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 106 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2024-08-05 |
Deep clustering of protein folding simulations
2018-Dec-21, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-018-2507-5
PMID:30577777
|
研究论文 | 本文探讨了使用深度学习技术对生物分子模拟进行聚类的问题 | 该研究采用卷积变分自编码器（CVAE）从长时间尺度的蛋白质折叠模拟中无监督地学习生物物理相关的低维潜在特征 | 缺乏对其他生物分子系统的适用性验证 | 旨在通过深度学习技术提取与复杂生物过程相关的定量见解 | 研究对象为三种模型蛋白质折叠系统，包括Fs肽、villin头部片段和β-β-α（BBA）蛋白 | 机器学习 | NA | CVAE | 卷积变分自编码器 | 模拟数据 | 三种蛋白质折叠系统的总采样时间超过800μs | NA | NA | NA | NA |
| 82 | 2024-08-05 |
Autosegmentation for thoracic radiation treatment planning: A grand challenge at AAPM 2017
2018-Oct, Medical physics
IF:3.2Q1
DOI:10.1002/mp.13141
PMID:30144101
|
研究论文 | 本文报告了2017年美国医学物理学会年会上组织的胸部自动分割挑战的方法和结果 | 提供了一个基准数据集和评估平台用于胸部CT图像中风险器官的自动分割方法的表现评估 | 虽然出现了最佳分割结果，但各算法之间在性能上没有显著差异 | 研究胸部CT图像中风险器官的自动分割方法 | 参与挑战的算法针对左肺、右肺、心脏、食道和脊髓等风险器官 | 数字病理学 | NA | 深度学习 | NA | CT图像 | 60个胸部CT扫描 | NA | NA | NA | NA |
| 83 | 2024-08-05 |
Deep learning to predict the lab-of-origin of engineered DNA
2018-08-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-018-05378-z
PMID:30087331
|
研究论文 | 本文应用深度学习技术来预测DNA序列的来源实验室 | 使用卷积神经网络对来自2230个实验室的42,364个工程DNA序列进行训练，提升了来源预测的准确性 | 来源实验室的识别率仅为48%，而且没有单一的决定性证据来确认DNA序列与某个实验室的关联 | 研究基因工程技术及其可能的恶意用途，旨在提高DNA来源预测的效率 | 来自2230个实验室的工程DNA序列 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | 42,364个工程DNA序列 | NA | NA | NA | NA |
| 84 | 2024-08-07 |
Monitoring significant ST changes through deep learning
2018 Nov - Dec, Journal of electrocardiology
IF:1.3Q3
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 85 | 2024-08-05 |
Comparing and Validating Machine Learning Models for Mycobacterium tuberculosis Drug Discovery
2018-10-01, Molecular pharmaceutics
IF:4.5Q1
|
研究论文 | 本研究比较和验证了针对分枝杆菌的机器学习模型，用于药物发现 | 提出了新的贝叶斯模型，与现有的深度学习模型相比显示出相似或更好的性能 | 仅使用了153个化合物的评估集进行模型测试，样本量可能较小 | 提高针对分枝杆菌的新药物发现的效率 | 分枝杆菌活性小分子化合物 | 机器学习 | 结核病 | 机器学习 | 贝叶斯模型 | 分子数据 | 共涉及18886个化合物和153个测试化合物 | NA | NA | NA | NA |
| 86 | 2024-08-05 |
Lamisil (terbinafine) toxicity: Determining pathways to bioactivation through computational and experimental approaches
2018-10, Biochemical pharmacology
IF:5.3Q1
DOI:10.1016/j.bcp.2018.07.043
PMID:30076845
|
