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 2512 篇文献，本页显示第 2241 - 2260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2241 | 2024-08-05 |
Detection of Intracerebral Hemorrhage Using Low-Field, Portable Magnetic Resonance Imaging in Patients With Stroke
2023-11, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.043146
PMID:37795593
|
研究论文 | 本研究探讨了在中风患者中使用低场便携式磁共振成像（pMRI）检测自发性脑内出血的敏感性和特异性 | 该研究首次将深度学习重建算法与临床信息结合，用于提高便携式磁共振成像对脑内出血的检测准确性 | 研究仅在Yale New Haven医院进行，样本数量相对较少，可能影响结果的普适性 | 本研究旨在评估低场pMRI在自发性脑内出血检测中的效果 | 对189例中风患者的pMRI检查进行了评估 | 数字病理学 | 脑血管疾病 | 低场磁共振成像（pMRI） | 深度学习算法 | 医学影像 | 189例（38例脑内出血，89例急性缺血性中风，8例蛛网膜下腔出血，3例原发性脑室出血，51例无颅内异常） | NA | NA | NA | NA |
| 2242 | 2024-08-05 |
Bidirectional Mapping with Contrastive Learning on Multimodal Neuroimaging Data
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43898-1_14
PMID:39005889
|
研究论文 | 文章提出了一种新的双向映射模型，通过对比学习减少脑结构与功能之间单向映射的偏差 | 创新点在于提出了双向映射模型BMCL，解决了单向映射方法的偏差问题 | 研究中只使用了两个公开数据集，可能限制了结果的普遍性 | 探讨脑结构与功能之间的相互作用，并识别不同临床表型和脑疾病的潜在生物标志物 | 使用临床表型和神经退行性疾病的预测作为研究对象 | 计算机视觉 | 神经退行性疾病 | 对比学习 | BMCL | 多模态神经影像数据 | 使用了两个公开数据集（HCP和OASIS）中的样本 | NA | NA | NA | NA |
| 2243 | 2024-08-05 |
Disentangling accelerated cognitive decline from the normal aging process and unraveling its genetic components: A neuroimaging-based deep learning approach
2023-Sep-08, Research square
DOI:10.21203/rs.3.rs-3328861/v1
PMID:37720047
|
研究论文 | 该文章介绍了一种基于深度学习的方法，用于区分正常衰老过程中的认知下降与阿尔茨海默病相关的加速认知下降 | 提出了一种新的双损失Siamese ResNet网络，能够提取细粒度神经影像信息，并识别新的遗传变异rs144614292 | 研究样本主要来源于ADNI，对其他人群的适用性需要进一步验证 | 探讨加速认知下降与自然衰老过程之间的关系及其遗传基础 | 针对1,313名个体的纵向结构磁共振成像（MRI）数据进行分析 | 数字病理学 | 老年痴呆症 | MRI | Siamese ResNet | 影像数据 | 1,313名个体，训练于414名认知正常的人群 | NA | NA | NA | NA |
| 2244 | 2024-08-05 |
3D Biological/Biomedical Image Registration with enhanced Feature Extraction and Outlier Detection
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612965
PMID:39006863
|
研究论文 | 本文提出了一种用于三维生物医学图像配准的新方法 | 结合了传统和深度学习技术用于特征提取，并采用自适应最大似然估计样本一致性方法进行异常值检测 | NA | 提高三维图像配准的精度和效率 | 3D显微镜图像和医学图像 | 计算机视觉 | NA | SIFT, ResNet50 | 深度神经网络 | 图像 | 使用3D MRI和3D多重显微图像的序列切片 | NA | NA | NA | NA |
| 2245 | 2024-08-05 |
iQDeep: an integrated web server for protein scoring using multiscale deep learning models
2023-07-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2023.168057
PMID:37356909
|
研究论文 | 本文介绍了一个集成的网络服务器iQDeep，用于蛋白质评分，采用多尺度深度学习模型 | iQDeep提供了一个独立且开放访问的蛋白质评分系统，针对多种预测建模场景进行了优化 | NA | 旨在提供一个可靠的蛋白质评分方法，提高蛋白质结构预测的准确性 | 主要研究对象为蛋白质及其结构预测 | 数字病理学 | NA | 多尺度深度残差神经网络（ResNets） | 深度残差神经网络 | 结构数据 | 在多个CASP实验中进行了广泛测试和比较 | NA | NA | NA | NA |
| 2246 | 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 |
| 2247 | 2024-08-05 |
Deep learning classification of ex vivo human colon tissues using spectroscopic OCT
2023-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.04.555974
