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 1799 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 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 |
| 322 | 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 |
| 323 | 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 |
| 324 | 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 |
| 325 | 2024-10-02 |
Autonomous Binarized Focal Loss Enhanced Model Compression Design Using Tensor Train Decomposition
2022-Oct-14, Micromachines
IF:3.0Q2
DOI:10.3390/mi13101738
PMID:36296093
|
研究论文 | 本文提出了一种基于张量列车分解的自主二值化焦点损失增强模型压缩设计方法 | 本文创新性地提出了自主二值化焦点损失增强模型压缩（ABFLMC）模型，解决了模型压缩过程中的类别不平衡问题，并引入了动态难度项以提高性能和降低复杂度 | NA | 旨在提高深度学习模型在目标检测任务中的性能，同时降低计算和功耗需求 | 深度学习模型在目标检测任务中的应用 | 机器学习 | NA | 张量列车分解 | ABFLMC | NA | NA | NA | NA | NA | NA |
| 326 | 2024-10-02 |
Mutual influence between language and perception in multi-agent communication games
2022-10, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010658
PMID:36315590
|
研究论文 | 本文探讨了深度学习方法在多智能体通信游戏中语言与感知相互影响的研究 | 通过系统地操纵智能体的视觉表示和通信协议，分析了它们对语言和感知的影响，揭示了感知偏差如何塑造语义分类和交流内容 | NA | 研究语言与感知在多智能体通信游戏中的相互影响 | 发送者和接收者智能体在参考游戏中的语言和视觉表示 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 327 | 2024-10-02 |
Deep learning-based breast cancer grading and survival analysis on whole-slide histopathology images
2022-09-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-19112-9
PMID:36068311
|
研究论文 | 本文开发并评估了一种基于深度学习的乳腺癌分级模型，该模型能够处理全切片病理图像，并进行生存分析 | 本文首次提出了一种基于深度学习的乳腺癌分级模型，能够处理全切片病理图像，并进行生存分析 | 模型在调整临床病理特征和分子亚型分层后，危险比显示出趋势但失去了统计显著性 | 开发一种能够自动分级乳腺癌并进行生存分析的深度学习模型 | 年轻（<40岁）的浸润性乳腺癌患者及其肿瘤分级 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 706名年轻（<40岁）的浸润性乳腺癌患者 | NA | NA | NA | NA |
| 328 | 2024-10-02 |
Retinal optical coherence tomography image analysis by a restricted Boltzmann machine
2022-Sep-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.458753
PMID:36187262
|
研究论文 | 本文提出了一种基于受限玻尔兹曼机（RBM）的无监督学习方法，用于视网膜光学相干断层扫描（OCT）图像的增强和异常分割 | 本文的创新点在于使用无监督学习方法进行OCT图像的增强和异常检测，无需参考图像，并通过RBM网络重建图像以提高对比度 | 本文的局限性在于未提及该方法在其他类型眼科疾病中的适用性 | 研究目的是开发一种无需大量训练数据的无监督学习方法，用于OCT图像的增强和异常检测 | 研究对象是视网膜OCT图像及其中的异常（如糖尿病性黄斑水肿中的高反射焦点） | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 受限玻尔兹曼机（RBM） | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 329 | 2024-10-02 |
Can Generative Adversarial Networks help to overcome the limited data problem in segmentation?
2022-Aug, Zeitschrift fur medizinische Physik
IF:2.4Q2
DOI:10.1016/j.zemedi.2021.11.006
PMID:34930685
|
研究论文 | 研究探讨了在分割任务中使用生成对抗网络（GAN）是否能克服小数据集的问题 | 研究了在分割任务中使用GAN架构与传统U-Net网络的性能对比 | 实验结果显示，在分割任务中引入GAN并未显著提升性能 | 探讨GAN在分割任务中是否能提升小数据集的性能 | 男性骨盆的CT数据分割 | 计算机视觉 | NA | 生成对抗网络（GAN） | U-Net | 图像 | 1到100名患者的数据集 | NA | NA | NA | NA |
| 330 | 2024-10-02 |
Applied Machine Learning for Spine Surgeons: Predicting Outcome for Patients Undergoing Treatment for Lumbar Disc Herniation Using PRO Data
2022-Jun, Global spine journal
IF:2.6Q1
DOI:10.1177/2192568220967643
PMID:33203255
|
研究论文 | 本研究使用机器学习模型预测腰椎间盘突出症患者手术后的1年随访结果，并与传统方法进行比较 | 本研究首次将多种机器学习模型应用于腰椎间盘突出症患者的预后预测，并展示了构建模型集合的可行性 | 机器学习模型并未表现出比传统模型更优越的性能，且不同模型的预测结果存在差异 | 开发和评估用于预测腰椎间盘突出症患者手术后1年随访结果的机器学习模型 | 接受腰椎间盘突出症手术治疗的患者 | 机器学习 | 腰椎间盘突出症 | 机器学习 | 深度学习、决策树、随机森林、提升树和支持向量机 | 患者报告的结果数据 | 包括16个独立变量的数据集，随机分为训练集、验证集和测试集，比例为50%/35%/15% | NA | NA | NA | NA |
| 331 | 2024-10-02 |
