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 569 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-11-19 |
Role of artificial intelligence in MS clinical practice
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.103065
PMID:35661470
|
综述 | 本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性 | 机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类 | 需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题 | 探讨人工智能在多发性硬化症临床实践中的应用 | 多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割 | 机器学习 | 多发性硬化症 | 机器学习 (ML) 和深度学习 (DL) | NA | 影像数据 | NA | NA | NA | NA | NA |
| 62 | 2024-11-08 |
POCS-Augmented CycleGAN for MR Image Reconstruction
2022-Jan, Applied sciences (Basel, Switzerland)
DOI:10.3390/app12010114
PMID:37465648
|
研究论文 | 本文提出了一种结合传统图像重建方法和深度学习的混合图像重建方法，通过将CycleGAN与POCS算法结合，提高了MR图像重建的质量 | 本文创新地将传统的POCS算法与深度学习网络CycleGAN结合，通过迭代训练提高了图像重建的质量 | NA | 研究如何通过结合传统图像重建方法和深度学习来提高MR图像重建的质量 | MR图像重建 | 计算机视觉 | NA | NA | CycleGAN | 图像 | 使用了亚采样的磁共振成像数据进行验证 | NA | NA | NA | NA |
| 63 | 2024-10-30 |
Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0268952
PMID:35622869
|
研究论文 | 本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法 | 本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性 | NA | 提高正交频分复用系统中信道估计的准确性和鲁棒性 | 正交频分复用系统中的信道估计问题 | 无线通信 | NA | 深度学习 | 卷积神经网络（CNN） | 信号 | NA | NA | NA | NA | NA |
| 64 | 2024-10-11 |
Deep learning model of somatic hypermutation reveals importance of sequence context beyond hotspot targeting
2022-Jan-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2021.103668
PMID:35036866
|
研究论文 | 本文开发了一种深度学习模型DeepSHM，用于分析体细胞超突变（SHM），揭示了序列上下文在热点靶向之外的重要性 | 通过使用5-21个碱基的子序列，DeepSHM模型提高了预测准确性，并识别出具有高突变性的扩展WWRCT基序和AGYCTGGGGG基序 | NA | 研究体细胞超突变（SHM）的机制，特别是序列上下文对突变靶向的影响 | 免疫球蛋白（Ig）可变区的体细胞超突变 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | 使用5-21个碱基的子序列进行模型训练 | NA | NA | NA | NA |
| 65 | 2024-10-06 |
Deep Learning for Basal Cell Carcinoma Detection for Reflectance Confocal Microscopy
2022-01, The Journal of investigative dermatology
IF:5.7Q1
DOI:10.1016/j.jid.2021.06.015
PMID:34265329
|
研究论文 | 研究开发了一种基于深度学习的人工智能模型，用于自动检测反射共聚焦显微镜图像中的基底细胞癌 | 提出了一个深度学习模型，能够自动检测反射共聚焦显微镜图像中的基底细胞癌，性能与专家相当 | 未提及具体局限性 | 开发和评估一种自动检测基底细胞癌的深度学习模型 | 基底细胞癌的检测 | 计算机视觉 | 皮肤癌 | 反射共聚焦显微镜 | 深度学习模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 66 | 2024-10-06 |
COVID-19: A Comprehensive Review of Learning Models