研究论文 | 本文研究了Lamisil（特比萘芬）引起的特异性肝毒性及其生物活化途径 | 通过结合计算建模和实验动力学，首次识别了导致TBF-A生成的途径，从而评估其在特异性药物不良反应中的作用 | 模型预测与实验研究在直接TBF-A形成的重要性上存在差异 | 探讨特比萘芬的代谢途径及其生成反应性代谢物TBF-A的机制 | 特比萘芬及其代谢产物 | 数字病理学 | NA | 计算建模和实验动力学 | 深度学习模型 | 代谢数据 | 使用了人肝微粒体的混合样本 | NA | NA | NA | NA |
| 87 | 2024-08-05 |
Brain Decoding from Functional MRI Using Long Short-Term Memory Recurrent Neural Networks
2018-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-030-00931-1_37
PMID:30320311
|
研究论文 | 本研究开发了一种基于深度学习的框架，通过LSTM递归神经网络对脑功能状态进行解码 | 利用LSTM RNN模型，基于个体特定的内在功能网络提取功能特征进行脑解码，克服了以往研究的局限 | 关于不同认知过程的特定时间点和时间窗口处理可能不够灵活 | 研究脑功能状态与不同认知过程之间的解码 | 任务功能成像数据中提取的功能特征 | 计算机视觉 | NA | 功能性核磁共振成像 | LSTM | 图像 | 使用HCP数据集中的任务fMRI数据进行评估 | NA | NA | NA | NA |
| 88 | 2024-08-05 |
Identification of Temporal Transition of Functional States Using Recurrent Neural Networks from Functional MRI
2018-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-030-00931-1_27
PMID:30320310
|
研究论文 | 本研究开发了一种基于深度学习的框架，用于自适应检测功能状态的动态转变 | 提出了一种在没有任何明确建模假设的情况下，采用递归神经网络进行时间序列建模以检测功能状态的变化 | 所提出的方法可能对不同类型的 fMRI 数据效果不一 | 了解支持不同认知过程的大脑功能活动 | 使用人类连接组项目获取的任务和静息态 fMRI 数据 | 数字病理学 | NA | 深度学习 | 递归神经网络 (RNN) | 功能性磁共振成像 (fMRI) 数据 | 使用来自人类连接组项目的任务和静息态 fMRI 数据 | NA | NA | NA | NA |
| 89 | 2024-08-05 |
Detecting Depression Severity by Interpretable Representations of Motion Dynamics
2018-May, Proceedings of the ... International Conference on Automatic Face and Gesture Recognition. IEEE International Conference on Automatic Face & Gesture Recognition
DOI:10.1109/FG.2018.00116
PMID:30271308
|
研究论文 | 本文开发了一种可解释的方法，自动测量抑郁症的严重程度 | 使用面部标志的重心坐标和基于李代数的3D头部运动旋转矩阵，使深度学习具有可解释性 | 未提及具体局限性 | 研究抑郁症的严重程度测量方法 | 患有慢性抑郁症史的成年人 | 机器学习 | 抑郁症 | 高斯混合模型（GMM）和Fisher向量编码 | 多类SVM | 面部和头部运动动态数据 | 涉及慢性抑郁症史的成年人，具体样本量未提及 | NA | NA | NA | NA |
| 90 | 2024-08-05 |
Image analysis and machine learning for detecting malaria
2018-04, Translational research : the journal of laboratory and clinical medicine
IF:6.4Q1
DOI:10.1016/j.trsl.2017.12.004
PMID:29360430
|
研究论文 | 本文概述了用于显微镜疟疾诊断的图像分析和机器学习方法 | 介绍了深度学习和智能手机技术在未来疟疾诊断中的最新进展 | 未提及具体的局限性 | 改善疟疾诊断以减少死亡率 | 显微镜血液涂片中的寄生虫计数 | 计算机视觉 | 疟疾 | 图像分析软件和机器学习方法 | 深度学习 | 图像 | 未提及样本大小 | NA | NA | NA | NA |
| 91 | 2024-08-05 |
NON-RIGID IMAGE REGISTRATION USING SELF-SUPERVISED FULLY CONVOLUTIONAL NETWORKS WITHOUT TRAINING DATA
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI.2018.8363757