Towards a safe and efficient clinical implementation of machine learning in radiation oncology by exploring model interpretability, explainability and data-model dependency
2022-05-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac678a
PMID:35421855
|
研究论文 | 本文探讨了在放射肿瘤学中安全高效地实施机器学习的关键问题，特别是模型可解释性、可解释性和数据-模型依赖性 | 本文定义并详细阐述了可解释性、可解释性和数据-模型依赖性的核心概念，并提供了实际应用示例 | 本文主要集中在理论和概念层面的探讨，缺乏具体的实验验证和数据支持 | 研究如何在放射肿瘤学中安全高效地实施机器学习，并解决模型可解释性和数据-模型依赖性问题 | 放射肿瘤学中的机器学习模型及其在临床工作流程中的应用 | 机器学习 | NA | NA | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 332 | 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 |
| 333 | 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 |
| 334 | 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 |
| 335 | 2024-10-02 |
Accurate classification of lung nodules on CT images using the TransUnet
2022, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2022.1060798
PMID:36544802
|
研究论文 | 本文提出了一种基于TransUnet的深度卷积神经网络技术，用于CT图像中肺结节的自动分类 | 本文创新性地结合了Transformer和Unet模型，通过全局自注意力建模和精确的肺结节定位，提高了肺结节分类的准确性 | NA | 开发一种自动化的方法来提高CT图像中肺结节的分类准确性 | CT图像中的肺结节 | 计算机视觉 | 肺癌 | 深度卷积神经网络 | TransUnet | 图像 | 8474张CT图像，包括3259张良性图像和5215张肺结节图像 | NA | NA | NA | NA |
| 336 | 2024-10-01 |
Convex optimization algorithms in medical image reconstruction-in the age of AI
2022-03-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ac3842
PMID:34757943
|
综述 | 本文回顾了基于模型的图像重建（MBIR）算法在医学图像重建中的应用，特别是凸优化算法的发展及其与深度学习的结合 | 探讨了深度学习与基于模型的图像重建方法之间的协同作用，并强调了凸优化算法在网络架构中的基础作用 | 未提及具体限制 | 回顾和讨论医学图像重建中凸优化算法的发展及其与深度学习的结合 | 医学图像重建算法及其与深度学习的结合 | 计算机视觉 | NA | 凸优化算法 | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 337 | 2024-10-01 |
Inferring RNA-binding protein target preferences using adversarial domain adaptation
2022-02, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1009863
PMID:35202389
|
研究论文 | 本文提出了一种使用对抗性领域自适应技术（ADDA）来推断RNA结合蛋白（RBP）目标偏好性的框架（RBP-ADDA） | 采用ADDA技术，能够整合体内和体外数据，提取RBP结合偏好性，相比传统方法具有更好的预测性能 | NA | 解决不同数据集间存在的“领域偏移”问题，提高对体内RBP结合数据的预测准确性 | RNA结合蛋白（RBP）的目标偏好性 | 机器学习 | NA | 对抗性领域自适应（ADDA） | 神经网络 | 文本 | NA | NA | NA | NA | NA |
| 338 | 2024-10-01 |
Identification of piRNA disease associations using deep learning
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.02.026
PMID:35317234
|
研究论文 | 本文开发了一种基于深度学习的piRNA疾病关联识别方法piRDA | 提出了一种无需特征工程的简单、稳健且高效的深度学习方法，用于识别piRNA疾病关联，并显著优于现有方法 | NA | 开发一种高效的计算方法来识别piRNA与疾病之间的关联，以促进疾病特异性药物开发 | piRNA与疾病之间的关联 | 机器学习 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 339 | 2024-10-01 |
Extracting default mode network based on graph neural network for resting state fMRI study
2022, Frontiers in neuroimaging
DOI:10.3389/fnimg.2022.963125
PMID:37555154
|
研究论文 | 本文提出使用图神经网络（graphSAGE）来研究静息态功能磁共振成像（rs-fMRI）并提取默认模式网络（DMN） | 相比传统的种子点相关法、独立成分分析和字典学习，graphSAGE方法更稳健、可靠，并能更清晰地定义感兴趣区域 | NA | 研究大脑功能连接，提取默认模式网络 | 静息态功能磁共振成像数据 | 计算机视觉 | NA | 图神经网络（graphSAGE） | 图神经网络 | 功能磁共振成像数据 | NA | NA | NA | NA | NA |
| 340 | 2024-10-01 |
Automatic Detection of Atrial Fibrillation from Single-Lead ECG Using Deep Learning of the Cardiac Cycle
2022, BME frontiers
IF:5.0Q1
DOI:10.34133/2022/9813062
PMID:37850161
|
研究论文 | 本文探讨了使用深度神经网络（DNN）从单导联心电图（ECG）信号中学习心脏周期并可靠地检测心房颤动（AF）的方法 | 本文设计了一个三步管道，用于从ECG中检测AF，并展示了其优于现有ECG分析方法的性能 | 深度神经网络（DNN）通常被设计为通用目的的黑箱模型，缺乏对其决策的可解释性 | 开发一种从单导联ECG信号中可靠检测心房颤动（AF）的方法 | 单导联心电图（ECG）信号中的心房颤动（AF） | 机器学习 | 心血管疾病 | 深度神经网络（DNN） | 深度神经网络（DNN） | 时间序列数据 | NA | NA | NA | NA | NA |