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 1999 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-09-17 |
Applying Image-Based Food-Recognition Systems on Dietary Assessment: A Systematic Review
2022-12-22, Advances in nutrition (Bethesda, Md.)
DOI:10.1093/advances/nmac078
PMID:35803496
|
综述 | 本文对基于图像的食物识别系统（IBFRS）在饮食评估中的应用进行了系统性综述 | 综述了IBFRS在专业营养实践中的应用优势，并讨论了未来的发展方向 | 未提及具体的技术局限性 | 评估基于图像的食物识别系统在饮食评估中的应用效果 | 基于图像的食物识别系统及其在饮食评估中的应用 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 共筛选了159项研究，其中78项被纳入综述 | NA | NA | NA | NA |
| 742 | 2024-09-17 |
AutoMed: Automated Medical Risk Predictive Modeling on Electronic Health Records
2022-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm55620.2022.9995209
PMID:37063974
|
研究论文 | 本文提出了一种名为AutoMed的自动化风险预测模型，用于自动搜索最优模型架构以提高电子健康记录（EHR）数据的风险预测任务性能 | 创新点在于使用神经架构搜索技术自动设计模型架构，减少了对专家先验知识的依赖 | 实验仅在三个真实世界数据集上进行，可能需要更多数据集验证其泛化能力 | 旨在通过自动化技术改进电子健康记录的风险预测模型设计 | 电子健康记录数据及其在风险预测任务中的应用 | 机器学习 | NA | 神经架构搜索 | AutoMed | 电子健康记录 | 三个真实世界数据集 | NA | NA | NA | NA |
| 743 | 2024-09-17 |
Predicting the outcome of radiotherapy in brain metastasis by integrating the clinical and MRI-based deep learning features
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15814
PMID:35727568
|
研究论文 | 本文介绍了一种新的深度学习架构，用于预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果，使用治疗计划磁共振成像（MRI）和标准临床属性 | 本文提出了一种结合临床和MRI深度学习特征的新型深度学习架构，用于预测脑转移瘤的放疗结果 | 研究样本量较小，仅包括99名患者的数据，未来需要在更大规模的患者群体中进行验证 | 预测脑转移瘤在接受立体定向放疗后的局部控制/失败结果 | 脑转移瘤患者在接受立体定向放疗后的局部控制/失败结果 | 计算机视觉 | 脑肿瘤 | 深度学习 | InceptionResentV2网络、长短期记忆循环网络 | MRI图像、临床数据 | 99名患者（116个病灶）用于训练和优化，25名患者（40个病灶）用于独立测试 | NA | NA | NA | NA |
| 744 | 2024-09-17 |
Combining natural and artificial intelligence for robust automatic anatomy segmentation: Application in neck and thorax auto-contouring
2022-Nov, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15854
PMID:35833287
|
研究论文 | 本文提出了一种结合自然智能和人工智能的混合智能系统，用于颈部和胸部CT图像的自动解剖结构分割 | 通过将自然智能融入人工智能方法，克服了现有基于深度学习的自动分割方法在获取高级解剖信息方面的不足 | 系统在不同临床中心的接受度评分存在显著差异 | 开发一种结合自然智能和人工智能的混合智能系统，用于CT图像中的器官分割，并应用于放射治疗计划 | 颈部和胸部的26个器官 | 计算机视觉 | NA | 深度学习 | 混合智能系统 | CT图像 | 464名患者的数据用于测试，125名患者的数据用于训练/模型构建 | NA | NA | NA | NA |
| 745 | 2024-09-17 |
Prediction of HIV sensitivity to monoclonal antibodies using aminoacid sequences and deep learning
2022-09-15, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac530
PMID:35876860
|
研究论文 | 本文提出了一种利用氨基酸序列和深度学习预测HIV对单克隆抗体敏感性的方法 | 本文通过同时建模病毒和抗体序列，展示了在预测抗体-病毒敏感性方面的优势 | 本文未提及具体的局限性 | 本文旨在开发一种准确预测HIV对单克隆抗体敏感性的方法，以支持HIV疫苗开发和治疗 | 本文的研究对象是HIV病毒和单克隆抗体 | 机器学习 | HIV | 深度学习 | 神经网络 | 氨基酸序列 | 31种特定的广谱中和抗体 | NA | NA | NA | NA |
