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 32922 篇文献，本页显示第 32601 - 32620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 32601 | 2024-08-07 |
Breast density prediction from low and standard dose mammograms using deep learning: effect of image resolution and model training approach on prediction quality
2024-May-15, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad470b
PMID:38701765
|
研究论文 | 本文开发了深度学习方法，从低剂量和高分辨率的乳腺X线摄影图像中预测乳腺密度，并探讨了图像分辨率和训练方法对预测质量的影响 | 本文创新地使用深度学习模型在不同分辨率下对低剂量乳腺X线摄影图像进行乳腺密度预测，并比较了特征提取方法和端到端训练方法的效果 | NA | 提高年轻女性乳腺癌风险预测的准确性 | 乳腺密度预测 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 15,290张标准剂量和模拟低剂量乳腺X线摄影图像 | NA | NA | NA | NA |
| 32602 | 2024-08-07 |
Identifying regions of importance in wall-bounded turbulence through explainable deep learning
2024-May-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47954-6
PMID:38740802
|
研究论文 | 本研究使用可解释的深度学习方法探索壁边界湍流中能量包含相干结构之间的相互作用 | 本研究通过SHapley Additive exPlanations (SHAP)算法评估每个结构对预测的重要性，发现最重要的结构不一定是对雷诺剪切应力贡献最大的结构 | NA | 解决壁边界湍流问题并探索新的流动控制策略 | 壁边界湍流中的能量包含相干结构及其相互作用 | 机器学习 | NA | 深度学习 | U-net | 速度场数据 | 来自湍流通道流动模拟的瞬时速度场数据 | NA | NA | NA | NA |
| 32603 | 2024-08-07 |
NGMD: next generation malware detection in federated server with deep neural network model for autonomous networks
2024-May-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61298-7
PMID:38740843
|
研究论文 | 本文提出了一种基于深度神经网络的下一代恶意软件检测方法，用于在联邦服务器中进行网络流量分类和攻击检测 | 采用联邦学习方法，无需访问用户私人数据即可进行攻击检测，强调隐私保护 | NA | 提高网络系统对分布式拒绝服务攻击的抵御能力 | 网络流量分类和攻击检测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 网络流量数据 | 使用BoT-IoT数据集进行实验验证 | NA | NA | NA | NA |
| 32604 | 2024-08-07 |
Deep-learning survival analysis for patients with calcific aortic valve disease undergoing valve replacement
2024-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61685-0
PMID:38740898
|
研究论文 | 本研究比较了传统Cox比例风险模型与基于机器学习的深度学习生存分析和随机生存森林方法，以识别在主动脉瓣置换手术后一年内预测死亡风险的变量 | 研究发现机器学习模型具有更好的预测能力，能够揭示非线性关系 | NA | 旨在提高对高死亡风险患者的早期识别，以便他们能从更合适的治疗干预中受益 | 接受主动脉瓣置换手术的患者 | 机器学习 | 心血管疾病 | 深度学习生存分析，随机生存森林 | 深度学习模型，随机生存森林 | 临床数据 | 接受主动脉瓣置换手术的患者 | NA | NA | NA | NA |
| 32605 | 2024-08-07 |
Computer vision models enable mixed linear modeling to predict arbuscular mycorrhizal fungal colonization using fungal morphology
2024-05-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61181-5
PMID:38740920
|
研究论文 | 本文提出了一种多尺度建模方法，利用基于Mask R-CNN的计算机视觉模型和混合线性模型，预测全球作物中Arbuscular Mycorrhizal Fungi（AMF）的定植情况 | 首次使用Mask R-CNN进行像素级真菌结构分割，并结合混合线性模型探索AMF定植、根际和真菌结构分配之间的关系 | NA | 开发一种高吞吐量的表型分析方法，用于预测植物根系中AMF的定植情况 | 全球作物的AMF定植情况 | 计算机视觉 | NA | Mask R-CNN | CNN | 图像 | 来自Sorghum bicolor和S. propinquum的重组自交系群体 | NA | NA | NA | NA |
