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 354 篇文献，本页显示第 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2024-08-07 |
A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1174525
PMID:38192743
|
研究论文 | 本研究利用时间序列图像编码和深度学习算法构建了一个运动损伤风险预测模型 | 采用时间序列图像编码和深度卷积自编码器（DCAE）进行特征提取，提高了模型的泛化能力和实用性 | 未提及具体限制 | 开发一种有效的运动损伤风险预测工具，以支持未来的运动损伤预防实践 | 运动损伤风险预测 | 机器学习 | NA | 时间序列图像编码，深度卷积自编码器（DCAE） | 深度神经网络（DNN） | 图像 | 未提及具体样本数量 |
| 322 | 2024-08-04 |
Applications of Artificial Intelligence and Deep Learning in Glaucoma
2023 Jan-Feb 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000596
PMID:36706335
|
研究论文 | 本文探讨了人工智能和深度学习在青光眼诊断和进展检测中的应用 | 提出了结合多种成像模态来改善青光眼评估的新的人工智能工具开发思路 | 目前大多数算法仅基于单一成像模态，且缺乏对治疗反应预测的相关研究 | 旨在改进青光眼的诊断和监测方式 | 研究目的是青光眼的诊断进程和算法的开发 | 计算机视觉 | 青光眼 | 人工智能 | 深度学习 | 图像 | NA |
| 323 | 2024-08-04 |
Clustered photoplethysmogram pulse wave shapes and their associations with clinical data
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1176753
PMID:37954447
|
研究论文 | 本文探讨了光电容积脉搏波形与临床数据之间的关系 | 提出了无监督机器学习和深度学习方法来克服数据标记的局限性 | 在处理真实数据时，为波形标记类别可能存在挑战 | 研究如何最有效地分类和识别光电容积脉搏波形 | 分析数字体积脉搏(DVP)的波形变异性和与临床数据的关联 | 机器学习 | NA | K-medoids聚类、卷积神经网络自编码器 | NA | 临床数据 | NA |
| 324 | 2024-08-05 |
Interpreting Infrared Thermography with Deep Learning to Assess the Mortality Risk of Critically Ill Patients at Risk of Hypoperfusion
2023-Jan, Reviews in cardiovascular medicine
IF:1.9Q3
DOI:10.31083/j.rcm2401007
PMID:39076877
|
研究论文 | 本研究旨在通过红外热成像结合深度学习方法评估危重病人低灌注风险的死亡风险 | 结合红外热成像和深度学习方法的创新应用，可提高对低灌注病人死亡风险的准确评估 | 研究为事后分析，可能受到临床数据收集和选择偏倚的影响 | 评估危重病人低灌注风险的死亡风险 | 373名高风险低灌注的危重病人 | 机器学习 | NA | 红外热成像，深度学习 | ResNet（18） | 热成像图像 | 373名病人 |
| 325 | 2024-08-05 |
Classification of Alzheimer's disease stages from magnetic resonance images using deep learning
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1490
PMID:37705614
|
研究论文 | 本文提出了一种基于深度学习的方法，通过磁共振成像（MRI）分类阿尔茨海默病（AD）的不同阶段 | 创新之处在于使用深度学习和多种网络架构（如EfficientNet、DenseNet和视觉变换器）来提高AD早期检测的精确度 | 研究的限制在于样本大小和样本的特定来源，可能影响结果的通用性 | 本研究旨在利用深度学习技术提高阿尔茨海默病早期诊断的准确性 | 研究对象为来自阿尔茨海默病神经影像倡议和开放获取成像研究系列数据库的MRI图像 | 计算机视觉 | 阿尔茨海默病 | 磁共振成像（MRI） | 3D卷积神经网络 | 图像 | 使用了来自多个数据库的特定MRI图像集，样本大小未明确说明 |
| 326 | 2024-08-05 |
