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 304 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-08-07 |
Deep learning for automatic Gleason pattern classification for grade group determination of prostate biopsies
2019-Jul, Virchows Archiv : an international journal of pathology
IF:3.4Q1
DOI:10.1007/s00428-019-02577-x
PMID:31098801
|
研究论文 | 本文利用卷积神经网络（CNN）自动检测前列腺活检中的Gleason模式（GP）并确定分级组（GG），以减少前列腺癌病理分级中的观察者间变异性。 | 本文首次使用Inception-v3卷积神经网络对数字化前列腺活检图像进行GP的自动检测和GG的确定，提高了病理分级的准确性。 | 研究样本量较小，仅涉及38名患者的96份前列腺活检样本，可能影响结果的泛化性。 | 开发一种计算机辅助方法，通过自动检测Gleason模式和确定分级组，提高前列腺癌病理分级的准确性和治疗选择的优化。 | 前列腺活检样本中的Gleason模式和分级组。 | 数字病理学 | 前列腺癌 | 卷积神经网络（CNN） | Inception-v3 | 图像 | 96份前列腺活检样本来自38名患者 | NA | NA | NA | NA |
| 222 | 2024-08-07 |
DeepCentering: fully automated crystal centering using deep learning for macromolecular crystallography
2019-Jul-01, Journal of synchrotron radiation
IF:2.4Q3
DOI:10.1107/S160057751900434X
PMID:31274465
|
研究论文 | 介绍了一种名为DeepCentering的新型自动化晶体中心定位系统，该系统利用卷积神经网络实现完全自动化的精确晶体中心定位 | DeepCentering系统实现了无需X射线照射晶体的完全自动化精确晶体中心定位 | NA | 开发一种用于高吞吐量蛋白质晶体学的完全自动化晶体中心定位系统 | 蛋白质晶体 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 223 | 2024-08-07 |
Characterization of Industry 4.0 Lean Management Problem-Solving Behavioral Patterns Using EEG Sensors and Deep Learning
2019-Jun-26, Sensors (Basel, Switzerland)
DOI:10.3390/s19132841
PMID:31247966
|
研究论文 | 本文通过结合脑电图非侵入式传感器和深度学习架构，研究了工业4.0中精益管理问题解决行为模式的神经特征 | 首次使用脑电图传感器和深度学习技术来分析和表征工业4.0中的问题解决行为模式 | NA | 旨在发现问题解决行为模式的神经特征，并利用深度学习架构进行行为模式表征 | 工业4.0中的精益管理问题解决行为模式 | 机器学习 | NA | 脑电图(EEG) | 深度学习架构 | 脑活动信号 | 案例研究数据集 | NA | NA | NA | NA |
| 224 | 2024-08-07 |
A Literature Review: Geometric Methods and Their Applications in Human-Related Analysis
2019-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s19122809
PMID:31234601
|
综述 | 本文综述了几何方法及其在人类相关分析中的应用 | 提出了基于提取几何属性范围的几何方法分类：面向对象的几何方法、面向特征的几何方法和基于流程的几何方法 | NA | 探讨几何概念、几何方法及其在人类相关分析中的应用 | 人类形状分析、人类姿态分析和人类动作分析 | 计算机视觉 | NA | 几何深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 225 | 2024-08-07 |
A Deep Learning-Based Automatic Mosquito Sensing and Control System for Urban Mosquito Habitats
2019-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s19122785
PMID:31234294
|
研究论文 | 本文介绍了一种基于深度学习的自动蚊子检测与控制系统，用于城市蚊子栖息地 | 该系统使用全卷积网络（FCN）和基于神经网络的回归方法进行图像处理，提高了检测准确性和处理速度 | 单图像分类器的准确率较低，仅为52% | 开发一种高效的自动蚊子检测与控制系统，以控制蚊子传播的传染病 | 蚊子及其栖息地 | 机器学习 | NA | 深度学习网络 | 全卷积网络（FCN） | 图像 | NA | NA | NA | NA | NA |
| 226 | 2024-08-07 |
2019-Jun, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2019.05.010
PMID:31101593
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 227 | 2024-08-07 |
Improvement diagnostic accuracy of sinusitis recognition in paranasal sinus X-ray using multiple deep learning models
2019-Jun, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims.2019.05.15
PMID:31367548
|
研究论文 | 本研究探讨了使用多深度学习模型通过鼻窦X光片识别上颌窦炎特征的可行性，并提出了一种通过多数决策算法确定合理共识的方法 | 本研究采用了多数决策算法，通过多个卷积神经网络模型（VGG-16、VGG-19和ResNet-101）来提高鼻窦炎检测的准确性 | NA | 研究目的是探讨通过鼻窦X光片识别上颌窦炎特征的可行性，并提出最有效的确定合理共识的方法 | 上颌窦炎的识别 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | 共4,860名患者，包括2,430名正常和上颌窦炎患者 | NA | NA | NA | NA |
