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 1802 篇文献，本页显示第 1721 - 1740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1721 | 2024-08-07 |
Bridging the Gap between Deep Learning and Hypothesis-Driven Analysis via Permutation Testing
2022-Sep, PRedictive Intelligence in MEdicine. PRIME (Workshop)
DOI:10.1007/978-3-031-16919-9_2
PMID:36342897
|
研究论文 | 本文提出了一种基于排列测试的灵活且可扩展的方法，将假设检验整合到数据驱动的深度学习分析中，以预测和解释青少年中的负面情绪症状。 | 本文的创新点在于将排列测试的概念应用于深度学习分析，使得深度学习的结果能够与支持假设的统计显著性相关联。 | NA | 旨在将深度学习与假设驱动的分析相结合，通过排列测试方法提高深度学习在神经科学研究中的应用价值。 | 研究对象为621名青少年参与者，通过分析他们的自我报告评估来预测负面情绪症状。 | 机器学习 | 抑郁症 | 深度学习 | NA | 文本 | 621名青少年参与者 | NA | NA | NA | NA |
| 1722 | 2024-08-07 |
Hyperspectral Image Classification with Optimized Compressed Synergic Deep Convolution Neural Network with Aquila Optimization
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/6781740
PMID:35845897
|
研究论文 | 本文研究了如何利用优化后的压缩协同深度卷积神经网络（CSDCNN-AO）模型，从有限样本中准确分类高光谱图像（HSI） | 提出了基于特征提取和分类的新型深度学习分类方法，并引入了Aquila优化技术以提高分类性能 | NA | 提高高光谱图像分类的准确性和效率 | 高光谱图像的分类 | 计算机视觉 | NA | 深度学习 | 压缩协同深度卷积神经网络（CSDCNN-AO） | 高光谱图像 | 使用了四个高光谱图像数据集：Kennedy Space Center (KSC), Indian Pines (IP), Houston U (HU), Salinas Scene (SS) | NA | NA | NA | NA |
| 1723 | 2024-08-07 |
Depth resolved pencil beam radiography using AI - a proof of principle study
2022-Jun, Journal of instrumentation : an IOP and SISSA journal
IF:1.3Q3
DOI:10.1088/1748-0221/17/06/p06012
PMID:38938475
|
研究论文 | 本研究探讨了利用现代辐射源和探测器结合深度学习技术，通过散射光子信息在平面X射线成像中解析叠加衰减器的可能性 | 首次证明深度学习技术可以分析散射光子模式，从而在传统2D平面设置中推断深度信息 | 研究受限于简单的测试场景，未涉及复杂性或优化，且临床应用的性能扩展尚未探索 | 验证深度学习技术在解析平面X射线成像中叠加衰减器深度的原理 | 使用散射光子信息解析平面X射线成像中的叠加衰减器 | 计算机视觉 | NA | X射线成像 | 卷积神经网络 | 图像 | 10个伪随机堆叠的空气/骨骼/水材料模型 | NA | NA | NA | NA |
| 1724 | 2024-08-07 |
Identification of robust deep neural network models of longitudinal clinical measurements
2022-Jul-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00651-4
PMID:35896817
|
研究论文 | 本文比较了九种深度学习框架在模拟纵向临床测量数据上的表现，并评估了模型在不同参数下的性能 | 首次系统地研究了从模拟纵向临床测量中学习的方法，并发现了基于形状变化的识别比基于幅度的变化更具挑战性 | NA | 评估深度学习方法在疾病预测中的应用，特别是在纵向临床测量数据上的表现 | 模拟的体重指数(BMI)、血糖和收缩压轨迹数据 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN) | 时间序列数据 | 模拟数据包括体重指数(BMI)、血糖和收缩压轨迹，真实世界评估中使用了BMI轨迹 | NA | NA | NA | NA |
| 1725 | 2024-08-07 |
A Deep Learning Model for Inferring Elevated Pulmonary Capillary Wedge Pressures From the 12-Lead Electrocardiogram
