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 1828 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2024-09-10 |
Artificial intelligence-enabled electrocardiogram screens low left ventricular ejection fraction with a degree of confidence
2022 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076221143249
PMID:36532114
|
研究论文 | 研究利用人工智能辅助的心电图来评估左心室射血分数，并提供预测的置信度 | 提出了一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍，并在排除置信度较低的病例后，提高了模型的准确性 | NA | 建立一种带有置信度的人工智能辅助心电图模型，用于识别左心室功能障碍 | 左心室功能障碍的识别 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图 | 76,081份心电图用于模型建立，11,771份心电图用于模型验证 | NA | NA | NA | NA |
| 722 | 2024-09-10 |
Homologous point transformer for multi-modality prostate image registration
2022, PeerJ. Computer science
DOI:10.7717/peerj-cs.1155
PMID:36532813
|
研究论文 | 本文提出了一种基于transformer的深度学习管道，用于执行跨模态的放射学-病理学图像配准 | 该管道预测两幅图像模态上的一组同源点，而不是预测变换参数，从而在平均控制点偏差方面优于当前最先进的自动配准管道 | NA | 开发一种新的跨模态图像配准方法 | 人类前列腺样本的放射学和病理学图像 | 计算机视觉 | 前列腺癌 | transformer | transformer | 图像 | NA | NA | NA | NA | NA |
| 723 | 2024-09-10 |
Deep learning for MYC binding site recognition
2022, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2022.1015993
PMID:36544623
|
研究论文 | 本文探讨了使用深度学习工具DeeperBind预测MYC转录因子结合位点的有效性 | 首次将DeeperBind与DeepRAM结合，在Colab平台上实现了对MYC因子结合位点的高精度预测，准确率超过0.96 AUC | 研究仅限于特定细胞系，未涵盖所有类型的肿瘤 | 开发能够快速有效预测MYC转录因子在特定细胞基因组中分布的工具 | MYC转录因子的基因组分布及其在癌症中的转录活性 | 机器学习 | NA | 深度学习 | DeeperBind | 基因组数据 | 多细胞系 | NA | NA | NA | NA |
| 724 | 2024-09-10 |
Emerging MRI techniques for molecular and functional phenotyping of the diseased heart
2022, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2022.1072828
PMID:36545017
|
综述 | 本文综述了五种新兴的MRI技术，这些技术有望改变心脏MRI临床应用，实现早期检测和干预 | 介绍了五种新兴的MRI技术，包括微血管功能障碍成像、纤维化成像、应变成像、早期代谢变化成像和深度学习加速技术 | NA | 探讨新兴MRI技术在心脏疾病分子和功能表型分析中的应用潜力 | 心脏疾病的分子和功能表型 | 医学影像 | 心血管疾病 | MRI | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 725 | 2024-09-10 |
Single-cell RNA-seq data analysis using graph autoencoders and graph attention networks
2022, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2022.1003711
PMID:36568390
|
研究论文 | 本文开发了一种基于图神经网络的多模态模型scGAEGAT，用于单细胞RNA测序数据分析 | 提出了一种结合图自编码器和图注意力网络的多模态模型scGAEGAT，用于处理非欧几里得空间数据 | 实验仅在四个具有金标准细胞标签的scRNA-seq数据集上进行验证 | 提高单细胞RNA测序数据中基因插补和细胞聚类的分析效率和准确性 | 单细胞RNA测序数据中的基因插补和细胞聚类 | 机器学习 | NA | 单细胞RNA测序 | 图神经网络 | 基因表达数据 | 四个具有金标准细胞标签的scRNA-seq数据集 | NA | NA | NA | NA |
| 726 | 2024-09-10 |
Reduced macula microvascular densities may be an early indicator for diabetic peripheral neuropathy