PMID:30079127
|
研究论文 | 提出了一种基于全卷积网络(FCN)的新颖非刚性图像配准算法 | 与大多数现有的深度学习图像配准方法不同，我们的方法在无训练数据的情况下直接估计空间变换 | 未提及此方法在其他类型图像上的表现 | 优化和学习待配准图像对之间的空间变换 | 3D结构脑磁共振(MR)图像 | 计算机视觉 | NA | 自监督学习 | 全卷积网络(FCN) | 图像 | NA | NA | NA | NA | NA |
| 92 | 2024-08-05 |
Fully Convolutional Neural Networks Improve Abdominal Organ Segmentation
2018-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2293751
PMID:29887665
|
研究论文 | 本研究评估全卷积神经网络在T2加权磁共振成像中进行腹部器官分割的适用性 | 该研究展示了全卷积神经网络在腹部MRI分割中的应用，提供了深度学习相对于经典多图谱方法的优势 | 研究中使用的训练数据相对有限，且FCNN模型未经过特定训练 | 研究的目的是改进腹部器官在MRI上的分割效果 | 研究对象为T2加权MRI中的腹部器官，包括肝脏、脾脏等 | 计算机视觉 | 脾肿大 | 全卷积神经网络（FCNN） | FCNN | 医学影像 | 研究涉及45个T2加权MRI（训练36张，测试9张）和138个T2加权MRI（标记胰腺） | NA | NA | NA | NA |
| 93 | 2024-08-05 |
Learning Implicit Brain MRI Manifolds with Deep Learning
2018-Mar, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2293515
PMID:29887659
|
研究论文 | 本研究利用深度学习技术探讨正常大脑的隐式流形并生成新的高质量图像 | 通过使用生成对抗网络（GAN）进行无监督的T1加权脑MRI合成，克服了以往研究对明确相似性度量的假设限制 | 可能在合成和去噪过程中存在对于特定样本的假设偏差，未考虑所有大脑MRI的多样性 | 研究脑MRI图像的隐式流形，从而改善图像处理技术 | 528个2D轴切片的脑MRI样本 | 计算机视觉 | NA | 生成对抗网络（GAN）和自编码器 | GAN和具有跳跃连接的自编码器 | 图像 | 528个脑MRI的2D轴切片 | NA | NA | NA | NA |
| 94 | 2024-08-05 |
Computationally Assessing the Bioactivation of Drugs by N-Dealkylation
2018-02-19, Chemical research in toxicology
IF:3.7Q2
DOI:10.1021/acs.chemrestox.7b00191
PMID:29355304
|
研究论文 | 本文探讨了药物N-去烷基化生物活化的计算评估 | 首次报告通过结合代谢模型和反应性模型构建的生物活化模型 | 研究仅基于小型验证集进行测试，可能未涵盖所有药物 | 研究N-去烷基化在药物代谢中的作用及其生物活化潜力 | 主要研究人类肝微粒体（HLM）对药物的N-去烷基化反应 | 计算生物学 | NA | 深度学习 | NA | 药物代谢数据 | 小型验证集的药物分子 | NA | NA | NA | NA |
| 95 | 2024-08-05 |
Tumor Margin Classification of Head and Neck Cancer Using Hyperspectral Imaging and Convolutional Neural Networks
2018-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2293167
PMID:30245540
|
研究论文 | 本研究利用高光谱成像和卷积神经网络对头颈癌肿瘤边缘进行分类 | 提出了一种新的方法，通过注册的组织学癌症边缘生成高光谱成像的真实标签，并使用三种不同的CNN架构进行组织分类 | 样本量有限，仅涉及20名患者，需进一步研究以验证结果 | 研究高光谱成像在癌症切除后识别肿瘤边缘的能力 | 来自20名接受癌症切除手术的患者的人体手术标本 | 计算机视觉 | 头颈癌 | 高光谱成像 | 卷积神经网络 | 图像 | 20个患者的手术标本 | NA | NA | NA | NA |
| 96 | 2024-08-05 |
A resolution adaptive deep hierarchical (RADHicaL) learning scheme applied to nuclear segmentation of digital pathology images
2018, Computer methods in biomechanics and biomedical engineering. Imaging & visualization
