深度学习在生物医药领域中的应用
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，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10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 121 篇文献，本页显示第 1 - 20 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-03-21 |
Challenges and opportunities in quantum machine learning
2022-Sep, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00311-3
PMID:38177473
|
综述 | 本文探讨了量子机器学习在加速数据分析方面的潜力，特别是在量子数据领域，并回顾了当前的方法和应用 | 强调了量子机器学习与经典机器学习之间的差异，特别是量子神经网络和量子深度学习 | 量子机器学习模型的可训练性仍存在挑战 | 探讨量子机器学习在量子材料、生物化学和高能物理等领域的应用潜力 | 量子数据及其在多个科学领域的应用 | 量子机器学习 | NA | NA | 量子神经网络, 量子深度学习 | 量子数据 | NA |
| 2 | 2025-03-11 |
Letter re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review: Label-free diagnostic technique to differentiate cancer cells from healthy cells
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.04.032
PMID:35717368
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3 | 2025-03-11 |
Response to letter entitled: Re: Integration of deep learning-based image analysis and genomic data in cancer pathology: A systematic review
2022-09, European journal of cancer (Oxford, England : 1990)
DOI:10.1016/j.ejca.2022.06.001
PMID:35781181
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4 | 2025-02-21 |
A Long Short-Term Memory-Based Approach for Detecting Turns and Generating Road Intersections from Vehicle Trajectories
2022-Sep-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22186997
PMID:36146345
|
研究论文 | 本文提出了一种基于长短期记忆（LSTM）的方法，用于从车辆轨迹中检测转弯并生成道路交叉口 | 使用深度学习技术，特别是LSTM模型，来检测转弯轨迹段（TTSs），并通过聚类生成交叉口的覆盖范围和内部结构 | 虽然该方法在检测精度和召回率上表现优异，但其性能可能受到不同区域道路模式和大小的变化影响 | 提高从车辆轨迹中检测道路交叉口的准确性和效率 | 车辆轨迹数据 | 机器学习 | NA | 深度学习 | LSTM | 轨迹数据 | 武汉市的车辆轨迹数据 |
| 5 | 2025-02-21 |
Interannual and seasonal variations of permafrost thaw depth on the Qinghai-Tibetan Plateau: A comparative study using long short-term memory, convolutional neural networks, and random forest
2022-Sep-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2022.155886
PMID:35569652
|
研究论文 | 本研究比较了随机森林、卷积神经网络和长短期记忆神经网络在估算青藏高原多年冻土活动层厚度和季节性解冻深度方面的性能 | 首次直接比较了机器学习和深度学习在多年冻土活动层厚度预测中的模型性能，并探讨了不同滞后时间对模型预测效果的影响 | 研究仅基于2003年至2011年的数据，可能无法完全反映最新的多年冻土变化趋势 | 准确估算青藏高原多年冻土活动层厚度和季节性解冻深度，以理解气候变暖对多年冻土的影响 | 青藏高原多年冻土活动层厚度和季节性解冻深度 | 机器学习 | NA | NA | 随机森林(RF)、卷积神经网络(CNN)、长短期记忆神经网络(LSTM) | 气象序列、现场观测数据、地理空间信息 | 2003年至2011年青藏高原多年冻土数据 |
| 6 | 2025-02-21 |
Attention-Emotion-Enhanced Convolutional LSTM for Sentiment Analysis
2022-09, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2021.3056664
PMID:33600326
|
研究论文 | 本文提出了一种名为AEC-LSTM的新模型，用于文本情感检测，旨在通过整合情感智能（EI）和注意力机制来改进LSTM网络 | 提出了一种结合情感智能和注意力机制的LSTM网络改进模型，通过情感调制器和情感估计器实现情感调制，并引入了主题级注意力机制 | 未提及具体的数据集规模或实验限制 | 改进文本情感检测的性能 | 文本数据 | 自然语言处理 | NA | NA | LSTM, CNN | 文本 | NA |
