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 2441 篇文献，本页显示第 2421 - 2440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2421 | 2024-08-07 |
Automatic reorientation by deep learning to generate short-axis SPECT myocardial perfusion images
2023-10, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1007/s12350-023-03226-2
PMID:36859594
|
研究论文 | 本研究开发了一种基于深度学习的方法，用于自动重新定位单光子发射计算机断层扫描（SPECT）心肌灌注图像（MPI）到标准短轴切片 | 本研究首次采用卷积神经网络（CNN）预测变换参数，并通过空间变换网络（STN）生成重新定位的图像 | NA | 开发一种基于深度学习的方法，用于自动重新定位SPECT心肌灌注图像到标准短轴切片 | SPECT心肌灌注图像的自动重新定位 | 计算机视觉 | 心血管疾病 | 深度学习 | CNN | 图像 | 共254名患者，包括226个应激SPECT MPI和247个休息SPECT MPI | NA | NA | NA | NA |
| 2422 | 2024-08-07 |
ChampKit: A framework for rapid evaluation of deep neural networks for patch-based histopathology classification
2023-Sep, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2023.107631
PMID:37271050
|
研究论文 | 本文介绍了一个名为ChampKit的软件工具，用于快速评估基于补丁的组织病理学分类的深度神经网络模型 | ChampKit提供了一个可扩展、完全可复制的评估工具包，支持多种公共数据集，并允许用户通过命令行直接训练和评估模型，无需编写代码 | 本文未明确提及具体限制 | 旨在提供一个工具，以系统地评估不同组织病理学分类任务的神经网络模型 | 深度神经网络模型在组织病理学图像分类中的应用 | 计算机视觉 | NA | 深度学习 | CNN, ViT | 图像 | 涉及六个数据集 | NA | NA | NA | NA |
| 2423 | 2024-08-07 |
Leveraging deep learning models to understand the daily experience of anxiety in teenagers over the course of a year
2023-05-15, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2023.02.084
PMID:36858267
|
研究论文 | 本文利用深度学习模型评估青少年在一年中焦虑症状的日常变化，并探讨GAD-7评估与日常焦虑测量之间的关系 | 本文首次通过深度学习模型LSTM分析了青少年焦虑症状的动态变化，并揭示了GAD-7评估与日常焦虑体验之间的差异 | 研究样本较小，仅包括30名青少年，可能影响结果的普遍性 | 评估GAD-7等即时评估方法与青少年日常焦虑体验之间的关系 | 青少年的焦虑症状及其日常变化 | 机器学习 | NA | NA | LSTM | 文本 | 30名年龄在15至17岁之间的青少年 | NA | NA | NA | NA |
| 2424 | 2024-08-07 |
STRIDE: Systematic Radar Intelligence Analysis for ADRD Risk Evaluation with Gait Signature Simulation and Deep Learning
2023-May-15, IEEE sensors journal
IF:4.3Q2
DOI:10.1109/jsen.2023.3263071
PMID:37547101
|
研究论文 | 本文提出了一种名为STRIDE的系统，结合微多普勒雷达传感器和先进的人工智能技术，用于评估阿尔茨海默病相关痴呆（ADRD）的风险 | STRIDE系统嵌入了一种新的深度学习分类框架，并开发了一个包含人体行走模拟模型和微多普勒雷达模拟模型的“数字孪生”，以生成步态特征数据集 | NA | 评估阿尔茨海默病相关痴呆（ADRD）的风险 | 通过微多普勒雷达捕捉的人体步态运动 | 机器学习 | 阿尔茨海默病 | 微多普勒雷达 | 深度学习 | 步态特征数据 | NA | NA | NA | NA | NA |
| 2425 | 2024-08-07 |
Motion Compensated Unsupervised Deep Learning for 5D MRI
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43999-5_40
PMID:38737212
|
研究论文 | 提出一种无监督深度学习算法，用于从3D径向采集数据中进行5D心脏MRI数据的动补偿重建 | 该算法是一种更数据高效的选择，用于当前的动解析重建方法 | NA | 简化扫描规划，提高患者舒适度，并提供比呼吸保持2D检查更多的临床优势 | 5D心脏MRI数据的动补偿重建 | 计算机视觉 | NA | MRI | 卷积神经网络 | 图像 | 两个受试者的5D bSSFP数据集 | NA | NA | NA | NA |
| 2426 | 2024-08-07 |
Digital Histopathology by Infrared Spectroscopic Imaging
2023-06-14, Annual review of analytical chemistry (Palo Alto, Calif.)