Patient-level thyroid cancer classification using attention multiple instance learning on fused multi-scale ultrasound image features
2023, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:38222341
|
研究论文 | 该文章提出了一种基于注意力的多实例学习模型用于甲状腺癌的患者级分类。 | 创新性地结合了不同超声图像帧的全局和局部特征进行患者级恶性肿瘤分类。 | 目前模型仍然依赖于手动注释的肿块分割。 | 本研究旨在改善甲状腺结节的恶性肿瘤分类性能。 | 研究对象为超声图像中的甲状腺结节。 | 数字病理学 | 甲状腺癌 | 深度学习 | 多实例学习 | 图像 | NA |
| 327 | 2024-08-05 |
Structure-based prediction of T cell receptor:peptide-MHC interactions
2023-Jan-20, eLife
IF:6.4Q1
DOI:10.7554/eLife.82813
PMID:36661395
|
研究论文 | 本文评估了基于结构的模型在T细胞受体与肽-MHC相互作用预测中的潜力 | 利用深度神经网络的AlphaFold模型生成TCR:肽-MHC相互作用的结构模型 | 尽管当前的预测准确性较高，但在广泛的实际应用中仍需大量工作 | 研究T细胞受体对肽-MHC相互作用特异性的预测 | T细胞受体与肽-MHC相互作用 | 计算机视觉 | NA | 深度学习 | AlphaFold | NA | NA |
| 328 | 2024-08-05 |
PINNet: a deep neural network with pathway prior knowledge for Alzheimer's disease
2023, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2023.1126156
PMID:37520124
|
研究论文 | 提出了一种基于通路信息的神经网络PINNet，以预测阿尔茨海默病患者并分析血液和大脑的转录组特征 | 通过整合来自基因本体或京都基因组百科全书数据库的通路先验知识，提升了模型的可解释性并有助于识别阿尔茨海默病相关生物标志物 | 没有详细描述模型在其他类型样本上的通用性和适用性 | 开发一种能够识别阿尔茨海默病相关转录组特征的深度学习模型 | 研究对象为阿尔茨海默病患者的血液和大脑转录组特征 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度神经网络（DNN） | 基因表达 | NA |
| 329 | 2024-08-05 |
Development of a portable device to quantify hepatic steatosis in potential donor livers
2023, Frontiers in transplantation
DOI:10.3389/frtra.2023.1206085
PMID:38993883
|
研究论文 | 本文描述了一种便携设备的开发，用于量化潜在供体肝脏中的肝脏脂肪沉积 | 创新点在于开发了一个低成本的人工智能平台，能够实时评估供体肝活检切片中的肝脂肪含量 | 该设备依赖于硬件配置，可能在不同设备间表现不一 | 研究目的在于提高肝脏移植中的脂肪含量评估准确性 | 研究对象是供体肝脏活检切片中的脂肪球体 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA |
| 330 | 2024-08-05 |
Multitask Deep Ensemble Prediction of Molecular Energetics in Solution: From Quantum Mechanics to Experimental Properties
2023-Jan-06, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c01024
PMID:36607141
|
研究论文 | 本文提出了一种多任务深度集成模型sPhysNet-MT-ens5，能够同时准确预测分子在气相、水相和辛醇相的电子能量及转移自由能 | 该模型通过任务集成，克服了传统特定任务模型的局限，能在各种条件下高效预测分子能量 | 模型的表现可能受限于所使用的量子力学计算水平和训练数据的多样性 | 研究目标是开发能同时进行多种分子能量预测的机器学习模型 | 研究对象为包含678,916个分子构象的Frag20-solv-678k数据集，以及相关的实验数据集 | 机器学习 | NA | 量子力学计算 | 深度学习 | 分子构象数据 | 678,916个分子构象 |
| 331 | 2024-08-05 |
A Hybrid Intelligence Approach for Circulating Tumor Cell Enumeration in Digital Pathology by Using CNN and Weak Annotations
