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 2011 篇文献，本页显示第 201 - 220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 201 | 2025-02-02 |
Digital staining facilitates biomedical microscopy
2023, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2023.1243663
PMID:37564725
|
研究论文 | 本文探讨了使用深度学习技术进行数字染色以简化生物医学显微镜中的染色过程 | 提出了使用深度学习技术进行虚拟染色的方法，避免了传统染色方法的耗时、费力、昂贵和样本损伤等问题 | 未提及具体的技术局限或实验结果的限制 | 旨在改进生物医学显微镜中的样本制备和成像过程 | 生物样本的显微镜成像 | 数字病理学 | NA | 深度学习 | 神经网络 | 图像 | NA |
| 202 | 2025-01-19 |
Artificial intelligence for natural product drug discovery
2023-11, Nature reviews. Drug discovery
DOI:10.1038/s41573-023-00774-7
PMID:37697042
|
研究论文 | 本文探讨了计算组学技术和人工智能在天然产物药物发现中的协同作用 | 结合计算组学技术和机器学习，提出了一种新的方法来发现天然产物中的药物候选分子 | 需要高质量的数据集来训练深度学习算法，并且需要适当的算法验证策略 | 探索如何有效地从自然界产生的众多分子中识别药物候选分子 | 天然产物 | 机器学习 | NA | 计算组学技术 | 深度学习 | 分子数据 | NA |
| 203 | 2024-09-27 |
NuFold: A Novel Tertiary RNA Structure Prediction Method Using Deep Learning with Flexible Nucleobase Center Representation
2023-Sep-22, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.20.558715
PMID:37790488
|
研究论文 | 提出了一种新的RNA三级结构预测方法NuFold，利用深度学习技术结合灵活的核苷酸中心表示 | 引入了NuFold方法，使用核苷酸中心表示来准确预测RNA的三级结构 | NA | 开发一种成本效益高且高效的计算方法来预测RNA的三级结构 | RNA的三级结构 | 机器学习 | NA | 深度学习 | NuFold | RNA序列 | NA |
| 204 | 2025-01-29 |
Deep-learning-based image segmentation for image-based computational hemodynamic analysis of abdominal aortic aneurysms: a comparison study
2023-09-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/acf3ed
PMID:37625388
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 205 | 2025-01-29 |
Evolution of Breast Cancer Recurrence Risk Prediction: A Systematic Review of Statistical and Machine Learning-Based Models
2023-08, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00049
PMID:37566789
|
系统综述 | 本文系统回顾了2008年至2022年间发表的统计和机器学习模型，用于预测乳腺癌复发风险 | 本文首次系统性地比较了统计和机器学习模型在乳腺癌复发风险预测中的应用，并强调了患者种族多样性的重要性 | 机器学习模型的实用性可能受到解释性有限和泛化能力降低的限制，且现有模型主要忽略了非洲和中东人群 | 评估和比较统计与机器学习模型在乳腺癌复发风险预测中的表现 | 乳腺癌复发风险预测模型 | 机器学习 | 乳腺癌 | 统计方法和机器学习方法 | 支持向量机、决策树、逻辑回归、朴素贝叶斯、深度学习、集成学习 | 回顾性临床数据 | 163篇论文，其中23篇被进一步分析 |
| 206 | 2025-01-29 |
Dual-sensory fusion self-powered triboelectric taste-sensing system towards effective and low-cost liquid identification
2023-08, Nature food
IF:23.6Q1
DOI:10.1038/s43016-023-00817-7