2022-Mar, JACC. Advances
DOI:10.1016/j.jacadv.2022.100003
PMID:38939079
|
研究论文 | 本研究开发了一种深度学习模型，用于从12导联心电图推断肺毛细血管楔压升高的情况 | 提出了一种非侵入性方法来识别升高的平均肺毛细血管楔压，并开发了一个相关的不可靠性评分，用于识别模型预测可能不可信的情况 | 模型性能在不可靠性高的患者子集中表现较差 | 开发一种非侵入性方法来识别升高的平均肺毛细血管楔压 | 从12导联心电图推断肺毛细血管楔压升高的情况 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | 248,955份临床记录，其中6,739份包含直接测量值 | NA | NA | NA | NA |
| 1726 | 2024-08-07 |
Deep Learning in Medicine
2022-Mar, JACC. Advances
DOI:10.1016/j.jacadv.2022.100017
PMID:38939084
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1727 | 2024-08-07 |
Self-Supervised Rigid Registration for Multimodal Retinal Images
2022, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2022.3201476
PMID:36040946
|
研究论文 | 本文提出了一种自监督的多模态视网膜图像配准方法，旨在自动配准多模态视网膜图像而无需任何人工标注 | 该方法采用自监督学习，无需人工标注，减轻了准备训练数据的时间和成本 | NA | 开发一种无需人工标注的自监督多模态视网膜图像配准方法 | 多模态视网膜图像，特别是彩色眼底图像与红外反射和荧光素血管造影图像的配准 | 计算机视觉 | NA | 自监督学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1728 | 2024-08-07 |
3D GAN image synthesis and dataset quality assessment for bacterial biofilm
2022-09-30, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac529
PMID:35924980
|
研究论文 | 本文介绍了一种生物图像合成与评估工作流程，用于增强细菌生物膜图像，利用3D循环生成对抗网络（GAN）生成3D生物膜图像，并提出了一种随机合成数据集质量评估（SSQA）方法 | 本文创新性地使用了3D循环GAN和非平衡损失函数来生成逼真的3D生物膜图像，并提出了SSQA方法来评估合成数据集的质量 | NA | 开发一种新的方法来合成和评估细菌生物膜图像，以增强数据驱动的深度学习技术在生物图像分析中的应用 | 细菌生物膜图像的合成与质量评估 | 计算机视觉 | NA | 3D循环生成对抗网络（GAN） | GAN | 图像 | NA | NA | NA | NA | NA |
| 1729 | 2024-08-07 |
Autoencoders for sample size estimation for fully connected neural network classifiers
2022-Dec-13, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00728-0
PMID:36513729
|
研究论文 | 研究如何利用自编码器损失来估计全连接神经网络分类器所需的最小标记训练数据样本量 | 提出了一种基于自编码器损失的估计方法，用于确定全连接神经网络分类器所需的最小标记数据样本量，这是一种在深度学习领域中尚未充分研究的方法 | 研究主要集中在全连接神经网络分类器上，可能不适用于其他类型的深度学习模型 | 探索在计算机视觉模型训练前，如何通过自编码器损失来估计所需的最小标记数据样本量 | 全连接神经网络分类器所需的最小标记训练数据样本量 | 计算机视觉 | NA | 自编码器 | 全连接神经网络 | 图像 | 研究中未具体提及样本数量，但讨论了最小收敛样本（MCS）的概念 | NA | NA | NA | NA |
| 1730 | 2024-08-07 |
Predicting hypertension onset from longitudinal electronic health records with deep learning
2022-Dec, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooac097
PMID:36448021
|
研究论文 | 本研究利用深度学习中的长短期记忆网络（LSTM）从电子健康记录（EHRs）中预测高血压的发病 | 本研究首次采用LSTM网络结合纵向EHRs数据来预测高血压的发病，并与其他模型如XGboost进行比较 | NA | 预测高血压的发病 | 高血压的发病风险及相关的驱动因素 | 机器学习 | 心血管疾病 | 深度学习 | LSTM | 电子健康记录 | 233,895名成年患者 | NA | NA | NA | NA |
