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 98 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-09-29 |
Deep learning tools for advancing drug discovery and development
2022-May, 3 Biotech
IF:2.6Q3
DOI:10.1007/s13205-022-03165-8
PMID:35433167
|
综述 | 本文综述了深度学习工具在药物发现和开发中的应用 | 介绍了深度学习在药物发现过程中的多种应用，包括药物靶点识别、药物-靶点相互作用、蛋白质结构预测等 | 讨论了当前深度学习工具在药物发现和开发中面临的挑战和前景 | 探讨深度学习技术如何加速药物发现和开发过程 | 药物发现和开发过程中的各个环节 | 机器学习 | NA | 深度学习 | NA | 多组学数据 | NA | NA | NA | NA | NA |
| 22 | 2024-09-28 |
Histopathologic Oral Cancer Prediction Using Oral Squamous Cell Carcinoma Biopsy Empowered with Transfer Learning
2022-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s22103833
PMID:35632242
|
研究论文 | 本文提出了一种利用迁移学习模型和AlexNet卷积神经网络从口腔鳞状细胞癌（OSCC）活检图像中提取特征，以预测口腔癌的方法 | 本文的创新点在于使用迁移学习模型和AlexNet卷积神经网络来提高口腔癌检测的准确性 | 本文的局限性在于仅使用了AlexNet模型，未探讨其他深度学习模型的效果 | 本文的研究目的是提高口腔癌检测的准确性 | 本文的研究对象是口腔鳞状细胞癌（OSCC）活检图像 | 计算机视觉 | 口腔癌 | 迁移学习 | 卷积神经网络（CNN） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 23 | 2024-09-28 |
Electromagnetic wave-based extreme deep learning with nonlinear time-Floquet entanglement
2022-May-12, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-30297-5
PMID:35552403
|
研究论文 | 本文探讨了基于电磁波的极端深度学习方法，通过非线性时间-Floquet纠缠实现高效的模拟信号处理 | 本文引入了时间-Floquet物理来诱导信号输入在不同频率间的强非线性纠缠，从而实现了一种高效且灵活的波平台用于模拟极端深度学习 | NA | 解决传统电磁材料非线性弱的问题，实现复杂神经形态计算任务 | 电磁波在人工工程介质中的传播及其在模拟信号处理中的应用 | 机器学习 | NA | NA | 极端学习机和储层计算 | 模拟信号 | NA | NA | NA | NA | NA |
| 24 | 2024-09-28 |
Omicron BA.2 (B.1.1.529.2): High Potential for Becoming the Next Dominant Variant
2022-May-05, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.2c00469
PMID:35467344
|
研究论文 | 本文研究了Omicron变种的三个亚型BA.1、BA.2和BA.3，特别是BA.2的再感染能力及其成为下一个主导变种的潜力 | 构建了一种基于代数拓扑的深度学习模型，系统评估了BA.2和BA.3的传染性、疫苗突破能力和抗体抵抗能力 | 目前没有关于BA.2和BA.3的实验数据 | 评估BA.2和BA.3是否会成为新的主导变种 | Omicron变种的亚型BA.1、BA.2和BA.3 | 机器学习 | NA | 深度学习 | 代数拓扑模型 | NA | NA | NA | NA | NA | NA |
| 25 | 2024-09-25 |
Self-Supervised Learning Methods for Label-Efficient Dental Caries Classification
2022-May-16, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics12051237
PMID:35626392
|
研究论文 | 本文提出了一种利用自监督学习方法进行高效标签的牙釉质龋齿分类的研究 | 本文首次将自监督学习方法应用于牙釉质龋齿分类，显著提高了标签效率和分类性能 | 研究仅限于牙釉质龋齿分类，未涉及其他口腔疾病 | 探索自监督学习在医疗图像分析中的应用，特别是在标签获取成本高昂的情况下 | 牙釉质龋齿分类 | 计算机视觉 | 口腔疾病 | 自监督学习 | 神经网络 | 图像 | 38,000张未标记的咬翼片放射图像和343张标记的咬翼片放射图像 | NA | NA | NA | NA |