| 32606 | 2024-08-07 |
Structural annotation of unknown molecules in a miniaturized mass spectrometer based on a transformer enabled fragment tree method
2024-May-13, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-024-01189-0
PMID:38740942
|
研究论文 | 本文提出了一种基于Transformer的碎片树（TeFT）方法，用于小型质谱仪中未知分子的结构注释 | 结合了多种碎片树模型和深度学习Transformer模块，能够仅从质谱数据中生成分子特定结构 | 主要适用于具有清晰碎片规则的碎片峰注释，且在较低质量分辨率的现场质谱分析中表现较好 | 开发一种新的方法，用于小型质谱仪中未知分子的结构注释 | 小型质谱仪中的未知分子结构 | NA | NA | 质谱分析 | Transformer | 质谱数据 | 验证了16种黄酮醇，成功预测了8种物质的完整结构 | NA | NA | NA | NA |
| 32607 | 2024-08-07 |
Effects of the Training Data Condition on Arterial Spin Labeling Parameter Estimation Using a Simulation-Based Supervised Deep Neural Network
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001566
PMID:38149628
|
研究论文 | 研究基于模拟的监督深度神经网络在不同训练数据条件下对脑血流量和动脉传输时间参数估计的影响 | 首次探讨了训练数据中脑血流量和动脉传输时间真实值范围对深度神经网络性能的影响 | 研究仅限于模拟数据和少数真实病例，可能需要更多临床数据验证 | 探究训练数据的真实值范围对基于模拟的监督深度神经网络性能的影响 | 脑血流量和动脉传输时间参数估计 | 机器学习 | NA | 动脉自旋标记信号模拟 | 深度神经网络 (DNN) | 图像 | 36种训练数据集模式，1,000,000点模拟测试数据，17名健康志愿者和1名烟雾病患者 | NA | NA | NA | NA |
| 32608 | 2024-08-07 |
Deep learning combining mammography and ultrasound images to predict the malignancy of BI-RADS US 4A lesions in women with dense breasts: a diagnostic study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001186
PMID:38348891
|
研究论文 | 本研究旨在评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 本研究开发了一种结合超声和乳腺X线摄影特征的深度学习模型，该模型在预测BI-RADS US 4A乳腺病变恶性程度方面比临床诺模图模型和仅使用超声或乳腺X线摄影图像的深度学习模型更准确 | NA | 评估结合超声和乳腺X线摄影图像的深度学习模型在预测乳腺密度高女性BI-RADS US 4A病变恶性程度中的表现 | 乳腺密度高女性的BI-RADS US 4A病变 | 计算机视觉 | 乳腺疾病 | 深度学习 | 深度学习模型 | 图像 | 共1210名患者，其中992名随机分配到训练组和测试组，218名组成前瞻性验证组 | NA | NA | NA | NA |
| 32609 | 2024-08-07 |
Congenital diaphragmatic hernia: automatic lung and liver MRI segmentation with nnU-Net, reproducibility of pyradiomics features, and a machine learning application for the classification of liver herniation
2024-May, European journal of pediatrics
IF:3.0Q1
DOI:10.1007/s00431-024-05476-9
PMID:38416256
|
研究论文 | 本研究使用深度学习分割系统nnU-Net自动分割先天性膈疝（CDH）胎儿的肺和肝脏MRI图像，并通过计算Jaccard系数评估自动与手动分割的一致性。此外，提取并比较了手动和自动分割区域的Pyradiomics标准特征的再现性，并构建了一个基于支持向量机（SVM）的机器学习分类器系统，用于预测肝脏疝。 | 本研究展示了使用深度学习nnU-Net系统进行MRI肺和肝脏自动分割的可行性，以及与手动结果相比，Pyradiomics特征的良好再现性和机器学习系统预测肝脏疝的可行性。 | NA | 评估先天性膈疝胎儿肺和肝脏MRI图像自动分割的可行性，并开发机器学习系统以预测肝脏疝。 | 先天性膈疝胎儿的肺和肝脏MRI图像。 | 机器学习 | 先天性膈疝 | MRI | nnU-Net | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 32610 | 2024-08-07 |
Estimating Body Weight From Measurements From Different Single-Slice Computed Tomography Levels: An Evaluation of Total Cross-Sectional Body Area Measurements and Deep Learning