PMID:37732221
|
研究论文 | 本文提出了一种基于光谱光学相干断层扫描的方法用于分类异体人类结肠组织。 | 创新性地结合了深度学习架构与光谱OCT技术，提升了结肠组织分类的准确性。 | 研究仅限于结肠上皮组织，不一定适用于其他组织类型。 | 提高结直肠癌筛查的效率和效果。 | 分析经过活检的结肠上皮组织样本。 | 数字病理学 | 结肠癌 | 光谱光学相干断层扫描（OCT） | 深度学习架构，LSTM，KNN | 组织样本 | 活检的结肠上皮组织样本 | NA | NA | NA | NA |
| 2248 | 2024-08-05 |
EASL: A Framework for Designing, Implementing, and Evaluating ML Solutions in Clinical Healthcare Settings
2023-Aug, Proceedings of machine learning research
PMID:38988337
|
研究论文 | 我们介绍了解释性分析系统实验室(EASL)框架，这是一种用于临床机器学习工具开发、实施和评估的端到端解决方案 | EASL框架集成了模型开发、实施和评估的资源，为临床环境中的机器学习应用提供全面支持 | NA | 本研究旨在促进临床机器学习工具的开发与评估 | 设计和评估医学影像的深度学习分类器 | 机器学习 | NA | 深度学习 | NA | 医学影像 | NA | NA | NA | NA | NA |
| 2249 | 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 |
| 2250 | 2024-08-05 |
Application of multiple deep learning models for automatic burn wound assessment
2023-Aug, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2022.07.006
PMID:35945064
|
研究论文 | 本文提出了一种基于多种深度学习模型的烧伤伤口自动评估系统 | 引入边界基础和区域基础标签方法及多个强大的深度学习模型进行烧伤面积评估 | 未提及具体的局限性 | 提高烧伤伤口的评估准确性，特别是总体表面积和深层烧伤区域的分割 | 涉及4991张早期烧伤图像和1050张手掌图像 | 计算机视觉 | NA | 深度学习 | U-Net, PSPNet, DeeplabV3+, Mask R-CNN | 图像 | 4991张早期烧伤图像和1050张手掌图像 | NA | NA | NA | NA |
| 2251 | 2024-08-05 |
Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual Prostheses
2023-Dec, Advances in neural information processing systems
PMID:38984104
|
研究论文 | 本研究提出了一种结合深度学习和贝叶斯优化的新方法，用于视觉假体中的刺激编码优化。 | 提出了一种新的深度编码网络来为个体患者生成最佳刺激，并采用偏好贝叶斯优化策略进行个性化参数优化 | 尽管方法有效，但存在对高维刺激的处理能力不足的问题 | 旨在提高视觉假体患者的感知体验 | 研究视觉假体患者的个性化刺激编码 | 数字病理学 | NA | 深度学习，贝叶斯优化 | 深度编码网络 | 刺激参数数据 | NA | NA | NA | NA | NA |
| 2252 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2023-Nov-08, Research square
DOI:10.21203/rs.3.rs-3569391/v1
PMID:37986841
|
研究论文 | 该文章比较了预定义方法与深度学习方法在提取脑萎缩模式以预测阿尔茨海默病相关认知衰退中的表现 | 探讨了使用整个脑图像的深度学习模型是否能提高MRI预测性能 | 深度学习模型未显著改善阿尔茨海默病临床疾病进展的预测 | 预测具有主观认知衰退或轻度认知障碍的个体未来的阿尔茨海默病相关认知衰退 | 来自瑞典BioFINDER-1研究的332名主观认知衰退/轻度认知障碍个体 | 数字病理学 | 阿尔茨海默病 | 磁共振成像 (MRI) | 深度学习模型 | 图像 | 332名患者 | NA | NA | NA | NA |
| 2253 | 2024-08-05 |
HLA-II immunopeptidome profiling and deep learning reveal features of antigenicity to inform antigen discovery
2023-07-11, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2023.05.009
PMID:37301199
|
研究论文 | 本研究通过单等位基因免疫肽组学分析HLA-II结合体，结合深度学习，揭示抗原特征以辅助抗原发现 | 创新性地开发了基于深度学习的模型CAPTAn，用于预测与HLA-II亲和力相关的肽抗原 | 目前对影响抗原呈递的因素理解仍不完全，且在配体数据库中多样性等位基因的代表性不足 | 研究HLA-II抗原结合体的特征，以提供新的抗原发现工具 | 358,024个HLA-II结合肽，特别关注HLA-DQ和HLA-DP | 数字病理学 | NA | 单等位基因免疫肽组学 | 深度学习模型(CAPTAn) | PEPTIDES | NA | NA | NA | NA | NA |
| 2254 | 2024-08-05 |
In-silico generation of high-dimensional immune response data in patients using a deep neural network
2023-05, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24709
PMID:36507780
|
