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 2020 篇文献，本页显示第 541 - 560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 541 | 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 |
| 542 | 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 |
| 543 | 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 |
| 544 | 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 |
| 545 | 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 |
| 546 | 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 |
| 547 | 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 |
| 548 | 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 |
| 549 | 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 |
| 550 | 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 |
| 551 | 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 |
| 552 | 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 |
| 553 | 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 |
| 554 | 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 |
| 555 | 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） |
| 556 | 2024-10-15 |
Construction of an Exudative Age-Related Macular Degeneration Diagnostic and Therapeutic Molecular Network Using Multi-Layer Network Analysis, a Fuzzy Logic Model, and Deep Learning Techniques: Are Retinal and Brain Neurodegenerative Disorders Related?
2023-Nov-02, Pharmaceuticals (Basel, Switzerland)
DOI:10.3390/ph16111555
PMID:38004422
|
研究论文 | 研究构建了渗出性年龄相关性黄斑变性（nAMD）的诊断和治疗分子网络，并探讨了其与脑神经退行性疾病的关联 | 采用多层网络分析、模糊逻辑模型和深度学习技术，识别了nAMD中的关键基因、miRNAs、lncRNAs、代谢物和SNPs，并发现这些与阿尔茨海默病、精神分裂症等神经退行性疾病有关 | 研究主要集中在分子网络的构建和关联分析，未涉及临床试验或实际治疗效果的验证 | 旨在识别nAMD发病机制中的关键分子，并探讨其与其他神经退行性疾病的关联 | nAMD中的蛋白质、miRNAs、lncRNAs、代谢物和SNPs | 机器学习 | 眼科疾病 | 多层网络分析、模糊逻辑模型、遗传算法 | LSTM网络 | 基因、miRNAs、lncRNAs、代谢物、SNPs | 30个关键基因、6个miRNAs、4个lncRNAs、3个关键代谢物、9个关键SNPs |
| 557 | 2024-10-15 |
Choroidal Vessel and Stromal Volumetric Analysis After Photodynamic Therapy or Focal Laser for Central Serous Chorioretinopathy
2023-11-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.12.11.26
PMID:37982766
|
研究论文 | 研究使用体积分析量化中心性浆液性脉络膜视网膜病变（CSCR）患者在接受光动力疗法（PDT）和局部激光光凝（PC）后脉络膜血管和基质的体积变化 | 首次使用深度学习方法进行三维光学相干断层扫描体积分析，量化PDT和PC治疗后脉络膜血管和基质的体积变化 | 这是一项回顾性比较研究，样本量较小，且仅包括CSCR患者 | 研究PDT和PC治疗对CSCR患者脉络膜血管和基质体积的影响 | 中心性浆液性脉络膜视网膜病变（CSCR）患者的脉络膜血管和基质 | NA | NA | 深度学习 | NA | 图像 | 58只眼（58名患者），其中33只眼接受PC治疗，25只眼接受PDT治疗 |
| 558 | 2024-10-15 |
A deep learning-based dynamic model for predicting acute kidney injury risk severity in postoperative patients
2023-09, Surgery
IF:3.2Q1
DOI:10.1016/j.surg.2023.05.003
PMID:37316372
|
研究论文 | 本文开发了一种基于循环神经网络的动态模型，用于预测术后患者急性肾损伤的风险和严重程度 | 提出了一个基于循环神经网络的动态模型，能够更精细和动态地建模急性肾损伤状态，并实现更连续和准确的预测 | NA | 开发和验证一种新的模型，用于预测术后患者急性肾损伤的风险和严重程度 | 术后急性肾损伤的风险和严重程度 | 机器学习 | 肾脏疾病 | 循环神经网络 | RNN | 数值数据 | 42,906名手术患者 |
| 559 | 2024-10-15 |
A bibliometric analysis of worldwide cancer research using machine learning methods
2023-Jun, Cancer innovation
DOI:10.1002/cai2.68
PMID:38089405
|
研究论文 | 本文通过文献计量分析方法，研究了2011年至2021年间使用机器学习方法进行癌症研究的全球趋势和热点 | 本文首次对全球范围内使用机器学习方法进行癌症研究的文献进行了全面的文献计量分析，揭示了该领域的研究热点和发展趋势 | 本文仅基于PubMed数据库中的6206篇文献进行分析，可能未能涵盖所有相关研究 | 分析全球范围内使用机器学习方法进行癌症研究的最新研究现状、主要研究主题、主题演变、研究合作和潜在研究方向 | 2011年至2021年间PubMed数据库中收集的6206篇关于使用机器学习方法进行癌症研究的文献 | 机器学习 | 癌症 | 文献计量分析 | Latent Dirichlet Allocation | 文本 | 6206篇文献 |
| 560 | 2024-10-15 |
Semi-supervised Counting of Grape Berries in the Field Based on Density Mutual Exclusion
2023, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0115
PMID:38033720
|
研究论文 | 提出了一种基于密度互斥的半监督葡萄浆果田间计数方法 | 引入基于密度互斥的辅助任务，利用未标记数据的空间分布模式，并设计了密度差异损失以增强特征表示 | 未提及 | 解决葡萄浆果计数中的遮挡问题，提高计数准确性 | 葡萄浆果 | 计算机视觉 | NA | 深度学习 | VGG16 | 图像 | 田间葡萄浆果数据集 |