| 1731 | 2024-08-07 |
Enhancing convolutional neural network predictions of electrocardiograms with left ventricular dysfunction using a novel sub-waveform representation
2022-Oct, Cardiovascular digital health journal
IF:2.6Q2
DOI:10.1016/j.cvdhj.2022.07.074
PMID:36310683
|
研究论文 | 本文介绍了一种新的子波形表示方法，用于增强卷积神经网络对心电图预测左心室功能障碍的性能 | 引入了基于数据中心的子波形表示方法，而不是改变模型中心的CNN架构 | NA | 提高心电图深度学习在心血管异常患者中的预测准确性 | 左心室功能障碍的识别 | 机器学习 | 心血管疾病 | 卷积神经网络 (CNN) | CNN | 心电图 (ECG) 波形 | 92,446名患者 | NA | NA | NA | NA |
| 1732 | 2024-08-07 |
Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0268007
PMID:35507570
|
研究论文 | 本研究旨在通过深度学习神经网络模型探索沉浸式营销环境下的消费者偏好，设计个性化推荐系统，提升营销效果和用户体验 | 提出基于沉浸式图神经网络（IGNN）模型的个性化推荐系统，相较于其他推荐系统显示出更高的优势 | NA | 增加各类商品的营销量，促进市场的全面发展 | 消费者在沉浸式营销环境下的偏好 | 机器学习 | NA | 深度学习（DL）神经网络（NN） | 图神经网络（GNN） | NA | NA | NA | NA | NA | NA |
| 1733 | 2024-08-07 |
Design and Rationale for the Use of Magnetic Resonance Imaging Biomarkers to Predict Diabetes After Acute Pancreatitis in the Diabetes RElated to Acute Pancreatitis and Its Mechanisms Study: From the Type 1 Diabetes in Acute Pancreatitis Consortium
2022-07-01, Pancreas
IF:1.7Q3
DOI:10.1097/MPA.0000000000002080
PMID:36206463
|
研究论文 | 本研究探讨使用磁共振成像（MRI）技术预测急性胰腺炎后糖尿病的可能性 | 利用高级MRI技术反映潜在的病理生理变化，并提供预测糖尿病的影像生物标志物 | NA | 通过识别急性胰腺炎后的实质特征，区分高风险个体与血糖正常者 | 急性胰腺炎后糖尿病的风险评估 | 医学影像 | 糖尿病 | 磁共振成像（MRI） | 深度学习 | 影像数据 | DREAM研究中的一部分参与者将参与并接受特定的MRI检查 | NA | NA | NA | NA |
| 1734 | 2024-08-07 |
Weakly Supervised Skull Stripping of Magnetic Resonance Imaging of Brain Tumor Patients
2022, Frontiers in neuroimaging
DOI:10.3389/fnimg.2022.832512
PMID:37555156
|
研究论文 | 评估Dense-Vnet在脑肿瘤患者MRI数据上进行颅骨剥离的表现 | 采用弱监督深度学习方法在存在病理情况下成功进行MRI脑提取 | 模型在健康患者数据上的表现略低于专门训练的健康患者模型 | 研究脑肿瘤患者MRI数据的颅骨剥离技术 | 脑肿瘤患者的MRI数据 | 计算机视觉 | 脑肿瘤 | MRI | Dense-Vnet | 图像 | 668名脑肿瘤患者的预治疗MRI数据 | NA | NA | NA | NA |
| 1735 | 2024-08-05 |
Repurposing of FDA approved drugs against Salmonella enteric serovar Typhi by targeting dihydrofolate reductase: an in silico study
2022-05, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2020.1850356
PMID:33251976
|
研究论文 | 本研究利用FDA批准药物针对伤寒沙门氏菌的二氢叶酸还原酶进行了药物再利用的计算研究 | 通过深度学习回归算法筛选FDA批准的药物库，发现四种药物对二氢叶酸还原酶具有潜在的抑制作用 | 研究仅基于计算模型，缺乏临床实验验证 | 开发有效的药物以克服伤寒沙门氏菌的耐药性 | FDA批准的1930种药物 | 计算机视觉 | 伤寒 | 深度学习回归算法, 分子对接, 分子动力学模拟 | NA | 化合物 | 1930种药物库 | NA | NA | NA | NA |