| 746 | 2024-09-17 |
Brains and algorithms partially converge in natural language processing
2022-02-16, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-022-03036-1
PMID:35173264
|
研究论文 | 系统比较多种深度语言模型，以识别导致其生成类似大脑句子的计算原理 | 揭示了现代语言算法与大脑在自然语言处理中的部分相似性，并指出了预测上下文单词能力是这种相似性的主要驱动因素 | 未完全解释这种相似性的具体驱动机制 | 探讨深度学习算法与人类大脑在自然语言处理中的相似性 | 多种深度语言模型与大脑对400个孤立句子的反应 | 自然语言处理 | NA | 功能磁共振成像 (fMRI) 和脑磁图 (MEG) | 深度语言模型 | 文本 | 102名受试者，每人记录两小时 | NA | NA | NA | NA |
| 747 | 2024-09-17 |
Question Answering System Based on Knowledge Graph in Traditional Chinese Medicine Diagnosis and Treatment of Viral Hepatitis B
2022, BioMed research international
IF:2.6Q3
DOI:10.1155/2022/7139904
PMID:35198638
|
研究论文 | 本文利用中医治疗乙型肝炎的真实病历和网页，提取结构化医学知识，构建了中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统 | 本文创新性地将深度学习方法应用于乙型肝炎医疗问答系统的问答识别和知识响应，提升了系统的智能化水平 | NA | 研究构建中医乙型肝炎诊断治疗的知识图谱，并应用于智能问答系统，为乙型肝炎疾病的诊断、治疗和患者自我护理提供参考 | 中医治疗乙型肝炎的结构化医学知识，以及基于该知识图谱的智能问答系统 | 自然语言处理 | 乙型肝炎 | 深度学习 | NA | 文本 | 8563个实体，96896个关系，32种实体类型，40种关系类型 | NA | NA | NA | NA |
| 748 | 2024-09-16 |
Towards smart diagnostic methods for COVID-19: Review of deep learning for medical imaging
2022 Nov-Dec, IPEM-translation
DOI:10.1016/j.ipemt.2022.100008
PMID:36312890
|
综述 | 本文综述了2020年1月至2021年10月期间，使用深度学习技术对COVID-19患者进行CT和X光胸片诊断的研究 | 本文总结了现有研究中的模型技术细节，并讨论了使用深度学习技术进行COVID-19智能诊断的挑战 | 现有模型的临床应用效果需要进一步验证 | 探讨深度学习在COVID-19诊断中的应用，并提出改进建议 | COVID-19患者的CT和X光胸片 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 749 | 2024-09-16 |
Deep learning and social network analysis elucidate drivers of HIV transmission in a high-incidence cohort of people who inject drugs
2022-Oct-21, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.abf0158
PMID:36260674
|
研究论文 | 本文通过深度学习和社交网络分析揭示了注射毒品人群中HIV传播的驱动因素，并识别出最佳干预点 | 利用图神经网络（GNNs）进行社区检测，揭示了HIV传播与注射场所之间的关联，并提出了针对性的干预策略 | 研究样本仅限于印度新德里的注射毒品人群，可能限制了结果的普适性 | 理解并对抗注射毒品人群中的HIV传播 | 注射毒品人群及其社交和空间网络 | 机器学习 | HIV | 图神经网络（GNNs） | 图神经网络（GNNs） | 社交网络数据 | 2512名注射毒品人群 | NA | NA | NA | NA |
| 750 | 2024-09-16 |
Deep learning-based molecular dynamics simulation for structure-based drug design against SARS-CoV-2
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.09.002
PMID:36091720
|
综述 | 本文综述了基于深度学习和分子动力学模拟的结构药物设计方法在SARS-CoV-2中的最新进展 | 本文介绍了深度学习和基于深度学习的分子动力学模拟在结构药物设计中的应用，解决了蛋白质结构和结合预测、药物虚拟筛选、分子对接和复合物演化等问题 | 本文主要讨论了当前方法的挑战和未来方向，未提供具体的实验数据或模型评估 | 探讨深度学习和分子动力学模拟在SARS-CoV-2结构药物设计中的应用 | SARS-CoV-2的蛋白质结构和药物设计 | 机器学习 | COVID-19 | 分子动力学模拟 | 深度神经网络 | 蛋白质结构 | NA | NA | NA | NA | NA |