|
综述 | 本文综述了红外（IR）光谱成像技术在数字组织病理学中的应用，特别关注了其在病理学中的仪器性能、数据处理方法、机器学习应用以及工作流程的讨论 | 结合红外光谱成像与人工智能，为组织病理学提供了一种新的对比机制，有望改变目前依赖人类检查染色组织形态模式的实践 | NA | 探讨红外光谱成像技术在组织病理学中的应用及其标准化 | 红外光谱成像技术及其在组织病理学中的应用 | 数字病理学 | NA | 红外光谱成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 2427 | 2024-08-07 |
TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier
2023-Apr, Antibody therapeutics
DOI:10.1093/abt/tbad011
PMID:37342671
|
研究论文 | 本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。 | 本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。 | NA | 开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。 | 主要组织相容性复合体II类（MHC-II）肽的结合亲和力。 | 机器学习 | NA | 蛋白质语言模型（PLMs）和图像分类器 | EfficientNet v2b0, EfficientNet v2m 或 ViT-16 | 图像 | NA | NA | NA | NA | NA |
| 2428 | 2024-08-07 |
ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL)
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230471
PMID:38738185
|
研究论文 | 本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用 | MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率 | NA | 验证MOL框架在并行MRI加速中的有效性 | 并行MRI加速 | 计算机视觉 | NA | 单调算子学习（MOL） | CNN | 图像 | NA | NA | NA | NA | NA |
| 2429 | 2024-08-07 |
De novo design of small beta barrel proteins
2023-03-14, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2207974120
PMID:36897987
|
研究论文 | 本文探讨了使用Rosetta能量方法和深度学习方法从头设计小型beta桶蛋白拓扑结构 | 使用深度学习进行骨架生成和Rosetta进行序列设计的方法提高了设计成功率和结构多样性 | 小型beta桶蛋白的设计存在挑战，如小尺寸导致的疏水核心小和桶闭合的构象应变 | 探索和设计小型beta桶蛋白的拓扑结构，以增加可用作感兴趣蛋白靶标结合剂的蛋白形状空间 | 小型beta桶蛋白，包括Src同源3（SH3）和核酸/多糖结合（OB）拓扑结构以及罕见的五和六上-下-链桶 | 蛋白质设计 | NA | Rosetta能量方法和深度学习 | 深度学习模型 | 蛋白质结构 | 四种小型beta桶折叠结构 | NA | NA | NA | NA |
| 2430 | 2024-08-07 |
Artificial Intelligence and Machine Learning Applications in Sudden Cardiac Arrest Prediction and Management: A Comprehensive Review
2023-11, Current cardiology reports
IF:3.1Q2
DOI:10.1007/s11886-023-01964-w
PMID:37792134
|
综述 | 本文综述旨在全面概述近期在预测模型和AI及ML在心肺复苏（CPR）成功预测中的应用进展 | 深度学习在放射组学和人口健康中日益突出，用于疾病风险预测；AI与自动体外除颤器（AEDs）结合显示出在心脏骤停事件中更好检测可电击节律的潜力 | 心脏骤停（SCA）的预测和预防仍是一个持续挑战，尽管有先进的第一响应系统，但生存率仍然很低 | 理解AI和ML在医疗保健中的作用，特别是在医学诊断、统计和精准医学中，并探索其在预测和管理心脏骤停结果中的应用 | AI和ML在医疗保健中的应用，特别是在医学诊断、统计和精准医学中，以及在预测和管理心脏骤停结果中的应用 | 机器学习 | 心血管疾病 | NA | 深度学习 | NA | NA | NA | NA | NA | NA |