| 7 | 2025-02-21 |
Classification of overlapping spikes using convolutional neural networks and long short term memory
2022-09, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.105888
PMID:35872414
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）和长短期记忆网络（LSTM）的深度学习方法，用于实现重叠尖峰信号的分类 | 结合CNN和LSTM进行重叠尖峰信号的分类，相比之前的1D-CNN方法有更好的表现 | 未提及具体局限性 | 提高重叠尖峰信号的分类准确率，以更好地理解大脑活动 | 模拟数据和从猕猴初级视觉皮层记录的实验数据 | 机器学习 | NA | 深度学习 | CNN + LSTM | 尖峰信号数据 | 模拟数据和猕猴初级视觉皮层的实验数据 |
| 8 | 2025-02-09 |
Learning with Context Encoding for Single-Stage Cranial Bone Labeling and Landmark Localization
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16452-1_28
PMID:39911317
|
研究论文 | 本文提出了一种新颖的上下文编码约束神经网络，用于单阶段颅骨标记和地标定位 | 设计并引入了一种新的上下文编码模块到U-Net架构中，并引入了一个新的辅助任务来建模不同解剖地标的相对空间配置 | NA | 提高颅骨分割和地标检测的准确性和效率 | 颅骨和颅骨地标 | 计算机视觉 | NA | 深度学习 | U-Net | 3D CT图像 | 274名儿童的3D CT图像数据集 |
| 9 | 2025-02-07 |
Response to: Significance and stability of deep learning-based identification of subtypes within major psychiatric disorders. Molecular Psychiatry (2022)
2022-09, Molecular psychiatry
IF:9.6Q1
DOI:10.1038/s41380-022-01613-8
PMID:35681080
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10 | 2024-12-24 |
Sudden cardiac death in adults with congenital heart disease: Lessons to Learn from the ATROPOS registry
2022-Sep, International journal of cardiology. Congenital heart disease
DOI:10.1016/j.ijcchd.2022.100396
PMID:39713548
|
研究论文 | 本文探讨了成人先天性心脏病患者中突发性心脏死亡的风险因素，并介绍了ATROPOS注册研究的目标和方法 | 利用ATROPOS注册研究收集数据，并通过深度学习算法进行分析，以识别可靠的风险因素 | 由于成人先天性心脏病患者的总数较少，数据有限，且该群体异质性高，难以定义统一的风险因素 | 识别成人先天性心脏病患者突发性心脏死亡的可靠风险因素 | 成人先天性心脏病患者及其突发性心脏死亡事件 | NA | 心血管疾病 | 深度学习算法 | NA | NA | NA |
| 11 | 2024-12-08 |
Deep neural network enabled active metasurface embedded design
2022-Sep, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0152
PMID:39635158
|
研究论文 | 本文提出了一种利用深度学习方法进行光子器件中嵌入式主动超表面结构的前向建模和逆向设计的研究 | 结合神经网络设计和散射矩阵优化显著简化了计算开销，同时实现了精确的目标驱动设计 | NA | 研究光子器件中嵌入式主动超表面结构的前向建模和逆向设计 | 光子器件中的主动超表面结构 | 计算机视觉 | NA | 深度学习 | 神经网络 | NA | NA |
| 12 | 2024-12-08 |
Photonic (computational) memories: tunable nanophotonics for data storage and computing
2022-Sep, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0089
PMID:39635175
|
综述 | 本文综述了新兴的纳米光子器件及其在数据存储和计算中的应用 | 探讨了光子集成电路和光学纳米材料在芯片级光子存储中的新机遇 | 光子存储在存储密度上尚未能与电子数字存储相媲美 | 探讨如何通过光子存储和计算技术改进或超越传统的冯·诺依曼架构 | 纳米光子器件及其在光子存储和计算中的应用 | NA | NA | 光子集成电路 (PICs) | NA | NA | NA |
| 13 | 2024-12-08 |
Data enhanced iterative few-sample learning algorithm-based inverse design of 2D programmable chiral metamaterials
2022-Sep, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2022-0310
PMID:39635508
|