2022, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2022.1081285
PMID:36568975
|
研究论文 | 本研究通过光学相干断层扫描血管成像（OCTA）评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变（DPN）的相关性 | 采用先进的深度学习方法量化视网膜微血管密度，发现DPN患者在浅层血管复合体（SVC）和深层血管复合体（DVC）中的血管长度密度（VLD）显著降低 | 样本量相对较小，可能影响结果的普适性 | 评估2型糖尿病患者视网膜微血管的变化，并探讨其与糖尿病周围神经病变的相关性 | 2型糖尿病患者及其视网膜微血管 | 数字病理学 | 糖尿病 | 光学相干断层扫描血管成像（OCTA） | 深度学习 | 图像 | 27名健康对照者（42只眼），36名无周围神经病变（NDPN）患者（62只眼），27名有周围神经病变（DPN）患者（40只眼） | NA | NA | NA | NA |
| 727 | 2024-09-10 |
Prediction of RNA-protein interactions using a nucleotide language model
2022, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbac023
PMID:36699410
|
研究论文 | 本文提出了一种基于BERT架构的模型BERT-RBP，用于预测RNA与RNA结合蛋白（RBP）的相互作用 | 利用BERT架构的深度学习模型，能够解释性强且仅基于序列信息进行预测 | NA | 开发一种新的机器学习模型来预测RNA与RNA结合蛋白的相互作用 | RNA序列与RNA结合蛋白的相互作用 | 机器学习 | NA | BERT | BERT | 序列 | 154种RNA结合蛋白的eCLIP-seq数据 | NA | NA | NA | NA |
| 728 | 2024-09-08 |
A robust semantic lung segmentation study for CNN-based COVID-19 diagnosis
2022-Dec-15, Chemometrics and intelligent laboratory systems : an international journal sponsored by the Chemometrics Society
IF:3.7Q1
DOI:10.1016/j.chemolab.2022.104695
PMID:36311473
|
研究论文 | 本文通过深度学习系统使用胸部X光扫描图像诊断COVID-19，首先使用COVID-19胸部X光数据集对CXR图像中的肺部进行语义分割，然后使用改进的AlexNet提取特征并通过支持向量机进行分类 | 提出的方法在分类COVID-19、正常和病毒性肺炎三类数据时，成功率达到99.8%，优于现有的最先进方法 | NA | 通过胸部X光扫描图像诊断COVID-19 | COVID-19胸部X光数据集中的肺部图像 | 计算机视觉 | COVID-19 | 深度学习 | DeepLabV3+, 改进的AlexNet (mAlexNet), 支持向量机 (SVM) | 图像 | COVID-19胸部X光数据集中的图像 | NA | NA | NA | NA |
| 729 | 2024-09-08 |
Applying a deep residual network coupling with transfer learning for recyclable waste sorting
2022-Dec, Environmental science and pollution research international
DOI:10.1007/s11356-022-22167-w
PMID:35882737
|
研究论文 | 本研究利用深度残差网络结合迁移学习的方法，开发了一种智能高效的可回收废物分类方法 | 提出了基于迁移学习的RWNet模型，结合循环学习率和数据增强技术，显著提高了分类性能 | 塑料类废物的AUC值较低，分类效果有待进一步提升 | 开发一种智能高效的可回收废物分类方法，促进循环经济的发展 | 不同类型的可回收废物 | 计算机视觉 | NA | 深度学习 | ResNet | 图像 | 多种类型的可回收废物样本 | NA | NA | NA | NA |
| 730 | 2024-09-08 |
Deep learning analysis of clinical course of primary nephrotic syndrome: Japan Nephrotic Syndrome Cohort Study (JNSCS)
2022-Dec, Clinical and experimental nephrology
IF:2.2Q2
DOI:10.1007/s10157-022-02256-3
PMID:35962244
|
研究论文 | 本研究使用机器学习方法对日本肾病综合征队列研究中的205例病例进行聚类分析，以评估肾病综合征的自然病程 | 首次使用长短期记忆（LSTM）编码器-解码器架构对肾病综合征的时间序列数据进行聚类分析，识别出四种临床病程 | 研究样本仅限于日本肾病综合征队列研究的205例病例，可能存在地域和人群的局限性 | 评估肾病综合征的自然病程，并识别不同的临床病程模式 | 肾病综合征患者的临床参数、血清肌酐、血清白蛋白、尿液试纸血尿和蛋白尿 | 机器学习 | 肾病综合征 | 机器学习聚类 | LSTM编码器-解码器架构 | 时间序列数据 | 205例肾病综合征患者 | NA | NA | NA | NA |
