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 17212 篇文献，本页显示第 13581 - 13600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13581 | 2024-08-05 |
Integration of deep learning and habitat radiomics for predicting the response to immunotherapy in NSCLC patients
2024-Jun-04, Cancer immunology, immunotherapy : CII
DOI:10.1007/s00262-024-03724-3
PMID:38833187
|
研究论文 | 本研究构建了一个非侵入性模型，用于预测晚期非小细胞肺癌患者对免疫疗法的反应。 | 结合深度学习与栖息地放射组学的方法，在非小细胞肺癌患者中进行免疫疗法反应预测。 | 样本仅来自三个医疗中心，可能限制了模型的普适性. | 研究旨在构建预测免疫疗法反应的非侵入性模型。 | 研究对象为来自三家医院的晚期非小细胞肺癌患者。 | 数字病理 | 非小细胞肺癌 | 深度学习与栖息地放射组学 | 支持向量机（SVM） | 影像 | 训练组164名患者，测试组82名患者 |
| 13582 | 2024-08-05 |
Development and external validation of deep learning clinical prediction models using variable-length time series data
2024-May-20, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocae088
PMID:38679906
|
研究论文 | 本文比较和外部验证了流行的深度学习模型架构和数据转换方法在变量长度时间序列数据中的应用于三种临床任务。 | 引入了新的特征工程方法PLE-DT，并比较了多种深度学习架构在不同临床任务中的表现。 | 本研究为回顾性研究，仅在两个医疗中心的数据上进行，可能存在样本选择偏倚。 | 评估深度学习模型在临床任务中的表现以及优化变量长度时间序列数据的预测能力。 | 370,000多次入院数据用于训练和测试，以评估临床恶化、急性肾损伤和感染的预测模型。 | 机器学习 | NA | 深度学习，特征工程（PLE-DT） | LSTM/GRU，TDW-CNN | 时间序列数据 | 373,825次入院用于训练，256,128次入院用于测试 |
| 13583 | 2024-08-05 |
DeepETPicker: Fast and accurate 3D particle picking for cryo-electron tomography using weakly supervised deep learning
2024-Mar-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-46041-0
PMID:38453943
|
研究论文 | 本研究开发了DeepETPicker，一种用于从冷冻电子断层图中快速精确挑选颗粒的深度学习模型 | 该文章创新性地使用弱监督学习和轻量模型架构，降低手动标注负担并提升性能 | 自动颗粒挑选方法的采用仍然受到技术限制的限制 | 本研究旨在提高冷冻电子断层图中的颗粒挑选速度和准确性 | 研究对象为生物大分子的三维结构和从冷冻电子断层图中提取的颗粒 | 数字病理学 | NA | 深度学习 | NA | 图像 | 模拟和真实断层图的多个样本 |
| 13584 | 2024-08-05 |
Deep Learning and Geriatric Mental Health
2024-03, The American journal of geriatric psychiatry : official journal of the American Association for Geriatric Psychiatry
DOI:10.1016/j.jagp.2023.11.008
PMID:38142162
|
研究论文 | 本文旨在帮助临床医生掌握深度学习的基本术语和理解其基础知识及早期应用 | 探讨了深度学习在老年精神健康领域的基础应用及相关伦理问题 | 未涉及深度学习在老年心理学的具体实施案例 | 帮助临床医生理解深度学习的基本概念及其在老年精神医学中的应用 | 主要关注深度学习对老年精神健康领域的影响 | 机器学习 | 老年疾病 | 深度学习 | NA | NA | NA |
| 13585 | 2024-08-05 |
CSXAI: a lightweight 2D CNN-SVM model for detection and classification of various crop diseases with explainable AI visualization
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1412988
PMID:39036360
|
研究论文 | 本研究提出了一种基于CNN-SVM的轻量级模型，用于检测和分类各种农作物疾病 | 提出了一种轻量级的CNN-SVM混合模型，实现了较高的准确率和可视化解释 | 研究没有提及样本的数量和多样性，可能影响结果的普遍性 | 旨在提高农业作物疾病的识别和分类效率 | 针对草莓、桃子、樱桃和大豆四种经济作物分类10类疾病 | 计算机视觉 | 农作物疾病 | CNN-SVM | CNN | 图像 | NA |
