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 33459 篇文献，本页显示第 30781 - 30800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30781 | 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 | NA | NA | NA | NA |
| 30782 | 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 | NA | NA | NA | NA |
| 30783 | 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 | NA | NA | NA | NA |
| 30784 | 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 | NA | NA | NA | NA |
| 30785 | 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 | NA | NA | NA | NA |
| 30786 | 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 | NA | NA | NA | NA |
| 30787 | 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 | NA | NA | NA | NA |
| 30788 | 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 | NA | NA | NA | NA |
| 30789 | 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 | NA | NA | NA | NA |
| 30790 | 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 | NA | NA | NA | NA |
| 30791 | 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 | NA | NA | NA | NA |
| 30792 | 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 | NA | NA | NA | NA |
| 30793 | 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 | NA | NA | NA | NA |
| 30794 | 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 | NA | NA | NA | NA |
| 30795 | 2024-08-07 |
Explaining the unique nature of individual gait patterns with deep learning
2019-02-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-38748-8
PMID:30787319
|
研究论文 | 本文利用深度神经网络（DNN）研究临床生物力学中个体步态模式的独特性，并通过Layer-Wise Relevance Propagation（LRP）技术解释模型预测与输入变量之间的关系 | 本文首次提出了一种通用框架，通过测量每个输入变量对预测的时间解析贡献，使非线性机器学习方法在生物力学步态分析中可理解且可解释 | NA | 研究个体步态模式的独特性，并提供一种方法来理解和解释机器学习模型在步态分析中的应用 | 个体步态模式及其在临床生物力学中的应用 | 机器学习 | NA | 深度神经网络（DNN） | DNN | 数据 | NA | NA | NA | NA | NA |
| 30796 | 2024-08-07 |
Using Memristors for Robust Local Learning of Hardware Restricted Boltzmann Machines
2019-02-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-38181-3
PMID:30755662
|
研究论文 | 本文探讨了使用忆阻器实现硬件限制玻尔兹曼机的鲁棒局部学习 | 提出了一种基于两次权重更新符号的脉宽选择方案，并展示了该策略对忆阻器设备非线性和随机性的部分免疫能力 | NA | 设计适用于芯片上玻尔兹曼机的简单忆阻器编程协议 | 忆阻器设备在硬件神经网络中的应用 | 机器学习 | NA | 忆阻器 | 玻尔兹曼机 | NA | NA | NA | NA | NA | NA |
| 30797 | 2024-08-07 |
Deep Reinforcement Learning in Medicine
2019-Feb, Kidney diseases (Basel, Switzerland)
DOI:10.1159/000492670
PMID:30815460
|
研究论文 | 本文介绍了强化学习的基本概念，并探讨了如何将强化学习与深度学习有效结合，以及深度强化学习在医学领域的应用潜力 | 本文首次探讨了深度强化学习在医学领域的应用 | NA | 介绍强化学习的基本概念，并探讨其在医学领域的应用 | 强化学习与深度学习的结合及其在医学领域的应用 | 机器学习 | NA | 深度强化学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 30798 | 2024-08-07 |
A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning
2019-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-37741-x
PMID:30705354
|
研究论文 | 本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布 | 修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量 | NA | 通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划 | 前列腺癌患者的放疗剂量分布 | 机器学习 | 前列腺癌 | 深度学习 | U-net | 图像 | 前列腺癌患者 | NA | NA | NA | NA |
| 30799 | 2024-08-07 |
Developed and validated a prognostic nomogram for recurrence-free survival after complete surgical resection of local primary gastrointestinal stromal tumors based on deep learning
2019-Jan, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2018.12.028
PMID:30587460
|
研究论文 | 本研究旨在开发和验证一种基于深度学习的预测胃肠道间质瘤术后无复发生存期的预后列线图 | 本研究首次将残差神经网络（ResNet）与临床病理因素结合，构建了个体化的预后列线图，显示出比传统模型更高的区分能力和校准精度 | NA | 开发和验证一种新的预后工具，用于指导胃肠道间质瘤患者术后辅助伊马替尼治疗的选择 | 胃肠道间质瘤患者的术后无复发生存期 | 机器学习 | 胃肠道间质瘤 | 残差神经网络（ResNet） | ResNet | 对比增强计算机断层扫描（CE-CT）图像 | 训练集包含80例经病理诊断的胃肠道间质瘤患者，并进行了内部和外部验证 | NA | NA | NA | NA |
| 30800 | 2024-08-07 |
An attention based deep learning model of clinical events in the intensive care unit
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0211057
PMID:30759094
|
研究论文 | 本研究训练了结合注意力机制的长短期记忆（LSTM）循环神经网络（RNN），以预测MIMIC-III数据集中两周内ICU患者的每日脓毒症、心肌梗死（MI）和万古霉素抗生素使用情况 | 模型通过注意力机制提高了预测准确性，并提供了一定程度的可解释性，有助于临床决策支持 | 模型在利用电子健康记录（EHR）数据进行训练时，面临如何处理临床决策代理变量的挑战 | 开发和改进深度学习模型，以减少ICU医生的信息过载，并提供临床决策支持 | ICU患者的脓毒症、心肌梗死和万古霉素使用预测 | 机器学习 | NA | 长短期记忆（LSTM）循环神经网络（RNN）结合注意力机制 | LSTM | 电子健康记录（EHR）数据 | MIMIC-III数据集中的两周ICU患者数据 | NA | NA | NA | NA |