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 401 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-09-10 |
PSTCNN: Explainable COVID-19 diagnosis using PSO-guided self-tuning CNN
2023, Biocell : official journal of the Sociedades Latinoamericanas de Microscopia Electronica ... et. al
IF:0.8Q4
DOI:10.32604/biocell.2021.0xxx
PMID:36570878
|
研究论文 | 本文提出了一种基于粒子群优化（PSO）引导的自调优卷积神经网络（PSTCNN），用于可解释的COVID-19诊断 | 引入了粒子群优化算法来自动调整卷积神经网络的超参数，减少了人工干预，并能更稳定地接近全局最优解 | 未提及 | 开发一种高效的深度学习模型，用于COVID-19的自动诊断，以缓解全球医疗资源不足的压力 | COVID-19的诊断 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 未提及 | NA | NA | NA | NA |
| 362 | 2024-09-10 |
EpiCas-DL: Predicting sgRNA activity for CRISPR-mediated epigenome editing by deep learning
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.11.034
PMID:36582444
|
研究论文 | 本文开发了一种深度学习框架EpiCas-DL，用于预测CRISPR介导的表观基因组编辑中sgRNA的活性 | EpiCas-DL在sgRNA活性预测方面具有高准确性，并优于其他现有方法 | NA | 优化sgRNA设计以提高CRISPR介导的表观基因组编辑效率 | sgRNA的活性及其在基因沉默和激活中的应用 | 机器学习 | NA | CRISPR | 深度学习框架 | 实验数据 | 数千个实验验证的靶点 | NA | NA | NA | NA |
| 363 | 2024-09-10 |
The PANDORA Software for Anchor-Restrained Peptide:MHC Modeling
2023, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3239-0_18
PMID:37258920
|
研究论文 | 本文介绍了PANDORA软件的协议，该软件用于生成锚定约束的肽:MHC三维结构模型 | PANDORA利用MHC分子用于锚定肽的结构知识，提供锚定位置作为约束来指导建模过程，能够在约5分钟内生成二十个3D模型 | NA | 开发一种能够快速准确生成肽:MHC三维结构模型的软件 | 肽:MHC复合物的三维结构 | 生物信息学 | NA | NA | NA | 结构模型 | NA | NA | NA | NA | NA |
| 364 | 2024-09-07 |
Deep Learning to Predict Mortality After Cardiothoracic Surgery Using Preoperative Chest Radiographs
2023-01, The Annals of thoracic surgery
DOI:10.1016/j.athoracsur.2022.04.056
PMID:35609650
|
研究论文 | 本文开发了一种深度学习模型，用于预测心脏手术后的死亡风险，基于术前胸部X光片 | 提出的深度学习模型CXR-CTSurgery在预测心脏手术后死亡风险方面具有与STS-PROM相似的区分度，并且在校准方面表现更好 | NA | 开发一种基于术前胸部X光片的深度学习模型，用于预测心脏手术后的死亡风险 | 心脏手术患者及其术前胸部X光片 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 9283名患者用于模型开发，3615名患者用于内部测试，2840名患者用于外部测试 | NA | NA | NA | NA |
| 365 | 2024-09-06 |
Consonant-Vowel Transition Models Based on Deep Learning for Objective Evaluation of Articulation
2023, IEEE/ACM transactions on audio, speech, and language processing
DOI:10.1109/taslp.2022.3209937
PMID:36712557
|
研究论文 | 本文提出了一种基于深度学习的辅音-元音过渡模型，用于客观评估发音 | 提出了一个名为客观发音测量（OAM）的新指标，通过分析辅音-元音过渡区域来评估发音的准确性 | NA | 开发一种客观测量发音准确性的方法 | 辅音-元音过渡区域的发音准确性 | 自然语言处理 | NA | 卷积神经网络 | CNN | 语音 | 包括成人构音障碍语音、唇腭裂儿童语音以及母语为普通话和西班牙语的英语口音语音的数据库 | NA | NA | NA | NA |
| 366 | 2024-09-05 |
Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study
2023 Jan-Dec, JMIR AI
DOI:10.2196/45000
PMID:37771410
