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 1805 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-10-15 |
A Novel Classification Model Using Optimal Long Short-Term Memory for Classification of COVID-19 from CT Images
2023-12, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-023-00852-7
PMID:37491543
|
研究论文 | 本文提出了一种基于Pelican优化算法的长短期记忆网络（POA-LSTM）模型，用于从CT图像中分类COVID-19 | 创新点在于使用Pelican优化算法优化LSTM参数，并结合HRNet进行特征提取，提高了分类性能 | 未提及具体限制 | 研究目的是开发一种自动检测COVID-19的方法 | 研究对象是COVID-19的CT图像 | 计算机视觉 | COVID-19 | CT扫描 | 长短期记忆网络（LSTM） | 图像 | 未提及具体样本数量 |
| 282 | 2024-10-15 |
M-MSSEU: source-free domain adaptation for multi-modal stroke lesion segmentation using shadowed sets and evidential uncertainty
2023-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-023-00247-6
PMID:37780536
|
研究论文 | 本文提出了一种新的无源域自适应方法，用于多模态中风病变分割，利用阴影集和证据不确定性 | 本文创新性地使用了证据深度学习代替卷积神经网络，并设计了多模态意见融合模块，利用Dempster-Shafer证据理论进行不同模态的决策融合 | NA | 解决无源域自适应问题，并有效利用医学图像中的多模态信息 | 多模态中风病变 | 计算机视觉 | 中风 | Dempster-Shafer证据理论 | 证据深度学习 | 图像 | 两个多模态中风病变数据集 |
| 283 | 2024-10-15 |
HUT: Hybrid UNet transformer for brain lesion and tumour segmentation
2023-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e22412
PMID:38046150
|
研究论文 | 本文提出了一种混合UNet Transformer网络（HUT），用于脑部病变和肿瘤的分割 | HUT网络结合了UNet和Transformer的优势，通过并行运行的两个管道，分别基于UNet和Transformer，提高了单模态病变分割和多模态脑肿瘤分割的性能 | NA | 提高脑部病变和肿瘤分割的准确性 | 脑部病变和肿瘤 | 计算机视觉 | NA | 深度学习 | 混合UNet Transformer | 3D脑部体积图像 | ATLAS数据集和BraTS20数据集 |
| 284 | 2024-10-15 |
Formulation Graphs for Mapping Structure-Composition of Battery Electrolytes to Device Performance
2023-11-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01030
PMID:37948621
|
研究论文 | 本文介绍了一种深度学习模型，即配方图卷积网络（F-GCN），用于将电池电解质的结构-组成关系映射到整体性能 | 提出了F-GCN模型，通过并行组装的多个GCN来实时特征化配方成分，并基于成分的摩尔百分比进行缩放，最终集成到一个代表完整配方的组合描述符中 | NA | 加速新化合物在目标应用中的发现，并减少实验室实验驱动的过程 | 电池电解质的结构-组成关系及其对电池性能的影响 | 机器学习 | NA | 深度学习 | 卷积神经网络（GCN） | 数据集 | 两个数据集，一个来自Li/Cu半电池的文献，另一个来自锂-碘全电池化学的实验室实验 |
| 285 | 2024-10-15 |
Design and deep learning of synthetic B-cell-specific promoters
2023-Nov-27, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad930
PMID:37889080
|
研究论文 | 本文设计并合成了23,640个B细胞特异性启动子，并通过深度学习模型预测其转录强度 | 利用合成生物学和深度学习的协同作用，解码和重编DNA调控语法，设计出具有更大序列空间和多样转录模式的B细胞特异性启动子 | NA | 揭示B细胞特异性启动子的转录机制，并为B细胞工程提供大量非相似启动子 | B细胞特异性启动子的设计和转录强度预测 | 合成生物学 | NA | MPRA (Massively parallel reporter assays) | 深度学习模型 | DNA序列 | 23,640个合成B细胞特异性启动子 |