| 13586 | 2024-08-05 |
Deep learning-enabled classification of kidney allograft rejection on whole slide histopathologic images
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1438247
PMID:39034991
|
研究论文 | 本文开发了一种深度学习系统，用于自动评估肾移植物活检的全视图图像，检测和亚分类排斥反应。 | 首次利用多实例学习的深度学习模型进行肾移植物活检的排斥反应检测、亚分类及预后预测。 | 未提及外部数据集的验证以及模型在临床环境中的应用局限性。 | 旨在提高肾移植物排斥反应的诊断准确性和一致性。 | 分析肾移植物活检的全视图图像以检测和预测排斥反应。 | 数字病理学 | 肾脏疾病 | 多实例学习，卷积神经网络（CNN） | 多实例学习模型 | 图像 | 来自302个肾移植物活检的906个全视图图像 |
| 13587 | 2024-08-05 |
Exploring the relationship between YouTube video characteristics and a viewer's mental health traits among young adults
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1364930
PMID:39035603
|
研究论文 | 本研究探讨了年轻人观看的YouTube视频特征与其心理健康特征之间的关系 | 该研究通过结合深度学习算法的计算机视觉技术，分析了视频特征与心理健康特征之间的相关性 | 本研究依赖于调查问卷，自我报告的数据可能存在偏差 | 研究年轻人观看YouTube视频特征对心理健康的影响 | 调查年轻人的心理健康特征及其观看的YouTube视频的特征 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 基于参与者的观看历史日志数据，样本数量未明确说明 |
| 13588 | 2024-08-05 |
Deep learning radiomics based on multimodal imaging for distinguishing benign and malignant breast tumours
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402967
PMID:39036101
|
研究论文 | 本研究旨在开发基于多模态影像的深度学习放射组学模型，以区分良性和恶性乳腺肿瘤 | 研究展示了整合深度学习与放射组学特征以及多模态影像的潜力，且MRI在放射组学特征基础上表现出更高的准确性 | 基于回顾性研究，未考虑潜在的选择偏倚 | 本研究旨在提高对良性与恶性乳腺肿瘤的区分能力 | 322例经过组织病理学确认的乳腺肿瘤患者，包括112例良性肿瘤和210例恶性肿瘤 | 深度学习放射组学 | 乳腺癌 | 多模态影像，包括超声（US）、乳腺X线摄影（MG）和磁共振成像（MRI） | SVM, KNN, 随机森林, 额外树, XGBoost, LightGBM, LR | 图像 | 322名患者 |
| 13589 | 2024-08-05 |
Role of Artificial Intelligence in Endoscopic Intervention: A Clinical Review
2024, Journal of community hospital internal medicine perspectives
IF:0.9Q3
DOI:10.55729/2000-9666.1341
PMID:39036586
|
综述 | 本综述讨论了人工智能在内镜检查中的应用及其对医疗技术的影响 | 探索了人工智能在内镜、结肠镜和内镜超声中的新应用 | 主要集中在内镜相关技术的应用，没有涵盖其他医学领域 | 旨在探讨人工智能如何改善内镜检查的诊断和管理 | 内镜、结肠镜和内镜超声的应用 | 数字病理学 | 胃肠疾病 | 深度学习系统和神经网络 | NA | NA | NA |
| 13590 | 2024-08-05 |
Automated identification and segmentation of urine spots based on deep-learning
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17398
PMID:39035153
|
研究论文 | 本文提出了一种基于深度学习的尿液斑点自动识别和分割方法 | 创新点在于利用深度学习实现尿液斑点的自动检测和精确分割 | 本文未提及具体的实验样本数量和适用性范围 | 研究自动化尿液斑点检测的技术，以改善传统方法中的主观误差 | 以啮齿动物的排尿行为为研究对象 | 数字病理学 | NA | 深度学习 | 目标检测网络和实例分割网络 | 图像 | NA |
| 13591 | 2024-08-05 |
A deep learning approach based on multi-omics data integration to construct a risk stratification prediction model for skin cutaneous melanoma