| 2431 | 2024-08-07 |
Signal Improved ultra-Fast Light-sheet Microscope (SIFT) for large tissue imaging
2023-Jun-28, Research square
DOI:10.21203/rs.3.rs-2990328/v1
PMID:37461705
|
研究论文 | 本文介绍了一种改进的超快速光片显微镜（SIFT），用于大组织成像，通过精确控制两个固定距离的光片焦点来实现ASLM，提高了成像速度和信号强度 | 提出的SIFT技术将成像速度提高了四倍，并在特定帧率下将信号强度提高了一倍，同时开发了基于深度学习的组织信息分类器，以加速组织边界的确定 | NA | 提高大组织成像的速度和质量 | 大组织样本 | 生物医学成像 | NA | 光片荧光显微镜（LSFM） | 深度学习模型 | 图像 | 多种已清除的组织样本 | NA | NA | NA | NA |
| 2432 | 2024-08-07 |
Large Language Models Demonstrate the Potential of Statistical Learning in Language
2023-03, Cognitive science
IF:2.3Q2
DOI:10.1111/cogs.13256
PMID:36840975
|
研究论文 | 探讨大型语言模型（LLMs）在从语言输入中学习语言能力方面的潜力 | 提出大型语言模型可能为评估人类从语言经验中学习语言能力提供计算工具 | 大型语言模型在语义和语用方面存在明显局限 | 研究语言可以从语言输入中学习的程度 | 大型语言模型及其在语言学习中的应用 | 自然语言处理 | NA | 深度学习 | 大型语言模型（LLMs） | 文本 | NA | NA | NA | NA | NA |
| 2433 | 2024-08-07 |
Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning
2023, Frontiers in radiology
DOI:10.3389/fradi.2023.1223377
PMID:37886239
|
研究论文 | 开发一种基于深度学习的方法，从常规的T1和T2加权MRI图像中回顾性地量化前列腺的T2值 | 该方法能够从临床获取的T1和T2加权图像中回顾性地估计前列腺T2图，有助于改善前列腺癌的诊断和特征描述，无需额外扫描 | NA | 开发一种深度学习方法，用于从常规MRI图像中回顾性地量化前列腺的T2值 | 前列腺T2值的量化 | 数字病理学 | 前列腺癌 | MRI | U-Net | 图像 | 25名受试者用于训练，38名前列腺癌患者用于验证 | NA | NA | NA | NA |
| 2434 | 2024-08-07 |
Efficacy of Smartphone-Based Telescreening for Retinopathy of Prematurity With and Without Artificial Intelligence in India
2023-06-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2023.1466
PMID:37166816
|
研究论文 | 本研究评估了智能手机基底眼底成像系统（SBFI）与广域数字眼底成像（WDFI）在早产儿视网膜病变（ROP）筛查中的有效性，并比较了人工智能（AI）和人工评分者的表现 | 本研究首次在实际的远程医疗环境中测试了SBFI系统，并结合AI技术进行ROP筛查 | 研究仅在一个中心进行，且样本量相对较小 | 评估SBFI系统在ROP筛查中的有效性，并比较AI和人工评分者的表现 | 早产儿视网膜病变（ROP）的筛查 | 数字病理学 | 早产儿视网膜病变 | 智能手机基底眼底成像（SBFI） | ResNet18深度学习架构 | 图像 | 156名早产儿（312只眼） | NA | NA | NA | NA |
| 2435 | 2024-08-07 |
Yield prediction through integration of genetic, environment, and management data through deep learning
2023-04-11, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkad006
PMID:36625555
|
研究论文 | 本文通过深度神经网络整合遗传、环境和管理数据来预测玉米产量，并比较了两种模型开发方法的效果 | 本文发现深度学习和最佳线性无偏预测（BLUP）模型在包含交互作用时表现最佳，且优化深度神经网络子模块以适应每种数据类型能提高模型性能 | NA | 准确预测由不同基因型、环境和管理干预组合产生的表型结果 | 玉米产量预测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 遗传、环境和管理数据 | NA | NA | NA | NA | NA |