| 731 | 2024-09-08 |
A pilot study of deep learning-based CT volumetry for traumatic hemothorax
2022-Dec, Emergency radiology
IF:1.7Q3
DOI:10.1007/s10140-022-02087-5
PMID:35971025
|
研究论文 | 本研究使用nnU-Net深度学习方法对创伤性血胸患者进行CT体积测量，并评估其性能 | 采用先进的nnU-Net深度学习方法进行血胸的定量可视化，并与传统的手动测量和专家共识评分进行比较 | 研究样本量较小，仅包括77名患者，且仅限于一家创伤中心的数据 | 评估基于深度学习的CT体积测量方法在创伤性血胸中的应用效果 | 创伤性血胸患者的CT图像 | 计算机视觉 | 创伤 | 深度学习 | nnU-Net | 图像 | 77名成年创伤性血胸患者 | NA | NA | NA | NA |
| 732 | 2024-09-08 |
Reducing Geometric Uncertainty in Computational Hemodynamics by Deep Learning-Assisted Parallel-Chain MCMC
2022-12-01, Journal of biomechanical engineering
DOI:10.1115/1.4055809
PMID:36166284
|
研究论文 | 本文提出了一种基于深度学习的并行马尔可夫链蒙特卡罗方法，用于减少计算血流动力学中的几何不确定性 | 本文的创新点在于引入深度学习模型来近似几何到血流动力学的映射，并通过并行马尔可夫链蒙特卡罗方法进行高效的贝叶斯后验采样和几何不确定性减少 | 本文的局限性在于仅在二维主动脉流中进行了数值研究，尚未在更复杂的实际血管系统中验证 | 本文的研究目的是减少计算血流动力学模型中的几何不确定性，提高模型预测的可靠性 | 本文的研究对象是血管几何形状的不确定性及其对血流动力学模拟结果的影响 | 计算流体动力学 | 心血管疾病 | 深度学习 | 深度学习模型 | 几何数据 | NA | NA | NA | NA | NA |
| 733 | 2024-09-08 |
GeoPacker: A novel deep learning framework for protein side-chain modeling
2022-12, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.4484
PMID:36309961
|
研究论文 | 本文介绍了一种名为GeoPacker的新型深度学习框架，用于蛋白质侧链建模 | GeoPacker利用几何深度学习结合ResNet，显式表示原子间的旋转和平移不变性，以提取相对位置信息，显著提高了蛋白质侧链结构预测的准确性和效率 | NA | 开发一种高效且准确的蛋白质侧链预测方法 | 蛋白质侧链结构 | 机器学习 | NA | 深度学习 | ResNet | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 734 | 2024-09-08 |
A longitudinal observational study of home-based conversations for detecting early dementia: protocol for the CUBOId TV task
2022-11-23, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2022-065033
PMID:36418120
|
研究论文 | 本文描述了CUBOId研究，探索多模态数据融合在家中监测轻度认知障碍（MCI）和早期阿尔茨海默病（AD）的可行性，重点介绍了一项名为'TV任务'的新颖语音任务 | 提出了一个新颖的'TV任务'，通过记录参与者在观看喜欢的电视节目时的对话音频，来跟踪疾病进展中的生态有效对话变化 | NA | 探索多模态数据融合在家中监测轻度认知障碍和早期阿尔茨海默病的可行性 | 轻度认知障碍（MCI）和早期阿尔茨海默病（AD）患者及其生活伴侣 | NA | 阿尔茨海默病 | 深度学习 | NA | 多模态数据（活动数据和语音数据） | 参与者包括MCI或AD患者及其生活伴侣，数据采集时间为8-25个月 | NA | NA | NA | NA |
| 735 | 2024-09-08 |
Quantifying deep neural network uncertainty for atrial fibrillation detection with limited labels
2022-11-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-24574-y
PMID:36418604
|
研究论文 | 本文提出了一种在标签有限且数据噪声较大的情况下，训练深度学习模型进行心房颤动检测并报告预测不确定性的方法 | 利用弱监督学习技术，通过在非ICU数据上训练的代理模型生成不完美标签，并结合模型不确定性估计技术，无需大量人工数据标注 | 依赖于代理模型的准确性，且未详细讨论在不同噪声水平下的模型性能 | 开发一种在标签有限和数据噪声较大的情况下，有效检测心房颤动的深度学习模型 | 心房颤动检测 | 机器学习 | 心血管疾病 | 深度学习 | 深度神经网络 | 生理数据 | 大量ICU遥测数据 | NA | NA | NA | NA |