| 1736 | 2024-08-05 |
Adversarial Consistency for Single Domain Generalization in Medical Image Segmentation
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16449-1_64
PMID:38859913
|
研究论文 | 提出了一种可以在医疗图像分割中实现单域一般化的对抗一致性方法 | 创新性地提出了一个对抗域合成器（ADS）用于合成新的域，以实现对未见域的插值 | 缺乏多个域的训练数据可能会限制模型的推广能力 | 旨在开发一种可以在不同扫描设置下有效进行器官分割的方法 | 研究对象是医疗图像中的器官分割 | 数字病理学 | NA | 对抗训练 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 1737 | 2024-08-05 |
Predicting microbiome compositions from species assemblages through deep learning
2022-Mar, iMeta
IF:23.7Q1
DOI:10.1002/imt2.3
PMID:35757098
|
研究论文 | 本文提出了一种通过深度学习预测微生物群落组成的方法 | 开发了一种深度学习框架，能够在没有任何物理、生化或生态过程知识的情况下，从物种组合中自动学习群落组成的映射 | 虽然在合成数据和真实微生物群落数据上进行了验证，但未提及实际操作中的潜在限制 | 改善对不同物种组合如何影响微生物群落最终组成的预测能力 | 聚焦于海洋和土壤微生物群落、肠道微生物群落以及人类肠道和口腔微生物群落 | 计算机视觉 | NA | 深度学习 | NA | 合成数据和真实微生物群落数据 | 小数量的训练样本 | NA | NA | NA | NA |
| 1738 | 2024-08-05 |
MR image reconstruction from undersampled data for image-guided radiation therapy using a patient-specific deep manifold image prior
2022, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2022.1013783
PMID:36479074
|
研究论文 | 本研究提出了一种利用患者特定图像先验进行高质量MR图像重建的方法 | 该研究创新地利用患者特定的图像先验，结合深度自编码器来提高重建的MR图像质量 | 该研究的局限性在于仅针对特定患者数据进行测试，可能无法普遍适用 | 本研究旨在提高利用欠采样数据进行MR图像重建的质量，以用于图像引导放射治疗 | 研究对象包括一名患者案例和三名肝癌患者的真实病例研究 | 数字病理学 | 肝癌 | MRI | 深度自编码器 | 图像 | 4个患者案例（包括1个患者案例和3个肝癌患者案例） | NA | NA | NA | NA |
| 1739 | 2024-08-05 |
Using deep learning to automatically generate design starting points for free-form imaging optical systems
2022-Jul-20, Applied optics
IF:1.7Q3
DOI:10.1364/AO.460977
PMID:36256238
|
研究论文 | 本文提出了一种使用深度神经网络自动生成自由形状三镜成像系统设计起始点的方法 | 创新点在于使用深度神经网络结合双种子扩展曲线算法和编码优化自动生成设计起始点 | 该方法的局限性在于目前仅针对具有不同折叠配置的自由形状三镜系统进行验证 | 研究旨在减少自由形状成像系统的设计时间和精力 | 研究对象为自由形状三镜成像系统 | 光学设计 | NA | 深度学习 | 深度神经网络 | 数据集 | 多个数据集由双种子扩展曲线算法自动生成 | NA | NA | NA | NA |
| 1740 | 2024-08-05 |
Analysis of psychological characteristics and emotional expression based on deep learning in higher vocational music education
2022, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2022.981738
PMID:36211911
|
研究论文 | 本文探讨了基于深度学习的文本情感分析问题，提出了一种新的模型 | 提出了一种基于深度双向长短期记忆网络和自注意机制的自定义分类器模型 | 算法的准确性比传统算法低约5% | 研究文本情感分析的方法和模型 | 用户信息和产品信息 | 自然语言处理 | NA | 深度学习 | 深度双向长短期记忆网络 | 文本 | 公共数据集 | NA | NA | NA | NA |