2022, Archives of computational methods in engineering : state of the art reviews
IF:9.7Q1
DOI:10.1007/s11831-021-09641-3
PMID:34566404
|
综述 | 本文对COVID-19相关研究进行了全面的综述，重点关注症状早期识别、疫情结束预测和用户生成对话分析 | 本文综述了多种机器学习和深度学习模型在COVID-19研究中的应用 | 本文主要综述了现有研究的结果和局限性，未提出新的模型或方法 | 综述COVID-19相关研究，探讨机器学习和深度学习模型在疫情监测中的应用 | COVID-19症状早期识别、疫情结束预测和用户生成对话分析 | 机器学习 | COVID-19 | 机器学习、深度学习 | K-means聚类、随机森林、卷积神经网络、长短期记忆网络、自编码器、回归模型 | 图像、文本 | NA | NA | NA | NA | NA |
| 67 | 2024-10-06 |
DeepLN: A Multi-Task AI Tool to Predict the Imaging Characteristics, Malignancy and Pathological Subtypes in CT-Detected Pulmonary Nodules
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.683792
PMID:35646699
|
研究论文 | 本文介绍了一种名为DeepLN的多任务AI工具，用于预测CT检测到的肺结节的影像特征、恶性程度和病理亚型 | 提出了一种基于深度卷积神经网络的DeepLN工具，能够准确预测肺结节的影像特征、恶性程度和病理亚型 | 研究是回顾性的，且样本主要来自单一来源 | 提高基于CT图像的肺结节恶性风险预测的准确性 | 8950个具有完整病理结果的肺结节 | 计算机视觉 | 肺癌 | 深度卷积神经网络 | CNN | 图像 | 8950个肺结节 | NA | NA | NA | NA |
| 68 | 2024-10-06 |
CVD-HNet: Classifying Pneumonia and COVID-19 in Chest X-ray Images Using Deep Network
2022, Wireless personal communications
IF:1.9Q3
DOI:10.1007/s11277-022-09864-y
PMID:35756172
|
研究论文 | 本文提出了一种基于新型深度卷积神经网络（CNN）的COVID-19感染胸部X光图像分类方法 | 设计了两种新的定制CNN架构CVD-HNet1和CVD-HNet2，并提出了一种基于边界和区域操作以及卷积过程的系统方法 | 在有限的数据集上取得了显著的分类准确率，但需要更多训练样本以获得更好的结果 | 提高COVID-19和肺炎在胸部X光图像中的分类准确性 | COVID-19和肺炎的胸部X光图像 | 计算机视觉 | 肺部疾病 | 深度学习（DL） | 卷积神经网络（CNN） | 图像 | 有限的数据集 | NA | NA | NA | NA |
| 69 | 2024-10-06 |
Identification of the ubiquitin-proteasome pathway domain by hyperparameter optimization based on a 2D convolutional neural network
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.851688
PMID:35937990
|
研究论文 | 本文开发了一种基于2D卷积神经网络的超参数优化算法，用于识别泛素-蛋白酶体途径域 | 提出了名为2DCNN-UPP的新型深度学习预测器，通过遗传算法选择最优特征，避免了过拟合问题 | NA | 开发一种快速准确的计算方法来识别泛素-蛋白酶体途径 | 泛素-蛋白酶体途径及其在细胞过程中的作用 | 机器学习 | NA | 下一代测序 | 2D卷积神经网络 | 蛋白质序列 | 使用10折交叉验证方法进行训练和评估 | NA | NA | NA | NA |
| 70 | 2024-10-06 |
Deep learning approaches for conformational flexibility and switching properties in protein design
2022, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2022.928534
PMID:36032687
|
综述 | 本文综述了深度学习在蛋白质设计中处理构象灵活性和开关特性的方法 | 探讨了前沿深度学习设计方法如何适应蛋白质的灵活性，并展望了该领域的未来发展 | NA | 探讨深度学习在蛋白质设计中的应用，特别是如何处理蛋白质的构象灵活性和开关特性 | 蛋白质设计方法及其在处理蛋白质灵活性方面的应用 | 机器学习 | NA | 深度学习 | 生成模型 | NA | NA | NA | NA | NA | NA |
| 71 | 2024-10-06 |
