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 1811 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-09-25 |
iCircDA-NEAE: Accelerated attribute network embedding and dynamic convolutional autoencoder for circRNA-disease associations prediction
2023-08, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1011344
PMID:37651321
|
研究论文 | 提出了一种名为iCircDA-NEAE的新型深度学习模型，用于预测circRNA与疾病之间的关联 | 首次同时使用疾病语义相似性、高斯交互轮廓核、circRNA表达谱相似性和Jaccard相似性，并基于加速属性网络嵌入和动态卷积自编码器提取隐藏特征 | 现有方法在数据中未充分利用生物信息，且提取的特征不足以代表circRNA与疾病之间的关联特征 | 开发一种新的深度学习模型，以提高circRNA与疾病关联预测的准确性 | circRNA与疾病之间的关联 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 生物信息数据 | circR2Disease数据集 |
| 742 | 2024-09-25 |
Inpainting surgical occlusion from laparoscopic video sequences for robot-assisted interventions
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.045002
PMID:37649957
|
研究论文 | 本文提出了一种利用数字修复算法从腹腔镜/内窥镜视频中移除手术器械的应用 | 本文采用了改进的U-Net架构（U-NetPlus）进行手术器械分割，并通过最近邻插值替代转置卷积操作，消除了转置卷积产生的伪影 | NA | 旨在通过深度学习技术提高手术器械在手术场景中的检测和识别准确性，并减少组织损伤的风险 | 手术器械在腹腔镜/内窥镜视频中的分割和移除 | 计算机视觉 | NA | 深度学习 | U-NetPlus | 视频 | 使用了MICCAI 2015和2017 EndoVis Challenge的机器人器械数据集 |
| 743 | 2024-09-25 |
De novo distillation of thermodynamic affinity from deep learning regulatory sequence models of in vivo protein-DNA binding
2023-May-11, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.11.540401
PMID:37214836
|
研究论文 | 本文介绍了一种从深度学习模型中提取热力学亲和力的方法，用于解释体内蛋白质-DNA结合的调控序列模型 | 开发了Affinity Distillation (AD)方法，通过边缘化基因组序列上下文的影响，从深度学习模型中提取热力学亲和力 | NA | 旨在理解和解释转录因子在不同细胞上下文中的序列特异性结合 | 转录因子与DNA的结合及其在基因调控中的作用 | 生物信息学 | NA | 深度学习 | 神经网络 | 基因组数据 | 涉及多种酵母和哺乳动物转录因子 |
| 744 | 2024-09-25 |
Leveraging deep learning to improve vaccine design
2023-05, Trends in immunology
IF:13.1Q1
DOI:10.1016/j.it.2023.03.002
PMID:37003949
|
研究论文 | 本文探讨了深度学习在疫苗设计中的应用及其在生物医学科学中的潜力 | 深度学习在疫苗研究和开发中的应用具有高公共卫生意义，特别是在蛋白质结构预测、免疫库分析和系统发育学等领域 | 深度学习在免疫学研究中的应用仍处于早期阶段，存在一些挑战 | 探讨深度学习在疫苗设计中的应用及其在生物医学科学中的潜力 | 疫苗设计、蛋白质结构预测、免疫库分析和系统发育学 | 机器学习 | NA | 深度学习 | NA | NA | NA |