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001587
PMID:38438330
|
研究论文 | 本研究评估了两种简易方法（线性回归模型和深度学习模型）在不同CT层面估计体重的相关性，并确定最佳参考位点 | 本研究首次比较了线性回归模型和深度学习模型在不同CT层面估计体重的准确性 | 研究仅使用了公开数据库中的862名患者的PET/CT研究数据，样本量可能有限 | 评估不同CT层面估计体重的准确性并确定最佳参考位点 | 862名患者的PET/CT研究数据 | 计算机视觉 | NA | CT | 线性回归模型, 深度学习模型 | 图像 | 862名患者 | NA | NA | NA | NA |
| 32611 | 2024-08-07 |
Prognostic Value of a Combined Nomogram Model Integrating 3-Dimensional Deep Learning and Radiomics for Head and Neck Cancer
2024 May-Jun 01, Journal of computer assisted tomography
IF:1.0Q4
DOI:10.1097/RCT.0000000000001584
PMID:38438336
|
研究论文 | 本研究评估了将3D深度学习特征添加到放射组学模型中，以预测头颈癌患者5年总生存状态的影响。 | 本研究创新性地结合了3D深度学习特征与放射组学模型，以提高预测头颈癌患者5年总生存状态的准确性。 | NA | 评估3D深度学习特征对放射组学模型预测头颈癌患者5年总生存状态的影响。 | 头颈癌患者的5年总生存状态。 | 数字病理学 | 头颈癌 | 放射组学, 3D深度学习 | 结合模型 | 图像 | 220例 | NA | NA | NA | NA |
| 32612 | 2024-08-07 |
Development and validation of a deep learning radiomics model with clinical-radiological characteristics for the identification of occult peritoneal metastases in patients with pancreatic ductal adenocarcinoma
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001213
PMID:38445459
|
研究论文 | 本研究开发并验证了一种基于计算机断层扫描（CT）的深度学习放射组学（DLR）模型，用于在治疗前识别胰腺导管腺癌（PDAC）患者的隐匿性腹膜转移（OPM） | 本研究结合了临床放射学特征、手工放射组学（HCR）和DLR特征，开发了一个综合模型，显示出比单独的临床放射学模型更好的区分能力 | NA | 开发并验证一个基于CT的深度学习放射组学模型，用于在治疗前识别胰腺导管腺癌患者的隐匿性腹膜转移 | 胰腺导管腺癌患者的隐匿性腹膜转移 | 机器学习 | 胰腺癌 | 深度学习放射组学（DLR） | 逻辑回归分类器 | CT图像 | 302名胰腺导管腺癌患者（训练集：167名，其中OPM阳性22名；内部测试集：72名，其中OPM阳性9名；外部测试集：63名，其中OPM阳性9名） | NA | NA | NA | NA |
| 32613 | 2024-08-07 |
A novel stochastic resonance based deep residual network for fault diagnosis of rolling bearing system
2024-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.03.020
PMID:38582635
|
研究论文 | 本文提出了一种基于随机共振的深度残差网络，用于滚动轴承系统的故障诊断 | 将随机共振引入尖峰神经网络作为特征增强方法，结合深度学习与随机共振提高分类准确性 | NA | 确保机械设备中滚动轴承的安全运行 | 滚动轴承系统的故障诊断 | 机器学习 | NA | 随机共振 | 深度残差网络 | 信号 | 使用CWRU数据集进行实验验证 | NA | NA | NA | NA |
| 32614 | 2024-08-07 |
Creating an autoencoder single summary metric to assess gait quality to compare surgical outcomes in children with cerebral palsy: The Shriners Gait Index (SGI)
2024-May, Journal of biomechanics
IF:2.4Q3
DOI:10.1016/j.jbiomech.2024.112092
PMID:38669795
|
研究论文 | 本文提出了一种使用深度学习自动编码器模型创建的单一总结指标（Shriners步态指数（SGI）），用于评估脑瘫儿童的步态质量，并比较手术结果 | 利用深度学习自动编码器模型捕捉多个不同步态指标之间的非线性统计关系，创建了一个综合的步态质量评估指标 | NA | 开发一种综合的步态评估指标，以评估和比较脑瘫儿童在接受治疗和手术后的步态变化 | 脑瘫儿童的步态数据 | 机器学习 | 脑瘫 | 深度学习自动编码器 | 自动编码器 | 步态数据 | 412名18岁以下的个体 | NA | NA | NA | NA |
| 32615 | 2024-08-07 |
Comprehensive analysis of clinical images contributions for melanoma classification using convolutional neural networks