DOI:10.1080/21681163.2016.1141063
PMID:29732269
|
研究论文 | 本文提出了一种分辨率自适应深层次学习方案，以提高数字病理图像的核分割效率 | 创新性地结合低分辨率深度学习网络来判断是否需要高放大率，以优化计算效率和精度 | 未提及使用多种癌症类型或其他病理图像的评估，可能会限制方法的广泛适用性 | 研究深度学习在数字病理图像核分割中的应用，以提高处理效率 | 141个ER+乳腺癌图像的核分割任务 | 数字病理学 | 乳腺癌 | 深度学习 | 深度层次学习模型 | 图像 | 141个ER+乳腺癌图像，包含12000个核的专家标注 | NA | NA | NA | NA |
| 97 | 2024-08-05 |
Improved deep learning-based macromolecules structure classification from electron cryo-tomograms
2018-Nov, Machine vision and applications
IF:2.4Q2
DOI:10.1007/s00138-018-0949-4
PMID:31511756
|
研究论文 | 该论文提出了一种基于深度学习的新方法，用于从电子冷冻断层扫描数据中分类大分子结构 | 本文提出了三种新设计的CNN模型，以提高大规模大分子结构分类的性能 | 尽管新模型在分类准确性上有显著提高，但仍可能在真实世界数据中面临挑战 | 改善深度学习在大分子结构分类中的应用性能 | 使用电子冷冻断层扫描数据进行大分子复杂结构的分类 | 计算机视觉 | NA | 电子冷冻断层扫描 (CECT) | 卷积神经网络 (CNN) | 图像 | 12个不同信噪比和倾斜角度范围的数据集 | NA | NA | NA | NA |
| 98 | 2024-08-05 |
Voxel Deconvolutional Networks for 3D Brain Image Labeling
2018-Aug, KDD : proceedings. International Conference on Knowledge Discovery & Data Mining
DOI:10.1145/3219819.3219974
PMID:30906620
|
研究论文 | 本文提出了一种用于3D脑图像标记的体素反卷积层（VoxelDCL）来解决反卷积层中的棋盘伪影问题 | 首次在3D空间中提出体素反卷积层以解决反卷积层的棋盘伪影问题，并在U-Net架构上构建了多种变体的体素反卷积网络 | 该研究主要集中于解决3D空间中的棋盘伪影问题，未深入探讨其他可能的图像处理问题 | 提高3D脑图像标记的准确性 | 使用ADNI和LONI LPBA40数据集进行3D脑图像标记任务 | 计算机视觉 | NA | 反卷积 | U-Net | 图像 | 使用ADNI和LONI LPBA40数据集 | NA | NA | NA | NA |
| 99 | 2024-08-05 |
MULTI-SCALE SEGMENTATION USING DEEP GRAPH CUTS: ROBUST LUNG TUMOR DELINEATION IN MVCBCT
2018-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/ISBI.2018.8363628
PMID:31772718
|
研究论文 | 本文提出了一种基于深度图切割的多尺度分割方法，用于肺肿瘤的准确描绘 | 将多尺度分割问题设定为深度网络中的马尔可夫随机场能量最小化问题，并通过计算图中的最小切割进行求解 | 未提及具体的限制 | 旨在提高肺肿瘤分割的准确性 | 结合38个兆伏锥束计算机断层扫描数据集进行肺肿瘤的分割 | 计算机视觉 | 肺癌 | 深度学习 | 马尔可夫随机场 | 图像 | 38个兆伏锥束计算机断层扫描数据集 | NA | NA | NA | NA |
| 100 | 2024-08-05 |
Synthesizing Missing PET from MRI with Cycle-consistent Generative Adversarial Networks for Alzheimer's Disease Diagnosis
2018, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-030-00931-1_52
PMID:34355223
|
研究论文 | 提出了一种基于3D循环一致生成对抗网络合成缺失PET图像的方法，用于阿尔茨海默病的诊断 | 创新性地采用双阶段深度学习框架来处理缺失的PET数据，并利用3D-cGAN捕捉MRI与PET之间的潜在关系 | 在实验中，缺失PET数据的合成依赖于输入的MRI数据质量 | 旨在提高阿尔茨海默病的诊断准确性，特别是在存在缺失图像数据的情况下 | 研究对象主要是阿尔茨海默病患者和轻度认知障碍患者 | 数字病理学 | 阿尔茨海默病 | 3D循环一致生成对抗网络 | 深度多实例神经网络 | 多模态神经影像 | 来自ADNI数据集的多个受试者 | NA | NA | NA | NA |