2023, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2023.3343701
PMID:38957613
|
研究论文 | 该论文提出了一种混合智能方法，通过结合细胞病理学家专业知识和深度学习卷积神经网络的效率，自动计数循环肿瘤细胞。 | 创新之处在于将蔡细胞病理学家的专业技能与深度学习技术相结合，实现了循环肿瘤细胞的自动计数。 | 此研究依赖于图像数据集，可能存在数据集的选择偏差和样本多样性不足的问题。 | 研究目的是通过混合智能方法提高循环肿瘤细胞的自动计数效率。 | 研究对象为循环肿瘤细胞（CTCs）。 | 数字病理学 | NA | 卷积神经网络（CNN）、支持向量机（SVM） | CNN | 图像 | 共收集了466张氟像图像用于CTC检测/定位，473张图像用于CTC分割，以及198张图像（包含323个CTC）作为独立数据集进行计数 |
| 332 | 2024-08-05 |
TRESTLE: Toolkit for Reproducible Execution of Speech, Text and Language Experiments
2023, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:37350929
|
研究论文 | 本文介绍了TRESTLE，一个专注于语音、文本和语言实验可重复执行的开源工具包 | TRESTLE提供了一种精确的数字蓝图用于数据预处理和选择策略，以帮助研究者获得可比较的结果 | 由于研究者在方法和数据选择策略上的差异，结果的直接比较仍然具有挑战性 | 旨在提升认知障碍与健康个体语言差异的研究可重复性 | 聚焦于来自TalkBank数据集的两种数据集，以痴呆检测作为示例领域 | 自然语言处理 | 认知障碍 | 深度学习 | NA | 文本数据 | NA |
| 333 | 2024-08-05 |
Exploring the Link Between Brain Waves and Sleep Patterns with Deep Learning Manifold Alignment
2023, The 4th Joint International Conference on Deep Learning, Big Data and Blockchain (DBB 2023). Joint International Conference on Deep Learning, Big Data and Blockchain (4th : 2023 : Marrakech, Morocco ; Online)
DOI:10.1007/978-3-031-42317-8_7
PMID:38939181
|
研究论文 | 本文探讨了脑电波与睡眠模式之间的关系，采用了深度学习流形对齐的新方法 | 创新点在于使用深度学习流形对齐方法来探索睡眠结构与EEG特征之间的关系 | 本文未提及研究的具体限制 | 研究睡眠架构与脑电图（EEG）特征之间的关系 | 多模态多睡眠监测数据集，包括PSG、ECG和EEG | 机器学习 | NA | 深度学习流形对齐 | NA | 多模态数据，包括文本、图像和音频 | NA |
| 334 | 2024-08-05 |
Automated Inline Myocardial Segmentation of Joint T1 and T2 Mapping Using Deep Learning
2023-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.220050
PMID:36721410
|
研究论文 | 本研究开发了一种人工智能解决方案，旨在实现联合心脏MRI短轴T1和T2映射的自动分割和分析 | 该研究创新性地使用深度学习方法实现了心脏MRI映射的自动分割，性能接近人类专家 | 该研究的局限在于使用的样本来自两家医院，可能影响结果的普遍适用性 | 开发一个自动化的AI分割和分析工具，提高心脏MRI的操作效率和准确性 | 从807名患者的4240个映射中选择的心脏MRI数据进行了分析 | 数字病理学 | NA | 人工智能 | 卷积神经网络 | 影像 | 4240个映射，来自807名患者 |
| 335 | 2024-08-05 |
Automated segmentation of five different body tissues on computed tomography using deep learning
2023-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15932
PMID:36008356
|