| 745 | 2024-09-25 |
Coronavirus covid-19 detection by means of explainable deep learning
2023-01-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-27697-y
PMID:36627339
|
研究论文 | 本文设计并实现了一种基于深度学习的方法，用于从CT医学图像中自动检测新型冠状病毒肺炎（COVID-19） | 提出了一种基于深度学习的自动检测方法，能够从CT医学图像中快速诊断COVID-19，并自动标记感染区域 | 实验数据来自不同机构，但未详细说明样本数量和多样性 | 提供一种全自动且更快速的COVID-19诊断方法 | COVID-19患者的CT医学图像 | 计算机视觉 | 新型冠状病毒肺炎 | 深度学习 | NA | 图像 | 来自不同机构的医学图像，未详细说明数量 |
| 746 | 2024-09-25 |
Region-based evidential deep learning to quantify uncertainty and improve robustness of brain tumor segmentation
2023, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-022-08016-4
PMID:37724130
|
研究论文 | 本文提出了一种基于区域的证据深度学习框架，用于量化不确定性并提高脑肿瘤分割的鲁棒性 | 引入了一种新的基于区域的证据深度学习方法，能够生成可靠的不确定性图和准确的分割结果，对噪声和图像损坏具有鲁棒性 | NA | 提高脑肿瘤分割的可靠性和鲁棒性 | 脑肿瘤的分割和不确定性量化 | 计算机视觉 | 脑肿瘤 | 证据深度学习 (EDL) | 神经网络 | 图像 | BraTS 2020数据集 |
| 747 | 2024-09-25 |
Deformable image registration based on single or multi-atlas methods for automatic muscle segmentation and the generation of augmented imaging datasets
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0273446
PMID:36897869
|
研究论文 | 本文提出了一种基于单或多图谱方法的可变形图像配准技术，用于自动分割肌肉并生成增强的成像数据集 | 本文首次使用非线性可变形图像配准技术生成69个手动校验的3D人工数据集，为未来研究提供了大量可靠的参考数据 | 本文的研究对象仅限于下肢肌肉，且平均绝对相对体积误差为12.7%，仍有改进空间 | 开发一种自动化的肌肉分割方法，以减少手动劳动和操作员重复性问题 | 下肢骨骼肌肉 | 计算机视觉 | NA | 可变形图像配准 | NA | 图像 | 5名受试者的23块主要下肢骨骼肌肉 |
| 748 | 2024-09-25 |
Comparative evaluation and analysis of DNA N4-methylcytosine methylation sites using deep learning
2023, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2023.1254827
PMID:37671040
|
研究论文 | 本文比较了多种先进的深度学习模型在六个基准数据集上的表现，以评估其在4mC甲基化位点检测中的性能 | 本文首次系统地比较了多种深度学习模型在4mC甲基化位点检测中的应用，展示了深度学习在此领域的潜力 | 本文仅限于对现有深度学习模型的比较，未提出新的模型或方法 | 评估和分析深度学习模型在DNA N4-甲基胞嘧啶甲基化位点检测中的性能 | DNA N4-甲基胞嘧啶甲基化位点 | 机器学习 | NA | 深度学习 | 多种深度学习模型 | DNA序列数据 | 六个基准数据集 |
| 749 | 2024-09-25 |
Inferring the Effects of Protein Variants on Protein-Protein Interactions with Interpretable Transformer Representations
2023, Research (Washington, D.C.)