| 2436 | 2024-08-07 |
Deep learning integrates histopathology and proteogenomics at a pan-cancer level
2023-09-19, Cell reports. Medicine
DOI:10.1016/j.xcrm.2023.101173
PMID:37582371
|
研究论文 | 本文介绍了一种创新方法，将病理图像与转录组学和蛋白质组学整合，以识别与癌症关键临床结果相关的预测性组织学特征 | 本文首次将病理图像与转录组学和蛋白质组学数据整合，用于识别新的预测性组织学特征，并提出了一个分类系统 | NA | 旨在开发一种整合病理图像、转录组学和蛋白质组学数据的方法，以提高癌症临床结果的预测准确性 | 2,755张H&E染色的组织病理学切片，来自657名患者，涵盖6种癌症类型 | 数字病理学 | 癌症 | 深度学习 | NA | 图像 | 2,755张切片，657名患者 | NA | NA | NA | NA |
| 2437 | 2024-08-07 |
Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images
2023-04-16, Genes
IF:2.8Q2
DOI:10.3390/genes14040921
PMID:37107679
|
研究论文 | 开发了一种基于深度学习的算法，用于使用常规临床实践中常见的H&E组织病理学图像量化肝细胞的倍性 | 首次成功尝试在H&E图像上自动化倍性分析 | NA | 提高临床样本中肝细胞倍性量化的可及性 | 肝细胞的倍性 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 2438 | 2024-08-07 |
Machine learning-based speech recognition system for nursing documentation - A pilot study
2023-10, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2023.105213
PMID:37690224
|
研究论文 | 本研究旨在评估基于机器学习的语音识别系统在精神科病房中减少护理记录打字工作量的有效性 | 本研究开发了一种基于机器学习的语音识别系统，用于提高护理文档记录的效率 | 语音识别转录的潜在错误需要持续识别和改进，且需要进一步研究以提高不同临床专科中护理记录数字化文档的效率和准确性 | 评估基于机器学习的语音识别系统在减少护理记录打字工作量方面的有效性 | 精神科病房的护理记录工作 | 机器学习 | NA | 机器学习 | 语音识别系统 | 文本 | 21名护士参与评估，共收集200条数据 | NA | NA | NA | NA |
| 2439 | 2024-08-07 |
Interpretable deep learning for improving cancer patient survival based on personal transcriptomes
2023-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38429-7
PMID:37443344
|
研究论文 | 本文开发了一种可解释的神经网络模型，用于基于药物处方和个人转录组数据预测癌症患者的生存率 | 该模型能够通过分析个人转录组数据和药物处方，提高癌症患者的生存预测准确性，并揭示决策过程中的关键通路 | NA | 提高癌症患者的生存预测准确性并揭示药物选择的关键通路 | 癌症患者的生存率和药物选择 | 机器学习 | 癌症 | 深度学习 | 神经网络 | 转录组数据 | 涉及的患者数量未明确提及 | NA | NA | NA | NA |
| 2440 | 2024-08-07 |
Physics-Guided Deep Generative Model for New Ligand Discovery
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3613067
PMID:38706556
|
研究论文 | 本文介绍了一种基于物理引导的深度生成模型，用于发现新的配体，该模型不仅考虑了结合位点，还包含了基于物理的特征，描述了受体和配体之间的结合机制 | 该模型创新地结合了物理原理和深度学习，生成的配体结构在结合强度上优于传统方法 | 未来研究方向包括在更大的数据集上训练和测试模型，增加更多基于物理的特征，并从生物物理角度解释深度学习结果 | 旨在通过结合物理原理和深度学习技术，提高新配体发现的效率和质量 | 研究对象包括大型蛋白质-配体复合物和小型宿主-客体系统 | 机器学习 | NA | 深度生成模型 | GAN | 结构数据 | 测试了大型蛋白质-配体复合物和小型宿主-客体系统 | NA | NA | NA | NA |