| 26 | 2024-09-23 |
MusMorph, a database of standardized mouse morphology data for morphometric meta-analyses
2022-05-25, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-022-01338-x
PMID:35614082
|
研究论文 | 本文介绍了MusMorph数据库，该数据库包含标准化的小鼠形态数据，用于形态学元分析 | 创建了MusMorph数据库，通过图像配准、深度学习和形态测量技术相结合的图谱基础表型分析流程，实现了小鼠形态数据的标准化 | NA | 旨在为形态变异的元分析提供标准化的小鼠形态数据 | 小鼠的颅面复合体和大脑的形态变异 | NA | NA | 图像配准、深度学习、形态测量 | NA | 图像 | 10,056只小鼠样本，涵盖多个基因型和发育阶段 | NA | NA | NA | NA |
| 27 | 2024-09-23 |
CancerVar: An artificial intelligence-empowered platform for clinical interpretation of somatic mutations in cancer
2022-05-06, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.abj1624
PMID:35544644
|
研究论文 | 开发了一个名为CancerVar的人工智能平台，用于根据AMP/ASCO/CAP 2017指南自动化和标准化解释1300万个体细胞突变，并引入深度学习框架预测这些突变的致癌性 | CancerVar整合了临床指南和深度学习框架，自动化和标准化解释体细胞突变，减少了人工工作，提高了变异分类的一致性 | NA | 开发一个自动化和标准化的平台，用于临床解释癌症中的体细胞突变 | 1300万个体细胞突变及其致癌性预测 | 机器学习 | 癌症 | 深度学习 | 深度学习框架 | 突变数据 | 1300万个体细胞突变 | NA | NA | NA | NA |
| 28 | 2024-09-23 |
Chromatin interaction-aware gene regulatory modeling with graph attention networks
2022-05, Genome research
IF:6.2Q1
DOI:10.1101/gr.275870.121
PMID:35396274
|
研究论文 | 本文介绍了一种新的深度学习方法GraphReg，利用染色质三维相互作用来预测基因表达 | GraphReg通过使用图注意力网络，能够更准确地建模基因调控并预测基因表达水平，优于现有的深度学习方法 | NA | 解决调控基因组学中长期未解决的问题，即远端增强子与基因的关联及其对目标基因表达的影响 | 基因表达预测和功能增强子的识别 | 机器学习 | NA | 染色质构象捕获技术 | 图注意力网络 | 基因组数据 | NA | NA | NA | NA | NA |
| 29 | 2024-09-23 |
Machine Learning to Predict Risk of Relapse Using Cytologic Image Markers in Patients With Acute Myeloid Leukemia Posthematopoietic Cell Transplantation
2022-05, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.21.00156
PMID:35522898
|
研究论文 | 本文研究了使用细胞学图像标记预测急性髓系白血病患者造血细胞移植后复发风险的方法 | 本文首次探索了从髓母细胞染色质模式中提取的形态和纹理特征是否有助于预测复发和预测无复发生存期 | 本文的局限性在于样本量较小，且仅限于急性髓系白血病和骨髓增生异常综合征患者 | 研究目的是探索计算机提取的髓母细胞染色质模式的形态和纹理特征是否能帮助预测造血细胞移植后的复发和无复发生存期 | 研究对象为急性髓系白血病和骨髓增生异常综合征患者 | 机器学习 | 急性髓系白血病 | 深度学习 | CNN | 图像 | 92名患者，分为训练集52名和验证集40名 | NA | NA | NA | NA |
| 30 | 2024-09-23 |
Annotating functional effects of non-coding variants in neuropsychiatric cell types by deep transfer learning
2022-05, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010011
PMID:35576194
|
研究论文 | 本文开发了一种基于深度迁移学习的模型MetaChrom，用于注释神经精神细胞类型中非编码变异的功能效应 | MetaChrom模型通过迁移学习利用公共表观基因组数据集的信息，提高了对神经发育相关细胞/组织类型中染色质可及性变异的预测准确性 | NA | 开发一种新的计算方法，用于优先考虑和解释与神经精神性状相关的非编码变异的分子机制 | 神经精神性状相关的非编码变异及其功能效应 | 机器学习 | 神经精神疾病 | 深度学习 | 卷积神经网络（ResNet） | DNA序列 | 大量神经发育相关的细胞/组织类型 | NA | NA | NA | NA |