研究论文 | 该文开发并验证了一种用于CT扫描上五种不同身体组织的自动分割计算机工具。 | 文中采用了训练与标注相结合的策略，提高了注释效率，并比较了多种卷积神经网络在组织分割中的表现。 | 不同CNN模型在分割身体组织时未表现出显著差异。 | 旨在开发一种高效的计算工具，以自动化分割CT扫描显示的多种身体组织。 | 该研究对象为100个CT扫描样本，涉及内脏脂肪组织、皮下脂肪组织、肌肉及骨骼等多种身体组织。 | 计算机视觉 | NA | 卷积神经网络（CNN） | UNet, R2Unet, UNet++ | 图像 | 100个CT扫描样本 |
| 336 | 2024-08-05 |
Deep Learning Transformer Models for Building a Comprehensive and Real-time Trauma Observatory: Development and Validation Study
2023-Jan-12, JMIR AI
DOI:10.2196/40843
PMID:38875539
|
研究论文 | 本研究探讨了在法国建立国家创伤观察站的可行性，比较了几种自动语言处理方法的性能。 | 使用了经过法语语料预训练并在306,368条未标记临床笔记上进行自监督学习的GPTanam模型，展示了最佳性能。 | 需要进一步改进以扩展缩写和多输出多类分类。 | 研究在法国建立综合且实时的创伤观察站的可行性。 | 通过对69110条与创伤相关的临床笔记进行多类分类的研究。 | 自然语言处理 | NA | 深度学习，变换器模型 | 变换器模型 | 文本 | 69110条临床笔记 |
| 337 | 2024-08-05 |
Review of Performance Improvement of a Noninvasive Brain-computer Interface in Communication and Motor Control for Clinical Applications
2023, Juntendo Iji zasshi = Juntendo medical journal
DOI:10.14789/jmj.JMJ23-0011-R
PMID:38846633
|
综述 | 本文综述了非侵入性脑机接口（BCI）在通信和运动控制中的性能提升及其临床应用 | 通过总结近年来BCI系统的进展，强调了临床应用中的关键挑战和潜在解决方案 | 医学BCI领域的训练样本有限，因此深度学习模型没有得到充分利用 | 研究非侵入性BCI系统在临床应用中的性能提升与挑战 | 主要针对非侵入性脑机接口的进展和临床应用进行总结 | 计算机视觉 | NA | EEG | 深度学习模型 | EEG数据 | 样本量有限，主要针对困难生成EEG数据的患者 |
| 338 | 2024-08-05 |
Antibodies as drugs-a Keystone Symposia report
2023-01, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.14915
PMID:36382536
|
评论 | 本文讨论了抗体作为药物的最新研究进展 | 介绍了抗体治疗的最新方法及其在多种疾病中的应用 | 未提供具体的实验数据或研究样本 | 探讨抗体作为药物的研究前沿 | 关注于抗体的治疗潜力及其工程化 | NA | 肿瘤, 自身免疫疾病, 传染病 | 深度学习 | NA | NA | NA |
| 339 | 2024-08-05 |
Research on Educational Robot System Based on Vision Processing
2023-Jan-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23021038
PMID:36679835
|
研究论文 | 本文提出了一种机器人教学仪器，旨在提高教育机器人对复杂形状和颜色物体的识别效果 | 采用了伺服电机、驱动器和多种传感器实现闭环控制，并设计了三种实验方案 | 未详细说明机器人在实际教学中的应用效果和学生反馈 | 提高教育机器人在教学中的识别和操作能力 | 教育机器人及其相关实验方案 | 计算机视觉 | NA | 闭环控制 | 级联分类器 | NA | NA |
| 340 | 2024-08-05 |
RF-Alphabet: Cross Domain Alphabet Recognition System Based on RFID Differential Threshold Similarity Calculation Model
2023-Jan-13, Sensors (Basel, Switzerland)
DOI:10.3390/s23020920
PMID:36679717
|
研究论文 | 本文提出了一种低成本、非侵入性且可扩展的手势识别技术RF-alphabet。 | 通过设计双标签、双天线布局实现复杂、细粒度手势数据的完整捕捉，并结合差异阈值相似度计算预测模型进行实时特征分析。 | 未提及具体的局限性 | 该研究旨在推广无障碍沟通与人机交互技术的发展。 | 研究对象为26个复杂的、细粒度的域独立英文字母的手势识别。 | 人机交互 | 语言障碍 | RFID | 差异阈值相似度计算模型 | 信号 | NA |