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 17140 篇文献，本页显示第 14001 - 14020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14001 | 2024-08-05 |
DenseNet model incorporating hybrid attention mechanisms and clinical features for pancreatic cystic tumor classification
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14380
PMID:38715381
|
研究论文 | 本研究旨在开发一种深度学习模型，以区分胰腺浆液囊肿肿瘤和粘液囊肿肿瘤 | 提出了一种结合混合注意力机制和临床特征的DenseNet模型，以提高分类精度 | 本研究的数据集可能存在样本量限制，影响模型的广泛适用性 | 探讨如何利用临床特征和影像结果提高胰腺囊肿肿瘤的分类准确度 | 207例浆液囊肿肿瘤患者和93例粘液囊肿肿瘤患者的影像数据 | 计算机视觉 | 胰腺癌 | 深度学习 | DenseNet-161 | 图像 | 207例SCN和93例MCN，共1761幅图像 |
| 14002 | 2024-08-05 |
Predicting glycan structure from tandem mass spectrometry via deep learning
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02314-6
PMID:38951670
|
研究论文 | 本研究介绍了CandyCrunch，一种通过深度学习从质谱数据预测糖基结构的工具 | 该文献创新性地提出了一种深度学习模型，能在几秒钟内预测糖基结构，并达到90.3%的准确率 | 暂无讨论具体的局限性信息 | 研究旨在解决糖基结构注释中的瓶颈，以促进高通量糖组学 | 研究对象为糖类及其结构的预测 | 数字病理学 | NA | 液相色谱-质谱联用 (LC-MS/MS) | 扩张残差神经网络 | 质谱数据 | 500,000个注释的MS/MS光谱 |
| 14003 | 2024-08-05 |
Artificial intelligence in colonoscopy: from detection to diagnosis
2024-Jul, The Korean journal of internal medicine
DOI:10.3904/kjim.2023.332
PMID:38695105
|
研究论文 | 本研究回顾了人工智能在结肠镜检查中从检测到诊断的最新进展 | 不同的深度学习方法适用于结肠镜检查的不同任务，展示了各自的最佳表现 | 仅涉及2021年及以后的英文出版物，样本来源限制于27项原始研究 | 探讨人工智能在结肠镜检查中的应用，尤其是在检测和诊断方面 | 研究对象包括多种深度学习模型在结肠镜检查中的效果和准确性 | 计算机视觉 | 肠道疾病 | 深度学习 | Efficientnet, You Only Look Once, Unet | 原始研究数据 | 27项原始研究 |
| 14004 | 2024-08-05 |
Automatic segmentation of dura for quantitative analysis of lumbar stenosis: A deep learning study with 518 CT myelograms
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14378
PMID:38729652
|
研究论文 | 本研究开发了一种自动分割脊髓硬膜的工具，用于对腰椎狭窄进行定量分析 | 创新之处在于利用深度学习算法实现了CTM图像中脊髓硬膜的自动轮廓描绘工具 | 研究样本仅限于腹股沟CTM影像，可能影响结果的通用性 | 本研究旨在开发一种用于腰椎狭窄患者CTM影像定量分析的自动硬膜轮廓工具 | 研究对象为518例CTM影像，包括有腰椎狭窄和没有腰椎狭窄的病例 | 数字病理学 | 腰椎狭窄 | 深度学习 | 3D U-Net | 影像 | 518例CTM影像 |
| 14005 | 2024-08-05 |
A deep learning-based 3D Prompt-nnUnet model for automatic segmentation in brachytherapy of postoperative endometrial carcinoma
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14371
PMID:38682540
|
研究论文 | 本研究创建并评估了一种基于深度学习的3D Prompt-nnUnet模块，用于术后子宫内膜癌患者高剂量率近距离放疗中的自动分割。 | 引入了一种新的基于提示的模型，结合3D nnUnet进行高风险临床靶区和风险器官的快速一致的自动分割。 | 研究的样本量限制在特定的患者群体，可能影响结果的广泛适用性。 | 评估新模型在术后子宫内膜癌患者高剂量率近距离放疗中自动分割的有效性。 | 321名子宫内膜癌患者的CT扫描用于高风险临床靶区分割；125名患者的CT扫描用于风险器官分割。 | 数字病理学 | 子宫内膜癌 | CT扫描 | 3D Prompt-nnUnet | 图像 | 321个CT扫描用于HR CTV分割，125个CT扫描用于OAR分割 |
| 14006 | 2024-08-05 |
Predicting response to neoadjuvant chemotherapy for colorectal liver metastasis using deep learning on prechemotherapy cross-sectional imaging