| 286 | 2024-10-15 |
The past, current, and future of neonatal intensive care units with artificial intelligence: a systematic review
2023-Nov-27, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00941-5
PMID:38012349
|
综述 | 本文系统回顾了机器学习和深度学习在新生儿学应用中的最新进展 | 本文通过PRISMA 2020指南系统评估了机器学习和深度学习在新生儿学中的应用，并讨论了未来AI模型的发展方向 | 本文主要集中在1996年至2022年间的106篇研究文章，可能未能涵盖所有相关研究 | 探讨人工智能在新生儿重症监护病房中的应用及其未来发展 | 新生儿疾病及其相关应用 | 机器学习 | 新生儿疾病 | 机器学习和深度学习 | NA | 图像、生命体征和生物信号 | 106篇研究文章 |
| 287 | 2024-10-15 |
Deep learning-enhanced microscopy with extended depth-of-field
2023-Nov-24, Light, science & applications
DOI:10.1038/s41377-023-01323-y
PMID:37996459
|
研究论文 | 本文报道了一种利用深度学习设计的二元相位滤波器和联合优化的去卷积神经网络的计算成像平台，实现了在扩展深度范围内的高分辨率和高对比度成像 | 本文的创新点在于结合物理原理和深度学习设计，实现了无需连续调焦的扩展深度范围成像 | NA | 研究目的是开发一种能够在扩展深度范围内实现高分辨率和高对比度成像的计算成像平台 | 研究对象是二元相位滤波器和去卷积神经网络的设计与优化 | 计算机视觉 | NA | 深度学习 | 去卷积神经网络 | 图像 | NA |
| 288 | 2024-10-15 |
Saliency of breast lesions in breast cancer detection using artificial intelligence
2023-11-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-46921-3
PMID:37996504
|
研究论文 | 研究使用人工智能（AI）系统在乳腺X光片中检测乳腺癌时，乳腺病灶在决策过程中的作用 | 使用显著性图分析AI系统在乳腺癌检测中的决策过程，并测量AI系统识别的感兴趣区域与乳腺病灶的重叠程度 | 研究样本量较小，且AI系统的检测性能和重叠程度较低 | 探讨AI系统在乳腺癌检测中乳腺病灶的作用 | 乳腺X光片中的乳腺病灶 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | 382名女性（191名乳腺癌患者和191名健康对照）的乳腺X光片 |
| 289 | 2024-10-15 |
Noninvasive molecular subtyping of pediatric low-grade glioma with self-supervised transfer learning
2023-Nov-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.04.23293673
PMID:37609311
|
研究论文 | 开发并验证了一种基于深度学习的扫描预测管道，用于非侵入性MRI辅助的儿童低级别胶质瘤BRAF突变状态分类 | 结合了预训练的医学影像特定网络的迁移学习和自监督标签交叉训练，提高了分类性能和泛化能力 | 研究样本量有限，且仅限于两个数据集 | 开发和验证一种非侵入性的深度学习方法，用于基于MRI的儿童低级别胶质瘤BRAF突变状态分类 | 儿童低级别胶质瘤的BRAF突变状态 | 数字病理学 | 脑肿瘤 | 深度学习 | CNN | MRI影像 | 开发数据集214例，外部验证数据集112例 |
| 290 | 2024-10-15 |
Integrated Protocol of Protein Structure Modeling for Cryo-EM with Deep Learning and Structure Prediction
2023-Nov-21, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.19.563151
PMID:37904978
|
研究论文 | 本文开发了一种名为DeepMainmast的蛋白质结构建模方法，结合深度学习和Alphafold2的结构预测，用于从冷冻电镜（cryo-EM）图谱中进行蛋白质主链追踪 | 本文创新性地将深度学习与Alphafold2的结构预测相结合，提高了蛋白质结构建模的准确性，并能准确分配同源多聚体的链身份 | NA | 开发一种新的蛋白质结构建模方法，以提高从冷冻电镜图谱中进行蛋白质主链追踪的准确性 | 蛋白质及其复合物的结构 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA |
| 291 | 2024-10-15 |
Efficient Thorax Disease Classification and Localization Using DCNN and Chest X-ray Images
2023-Nov-17, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13223462
PMID:37998598
|
研究论文 | 本文提出了一种基于DenseNet-121和胸部X光图像的胸部疾病自动检测和定位方法 | 使用加权交叉熵损失函数（W-CEL）解决了ChestX-ray14数据集中的类别不平衡问题，并实现了最高的性能 | NA | 开发一种高精度和精确的计算机辅助诊断系统 | 胸部疾病的自动检测和定位 | 计算机视觉 | NA | 深度学习 | DenseNet-121 | 图像 | 112,120张胸部X光图像，其中60,412张为正常图像，其余包含胸部疾病 |
| 292 | 2024-10-15 |
Flow-field inference from neural data using deep recurrent networks
2023-Nov-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.11.14.567136
PMID:38014290
|
研究论文 | 本文介绍了一种名为FINDR的无监督深度学习方法，用于从神经数据中推断低维非线性随机动力学 | FINDR方法在捕捉个体神经元的异质响应方面优于现有方法，并能发现可解释的低维动力学 | NA | 揭示神经群体的低维任务相关动力学及其相关计算 | 前脑区域执行听觉决策任务的鼠群的神经群体活动 | 机器学习 | NA | 深度循环网络 | 深度循环网络 | 神经元放电数据 | 执行听觉决策任务的鼠群的神经群体活动数据 |
| 293 | 2024-10-15 |
Unsupervised deep learning for molecular dynamics simulations: a novel analysis of protein-ligand interactions in SARS-CoV-2 Mpro
2023-Nov-16, RSC advances
IF:3.9Q2
DOI:10.1039/d3ra06375e
PMID:38019981
|
研究论文 | 本文采用无监督深度学习框架分析SARS-CoV-2主蛋白酶与配体的分子动力学模拟数据 | 本文首次将无监督深度学习应用于更灵活的SARS-CoV-2主蛋白酶的分子动力学模拟分析 | 本文未提及具体的局限性 | 研究分子动力学模拟中蛋白质-配体相互作用的分析方法 | SARS-CoV-2主蛋白酶及其配体的相互作用 | 机器学习 | NA | 分子动力学模拟 | 神经网络 | 分子动力学数据 | 涉及多种配体的分子动力学模拟数据 |
| 294 | 2024-10-15 |
Attention TurkerNeXt: Investigations into Bipolar Disorder Detection Using OCT Images
2023-Nov-10, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13223422
PMID:37998558
|
研究论文 | 本文提出了一种新的注意力卷积神经网络模型TurkerNeXt，用于通过OCT图像检测双相情感障碍 | 提出了一个新的注意力卷积神经网络模型TurkerNeXt，并引入了一个独特的OCT图像数据集 | NA | 开发一种自动化的OCT图像检测系统，用于检测双相情感障碍 | 双相情感障碍的检测 | 计算机视觉 | 精神疾病 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN） | 图像 | 包含987个训练图像和328个测试图像的两个不同案例 |
| 295 | 2024-10-15 |
MERGE: A model for multi-input biomedical federated learning
2023-Nov-10, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2023.100856
PMID:38035188
|
研究论文 | 本文介绍了一种用于多输入生物医学联合学习的模型，通过结合图像和表格数据来提高模型性能并保护数据隐私 | 提出了一个多输入的联合学习架构，结合图像和表格数据，以提高模型性能并保护数据隐私 | NA | 旨在通过联合学习方法解决数据隐私问题，并提高模型在生物医学任务中的性能 | COVID-19的预后和阿尔茨海默病患者的分层 | 机器学习 | NA | 联合学习 | 多输入模型 | 图像和表格数据 | NA |
| 296 | 2024-10-15 |