DOI:10.34133/research.0219
PMID:37701056
|
研究论文 | 本文介绍了一种名为MIPPI的可解释Transformer模型，用于推断蛋白质变体对蛋白质-蛋白质相互作用的影响 | MIPPI是一个端到端的深度学习模型，通过利用IMEx的相互作用数据直接从序列中学习特征，并能通过学习到的注意力权重进行解释 | NA | 旨在识别致病变体并推断其对蛋白质-蛋白质相互作用的影响，从而揭示其在疾病中的功能后果 | 蛋白质变体对蛋白质-蛋白质相互作用的影响 | 机器学习 | 神经发育障碍 | Transformer | Transformer | 序列 | NA |
| 750 | 2024-09-25 |
Sample-efficient multi-agent reinforcement learning with masked reconstruction
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291545
PMID:37708154
|
研究论文 | 本文提出了一种结合掩码重构任务的多智能体强化学习方法（M-QMIX），以提高样本效率 | 通过引入掩码重构任务作为辅助任务，旨在增强多智能体系统中强化学习的样本效率 | 本文未提及具体的局限性 | 提高多智能体强化学习中的样本效率 | 多智能体强化学习中的决策问题 | 机器学习 | NA | 强化学习 | QMIX | 游戏数据 | 使用了11个场景，包括5个简单、3个困难和3个非常困难的场景 |
| 751 | 2024-09-25 |
Local refinement mechanism for improved plant leaf segmentation in cluttered backgrounds
2023, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2023.1211075
PMID:37711291
|
研究论文 | 本文提出了一种基于深度学习的植物叶片实例分割方法，通过局部细化机制在杂乱背景下提高分割性能 | 引入了局部细化机制，使用高斯低通和高提升滤波器来增强目标实例，并可应用于训练或测试数据集 | 较大的高斯低通滤波器核尺寸会导致预测性能下降 | 旨在解决真实温室场景中的挑战，实现智能农业中表型数据的自动识别 | 番茄叶片的实例分割 | 计算机视觉 | NA | 深度学习 | 实例分割架构 | 图像 | 番茄叶片数据集 |
| 752 | 2024-09-25 |
EEG-based investigation of effects of mindfulness meditation training on state and trait by deep learning and traditional machine learning
2023, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2023.1033420
PMID:37719770
|
研究论文 | 本研究使用深度学习和传统机器学习方法，探讨短期正念减压训练对状态和特质的影响 | 本研究结合了深度学习和传统机器学习方法，评估短期正念减压训练对状态和特质的影响，并比较了不同分类策略的效果 | 本研究样本量较小，且仅包括11名初学者，可能影响结果的普适性 | 探讨短期正念减压训练对状态和特质的影响，并比较深度学习和传统机器学习方法的效果 | 短期正念减压训练对状态和特质的影响 | 机器学习 | NA | 卷积神经网络（CNN）、支持向量机（SVM） | 卷积神经网络（CNN） | 脑电图（EEG） | 11名初学者正念减压训练者（6名男性，5名女性；平均年龄35.7岁；7名亚洲人，4名高加索人） |
| 753 | 2024-09-25 |
Artificial intelligence assisted pterygium diagnosis: current status and perspectives
2023, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2023.09.04
PMID:37724272
|
综述 | 本文综述了人工智能辅助翼状胬肉诊断的现状和未来发展 | 探讨了人工智能在翼状胬肉诊断中的应用潜力 | 分析了人工智能辅助翼状胬肉诊断的优缺点和局限性 | 旨在提供关于人工智能在翼状胬肉诊断中的最新进展和潜在应用的见解 | 翼状胬肉诊断 | 计算机视觉 | 眼科疾病 | 机器学习、深度学习 | NA | 图像 | NA |
| 754 | 2024-09-25 |
Guidelines for the application of artificial intelligence in the diagnosis of anterior segment diseases (2023)
2023, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2023.09.03
PMID:37724278
|
指南 | 本文详细阐述了人工智能在前段眼病诊断中的应用 | 本文介绍了人工智能从前段眼病诊断的理论应用到实际应用的转变 | 本文探讨了现有障碍并展望了未来发展方向 | 旨在帮助眼科医生优化将人工智能融入诊断决策并增强临床研究 | 前段眼病，包括角膜、结膜、晶状体和眼睑的病理 | 数字病理 | 眼科疾病 | 人工智能 | 深度学习 | 图像 | NA |
| 755 | 2024-09-25 |
Research progress in artificial intelligence assisted diabetic retinopathy diagnosis