Artificial Intelligence and Deep Learning Assisted Rapid Diagnosis of COVID-19 from Chest Radiographical Images: A Survey
2022, Contrast media & molecular imaging
DOI:10.1155/2022/1306664
PMID:36304775
|
综述 | 本文综述了利用人工智能和深度学习技术从胸部影像图像中快速诊断COVID-19的研究进展 | 本文系统地总结了超过110篇来自多个知名来源的论文，涵盖了使用深度学习模型从胸部X光和CT扫描图像中检测和分类COVID-19的研究 | 本文主要基于已有文献的综述，未提出新的研究方法或模型 | 探讨人工智能和深度学习在COVID-19快速诊断中的应用 | COVID-19的胸部影像图像 | 计算机视觉 | COVID-19 | 深度学习 | 深度学习模型 | 图像 | 超过110篇论文 | NA | NA | NA | NA |
| 72 | 2024-10-06 |
A review of deep learning-based deformable medical image registration
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.1047215
PMID:36568171
|
综述 | 本文综述了基于深度学习的可变形医学图像配准方法 | 本文分类并详细讨论了五种基于深度学习的可变形医学图像配准方法，并提供了统计分析和公开数据集的总结 | 本文未提及具体的实验结果或模型性能比较 | 综述基于深度学习的可变形医学图像配准方法的最新进展 | 可变形医学图像配准方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 33个公开数据集 | NA | NA | NA | NA |
| 73 | 2024-10-05 |
Model-based stratification of progression along the Alzheimer disease continuum highlights the centrality of biomarker synergies
2022-01-24, Alzheimer's research & therapy
DOI:10.1186/s13195-021-00941-1
PMID:35073974
|
研究论文 | 本研究使用模型和数据驱动的方法，探讨了阿尔茨海默病（AD）进展过程中Aβ、tau和神经退行性病变（AT(N)）生物标志物的协同作用 | 本研究揭示了AT(N)生物标志物组合在预测AD进展中的协同关系，扩展了之前关于A-T协同机制的证据 | 本研究使用了较大的数据集（N=321），但样本量仍有限，可能影响模型的泛化能力 | 探讨阿尔茨海默病进展过程中生物标志物的协同作用 | 阿尔茨海默病患者的认知评估和生物标志物数据 | 机器学习 | 阿尔茨海默病 | 深度学习模型 | 深度学习模型 | 生物标志物数据 | 321名患者 | NA | NA | NA | NA |
| 74 | 2024-10-05 |
Implications of AlphaFold2 for crystallographic phasing by molecular replacement
2022-Jan-01, Acta crystallographica. Section D, Structural biology
DOI:10.1107/S2059798321012122
PMID:34981757
|
研究论文 | 探讨了AlphaFold2在晶体学相位分析中的应用前景 | 利用AlphaFold2生成的精确蛋白质结构模型，探索其在晶体学相位分析中的潜在应用 | NA | 研究AlphaFold2对晶体学相位分析方法的影响 | AlphaFold2生成的蛋白质结构模型及其在晶体学相位分析中的应用 | 结构生物学 | NA | 深度学习 | AlphaFold2 | 蛋白质结构数据 | 来自CASP14的数据 | NA | NA | NA | NA |
| 75 | 2024-10-05 |
Computerized migraine diagnostic tools: a systematic review
2022, Therapeutic advances in chronic disease
IF:3.3Q2
DOI:10.1177/20406223211065235
PMID:35096362
|
综述 | 本文对计算机化偏头痛诊断工具进行了系统性回顾，总结并评估了相关研究的质量 | 本文首次对计算机化偏头痛诊断工具进行了系统性回顾，评估了不同工具的诊断准确性 | 缺乏随机患者抽样、工具之间的直接比较以及对其他头痛诊断的适用性 | 总结和评估计算机化偏头痛诊断工具的研究质量 | 计算机化偏头痛诊断工具 | 计算机视觉 | 偏头痛 | 深度学习、分类器集成、蚁群算法、人工免疫、随机森林、白盒与黑盒组合、混合模糊专家系统 | NA | NA | 41项研究，中位样本量为288名参与者，中位年龄43岁，77%为女性 | NA | NA | NA | NA |
| 76 | 2024-10-04 |