| 228 | 2024-08-07 |
Predicting Ion Mobility Collision Cross-Sections Using a Deep Neural Network: DeepCCS
2019-04-16, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.8b05821
PMID:30932474
|
研究论文 | 本文通过深度学习算法预测离子迁移碰撞截面（CCS）值，以提高小分子鉴定的准确性 | 开发了一种新的深度学习模型DeepCCS，用于预测CCS值，该模型在多个实验室的不同仪器上进行了训练和测试，表现优于现有预测算法 | NA | 提高使用质谱进行非靶向代谢组学测量时小分子鉴定的准确性 | 小分子的离子迁移碰撞截面（CCS）值 | 机器学习 | NA | 离子迁移谱（IMS） | 深度神经网络 | SMILES符号和离子类型信息 | 超过2400个分子 | NA | NA | NA | NA |
| 229 | 2024-08-07 |
A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb
2019-01-15, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2018.12.003
PMID:30529409
|
研究论文 | 本文开发了一种基于深度学习的方法，用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像 | 首次为小鼠嗅球构建了一个高质量的基因表达注册图谱，并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因 | NA | 利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像，以构建基因表达图谱并揭示其表达模式 | 小鼠嗅球的原位杂交实验图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 数千个脑组织切片 | NA | NA | NA | NA |
| 230 | 2024-08-07 |
The application of convolutional neural network to stem cell biology
2019, Inflammation and regeneration
IF:5.0Q1
DOI:10.1186/s41232-019-0103-3
PMID:31312276
|
研究论文 | 本文探讨了卷积神经网络（CNN）在诱导多能干细胞（iPSC）生物学研究中的应用 | 提出使用CNN自动从相位对比显微镜图像中识别细胞类型，无需分子标记 | NA | 探索CNN在干细胞生物学研究中的应用潜力 | 诱导多能干细胞（iPSC）及其分化后的特定细胞类型 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 231 | 2024-08-07 |
Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0210689
PMID:31318885
|
研究论文 | 本文研究利用Twitter数据进行综合症监测，并通过半监督分类技术筛选相关推文，以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力 | 提出了一种半监督方法用于症状相关推文的分类和相关性过滤，并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能 | 尽管关键词数据收集，但许多收集的推文可能不相关，因为它们代表闲聊或意识讨论而非个人特定状况 | 评估Twitter数据在综合症监测中的应用，增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群 | 特定综合症——哮喘/呼吸困难 | 自然语言处理 | NA | 半监督分类技术 | NA | 文本 | 大量推文数据 | NA | NA | NA | NA |
| 232 | 2024-08-07 |
Using distant supervision to augment manually annotated data for relation extraction
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0216913
PMID:31361753
|
研究论文 | 本文通过远监督方法增强人工标注数据，以改善自然语言处理任务中的关系抽取 | 采用远监督方法和迁移学习技术，提高了模型在人工标注数据集上的表现 | 远监督方法获取的数据通常存在噪声，需要通过启发式方法进行预处理 | 探索如何有效利用远监督数据增强人工标注数据集，以满足深度学习模型对大量标注数据的需求 | 自然语言处理任务中的关系抽取 | 自然语言处理 | NA | 远监督方法 | NA | 文本 | NA | NA | NA | NA | NA |
| 233 | 2024-08-07 |
A Full-Image Deep Segmenter for CT Images in Breast Cancer Radiotherapy Treatment
2019, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2019.00677
PMID:31403032
|
研究论文 | 本文提出了一种用于乳腺癌放疗治疗中CT图像的自动分割方法，该方法利用深度学习技术对女性乳房和心脏进行精确分割 | 新开发的深度神经网络在性能上优于当前最先进的神经网络，并将推理速度提高了近一个数量级 | NA | 开发一种自动分割解决方案，以提高乳腺癌放疗治疗中CT图像的分割准确性和速度 | 女性乳房和心脏的CT图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 234 | 2024-08-07 |
3D whole brain segmentation using spatially localized atlas network tiles
2019-07-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2019.03.041
PMID:30910724
|
研究论文 | 本文提出了一种基于空间定位图谱网络块（SLANT）的方法，用于高分辨率全脑分割 | 使用多个独立的三维全卷积网络（FCN）进行空间分布学习，并结合传统医学图像处理方法与深度学习，提高了分割性能并减少了计算时间 | NA | 提高全脑分割的性能和效率 | 全脑分割 | 计算机视觉 | NA | 深度卷积神经网络（CNN） | 三维全卷积网络（FCN） | MRI图像 | 5111个初始未标记扫描 | NA | NA | NA | NA |