2023, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2023.09.05
PMID:37724288
|
研究论文 | 总结了基于机器学习和深度学习算法的人工智能模型在糖尿病视网膜病变诊断中的研究进展，并讨论了人工智能研究中的一些局限性和挑战 | 人工智能模型在糖尿病视网膜病变的诊断、分级和病变识别与分割方面取得了良好的研究和应用成果 | 讨论了人工智能研究中的一些局限性和挑战 | 总结人工智能在糖尿病视网膜病变诊断中的研究进展 | 糖尿病视网膜病变 | 机器学习 | 糖尿病视网膜病变 | 机器学习和深度学习算法 | NA | NA | NA |
| 756 | 2024-09-23 |
AI Models for Protein Design are Driving Antibody Engineering
2023-Dec, Current opinion in biomedical engineering
IF:4.7Q2
DOI:10.1016/j.cobme.2023.100473
PMID:37484815
|
综述 | 本文综述了基于深度学习的蛋白质结构预测和设计在抗体治疗研究中的进展 | 利用深度学习指导抗体生成方法，结合先验知识和实验成果，提升抗体工程过程 | NA | 探讨深度学习在抗体治疗中的应用 | 抗体序列及其与目标抗原的结合特性 | 机器学习 | NA | 深度学习 | 生成模型 | 结构数据 | NA |
| 757 | 2024-09-23 |
Deep learning-driven adaptive optics for single-molecule localization microscopy
2023-Nov, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-023-02029-0
PMID:37770712
|
研究论文 | 本文开发了一种基于深度学习的自适应光学技术，用于单分子定位显微镜（SMLM），以解决生物组织引起的波前畸变问题 | 本文的创新点在于利用深度学习直接推断波前畸变并进行近实时补偿，避免了传统的迭代试错过程 | NA | 研究目的是提高单分子定位显微镜在生物组织中的分辨率和成像质量 | 研究对象是生物组织中的单分子发射模式及其波前畸变 | 计算机视觉 | NA | 自适应光学 | 深度神经网络 | 图像 | 超过130微米厚的脑组织样本 |
| 758 | 2024-09-23 |
Independent regulation of Z-lines and M-lines during sarcomere assembly in cardiac myocytes revealed by the automatic image analysis software sarcApp
2023-Oct-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.01.11.523681
PMID:36711995
|
研究论文 | 本文介绍了一种名为sarcApp的图像分析工具，用于量化心肌细胞中肌节及其组件的排列 | 开发了sarcApp工具，利用深度学习分割和实空间量化技术，自动分析肌节中的Z线和M线的组织结构 | NA | 研究肌节装配过程中Z线和M线的独立调控机制 | 心肌细胞中的肌节及其组件 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA |
| 759 | 2024-09-23 |
Large-scale capture of hidden fluorescent labels for training generalizable markerless motion capture models
2023-09-26, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41565-3
PMID:37752123
|
研究论文 | 本文介绍了一种名为GlowTrack的方法，用于生成大量训练数据，以提高无标记运动捕捉模型的泛化能力 | 开发了一种高吞吐量的方法，利用荧光标记生成隐藏标签，并使用多摄像头和多光源设置模拟多样化的视觉条件，同时实现了并行标记多个地标，从而实现密集跟踪 | NA | 提高无标记运动捕捉模型的泛化能力，使其能够适应不同的实验环境和视觉条件 | 动物行为研究中的运动捕捉模型 | 计算机视觉 | NA | 荧光标记 | NA | 图像 | NA |
| 760 | 2024-09-23 |
Automatic pavement texture recognition using lightweight few-shot learning
2023-Sep-04, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
DOI:10.1098/rsta.2022.0166
PMID:37454689
|
研究论文 | 本文提出了一种基于孪生网络的少样本学习模型，用于在有限数据集上进行路面纹理识别 | 本文创新性地使用孪生网络进行少样本学习，并结合全局平均池化和一维卷积，创建了轻量级模型，显著减少了存储和训练时间 | 尽管模型在减少存储和训练时间方面表现出色，但分类准确率有所下降 | 解决路面纹理识别中数据稀缺的问题，提高道路维护专业人员检测潜在安全隐患的能力 | 路面纹理，包括密级配沥青混凝土、微表面、开级配摩擦层和石材基质沥青 | 计算机视觉 | NA | 少样本学习 | 孪生网络 | 图像 | 四类五样本任务 |