Current trends on the application of artificial intelligence in medical sciences
2022, Bioinformation
DOI:10.6026/973206300181050
PMID:37693078
|
综述 | 本文综述了人工智能在医学科学中的应用现状、面临的挑战以及未来的发展方向 | 本文系统地总结了人工智能在医疗领域的应用，并提出了未来研究的方向 | 本文主要集中在综述和总结，未提供具体的实验数据或模型 | 探讨人工智能在医学科学中的应用及其未来发展 | 人工智能在医疗领域的应用、面临的挑战及伦理责任 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | NA | NA | NA | NA | NA | NA |
| 77 | 2024-10-04 |
Automatic detection and delineation of pediatric gliomas on combined [18F]FET PET and MRI
2022, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2022.960820
PMID:39354975
|
研究论文 | 本文提出了一种深度学习方法，用于自动检测和描绘儿童中枢神经系统肿瘤的[18F]FET PET和MRI图像 | 本文首次将深度学习应用于儿童中枢神经系统肿瘤的自动描绘，提高了描绘的准确性和一致性 | 研究样本量较小，仅包括66名患者，未来需要在大规模多中心研究中验证其有效性 | 开发一种自动描绘儿童中枢神经系统肿瘤的方法，以提高诊断和治疗计划的准确性 | 儿童中枢神经系统肿瘤的[18F]FET PET和MRI图像 | 计算机视觉 | 中枢神经系统肿瘤 | 深度学习 | 人工神经网络 (ANN) | 图像 | 66名儿童患者的109次[18F]FET PET和MRI扫描 | NA | NA | NA | NA |
| 78 | 2024-10-02 |
Fully automated image quality evaluation on patient CT: Multi-vendor and multi-reconstruction study
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0271724
PMID:35857804
|
研究论文 | 本文提出了一种全自动的CT图像质量评估方法，用于多厂商和多重建算法的患者CT图像 | 首次提出了基于结构一致性特征（SCF）的全自动CT图像质量评估方法，能够量化噪声水平、结构清晰度和结构变化 | 研究仅限于特定类型的CT图像和重建算法，未涵盖所有可能的CT技术和场景 | 开发一种全自动的CT图像质量评估方法，以优化CT协议和降低辐射剂量 | 120名患者的CT图像，使用四种不同的CT扫描仪和三种重建算法 | 计算机视觉 | NA | CT扫描 | 深度学习模型（DLM） | 图像 | 120名患者的CT图像 | NA | NA | NA | NA |
| 79 | 2024-10-02 |
A Deep Learning and Handcrafted Based Computationally Intelligent Technique for Effective COVID-19 Detection from X-ray/CT-scan Imaging
2022, Journal of grid computing
IF:3.6Q1
DOI:10.1007/s10723-022-09615-0
PMID:35874855
|
研究论文 | 本文提出了一种基于深度学习和手工特征的计算智能技术，用于从X射线/CT扫描图像中有效检测COVID-19 | 本文的创新点在于采用了混合特征提取方法，结合了深度学习特征和手工特征，并使用ResNet101和DenseNet201模型进行特征提取 | NA | 开发一种高效的COVID-19分类系统，以帮助医生和科学界应对疫情 | COVID-19的X射线/CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet101, DenseNet201 | 图像 | NA | NA | NA | NA | NA |
| 80 | 2024-10-02 |
Artificial Intelligence in Digital Pathology to Advance Cancer Immunotherapy
2022, 21st century pathology
PMID:36282981
|
研究论文 | 本文总结了人工智能在数字病理学中的最新研究，并探讨了其在癌症免疫治疗生物标志物开发中的新兴范式和方向 | 本文探讨了人工智能在数字病理学中的应用，特别是深度学习技术，以自动化分析组织切片，并利用多重生物成像技术全面表征肿瘤微环境 | 本文主要为综述性质，未提供具体的研究数据或实验结果 | 探讨人工智能在数字病理学中的应用，以推动癌症免疫治疗生物标志物的开发 | 免疫检查点抑制剂（ICIs）在癌症治疗中的应用，特别是肺癌患者中ICIs单药治疗的临床效益 | 数字病理学 | 肺癌 | 人工智能（AI），特别是深度学习 | 深度学习 | 组织切片 | NA | NA | NA | NA | NA |