研究论文 | 提出了一种数据增强迭代少样本学习算法（DEIFS），用于精确高效地逆向设计多形状的二维手性超材料 | DEIFS算法通过数据增强和迭代过程，显著减少了数据集的大小，同时提高了逆向设计的速度和准确性，并增加了对实验结果的数据解释性 | NA | 实现二维手性超材料的精确和高效逆向设计 | 二维衍射手性结构，包括不同几何参数（宽度、分离空间、桥长和金长） | 计算机视觉 | NA | 数据增强迭代少样本学习算法（DEIFS） | NA | 光谱数据 | 涉及多种形状的二维手性超材料 |
| 14 | 2024-11-13 |
Emerging Themes in CryoEM─Single Particle Analysis Image Processing
2022-09-14, Chemical reviews
IF:51.4Q1
DOI:10.1021/acs.chemrev.1c00850
PMID:35785962
|
综述 | 本文综述了冷冻电镜（CryoEM）中单颗粒分析（SPA）图像处理的主要贡献 | 强调了算法在不同工作流程步骤中的时间演变，区分了分析方法和深度学习算法 | 讨论了CryoEM图像处理方法在SPA中仍需解决的新兴问题和挑战 | 回顾图像处理在CryoEM单颗粒分析重建工作流程中的主要贡献 | CryoEM单颗粒分析图像处理算法 | 计算机视觉 | NA | 冷冻电镜（CryoEM） | 深度学习算法 | 图像 | NA |
| 15 | 2024-10-18 |
Coronary CTA With AI-QCT Interpretation: Comparison With Myocardial Perfusion Imaging for Detection of Obstructive Stenosis Using Invasive Angiography as Reference Standard
2022-09, AJR. American journal of roentgenology
DOI:10.2214/AJR.21.27289
PMID:35441530
|
研究论文 | 本研究比较了人工智能定量CT（AI-QCT）解释的冠状动脉CTA与心肌灌注成像（MPI）在检测阻塞性冠状动脉疾病中的诊断性能 | AI-QCT在检测阻塞性冠状动脉疾病方面比MPI具有更高的诊断性能，并能显著减少不必要的下游侵入性测试和成本 | 本研究为回顾性事后分析，样本来自23个中心的CREDENCE试验，可能存在选择偏倚 | 比较AI-QCT解释的冠状动脉CTA与MPI在检测阻塞性冠状动脉疾病中的诊断性能，并评估其在诊断算法中的下游影响 | 冠状动脉CTA、MPI、AI-QCT、侵入性血管造影 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 301名患者（88名女性和213名男性；平均年龄64.4±10.2岁） |
| 16 | 2024-10-14 |
Deep learning fusion of satellite and social information to estimate human migratory flows
2022-Sep, Transactions in GIS : TG
IF:2.1Q2
DOI:10.1111/tgis.12953
PMID:38024452
|
研究论文 | 本文提出了一种基于深度学习的数据融合技术，结合卫星和人口普查数据来估计从墨西哥到美国的移民流动 | 本文创新性地将卫星图像和构建的社会经济矩阵相结合，通过卷积神经网络来估计移民流动 | NA | 研究目的是通过多模态数据融合来提高移民流动模型的准确性 | 研究对象是从墨西哥到美国的移民流动 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像和矩阵数据 | 涉及墨西哥各市的社会经济信息和卫星图像数据 |
| 17 | 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 |
| 18 | 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 |
| 19 | 2024-09-29 |
Hierarchical deep learning for predicting GO annotations by integrating protein knowledge
2022-09-30, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btac536
PMID:35929781
|
研究论文 | 提出了一种名为DeeProtGO的新型深度学习模型，用于通过整合蛋白质知识来预测GO注释 | DeeProtGO模型通过整合更多的蛋白质知识，显著提高了GO注释的预测质量 | NA | 开发一种可靠的计算系统，用于自动预测蛋白质功能注释，以应对高通量测序数据的增长 | 蛋白质功能注释的预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列数据 | 18种不同的预测问题，定义为三个GO子本体、蛋白质类型和分类学王国 |
| 20 | 2024-09-29 |
DefectTrack: a deep learning-based multi-object tracking algorithm for quantitative defect analysis of in-situ TEM videos in real-time
2022-Sep-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-19697-1
PMID:36127375
|
研究论文 | 提出了一种基于深度学习的实时多目标跟踪算法DefectTrack，用于定量分析原位透射电子显微镜视频中的缺陷 | 首次开发了专门用于跟踪原位透射电子显微镜视频中缺陷簇的深度学习多目标跟踪模型 | NA | 解决原位透射电子显微镜视频数据转化为缺陷簇动态属性信息的瓶颈问题 | 原位透射电子显微镜视频中的缺陷簇 | 计算机视觉 | NA | 深度学习 | 多目标跟踪模型 | 视频 | 测试集上的多目标跟踪精度为66.43%，大部分跟踪率为67.81% |