2024-Jul, Journal of surgical oncology
IF:2.0Q2
DOI:10.1002/jso.27673
PMID:38712939
|
研究论文 | 本研究使用深度学习模型预测结直肠肝转移患者对新辅助化疗的反应 | 采用基于图像的深度学习模型，其预测效果优于临床模型 | 研究主要集中在特定患者群体，可能无法广泛推广 | 预测结直肠肝转移患者对新辅助化疗的反应 | 成年结直肠肝转移患者 | 机器学习 | 结直肠癌 | 计算机断层扫描（CT） | 深度学习模型（DLM） | 图像 | 95名患者，33,619幅图像 |
| 14007 | 2024-08-05 |
Data-driven regularization lowers the size barrier of cryo-EM structure determination
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02304-8
PMID:38862790
|
研究论文 | 本研究探讨了如何通过深度学习改善图像对齐，以克服电子冷冻显微镜的结构确定中的粒子大小限制 | 提出了一种称为Blush正则化的新方法，通过去噪卷积神经网络提高了蛋白质-核酸复合物的重建质量 | 研究可能受限于深度学习模型的训练数据集的多样性和数量 | 研究如何通过深度学习技术提高电子冷冻显微镜的结构重建能力 | 针对电子冷冻显微镜中的蛋白质-核酸复合物进行研究 | 数字病理学 | NA | 深度学习，去噪卷积神经网络 | 卷积神经网络 | 图像 | 使用了来自电子显微镜数据银行的多个半集合重建数据对 |
| 14008 | 2024-08-05 |
Deep Learning-Based Vascular Aging Prediction From Retinal Fundus Images
2024-Jul-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.7.10
PMID:38984914
|
研究论文 | 本研究建立并验证了一种使用视网膜眼底图像筛查血管老化的深度学习模型 | Reti-aging评分模型提供了一种新颖的方法用于预测血管老化，尤其适用于不发达地区 | 目前的方法在发达地区外使用受限，且临床专家的准确性较低 | 研究目的在于通过视网膜眼底图像预测血管老化 | 使用8865张视网膜眼底图像及4376名患者的临床参数进行研究 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 8865张视网膜眼底图像和4376名患者 |
| 14009 | 2024-08-05 |
Examining feature extraction and classification modules in machine learning for diagnosis of low-dose computed tomographic screening-detected in vivo lesions
2024-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.4.044501
PMID:38993628
|
研究论文 | 这项研究评估了医疗成像基础上的机器学习在低剂量计算机断层扫描检测到的肺结节和结直肠息肉的诊断中的特征提取和分类模块的表现 | 研究提出了三种特征提取方法，并对比了随机森林分类器与深度学习卷积神经网络的性能 | 研究仅使用三个病灶图像数据集，未考虑更大范围的数据集 | 评估不同特征提取方法在低剂量CT筛查检测病变中的诊断性能 | 针对低剂量CT检测的肺结节和结直肠息肉 | 机器学习 | 肺癌 | 计算机断层扫描（CT） | 随机森林（RF）和卷积神经网络（CNN） | 图像 | 三个病灶图像数据集 |
| 14010 | 2024-08-05 |
Evaluating automatically generated normal tissue contours for safe use in head and neck and cervical cancer treatment planning
2024-Jul, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14338
PMID:38610118
|
研究论文 | 本文定量评估了自动生成的正常组织轮廓在头颈部和宫颈癌治疗计划中的安全性 | 创新地使用深度学习模型开发了一种自动治疗计划工具，能够生成风险器官和计划结构 | 研究是回顾性的，可能受限于原始医生绘制轮廓的质量 | 评估自动生成的轮廓的质量以支持头颈部和宫颈癌的放疗计划 | 头颈部癌症患者54例和宫颈癌患者39例 | 数字病理学 | 头颈癌和宫颈癌 | 深度学习 | NA | 自动生成轮廓和临床剂量数据 | 93个患者的轮廓 |
| 14011 | 2024-08-05 |
A Comparison of Antibody-Antigen Complex Sequence-to-Structure Prediction Methods and their Systematic Biases
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.15.585121
PMID:38979267
|
研究论文 | 本文比较了六种预测抗体-抗原复合物结构的方法 | 提出并评估了多种抗体-抗原复合物的序列到结构预测方法，特别突出了AlphaFold-Multimer的优越性能 | AlphaFold-Multimer模型的绝对性能仍有较大的改进空间，且存在结构偏差 | 提高对免疫系统的理解和开发新型抗体治疗的能力 | 六种预测抗体-抗原复合物结构的方法 | 机器学习 | NA | 深度学习 | AlphaFold-Multimer, RoseTTAFold, ClusPro, SnugDock, AbAdapt | 结构数据 | NA |