| 751 | 2024-09-16 |
Future stem cell analysis: progress and challenges towards state-of-the art approaches in automated cells analysis
2022, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.14513
PMID:36573241
|
综述 | 本文综述了从细胞发现到最先进方法的细胞和干细胞分析方法 | 探讨了当前技术在减少劳动强度、成本效益和降低错误率方面的潜力 | 未详细讨论具体的技术实现和实验验证 | 提供细胞和干细胞分析方法的概述，并探讨自动化分析的潜力 | 细胞和干细胞的分析方法 | 数字病理学 | NA | 人工智能和深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 752 | 2024-09-15 |
Computational macroscopic lifetime imaging and concentration unmixing of autofluorescence
2022-12, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202200133
PMID:36546622
|
研究论文 | 本文介绍了一种基于单像素结构光平台的计算宏观寿命成像和自体荧光浓度解混方法 | 利用单像素成像技术，结合超连续可见光激发和超光谱单像素检测，实现了自体荧光强度和寿命的并行表征，并通过深度学习数据处理管道进行自体荧光解混，得到自体荧光物质的浓度 | NA | 开发一种新的计算成像方法，用于宏观量化自体荧光的强度和寿命 | 自体荧光物质，包括黄素腺嘌呤二核苷酸、核黄素和原卟啉 | 计算机视觉 | NA | 单像素成像技术 | 深度学习 | 光谱数据 | 临床相关的自体荧光物质样本 | NA | NA | NA | NA |
| 753 | 2024-09-15 |
Application of Deep Learning on Single-cell RNA Sequencing Data Analysis: A Review
2022-10, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2022.11.011
PMID:36528240
|
综述 | 本文综述了深度学习在单细胞RNA测序数据分析中的应用 | 深度学习能够从噪声大、异质性强和高维度的单细胞RNA测序数据中提取信息丰富且紧凑的特征，从而改进下游分析 | 当前深度学习方法在单细胞RNA测序数据分析中面临挑战，需要进一步改进算法 | 综述近期开发的深度学习技术在单细胞RNA测序数据分析中的应用，并探讨其优势和潜在改进方向 | 单细胞RNA测序数据分析中的深度学习技术 | 机器学习 | NA | 单细胞RNA测序 | 深度学习 | 基因表达数据 | NA | NA | NA | NA | NA |
| 754 | 2024-09-15 |
Polarization multiplexed diffractive computing: all-optical implementation of a group of linear transformations through a polarization-encoded diffractive network
2022-May-26, Light, science & applications
DOI:10.1038/s41377-022-00849-x
PMID:35614046
|
研究论文 | 本文介绍了一种极化复用衍射处理器，通过单一衍射网络实现多个任意选择的线性变换的全光学实现 | 本文的创新点在于引入极化复用技术，通过单一衍射网络实现多个线性变换的全光学实现 | 本文的局限性在于需要大量的训练样本和复杂的深度学习优化过程 | 研究目的是开发一种全光学实现多个线性变换的方法 | 研究对象是极化复用衍射网络及其在光学计算中的应用 | 机器学习 | NA | 衍射光学网络 | 深度学习 | 光学数据 | 数千个输入/输出场对应于每个复值线性变换的样本 | NA | NA | NA | NA |
| 755 | 2024-09-14 |
Deep learning in breast imaging
2022, BJR open
DOI:10.1259/bjro.20210060
PMID:36105427
|
review | 本文综述了深度学习在乳腺癌影像中的应用，包括癌症检测和风险预测，并讨论了人工智能系统在该领域的挑战和未来方向 | 深度学习在医学影像任务中展现出超越人类水平的潜力，可能用于自动化乳腺癌筛查过程，提高癌症检测率，减少不必要的召回和活检，优化患者风险评估，并为疾病预后开辟新途径 | 需要前瞻性试验来验证这些工具，并开发新的监管框架以解决深度学习算法带来的独特伦理、医疗法律和质量控制问题 | 探讨深度学习在乳腺癌影像中的应用及其未来发展方向 | 乳腺癌影像的解读和处理 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 756 | 2024-09-14 |
An Overview of Organs-on-Chips Based on Deep Learning
2022, Research (Washington, D.C.)