PMID:37563492
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 207 | 2025-01-25 |
Shape-Aware 3D Small Vessel Segmentation with Local Contrast Guided Attention
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43901-8_34
PMID:38500803
|
研究论文 | 本文提出了一种新颖的自监督网络，用于从3D成像数据中改进小血管的检测 | 提出了一种形状感知的基于通量的测量方法，以及局部对比度引导的注意力和增强模块，以提高低对比度血管区域的血管性响应 | 依赖于现有成像技术的相对有限分辨率，且需要熟练专家进行精确的像素级注释 | 改进从3D成像数据中检测小血管的自动化分割和分析 | 小血管 | 计算机视觉 | NA | 自监督学习 | 自监督网络 | 3D成像数据 | 多个3D数据集 |
| 208 | 2025-01-25 |
Deep learning-based Fast Volumetric Image Generation for Image-guided Proton FLASH Radiotherapy
2023-Jul-26, Research square
DOI:10.21203/rs.3.rs-3112632/v1
PMID:37546731
|
研究论文 | 本文提出了一种基于深度学习的快速体积图像生成框架，用于质子FLASH放射治疗的图像引导 | 开发了一种新的深度学习框架，能够从正交X射线投影中快速重建体积图像，用于质子FLASH放射治疗的精确目标定位 | 研究仅基于30名患者的有限数据集，且仅针对肺部目标进行了验证 | 开发一种快速体积图像重建框架，以支持质子FLASH放射治疗的精确目标定位 | 肺部目标患者 | 医学影像 | 肺癌 | 深度学习 | 深度学习模型 | CT图像 | 30名肺部目标患者，每人有十个呼吸相的四维CT数据集 |
| 209 | 2025-01-25 |
Early diagnosis of COVID-19-affected patients based on X-ray and computed tomography images using deep learning algorithm
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05275-y
PMID:32904395
|
研究论文 | 本研究利用深度学习算法对COVID-19患者的X射线和计算机断层扫描图像进行早期诊断 | 使用卷积神经网络方法对VGG-19、Inception_V2和决策树模型进行二分类肺炎转换，以实现COVID-19的早期诊断 | 数据集仅包含360张图像，样本量较小 | 开发一种基于深度学习的早期诊断方法，以应对COVID-19的快速传播 | COVID-19患者的X射线和计算机断层扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN（VGG-19, Inception_V2）, 决策树 | 图像 | 360张X射线和CT扫描图像 |
| 210 | 2025-01-25 |
COVID-CheXNet: hybrid deep learning framework for identifying COVID-19 virus in chest X-rays images
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-020-05424-3
PMID:33250662
|
研究论文 | 本文开发了一种名为COVID-CheXNet的混合深度学习框架，用于在胸部X光图像中识别COVID-19病毒 | 结合了ResNet34和高分辨率网络模型的预训练深度学习模型，采用并行架构，提高了诊断的准确性和速度 | 未提及模型在不同数据集上的泛化能力及实际临床应用的广泛验证 | 开发快速准确的COVID-19病毒诊断系统，以减轻放射科医生的压力并控制疫情 | 胸部X光图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet34, 高分辨率网络模型 | 图像 | 大规模数据集 |
| 211 | 2025-01-25 |
Performance evaluation of deep learning techniques for lung cancer prediction
2023, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-023-08313-7
PMID:37255920
|
研究论文 | 本文评估了深度学习技术在肺癌预测中的性能 | 通过实验多种深度学习模型，识别出在肺癌预测中表现最佳的技术 | 未提及具体的数据集大小或模型的具体限制 | 评估深度学习技术在肺癌早期预测中的性能 | 肺癌 | 计算机视觉 | 肺癌 | 深度学习 | 多种深度学习模型 | 胸部X光图像或CT扫描 | 未提及具体样本数量 |
