户定义的地面实况点提高分割性能，减少手动校正的需求 | NA | 开发一种无需手动校正的高效冠状动脉分割工具 | 冠状动脉的分割和量化 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 2455张图像用于模型开发，580张图像用于外部验证，203张图像用于比较分析 | NA | NA | NA | NA |
| 22688 | 2024-11-22 |
Machine Learning-Based X-Ray Projection Interpolation for Improved 4D-CBCT Reconstruction
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3459622
PMID:39564553
|
研究论文 | 本文提出了一种基于机器学习的X射线投影插值方法，用于改进4D-CBCT重建 | 利用预训练的深度学习模型和一种新的回归预测建模方法生成中间投影，以提高4D-CBCT图像质量 | NA | 改进4D-CBCT重建图像质量 | 4D-CBCT图像重建中的投影插值 | 计算机视觉 | NA | 机器学习 | 深度学习模型 | 图像 | 数字仿真数据集和临床数据集 | NA | NA | NA | NA |
| 22689 | 2024-11-22 |
Breast Cancer Detection on Dual-View Sonography via Data-Centric Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3454958
PMID:39564554
|
研究论文 | 本研究通过双视图超声成像和数据中心深度学习方法，旨在提高AI辅助的乳腺癌诊断准确性 | 定制基于DenseNet的模型，通过双视图超声数据集提高模型区分恶性与良性肿瘤的能力，并设计多种集成策略将双视图整合到模型输入中，以最大化性能 | 未提及具体局限性 | 提高AI辅助乳腺癌诊断的准确性 | 双视图乳腺超声图像 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 22690 | 2024-11-22 |
An Integrated Framework for Infectious Disease Control Using Mathematical Modeling and Deep Learning
2025, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3455801
PMID:39564557
|
研究论文 | 本文提出了一种结合数学建模和深度学习的传染病控制综合框架 | 本文创新性地将确定性和随机模型与深度学习模型相结合，以提高解决方案预测的性能，并研究了时间延迟对感染率和疫苗接种率的影响 | NA | 开发有效的传染病控制策略 | 传染病模式预测和疫苗接种对感染率的影响 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 22691 | 2024-11-22 |
Fast, high-quality, and unshielded 0.2 T low-field mobile MRI using minimal hardware resources
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01184-5
PMID:38967865
|
研究论文 | 提出了一种基于深度学习的低场移动MRI策略，使用最少的硬件资源实现快速、高质量、无屏蔽的成像 | 提出了一种强大的深度学习EMI消除模型，能够准确预测MRI线圈信号中的EMI成分，并通过多层次后处理实现快速和高品质的低场MRI | NA | 开发一种基于深度学习的低场移动MRI策略，以实现快速、高质量、无屏蔽的成像 | 低场移动MRI成像技术 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 20名健康志愿者参与实验 | NA | NA | NA | NA |
| 22692 | 2024-11-22 |
Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01172-9
PMID:38916681
|
研究论文 | 本文介绍了一种新的MR冠状动脉造影技术，通过使用之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建（HR-DLR）来提高图像质量和扫描效率 | 本文创新性地结合了之字形扇形中心ky-kz k空间轨迹和高分辨率深度学习重建技术，显著缩短了扫描时间并提高了图像质量 | 本文仅在12名健康受试者和2名患者中进行了验证，样本量较小，需要进一步在大规模临床试验中验证其有效性和适用性 | 开发一种高效且高质量的MR冠状动脉造影技术，以提高患者舒适度和临床效率 | 健康受试者和冠状动脉疾病患者 | 医学影像 | 心血管疾病 | MR冠状动脉造影 | 深度学习 | 图像 | 12名健康受试者和2名患者 | NA | NA | NA | NA |
| 22693 | 2024-09-06 |
Correction to: Motion robust coronary MR angiography using zigzag centric ky-kz trajectory and high-resolution deep learning reconstruction
2024-Dec, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01202-6
PMID:39231858
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22694 | 2024-11-22 |
Enhanced plasmonic scattering imaging via deep learning-based super-resolution reconstruction for exosome imaging
2024-Dec, Analytical and bioanalytical chemistry
IF:3.8Q1
DOI:10.1007/s00216-024-05550-z
PMID:39316091
|
研究论文 | 本文提出了一种基于深度学习的超分辨率重建方法，用于增强外泌体等离子体散射成像的分辨率 | 本文提出了一种新的盲超分辨率深度学习神经网络ESRGAN-SE，能够在不增加实验复杂性的情况下提高外泌体等离子体散射成像的分辨率 | NA | 提高外泌体等离子体散射成像的分辨率，以改进癌症诊断的准确性和效率 | 外泌体等离子体散射成像 | 计算机视觉 | NA | 深度学习 | ESRGAN-SE | 图像 | NA | NA | NA | NA | NA |
| 22695 | 2024-11-22 |
Exploring deep learning models for 4D-STEM-DPC data processing