| 31 | 2024-09-23 |
Framework for denoising Monte Carlo photon transport simulations using deep learning
2022-05, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.27.8.083019
PMID:35614533
|
研究论文 | 本文提出了一种利用深度学习技术去噪蒙特卡罗光子传输模拟的框架 | 开发了一种结合DnCNN和UNet的级联网络，并扩展了多种图像去噪神经网络架构，用于处理三维蒙特卡罗数据 | NA | 开发一种有效的图像去噪技术，以显著提高低光子蒙特卡罗模拟结果的质量，从而加速蒙特卡罗方法 | 蒙特卡罗光子传输模拟中的噪声问题 | 计算机视觉 | NA | 深度学习 | 级联网络（DnCNN和UNet的结合） | 三维蒙特卡罗数据 | NA | NA | NA | NA | NA |
| 32 | 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 |
| 33 | 2024-09-11 |
FastSurferVINN: Building resolution-independence into deep learning segmentation methods-A solution for HighRes brain MRI
2022-05-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2022.118933
PMID:35122967
|
研究论文 | 本文介绍了一种名为FastSurferVINN的神经网络模型，用于在高分辨率脑部MRI图像上进行分辨率无关的分割任务 | 首次提出了一种支持0.7-1.0毫米全脑分割的分辨率无关神经网络（VINN），并显著优于现有方法 | NA | 开发一种能够在不同分辨率下进行脑部MRI图像分割的深度学习方法 | 高分辨率脑部MRI图像的分割 | 计算机视觉 | NA | 深度学习 | 神经网络（VINN） | 图像 | NA | NA | NA | NA | NA |
| 34 | 2024-09-11 |
INASNET: Automatic identification of coronavirus disease (COVID-19) based on chest X-ray using deep neural network
2022-May, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2022.02.033
PMID:35300854
|
研究论文 | 本文提出了一种基于深度神经网络的系统，用于通过胸部X光片自动识别COVID-19感染 | 本文提出了一种名为INASNET的新模型，结合了InceptionNet和神经网络架构搜索，以实现更高的预测速度和准确性 | NA | 开发一种经济实惠且高效的COVID-19检测方法，帮助医生和医疗工作者快速识别感染者 | COVID-19感染的胸部X光片图像 | 计算机视觉 | COVID-19 | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 35 | 2024-09-10 |
Forecasting COVID-19 new cases using deep learning methods
2022-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.105342
PMID:35247764
|
研究论文 | 本文使用三种深度学习模型（CNN、LSTM和CNN-LSTM）预测巴西、印度和俄罗斯的COVID-19新增病例，并与现有模型进行性能比较 | 本文开发的LSTM模型在预测准确性上有所提高，相比现有模型表现更好 | 模型仅应用于巴西、印度和俄罗斯的数据，但可扩展到其他国家的数据集 | 预测COVID-19新增病例，支持全球抗击疫情 | 巴西、印度和俄罗斯的COVID-19新增病例 | 机器学习 | 传染病 | 深度学习 | CNN、LSTM、CNN-LSTM | 时间序列数据 | 巴西、印度和俄罗斯的数据 | NA | NA | NA | NA |
| 36 | 2024-09-10 |
MultiR-Net: A Novel Joint Learning Network for COVID-19 segmentation and classification
2022-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.105340
PMID:35305504
|