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05358-x
PMID:37673824
|
研究论文 | 本研究提出了一种基于深度学习的模型，从多组学数据中构建皮肤黑色素瘤的风险分类预测模型 | 提出了一种结合早期融合特征自编码器和晚期融合特征自编码器的深度学习框架，用于SKCM的风险亚型预测 | 尚未提及可能的局限性 | 构建SKCM的风险亚型分类模型以改善预测能力 | SKCM患者的mRNA、miRNA和DNA甲基化数据 | 数字病理 | 皮肤癌 | 深度学习 | 自编码器（AE） | 多组学数据 | 使用了两个独立测试数据集的SKCM患者数据 |
| 13592 | 2024-08-05 |
Development and external validation of the multichannel deep learning model based on unenhanced CT for differentiating fat-poor angiomyolipoma from renal cell carcinoma: a two-center retrospective study
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05339-0
PMID:37672075
|
研究论文 | 本研究开发并评估了一种基于未增强CT的多通道深度学习模型，以区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌 | 该文章创新性地提出了一种针对贫脂肪血管平滑肌脂肪瘤与肾细胞癌的深度学习分类器，并通过内外部验证其有效性 | 仅使用了两个中心的回顾性数据，可能影响模型的通用性和适应性 | 旨在区分贫脂肪血管平滑肌脂肪瘤和肾细胞癌 | 320名来自两个医疗中心的患者数据 | 数字病理学 | 肾细胞癌 | 未增强CT | 深度学习模型 | 影像 | 总共452名患者，包括320名患者和132名患者 |
| 13593 | 2024-08-05 |
SMiT: symmetric mask transformer for disease severity detection
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05223-x
PMID:37698681
|
研究论文 | 本文提出了一种对病理图像进行诊断分级的对称掩码预训练视觉变换器SMiT模型 | 作者采用纯变换器框架，不依赖传统CNN模型，并提出了一种新的对称性掩码预训练方法 | 针对特定类型的癌症图像进行评估，可能不适用于所有病理图片 | 研究旨在提高病理图像分类中的疾病严重性检测准确性 | 涉及4500张结直肠癌的组织病理图像 | 数字病理学 | 癌症 | 变换器 | 视觉变换器 | 图像 | 4500张结直肠癌组织病理图像和公开的糖尿病视网膜病变数据集 |
| 13594 | 2024-08-05 |
Combining radiomics and deep learning features of intra-tumoral and peri-tumoral regions for the classification of breast cancer lung metastasis and primary lung cancer with low-dose CT
2023-Nov, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-023-05329-2
PMID:37642722
|
研究论文 | 本研究探讨了低剂量CT下，肿瘤内区域和肿瘤周围区域的放射组学和深度学习特征在乳腺癌肺转移和原发性肺癌诊断中的表现 | 提出了一种融合模型，结合了深度学习特征和传统放射组学特征，采用多区域策略 | 本文未提及样本的异质性和模型在其他类型肺癌中的适用性 | 研究低剂量CT下，乳腺癌肺转移和原发性肺癌的分类性能 | 100例乳腺癌患者的低剂量CT影像数据，包括60例BCLM与40例PLC | 数字病理学 | 肺癌 | 低剂量CT | ResNet18基础的多输入残差卷积网络 | 图像 | 100例乳腺癌患者的低剂量CT影像 |
| 13595 | 2024-08-05 |
SpheroScan: A User-Friendly Deep Learning Tool for Spheroid Image Analysis
2023-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.06.28.533479
PMID:37425923
|
研究论文 | 本文介绍了SpheroScan，一个用户友好的深度学习工具，用于球形图像分析 | 开发了一个全自动、基于网络的工具，使用掩模区域卷积神经网络进行图像检测和分割 | NA | 解决缺乏自动化和用户友好的3D球体图像分析工具的问题 | 使用IncuCyte活细胞分析系统和常规显微镜拍摄的球形图像 | 数字病理 | NA | 深度学习 | 卷积神经网络 | 图像 | 使用的训练集和验证集的具体样本数量未提供 |
| 13596 | 2024-08-05 |
The ChatGPT Storm and What Faculty Can Do