DOI:10.34133/2022/9869518
PMID:35136860
|
综述 | 本文综述了基于深度学习的器官芯片技术及其在生物医学和化学研究中的应用 | 探讨了深度学习与器官芯片技术的结合，展示了其在药物开发、疾病建模和个性化医学中的巨大潜力 | 讨论了当前应用中面临的问题，并提出了未来发展的展望和建议 | 探讨深度学习与器官芯片技术的结合及其在生物医学领域的应用 | 器官芯片技术和深度学习 | 生物医学工程 | NA | 微流控技术 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 757 | 2024-09-13 |
Digital Twins in Unmanned Aerial Vehicles for Rapid Medical Resource Delivery in Epidemics
2022-Dec, IEEE transactions on intelligent transportation systems : a publication of the IEEE Intelligent Transportation Systems Council
IF:7.9Q1
DOI:10.1109/TITS.2021.3113787
PMID:36789134
|
研究论文 | 探讨数字孪生在无人机中快速准确提供医疗资源的效果 | 提出了基于改进AlexNet的无人机数字孪生信息预测模型，具有更小的传输延迟、更低的能耗、更短的任务完成时间和更高的资源利用率 | NA | 研究数字孪生在无人机中快速准确提供医疗资源的效果 | 无人机数字孪生在COVID-19防控中提供医疗资源的效果 | 计算机视觉 | COVID-19 | 深度学习算法 | AlexNet | 模拟实验数据 | NA | NA | NA | NA | NA |
| 758 | 2024-09-13 |
Contrastive semi-supervised harmonization of single-shell to multi-shell diffusion MRI
2022-11, Magnetic resonance imaging
IF:2.1Q2
DOI:10.1016/j.mri.2022.06.004
PMID:35716922
|
研究论文 | 本文探讨了通过半监督和无监督学习方法，利用深度学习模型将单壳扩散MRI数据协调为多壳数据 | 本文提出了利用解耦协调模型和CycleGAN模型进行数据协调，并展示了其在多壳扩散MRI数据协调中的优越性能 | NA | 研究如何通过深度学习方法将单壳扩散MRI数据协调为多壳数据，以适应多站点或多采集研究的需求 | 单壳和多壳扩散MRI数据 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | 使用了Multi-shell Diffusion MRI Harmonization Challenge (MUSHAC)和Baltimore Longitudinal Study on Aging (BLSA)数据集 | NA | NA | NA | NA |
| 759 | 2024-09-13 |
AcneGrader: An ensemble pruning of the deep learning base models to grade acne
2022-Sep, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13166
PMID:35639819
|
研究论文 | 本文提出了一种基于深度学习模型的集成剪枝框架AcneGrader，用于自动检测和分级痤疮 | 本文的创新点在于提出了一种集成剪枝策略，通过去除冗余的基础模型来提高预测结果并降低计算复杂度 | 本文未详细讨论该方法在其他皮肤病数据集上的适用性 | 开发一种自动化的痤疮分级方法，以减轻皮肤科医生的工作负担并提高诊断准确性 | 痤疮的分级和检测 | 计算机视觉 | 皮肤病 | 深度学习 | 集成模型 | 图像 | 痤疮数据集和皮肤癌数据集 | NA | NA | NA | NA |
| 760 | 2024-09-13 |
Neural Transformers for Intraductal Papillary Mucosal Neoplasms (IPMN) Classification in MRI images
2022-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC48229.2022.9871547
PMID:36085787
|
研究论文 | 本文提出了一种基于Transformer网络的AI模型，用于MRI图像中胰腺导管内乳头状黏液性肿瘤（IPMN）的分类 | 本文利用Transformer网络在视觉任务中的通用性，提出了一种新的AI模型，相比传统的卷积神经网络，该模型在预训练方面表现更好，并能更好地解释结果 | NA | 开发一种能够准确分类胰腺导管内乳头状黏液性肿瘤（IPMN）的AI模型，以支持医疗决策 | 胰腺导管内乳头状黏液性肿瘤（IPMN）的分类 | 计算机视觉 | 胰腺癌 | Transformer网络 | Transformer | 图像 | NA | NA | NA | NA | NA |