| 212 | 2025-01-24 |
Deep Learning Models for Predicting Left Heart Abnormalities From Single-Lead Electrocardiogram for the Development of Wearable Devices
2023-12-25, Circulation journal : official journal of the Japanese Circulation Society
IF:3.1Q2
DOI:10.1253/circj.CJ-23-0216
PMID:37967949
|
研究论文 | 本研究开发了基于单导联心电图（Lead I ECG）的深度学习模型，用于预测左心异常，以支持可穿戴设备的发展 | 首次利用单导联心电图数据开发深度学习模型，用于检测多种左心异常，并在多中心数据集上验证其性能优于或等同于心脏病专家使用12导联心电图的诊断结果 | 研究依赖于特定数据集，可能无法完全推广到其他人群或设备 | 开发基于单导联心电图的深度学习模型，用于预测左心异常，以支持可穿戴设备的应用 | 左心异常（包括低射血分数、室壁运动异常、左心室肥厚、左心室扩张和左心房扩张） | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | 229,439对心电图和超声心动图数据，来自8个设施，并在2个设施的外部数据上验证 |
| 213 | 2025-01-23 |
A Longitudinal MRI-Based Artificial Intelligence System to Predict Pathological Complete Response After Neoadjuvant Therapy in Rectal Cancer: A Multicenter Validation Study
2023-12-01, Diseases of the colon and rectum
DOI:10.1097/DCR.0000000000002931
PMID:37682775
|
研究论文 | 开发并验证了一个基于新辅助放化疗前后MRI对比的深度学习模型，用于预测直肠癌患者的病理完全缓解 | 开发了一个多任务深度学习模型（DeepRP-RC），能够同时进行分割和预测，并在多个外部验证集上表现出色 | 研究设计为回顾性，且缺乏多民族数据 | 预测直肠癌患者在新辅助放化疗后的病理完全缓解 | 1201名被诊断为局部晚期直肠癌并接受新辅助放化疗的患者 | 数字病理 | 直肠癌 | MRI | 深度学习模型（DeepRP-RC） | 图像 | 1201名患者 |
| 214 | 2025-01-23 |
A comprehensive survey of complex brain network representation
2023-Nov, Meta-radiology
DOI:10.1016/j.metrad.2023.100046
PMID:39830588
|
综述 | 本文综述了利用神经影像数据理解大脑结构和功能变化及其与神经退行性疾病和其他临床表型关系的最新进展 | 本文综合了传统方法和深度学习技术在脑网络挖掘中的应用，并探讨了该领域的未来研究方向 | 本文主要关注方法学综述，未涉及具体实验数据或结果 | 探讨脑网络分析的传统方法和深度学习方法 | 神经影像数据及其衍生的脑网络 | 机器学习 | 神经退行性疾病 | NA | 深度学习 | 神经影像数据 | NA |
| 215 | 2025-01-23 |
Gadolinium-Free Cardiac MRI Myocardial Scar Detection by 4D Convolution Factorization
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43895-0_60
PMID:39829676
|
研究论文 | 本文提出了一种新型的深度时空残差注意力网络（ST-RAN），用于在无钆对比剂的心脏磁共振成像中检测心肌瘢痕 | 提出了一个新型的因子化4D（3D+时间）卷积层，结合时空注意力机制，以提取丰富的全心脏特征并跟踪帧间的长程时间关系，同时引入了残差注意力块来提取不同尺度的时空特征，以检测与瘢痕相关的细微对比变化 | 尽管模型在缺血性和非缺血性心脏病中表现出色，但仍需进一步验证其在更广泛临床环境中的适用性和稳定性 | 开发一种无需钆对比剂的心脏磁共振成像技术，用于检测心肌瘢痕 | 心脏磁共振成像数据 | 计算机视觉 | 心血管疾病 | 心脏磁共振成像（CMR） | 深度时空残差注意力网络（ST-RAN） | 图像 | 3000名患者 |
| 216 | 2025-01-23 |
Deep learning-based protoacoustic signal denoising for proton range verification
2023-05-12, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/acd257
PMID:37141867
|