A Complete Review of Automatic Detection, Segmentation, and Quantification of Neovascularization in Optical Coherence Tomography Angiography Images
2023-Nov-09, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13223407
PMID:37998544
|
综述 | 本文综述了在光学相干断层扫描血管造影图像中自动检测、分割和量化新生血管化的技术和算法 | 本文总结了从图像处理到机器学习和深度学习的自动化图像分析方法，并讨论了每种方法的问题和未来工作 | NA | 探讨在光学相干断层扫描血管造影图像中自动检测、分类和分割新生血管化的技术和算法 | 新生血管化在光学相干断层扫描血管造影图像中的自动检测、分类和分割 | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描血管造影 | NA | 图像 | NA |
| 297 | 2024-10-15 |
The Impact of Data on Structure-Based Binding Affinity Predictions Using Deep Neural Networks
2023-Nov-09, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms242216120
PMID:38003312
|
研究论文 | 本文探讨了数据对基于结构的结合亲和力预测中深度神经网络性能的影响 | 识别了结合口袋大小作为影响模型性能的关键因素，并强调了使用尽可能多的数据进行训练的重要性 | 当前使用的测试集存在偏差，需要多种评估和基准测试来准确比较模型性能 | 研究数据参数对深度学习结合亲和力预测模型性能的影响 | 蛋白质-配体结合亲和力预测模型 | 机器学习 | NA | 深度学习 | 深度神经网络 | 结合口袋数据 | NA |
| 298 | 2024-10-15 |
Lesion Detection in Optical Coherence Tomography with Transformer-Enhanced Detector
2023-Nov-07, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging9110244
PMID:37998091
|
研究论文 | 本文提出了一种基于深度学习的区域检测框架，用于光学相干断层扫描（OCT）图像中的异常检测 | 该框架的核心是Transformer增强检测（TED），通过注意力门（AGs）确保聚焦于前景并识别和去除噪声伪影 | NA | 提高OCT图像中异常检测的准确性，辅助临床诊断 | OCT图像中的异常，包括牙科和CT图像中的病变 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | Transformer | 图像 | 三个数据集，包括两个牙科数据集和一个CT数据集 |
| 299 | 2024-10-15 |
AlphaFold Blindness to Topological Barriers Affects Its Ability to Correctly Predict Proteins' Topology
2023-Nov-07, Molecules (Basel, Switzerland)
DOI:10.3390/molecules28227462
PMID:38005184
|
研究论文 | 研究AlphaFold在预测蛋白质拓扑结构时未能考虑拓扑障碍的问题 | 揭示了AlphaFold在早期结构预测步骤中未能尊重蛋白质链之间的拓扑障碍，导致其预测的蛋白质拓扑结构存在误差 | AlphaFold在预测复杂复合结时存在局限性，未能正确反映蛋白质折叠过程中的拓扑障碍 | 探讨AlphaFold未能尊重拓扑障碍对其蛋白质链拓扑预测的影响 | 研究在自然折叠过程中形成相同结类型的蛋白质 | 机器学习 | NA | 深度学习 | AlphaFold | 蛋白质结构 | 涉及形成复杂复合结的蛋白质 |
| 300 | 2024-10-15 |
Pixel Diffuser: Practical Interactive Medical Image Segmentation without Ground Truth
2023-Nov-02, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10111280
PMID:38002404
|
研究论文 | 提出了一种无需医学分割真值数据的交互式医学图像分割方法PixelDiffuser | PixelDiffuser利用VGG19基础的自动编码器，仅需几次点击即可实现高质量分割，无需任何医学分割真值数据 | 未提及 | 开发一种无需真值数据的交互式医学图像分割方法 | 医学图像分割 | 计算机视觉 | NA | 自动编码器 | VGG19 | 图像 | 使用了BTCV数据集（包含各种器官的CT图像）和CHAOS数据集（包含肝脏、肾脏和脾脏的CT和MRI图像） |