| 14012 | 2024-08-05 |
Unveiling the secrets of gastrointestinal mucous adenocarcinoma survival after surgery with artificial intelligence: A population-based study
2024-Jun-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v16.i6.2404
PMID:38994138
|
研究论文 | 本文研究了胃肠黏液性腺癌（GMA）在手术后的预后并开发了一种预测模型 | 提出了一种基于深度学习的工具，可以准确预测GMA患者手术后的生存率 | 对胃肠黏膜腺癌的研究有限且有争议，缺乏可靠的预测工具 | 探讨GMA的预后并开发预测模型 | 从监测、流行病学和结果数据库中收集的GMA患者临床信息 | 机器学习 | 胃癌 | 深度学习 | Cox比例风险回归模型 | 临床数据 | 共计100%的GMA患者数据，随机抽样后分为发现组（70%）、验证组（20%）和测试组（10%） |
| 14013 | 2024-08-05 |
A fully automated classification of third molar development stages using deep learning
2024-06-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63744-y
PMID:38844566
|
研究论文 | 本研究旨在开发一种自动化方法，以分类第三磨牙的发育阶段 | 引入了一种新颖的机器学习模型，能够准确估计下颚智齿的发育阶段 | 模型的准确性受到不同架构复杂性和任务特定特征的影响 | 提高牙齿发育阶段分类的准确性，服务于牙科诊断和治疗规划 | 3422张由专家评估和分类的正面全景图像（OPG） | 数字病理学 | NA | 深度学习 | EfficientNet, MobileNet, ResNet, ShuffleNet等 | 图像 | 6624张Opg图像 |
| 14014 | 2024-08-05 |
Gram matrix: an efficient representation of molecular conformation and learning objective for molecular pretraining
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae340
PMID:38990515
|
研究论文 | 本文提出使用Gram矩阵作为三维分子结构的紧凑表示和有效的预训练目标 | 引入Gram矩阵作为三维分子结构的表示，并通过Pre-GTM模型实现更准确的分子性质预测 | 目前研究未提及Gram矩阵在其他类型分子中的适用性及通用性 | 旨在提高分子性质预测的准确性，并探索三维分子结构的表示方法 | 研究集中在三维分子结构及其性质的预测 | 机器学习 | NA | 深度学习 | Pre-GTM | 分子结构数据 | 在QM9和MoleculeNet任务中使用多个样本进行验证 |
| 14015 | 2024-08-05 |
Exploiting holographically encoded variance to transmit labelled images through a multimode optical fiber
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519379
PMID:38859036
|
研究论文 | 文章探讨了通过多模光纤传输带标签图像的技术. | 创新点在于使用全息调制在输出散斑图案上编码额外的变量层，从而提高了系统的传输能力. | 该研究的局限性在于高保真重建仅适用于高度均匀的数据集，可能无法充分利用MMF-DNN系统的容量. | 研究旨在提升通过多模光纤传输图像的能力, 特别是在带标签图像的情况下. | 研究对象为通过多模光纤传输的色彩图像及其RGB组件. | 计算机视觉 | NA | 深度学习 | ResUNet | 图像 | 成千上万的图像 |
| 14016 | 2024-08-05 |
Pseudo-class part prototype networks for interpretable breast cancer classification
2024-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60743-x
PMID:38710757
|
研究论文 | 本研究通过原型网络改进乳腺癌分类的可解释性 | 提出了一种新的方法，利用医学相关信息进行更准确且可解释的预测，并通过聚类概念隐式增加训练数据集中的类别数量 | 之前使用的ProtoPNet在乳腺癌分类中的应用存在不足 | 研究在数字病理学中乳腺癌分类的可解释性 | 乳腺癌分类模型及其可解释性 | 数字病理学 | 乳腺癌 | NA | ProtoPNet | 图像 | 使用BreakHis数据集进行实验评估 |
| 14017 | 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 |
| 14018 | 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 |
| 14019 | 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 |
| 14020 | 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 |