| 736 | 2024-09-08 |
An imConvNet-based deep learning model for Chinese medical named entity recognition
2022-11-21, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-022-02049-4
PMID:36411432
|
研究论文 | 本文提出了一种基于imConvNet的深度学习模型，用于中文医学命名实体识别 | 改进卷积神经网络模型（imConvNet）以获取额外的文本特征，并结合Bert预训练模型和BiLSTM模型进行命名实体识别 | NA | 提高中文医学命名实体识别的准确性 | 中文医学文本中的命名实体 | 自然语言处理 | NA | 卷积神经网络（CNN） | BERT-imConvNet-BiLSTM-CRF | 文本 | 公共医学数据集yidu-s4k和实际电子病历文本 | NA | NA | NA | NA |
| 737 | 2024-09-08 |
White blood cell detection, classification and analysis using phase imaging with computational specificity (PICS)
2022-11-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-21250-z
PMID:36414631
|
研究论文 | 本文使用颜色空间光干涉显微镜（cSLIM）和深度学习工具，对未标记血涂片中的白细胞进行定位、分类和分割 | 结合定量相位成像（QPI）无标签数据与人工智能（AI）技术，提出了一种名为计算特异性相位成像（PICS）的新方法 | 训练数据集的平均精度为75%，像素级多数投票F1得分为80%，仍有提升空间 | 开发一种快速、自动化的方法来评估未标记血涂片中的白细胞异常 | 白细胞（WBCs）的定位、分类和分割 | 数字病理学 | NA | 定量相位成像（QPI） | EfficientNet 和 U-net | 图像 | 数字染色的血涂片图像 | NA | NA | NA | NA |
| 738 | 2024-09-08 |
DeepPROTACs is a deep learning-based targeted degradation predictor for PROTACs
2022-11-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-34807-3
PMID:36414666
|
研究论文 | 本文介绍了一种基于深度学习的PROTACs靶向降解预测模型DeepPROTACs | DeepPROTACs模型能够基于目标蛋白质和E3连接酶的结构预测PROTAC分子的降解能力 | NA | 帮助设计有效的PROTACs分子 | PROTACs分子的降解能力 | 机器学习 | NA | 深度学习 | 图卷积网络和双向长短期记忆网络 | 蛋白质结构和SMILES表示 | 主要来自PROTAC-DB的数据集，根据DC和Dmax值进行适当标记 | NA | NA | NA | NA |
| 739 | 2024-09-08 |
Multiple high-regional-incidence cardiac disease diagnosis with deep learning and its potential to elevate cardiologist performance
2022-Nov-18, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2022.105434
PMID:36388959
|
研究论文 | 本文构建了一个大规模的心电图数据集，并开发了一种深度学习模型用于多种高发区域心脏疾病的诊断，展示了其提升心脏病专家诊断性能的潜力 | 本文首次报道了基于AI的心电图诊断模型能够辅助心脏病专家提高诊断性能 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 开发一种能够辅助心脏病专家提高诊断性能的AI模型 | 多种高发区域的心脏疾病，包括心律失常和急性冠状动脉综合征相关疾病 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图 | 162,622份12导联心电图 | NA | NA | NA | NA |
| 740 | 2024-09-08 |
UnMICST: Deep learning with real augmentation for robust segmentation of highly multiplexed images of human tissues
2022-11-18, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-022-04076-3
PMID:36400937
|
研究论文 | 本文报道了两种方法显著改善了使用多种机器学习架构对组织图像进行分割的效果 | 意外发现有意模糊和饱和的图像在训练数据中的包含显著提高了后续图像分割效果，并且实际增强优于计算增强（高斯模糊） | NA | 提高高度多重化图像中组织分割的准确性 | 高度多重化（20-60通道）、亚细胞分辨率的哺乳动物组织图像 | 计算机视觉 | NA | 深度学习 | 多种机器学习架构 | 图像 | 多种组织类型 | NA | NA | NA | NA |