2024-Dec, Ultramicroscopy
IF:2.1Q2
DOI:10.1016/j.ultramic.2024.114058
PMID:39388848
|
研究论文 | 本文探讨了如何利用卷积神经网络（CNN）进行4D-STEM-DPC数据的自动化和一致性处理 | 提出了两种不同的方法：一种是直接跟踪电子束并进行回归分析，另一种是使用改进的U-net进行直接电子束分割作为预处理步骤 | NA | 研究如何利用深度学习模型改进4D-STEM-DPC数据的处理方法 | 4D-STEM-DPC数据 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 实验获得的4D-STEM数据 | NA | NA | NA | NA |
| 22696 | 2024-11-22 |
Disentangling Neurodegeneration From Aging in Multiple Sclerosis Using Deep Learning: The Brain-Predicted Disease Duration Gap
2024-Nov-26, Neurology
IF:7.7Q1
DOI:10.1212/WNL.0000000000209976
PMID:39496109
|
研究论文 | 本研究使用深度学习技术，通过分析多发性硬化症患者的3D T1加权脑部MRI扫描图像，探讨了脑龄与疾病相关神经退行性变之间的关系 | 提出了脑预测疾病持续时间差距（DD gap）作为多发性硬化症特异性脑损伤的全球测量指标，并验证了其在解释身体残疾方面的有效性 | 本研究为回顾性研究，样本主要来自多中心，可能存在数据偏倚 | 旨在通过深度学习模型区分多发性硬化症患者的脑老化与疾病相关神经退行性变 | 多发性硬化症患者的3D T1加权脑部MRI扫描图像 | 计算机视觉 | 多发性硬化症 | 深度学习 | 3D DenseNet | 图像 | 4392名多发性硬化症患者（69.7%为女性，年龄：42.8 ± 10.6岁，疾病持续时间：11.4 ± 9.3年） | NA | NA | NA | NA |
| 22697 | 2024-11-22 |
Deep learning-assisted morphological segmentation for effective particle area estimation and prediction of interfacial properties in polymer composites
2024-Nov-21, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr01018c
PMID:39469845
|
研究论文 | 本研究开发了一种自动化且精确的技术，用于在扫描电子显微镜图像中识别和详细映射颗粒位置，并预测聚合物复合材料的界面性能 | 本研究结合深度卷积神经网络和高级图像处理技术，实现了颗粒识别和位置映射的自动化，并引入了两个分散因子来量化颗粒分散对性能的影响 | NA | 研究聚合物纳米复合材料的宏观性能与微观结构特征之间的关系，特别是纳米颗粒分散的影响 | 聚合物纳米复合材料中的纳米颗粒分散及其对界面性能的影响 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 22698 | 2024-11-22 |
Resolution-dependent MRI-to-CT translation for orthotopic breast cancer models using deep learning
2024-Nov-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9076
PMID:39514971
|
研究论文 | 研究利用生成对抗网络（GANs）从低分辨率MRI图像合成高保真CT图像的可行性 | 提出了一种定制的U-Net模型和两种GAN模型（Nested U-Net GAN和Attention U-Net GAN），成功将低分辨率MRI图像转换为高分辨率CT图像，解决了其他MRI-CT转换技术中常见的细节丢失问题 | NA | 减少患者暴露于电离辐射的同时保持治疗准确性并加速MRI图像采集 | 从低分辨率MRI图像生成高质量CT图像的可行性 | 计算机视觉 | 乳腺癌 | 生成对抗网络（GANs） | U-Net | 图像 | 从健康对照和肿瘤模型中获取的配对MRI-CT图像，包括MDA-MB-231和4T1肿瘤细胞注射到裸鼠和BALB/c小鼠的乳腺脂肪垫中 | NA | NA | NA | NA |
| 22699 | 2024-11-22 |
DySurv: dynamic deep learning model for survival analysis with conditional variational inference
2024-Nov-21, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae271
PMID:39569428
|
研究论文 | 提出了一种基于条件变分自编码器的动态深度学习模型DySurv，用于从电子健康记录中动态估计个体死亡风险 | DySurv使用静态和纵向测量数据的组合，直接估计累积风险发生函数，无需对潜在随机过程做出任何参数假设 | 尽管方法利用了非参数扩展来估计生存分布，但仍可探索更多深度学习范式 | 开发一种新的方法，从纵向健康记录中进行时间到事件的预测 | 电子健康记录中的静态和纵向测量数据 | 机器学习 | NA | 条件变分自编码器 | 深度学习模型 | 电子健康记录 | 6个时间到事件基准数据集和2个来自eICU和MIMIC-IV的真实世界重症监护单元电子健康记录数据集 | NA | NA | NA | NA |
| 22700 | 2024-11-22 |
[Evaluation of the Latest Motion Correction Techniques in Periodically Rotated Overlapping ParallEL Lines with Enhanced Reconstruction (PROPELLER) Imaging across Different Vendors]
2024-Nov-20, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-1520
PMID:39428468
|
研究论文 | 评估不同供应商的最新PROPELLER技术在头部运动校正中的鲁棒性 | 量化评估了四家供应商的PROPELLER技术在旋转角度和旋转频率依赖性方面的特性 | 仅使用模拟人类大脑T2加权图像的幻影进行评估，未涉及实际临床数据 | 评估最新PROPELLER技术在头部运动校正中的鲁棒性，并探讨其在临床应用中的有效性 | 不同供应商的PROPELLER技术在头部运动校正中的表现 | 医学影像 | NA | PROPELLER成像技术 | 深度学习重建（DLR） | 图像 | 使用模拟人类大脑T2加权图像的幻影进行评估 | NA | NA | NA | NA |