研究论文 | 本文提出了一种名为MultiR-Net的3D深度学习模型，用于COVID-19的分类和病变分割，以实现实时且可解释的胸部CT诊断 | 本文创新性地提出了MultiR-Net模型，结合了病变分割和疾病分类两个任务，并通过反向注意力机制和迭代训练策略增强了两个子网之间的特征融合 | 本文未详细讨论模型的计算资源需求和训练时间，且未提及模型在不同数据集上的泛化能力 | 开发一种能够同时进行COVID-19分类和病变分割的深度学习模型，以提高胸部CT诊断的准确性和效率 | COVID-19、社区获得性肺炎（CAP）和健康人群的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | 3D深度学习模型 | CT扫描图像 | 275个3D CT扫描图像，用于COVID-19、CAP和健康人群的分类以及肺炎患者的病变分割 | NA | NA | NA | NA |
| 37 | 2024-09-08 |
Digital breast tomosynthesis-based peritumoral radiomics approaches in the differentiation of benign and malignant breast lesions
2022-May, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.5152/dir.2022.20664
PMID:35748203
|
研究论文 | 评估基于数字乳腺断层合成（DBT）的放射组学方法在区分良性与恶性乳腺病变中的应用 | 开发了一种结合DBT影像特征和临床因素（年龄和月经状态）的放射组学列线图，用于辅助乳腺癌的临床诊断 | 研究样本量较小，且仅限于特定时间段内的患者 | 评估基于DBT的放射组学在区分良性与恶性乳腺病变中的有效性 | 良性与恶性乳腺病变 | 数字病理学 | 乳腺癌 | 放射组学 | 列线图 | 影像 | 185名接受DBT扫描的患者 | NA | NA | NA | NA |
| 38 | 2024-09-07 |
Estimating muscle activation from EMG using deep learning-based dynamical systems models
2022-05-19, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ac6369
PMID:35366649
|
研究论文 | 本文提出了一种基于深度学习动态系统模型的方法，用于从肌电图（EMG）信号中估计肌肉激活 | 本文采用了AutoLFADS，一种大规模无监督深度学习方法，最初设计用于去噪皮层尖峰数据，以估计多肌肉EMG信号中的肌肉激活 | NA | 研究运动神经控制，估计在各种行为条件下肌肉的激活情况 | 肌肉激活的潜在神经命令信号 | 机器学习 | NA | 深度学习 | 循环神经网络 | 肌电图信号 | 涉及大鼠后肢和猴子前臂肌肉活动 | NA | NA | NA | NA |
| 39 | 2024-09-04 |
Unveiling two-dimensional magnesium hydride as a hydrogen storage material via a generative adversarial network
2022-May-17, Nanoscale advances
IF:4.6Q2
DOI:10.1039/d1na00862e
PMID:36133700
|
研究论文 | 本研究利用基于人工智能的晶体逆设计方法探索二维纯净氢化镁（MgH）的新相，并验证其作为氢储存介质的可能性 | 揭示了一种新的二维MgH相，具有4̄2空间群，并通过密度泛函理论计算验证了其电子和动态特性 | NA | 探索二维MgH作为氢储存材料的新相及其电子和动态特性 | 二维MgH晶体结构及其作为氢储存介质的可行性 | 机器学习 | NA | 密度泛函理论（DFT）计算 | 生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 40 | 2024-09-04 |
A Generic Deep Learning Based Cough Analysis System From Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels
2022-May, IEEE transactions on services computing
IF:5.5Q1
DOI:10.1109/TSC.2021.3061402
PMID:35936760
|
研究论文 | 本文提出了一种基于深度学习的咳嗽分析系统，用于从临床验证的样本中进行即时Covid-19检测和严重程度分级。 | 该研究采用了基于经验模态分解（EMD）的算法进行咳嗽声音检测，并使用深度人工神经网络分类器进行分类，创新性地开发了DeepCough2D和DeepCough3D两种版本。 | 研究依赖于临床实验室的qRT-PCR结果和淋巴细胞计数来标记样本，可能存在实验室误差。 | 旨在开发一种经济、易获取的即时Covid-19诊断测试工具，以帮助快速识别病毒携带者并减少感染率。 | 研究对象为Covid-19阳性及阴性患者的咳嗽声音样本。 | 机器学习 | Covid-19 | qRT-PCR | CNN | 音频 | 所有收集的样本均经过临床标记，包括Covid-19阳性或阴性，以及基于qRT-PCR阈值循环（Ct）和淋巴细胞计数的疾病严重程度。 | NA | NA | NA | NA |