| 235 | 2024-08-07 |
Combining learning and constraints for genome-wide protein annotation
2019-Jun-17, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-019-2875-5
PMID:31208327
|
研究论文 | 本文介绍了OCELOT系统，该系统通过结合序列预测器和模糊逻辑规则的一致性层，用于全基因组蛋白质的功能和相互作用注释 | OCELOT系统通过整合先验知识，显著提高了预测质量，并在实验中表现优于其他方法 | NA | 开发一种能够考虑现有知识约束的预测框架，以提高机器生成注释的质量 | 全基因组蛋白质的功能和相互作用注释 | 机器学习 | NA | NA | NA | 序列 | 酵母基因组 | NA | NA | NA | NA |
| 236 | 2024-08-07 |
Deep convolutional neural networks for mammography: advances, challenges and applications
2019-Jun-06, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-019-2823-4
PMID:31167642
|
综述 | 本文详细回顾了深度卷积神经网络（CNNs）在乳腺X线摄影图像分析中的应用，包括其优势、局限性和性能 | 总结了83项研究中应用CNNs在乳腺摄影中的最佳实践，以提高诊断准确性，并深入探讨了用于各种任务的CNNs架构 | 指出了当前研究中存在的挑战和需要进一步探索的方向 | 旨在为乳腺摄影研究社区提供当前和未来研究的基石，并指导选择最适合的数据库 | 乳腺X线摄影图像分析 | 计算机视觉 | 乳腺癌 | 深度学习（DL），卷积神经网络（CNN） | CNN | 图像 | 涉及83项研究 | NA | NA | NA | NA |
| 237 | 2024-08-07 |
Deep learning as a predictive tool for fetal heart pregnancy following time-lapse incubation and blastocyst transfer
2019-06-04, Human reproduction (Oxford, England)
DOI:10.1093/humrep/dez064
PMID:31111884
|
研究论文 | 本研究开发了一种名为IVY的深度学习模型，能够从原始时间流逝视频中直接预测胎儿心脏妊娠的概率，无需任何手动形态动力学注释或囊胚形态评估。 | 该模型提供了一个客观且完全自动化的系统，用于从时间流逝视频中预测妊娠概率，避免了传统方法中的人为主观性和变异性。 | 本研究为回顾性分析，显示了深度学习模型的高预测能力，但其临床影响尚不确定，需要进一步的前瞻性随机对照试验来评估其临床意义。此外，模型目前仅适用于第5天的胚胎，对于第3天移植的情况需要额外调整。 | 开发一种深度学习模型，用于从时间流逝视频中预测胎儿心脏妊娠的概率。 | 时间流逝视频和临床结果。 | 机器学习 | NA | 深度学习 | 深度学习模型 | 视频 | 10,638个胚胎 | NA | NA | NA | NA |
| 238 | 2024-08-07 |
Biomedical Image Processing with Containers and Deep Learning: An Automated Analysis Pipeline: Data architecture, artificial intelligence, automated processing, containerization, and clusters orchestration ease the transition from data acquisition to insights in medium-to-large datasets
2019-06, BioEssays : news and reviews in molecular, cellular and developmental biology
IF:3.2Q1
DOI:10.1002/bies.201900004
PMID:31094000
|
研究论文 | 本文介绍了一种结合数据管理、人工智能、容器化、集群编排和质量控制的统一分析管道，用于处理中型到大型生物医学图像数据集 | 提出了一个结合多种技术的新型分析方法，能够加速研究进程 | NA | 开发一种自动化的分析管道，以简化从数据采集到洞察的过程 | 中型到大型生物医学图像数据集 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 239 | 2024-08-07 |
DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequences
2019-06, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1007129
PMID:31199797
|
研究论文 | 本文提出了一种基于深度学习的药物-靶点相互作用预测模型DeepConv-DTI，通过在蛋白质序列上进行卷积操作来捕捉参与药物-靶点相互作用的蛋白质局部残基模式 | 该模型在原始蛋白质序列上执行卷积操作，能够捕捉到更广泛的蛋白质类别中的局部残基模式，并且在预测性能上优于以往基于蛋白质描述符的模型和近期开发的深度学习模型 | NA | 开发一种新的计算模型，用于提高药物-靶点相互作用的预测准确性 | 药物-靶点相互作用 | 机器学习 | NA | 卷积神经网络(CNN) | CNN | 蛋白质序列 | 大规模的药物-靶点相互作用信息 | NA | NA | NA | NA |
| 240 | 2024-08-07 |
PPR-Meta: a tool for identifying phages and plasmids from metagenomic fragments using deep learning
2019-06-01, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giz066
PMID:31220250
|
研究论文 | 介绍了一种名为PPR-Meta的工具，利用深度学习技术从宏基因组片段中同时识别噬菌体和质粒 | PPR-Meta是首个能够同时高效可靠地识别噬菌体和质粒片段的工具 | NA | 开发一种能够同时识别宏基因组数据中噬菌体和质粒片段的工具 | 噬菌体和质粒片段 | 机器学习 | NA | 深度学习 | Bi-path Convolutional Neural Network | 序列 | 使用人工拼接和真实宏基因组数据进行测试 | NA | NA | NA | NA |