研究论文 | 本文提出了一种深度学习模型，用于在高维空间中生成患者的免疫反应数据 | 通过新的最佳时序细胞匹配和过完备自编码器管道，使用少量患者的数据预测整个患者的免疫反应 | 受限于仅使用小型患者样本，可能影响模型的普遍适用性 | 旨在理解免疫系统在各类疾病中的作用 | 分析手术前后1.08百万个细胞的数据 | 机器学习 | NA | 深度学习 | 自编码器 | 细胞数据 | 涉及1.08百万个细胞 | NA | NA | NA | NA |
| 2255 | 2024-08-05 |
A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Site Prediction
2023-12, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.03.007
PMID:37863385
|
综述 | 该综述组织了与磷酸化位点预测相关的知识，以促进该领域的未来研究 | 综述了磷酸化位点（p-site）预测的算法和机器学习方法，并提出重要的特征提取技术 | 在线p-site预测工具在未见过的蛋白质上的实际性能显著低于相关研究论文中报告的结果 | 整理和总结与磷酸化位点预测相关的知识 | 涉及磷酸化修饰及其在生物过程中的角色的蛋白质 | 机器学习 | 神经疾病和癌症 | NA | 传统和端到端深度学习方法 | 蛋白质数据 | 创建自2022年dbPTM数据库的新蛋白质的三个测试集 | NA | NA | NA | NA |
| 2256 | 2024-08-05 |
Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms
2023-10, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2022.11.014
PMID:37001856
|
综述 | 该文章综述了蛋白质结构预测领域的研究进展与研究范式的转变 | 强调了深度学习在蛋白质结构预测中的成功以及研究范式的转变 | 理论解释神经网络的机制和对蛋白质折叠的知识仍然高度缺乏 | 探讨蛋白质结构预测的不同研究范式及其演变 | 涉及多领域研究者对蛋白质结构预测的努力 | 计算机科学 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 2257 | 2024-08-05 |
Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL
2023-06, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.01.006
PMID:36775056
|
研究论文 | 本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物 | 使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释 | 本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证 | 个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标 | 预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型 | 机器学习 | 癌症 | 深度学习 | NA | 数据集 | 使用了来自两个大型数据库的癌症细胞系和肿瘤数据 | NA | NA | NA | NA |
| 2258 | 2024-08-05 |
Deep Learning-Based Dose Prediction for Automated, Individualized Quality Assurance of Head and Neck Radiation Therapy Plans
2023 May-Jun, Practical radiation oncology
IF:3.4Q1
DOI:10.1016/j.prro.2022.12.003
PMID:36697347
|
研究论文 | 本研究旨在利用基于深度学习的剂量预测来评估头颈部治疗计划的质量并识别不理想的计划 | 本研究采用3D Dense Dilated U-Net架构进行剂量预测，显示其在自动化、个性化评估头颈部放疗计划质量中的应用潜力 | 临床计划的OAR标记存在高的医师间变异性，且仅有83%的医师标记的OAR由其中一位医师提出 | 研究深度学习在头颈部放疗计划质量评估中的应用 | 245个体积调制弧治疗（VMAT）头颈部计划以及112个高质量计划 | 医学影像处理 | 头颈癌 | 深度学习 | 3D Dense Dilated U-Net | 计算机断层扫描图像 | 245个计划 | NA | NA | NA | NA |
| 2259 | 2024-08-07 |
Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-12-29, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8075
PMID:38164534
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2260 | 2024-08-05 |
Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model
2023-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.044072
PMID:37485663
|
研究论文 | 本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。 | 提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。 | 依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。 | 旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。 | 640名经历急性缺血性中风的患者。 | 数字病理学 | 缺血性中风 | 深度学习 | 融合模型 | 影像和临床数据 | 640名急性缺血性中风患者 | NA | NA | NA | NA |