研究论文 | 本文提出了一种基于深度学习的原声信号去噪技术，用于质子治疗中的质子范围验证 | 提出了一种新型的深度学习技术，用于去噪原声信号，并在低剂量下减少布拉格峰（BP）范围的不确定性 | 研究仅在聚乙烯（PE）模型上进行，未在真实人体组织中进行验证 | 提高质子治疗中原声信号的信噪比（SNR）和布拉格峰（BP）范围验证的准确性 | 原声信号 | 机器学习 | NA | 深度学习 | 堆叠自编码器（SAE） | 声信号 | 512个原始信号，每个设备 |
| 217 | 2025-01-22 |
The regulatory landscape of 5' UTRs in translational control during zebrafish embryogenesis
2023-Nov-23, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.23.568470
PMID:38045294
|
研究论文 | 本研究通过大规模并行报告实验和多核糖体分析，揭示了斑马鱼胚胎发生早期5' UTR在翻译调控中的重要作用 | 首次定量模型揭示了5' UTR在早期脊椎动物发育中的翻译调控机制，并鉴定了86个具有不同核糖体招募能力的5' UTR富集基序 | 研究局限于斑马鱼胚胎发生早期，未涉及其他发育阶段或物种 | 研究5' UTR在翻译调控中的作用及其在早期脊椎动物发育中的功能 | 斑马鱼胚胎发生早期的5' UTR序列 | 生物信息学 | NA | 大规模并行报告实验、多核糖体分析 | 深度学习模型DaniO5P | 序列数据 | 18,154个5' UTR序列 |
| 218 | 2025-01-22 |
Feasibility of Universal Anomaly Detection without Knowing the Abnormality in Medical Images
2023-Oct, Medical image learning with limited and noisy data : second international workshop, MILLanD 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MILLanD (Workshop) : (2nd : 2023 : Vancouver, B...
DOI:10.1007/978-3-031-44917-8_8
PMID:38523773
|
研究论文 | 本研究探讨了在医学图像中进行通用异常检测的可行性，比较了多种异常检测方法，并提出了一种简单的决策级集成方法 | 提出了一种不依赖已知异常信息的决策级集成方法，增强了异常检测的鲁棒性 | 评估的方法在所有数据集上未能一致达到最佳性能 | 研究医学图像中通用异常检测的可行性 | 医学图像 | 计算机视觉 | NA | 深度学习 | 集成方法 | 图像 | 四个医学数据集 |
| 219 | 2025-01-22 |
The Genetic Determinants of Aortic Distention
2023-04-11, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.01.044
PMID:37019578
|
研究论文 | 本研究旨在发现主动脉扩张性的流行病学相关因素和遗传决定因素，并利用深度学习模型从心脏磁共振图像中量化胸主动脉面积 | 首次利用深度学习模型在大规模人群（42,342名UK Biobank参与者）中量化主动脉扩张性，并识别出多个新的遗传位点 | 研究结果主要基于UK Biobank数据，可能无法完全推广到其他人群 | 发现主动脉扩张性的流行病学相关因素和遗传决定因素 | 42,342名UK Biobank参与者 | 机器学习 | 心血管疾病 | 心脏磁共振成像 | 深度学习模型 | 图像 | 42,342名UK Biobank参与者 |
| 220 | 2025-01-19 |
Regional Deep Atrophy: a Self-Supervised Learning Method to Automatically Identify Regions Associated With Alzheimer's Disease Progression From Longitudinal MRI
2023-Apr-10, ArXiv
PMID:37090239
|
研究论文 | 本文提出了一种名为区域深度萎缩（RDA）的自监督学习方法，用于从纵向MRI中自动识别与阿尔茨海默病进展相关的区域 | RDA结合了DeepAtrophy的时间推断方法、可变形配准神经网络和注意力机制，能够突出显示MRI图像中与时间推断相关的纵向变化区域，提高了模型的可解释性 | 尽管RDA在预测准确性上与DeepAtrophy相似，但其在临床环境中的应用仍需进一步验证 | 开发一种能够自动识别与阿尔茨海默病进展相关的MRI区域的方法，以提高疾病监测的敏感性和临床应用的接受度 | 阿尔茨海默病患者的纵向MRI扫描数据 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 卷积神经网络（CNN） | MRI图像 | NA |