2024-May, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13607
PMID:38742379
|
研究论文 | 本研究旨在比较三种基于卷积神经网络（CNN）的模型在黑色素瘤分类中的表现，这些模型分别使用临床图像、皮肤镜图像以及两者的组合进行训练 | 本研究首次系统比较了仅使用临床图像、仅使用皮肤镜图像以及两者结合训练的CNN模型在黑色素瘤分类中的性能差异 | 研究结果显示，结合临床和皮肤镜图像的模型性能提升不明显，这可能是研究的局限之一 | 探讨不同类型图像在黑色素瘤分类中的有效性 | 黑色素瘤的分类 | 计算机视觉 | 黑色素瘤 | 卷积神经网络（CNN） | Inception-ResNetV2 | 图像 | 914对图像 | NA | NA | NA | NA |
| 32616 | 2024-08-07 |
Intelligent algorithm based on deep learning to predict the dosage for anesthesia: A study on prediction of drug efficacy based on deep learning
2024-May, Health science reports
IF:2.1Q3
DOI:10.1002/hsr2.2113
PMID:38745754
|
研究论文 | 本研究提出了一种基于深度学习的智能算法，用于预测麻醉药物的剂量，以帮助麻醉医师在手术过程中更好地控制药物剂量 | 本研究设计了基于人工神经网络的模型，使用SELU激活函数和加权正则化损失函数解决样本不平衡问题，并通过CNN和LSTM网络提取关键特征和预测剂量 | NA | 开发一种智能算法，用于预测麻醉药物的剂量，以辅助临床判断和手术过程的顺利进行 | 麻醉药物的剂量预测 | 机器学习 | NA | 深度学习 | CNN, LSTM | 生理数据 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 32617 | 2024-08-07 |
Three dimensional convolutional neural network-based automated detection of midline shift in traumatic brain injury cases from head computed tomography scans
2024 Apr-Jun, Journal of neurosciences in rural practice
IF:0.8Q4
DOI:10.25259/JNRP_490_2023
PMID:38746523
|
研究论文 | 本研究开发了一种基于三维卷积神经网络的自动检测工具，用于从头部CT扫描中检测创伤性脑损伤病例中的中线移位 | 本研究首次使用三维卷积神经网络自动检测中线移位，为紧急医疗人员提供了一种前沿的解决方案 | 该模型的准确性和敏感性有待提高，目前的准确率为55%，敏感性为40% | 确定自动检测工具在CT图像中检测创伤性脑损伤患者中线移位的准确性和预测价值 | 创伤性脑损伤病例的中线移位 | 机器学习 | 创伤性脑损伤 | 三维卷积神经网络 | CNN | 图像 | 176个头部CT扫描 | NA | NA | NA | NA |
| 32618 | 2024-08-07 |
Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model
2024, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230219
PMID:38043007
|
研究论文 | 本研究利用深度学习方法，结合临床信息和CT图像特征，预测乳腺癌患者的骨转移 | 首次提出使用皮下脂肪指数作为预测乳腺癌骨转移的独立预后因素，并采用多模态深度学习算法进行预测 | NA | 探索利用深度学习技术预测乳腺癌患者的骨转移 | 乳腺癌患者的骨转移预测 | 机器学习 | 乳腺癌 | CT图像 | CNN | 图像 | 431名乳腺癌患者 | NA | NA | NA | NA |
| 32619 | 2024-08-07 |
Learning multi-site harmonization of magnetic resonance images without traveling human phantoms
2024, Communications engineering
DOI:10.1038/s44172-023-00140-w
PMID:38420332
|
研究论文 | 本文提出了一种无需人类受试者跨站点采集数据即可实现磁共振图像多站点协调的深度学习方法 | 该方法通过分离站点特定外观信息和站点不变解剖信息，生成适用于任何目标站点的图像，无需额外数据收集 | NA | 提高磁共振图像数据的一致性，实现多站点图像数据的有效整合 | 磁共振图像的多站点协调 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 超过6,000张多站点T1和T2加权图像 | NA | NA | NA | NA |
| 32620 | 2024-08-07 |
MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1293706
PMID:38646540
|
研究论文 | 本文评估了最新的MHCII-肽结合预测计算方法的性能 | 采用了深度学习算法和大量训练数据，新开发的预测方法性能优于旧方法 | NA | 评估和概述最新的MHCII-肽结合预测计算方法 | MHCII-肽结合预测方法 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列数据 | 包含20种人类MHCII蛋白同种型的结合和非结合肽的独立数据集 | NA | NA | NA | NA |