|
研究论文 | 开发了一种基于人工智能的软件原型，用于从电子健康记录中提取与阿片类药物相关的药物不良事件信号，以增强美国食品药品监督管理局（FDA）的药物安全性和研究活动 | 利用自然语言处理和其他人工智能技术，从电子健康记录中自动提取临床有用信息，提高药物安全信号检测的效率 | 需要进一步优化用户界面和功能，以满足不同用户的需求 | 开发一种新型人工智能驱动的软件原型，用于从电子健康记录的自由文本出院总结中识别药物不良事件安全信号，以增强阿片类药物的安全性和研究活动 | 阿片类药物的药物不良事件安全信号 | 自然语言处理 | NA | 自然语言处理（NLP） | 深度学习 | 文本 | 15名FDA工作人员 | NA | NA | NA | NA |
| 367 | 2024-09-05 |
Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study
2023 Jan-Dec, JMIR AI
DOI:10.2196/46769
PMID:38090533
|
研究论文 | 本研究开发并评估了一种自监督学习模型ContraWR，用于从大量未标记的脑电图（EEG）信号中学习鲁棒的向量表示，以自动化睡眠分期任务。 | 提出了一种新的自监督模型ContraWR，该模型使用数据集的全局统计信息（即平均表示）来区分不同睡眠阶段的信号，而不是使用一组负样本。 | 未来的研究方向包括探索任务特定的数据增强和将自监督方法与监督方法结合，以进一步提高性能。 | 旨在从大量未标记的EEG信号中学习鲁棒的向量表示，以提高睡眠分期任务的预测性能。 | EEG信号的向量表示学习。 | 机器学习 | NA | 自监督学习 | ContraWR | EEG数据 | 3个大型EEG数据集 | NA | NA | NA | NA |
| 368 | 2024-08-29 |
Integrated mRNA sequence optimization using deep learning
2023-01-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad001
PMID:36642413
|
研究论文 | 本文开发了一种名为iDRO的新算法，利用深度学习技术优化mRNA序列，以适应人类细胞 | 首次引入深度学习方法进行mRNA序列的综合优化 | NA | 优化外源基因如严重急性呼吸综合征冠状病毒2刺突蛋白的mRNA序列，以适应人类细胞 | mRNA序列优化 | 机器学习 | NA | 深度学习 | BiLSTM-CRF, RNA-Bart | 序列数据 | NA | NA | NA | NA | NA |
| 369 | 2024-08-28 |
HistoPerm: A permutation-based view generation approach for improving histopathologic feature representation learning
2023, Journal of pathology informatics
DOI:10.1016/j.jpi.2023.100320
PMID:37457594
|
研究论文 | 本文介绍了一种基于排列的视图生成方法HistoPerm，用于改进组织学图像的特征表示学习 | HistoPerm通过排列增强视图来提高分类性能，无需大量标记图像 | NA | 旨在解决深度学习方法在数字病理学中需要大量标记图像的问题 | HistoPerm方法在乳糜泻和肾细胞癌数据集上的有效性 | 数字病理学 | 肾细胞癌 | NA | 联合嵌入架构 | 图像 | 两个组织学图像数据集 | NA | NA | NA | NA |
| 370 | 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 | NA | NA | NA | NA |
| 371 | 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 | NA | NA | NA | NA |
| 372 | 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 | NA | NA | NA | NA |
| 373 | 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 | NA | NA | NA | NA |
| 374 | 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 | NA | NA | NA | NA |
| 375 | 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 | NA | NA | NA | NA |
| 376 | 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 | NA | NA | NA | NA |
| 377 | 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 | NA | NA | NA | NA |
| 378 | 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 | NA | NA | NA | NA |
| 379 | 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 | NA | NA | NA | NA |
| 380 | 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 | NA | NA | NA | NA |