2023 May-Jun 01, Nurse educator
IF:2.4Q1
DOI:10.1097/NNE.0000000000001390
PMID:37043716
|
研究论文 | 本论文讨论了ChatGPT在学术界的迅速普及及其伦理使用的关注 | 探讨教师如何应对ChatGPT带来的挑战，强调自我反思、批判性思维和独立学习的重要性 | 未提及具体的实证研究或数据支持 | 旨在探讨ChatGPT在护理教育中的潜力及其伦理使用 | 关注职员及学生如何利用ChatGPT进行学习和信息评估 | 自然语言处理 | NA | 深度学习语言模型 | NA | 文本 | NA |
| 13597 | 2024-08-05 |
Intelligent oncology: The convergence of artificial intelligence and oncology
2023-Mar, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2022.11.004
PMID:39036310
|
研究论文 | 本文描述了一种称为智能肿瘤学的整体和结构化概念 | 提出了一个跨学科的智能肿瘤学概念，整合多个领域以促进癌症管理 | 智能肿瘤学的概念和应用仍处于 infancy，面临许多障碍和挑战 | 旨在促进癌症预防、筛查、早期诊断和精确治疗 | 整合肿瘤学、放射学、病理学、分子生物学等领域 | 计算机视觉 | 癌症 | 自然语言处理、机器/深度学习 | NA | NA | NA |
| 13598 | 2024-08-07 |
Variability analysis of LC-MS experimental factors and their impact on machine learning
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad096
PMID:37983748
|
研究论文 | 本文通过系统分析公共质谱数据仓库中的变异源，探讨了这些因素对机器学习性能的影响，并进行了全面的迁移学习评估 | 本文首次系统分析了公共质谱数据仓库中的变异源，并评估了迁移学习在质谱数据处理中的应用效果 | 迁移学习虽然提高了模型性能，但与非预训练模型相比提升有限 | 旨在促进机器学习在质谱数据处理中的应用 | 公共质谱数据仓库中的变异源及其对机器学习性能的影响 | 机器学习 | NA | 质谱(MS) | 深度学习(DL) | 质谱数据 | 大规模数据集 |
| 13599 | 2024-08-07 |
Towards automated organs at risk and target volumes contouring: Defining precision radiation therapy in the modern era
2022-Dec, Journal of the National Cancer Center
IF:7.6Q1
DOI:10.1016/j.jncc.2022.09.003
PMID:39036546
|
review | 本文综述了利用先进深度学习、语义器官解析、多模态影像融合、神经架构搜索和医学图像分析技术解决精确放疗工作流程中四个关键问题或子问题的最新进展 | 提出了高精度、自动化和高度可重复的OAR/GTV/LN/CTV自动描绘技术，有效减少了从业者间的变异性并降低了时间成本 | 本文综述的内容是持续进行且不完全的，方法主要以食管癌和头颈癌为例，但可推广至其他类型癌症 | 探讨精确放疗在现代临床工作流程中的应用，旨在提高患者护理质量和降低成本 | 主要关注风险器官（OARs）、大体肿瘤体积（GTV）、转移淋巴结（LN）和临床肿瘤体积（CTV）的分割与检测 | machine learning | esophageal cancer, head-and-neck cancer | deep learning, semantic organ parsing, multimodal imaging fusion, neural architecture search, medical image analytical techniques | NA | image | NA |
| 13600 | 2024-08-07 |
Machine Learning Analysis of Cocaine Addiction Informed by DAT, SERT, and NET-Based Interactome Networks
2022-Apr-12, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c00002
PMID:35294204
|
研究论文 | 本研究利用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法分析可卡因成瘾，旨在发现新的抗可卡因成瘾先导化合物 | 本研究首次采用基于DAT、SERT和NET相互作用网络的机器学习/深度学习方法，结合大量抑制剂数据，构建预测模型，用于预测药物再利用潜力和可能的副作用 | NA | 开发新的基于人工智能的抗可卡因成瘾先导化合物发现系统 | 可卡因成瘾相关的DAT、SERT和NET相互作用网络中的蛋白质 | 机器学习 | 药物成瘾 | 机器学习/深度学习 | 自编码器（AE）、梯度提升决策树（GBDT）和多任务深度神经网络（MT-DNN） | 蛋白质相互作用数据和抑制剂数据 | 61个蛋白质目标，115,407个抑制剂 |