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 2292 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-10-12 |
Patient Graph Deep Learning to Predict Breast Cancer Molecular Subtype
2023 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2023.3290394
PMID:37379184
|
研究论文 | 研究利用深度图学习预测乳腺癌分子亚型 | 提出了一种基于多关系有向图的深度学习方法，结合多种诊断学科的患者信息，以更好地表示乳腺癌患者数据并预测分子亚型 | 未提及具体局限性 | 研究如何利用深度图学习方法提高乳腺癌分子亚型的预测准确性 | 乳腺癌患者及其分子亚型 | 机器学习 | 乳腺癌 | 深度图学习 | 关系图卷积网络 | 图像和基因数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 982 | 2024-10-12 |
Towards in silico CLIP-seq: predicting protein-RNA interaction via sequence-to-signal learning
2023-08-04, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03015-7
PMID:37542318
|
研究论文 | 本文介绍了一种名为RBPNet的新型深度学习方法，用于预测RNA序列在单核苷酸分辨率下的CLIP-seq交联计数分布 | RBPNet通过训练多达百万个区域，在eCLIP、iCLIP和miCLIP测定中实现了高泛化能力，并超越了现有最先进的分类器 | NA | 开发一种能够预测蛋白质-RNA相互作用的深度学习方法 | RNA序列及其与蛋白质的交联计数分布 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | 多达百万个区域 | NA | NA | NA | NA |
| 983 | 2024-10-12 |
Boosting variant-calling performance with multi-platform sequencing data using Clair3-MP
2023-Aug-03, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05434-6
PMID:37537536
|
研究论文 | 研究了利用多平台测序数据提升变异检测性能的方法 | 首次探讨了整合Oxford Nanopore和Illumina测序数据以优化变异检测性能的可能性 | 未详细讨论多平台数据整合的具体技术细节 | 探讨多平台测序数据对变异检测性能的影响 | Oxford Nanopore和Illumina测序数据 | 基因组学 | NA | 第三代测序技术、下一代测序技术 | 深度学习模型 | 测序数据 | 未具体说明样本数量 | NA | NA | NA | NA |
| 984 | 2024-10-11 |
An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies
2023-Sep-14, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.11.557288
PMID:37745338
|
研究论文 | 本研究通过挖掘研究出版物和专利，整理了超过5000个流感血凝素（HA）抗体的数据集，并开发了一种轻量级的记忆B细胞语言模型（mBLM）用于基于序列的抗体特异性预测 | 本研究创新性地开发了一种轻量级的记忆B细胞语言模型（mBLM），并成功应用于流感血凝素抗体的特异性预测 | 本研究的主要局限在于数据集的获取和模型的解释性分析 | 本研究的目的是开发一种可解释的语言模型，用于预测抗体的特异性 | 本研究主要研究对象是流感血凝素（HA）抗体 | 机器学习 | NA | NA | 记忆B细胞语言模型（mBLM） | 序列 | 超过5000个流感血凝素（HA）抗体 | NA | NA | NA | NA |
| 985 | 2024-10-11 |
Uncovering Footprints of Natural Selection Through Spectral Analysis of Genomic Summary Statistics
2023-07-05, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msad157
PMID:37433019
|
研究论文 | 本文通过频谱分析基因组汇总统计数据，揭示自然选择的痕迹 | 本文采用小波变换、多锥谱分析和S变换等方法，将一维汇总统计数组转换为二维频谱分析图像，并使用卷积神经网络进行分析，提高了特征提取的准确性 | NA | 通过频谱分析基因组汇总统计数据，区分自然选择与中性模式，揭示自然选择的细微特征 | 基因组汇总统计数据的空间分布 | 机器学习 | NA | 小波变换、多锥谱分析、S变换 | 卷积神经网络 | 基因组数据 | NA | NA | NA | NA | NA |
| 986 | 2024-10-11 |
A computer vision image differential approach for automatic detection of aggressive behavior in pigs using deep learning
2023-Jan-03, Journal of animal science
IF:2.7Q1
DOI:10.1093/jas/skad347
PMID:37813375
|
研究论文 | 本研究使用基于卷积神经网络和图像差分的深度学习方法，自动检测猪的攻击行为 | 本研究创新性地结合了图像差分技术和卷积神经网络，以提高检测猪攻击行为的准确性和效率 | 本研究仅在特定条件下（32对不熟悉的猪仔）进行了实验，结果可能不适用于所有情况 | 开发一种自动检测猪攻击行为的有效且计算效率高的方法 | 猪的攻击行为 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 32对不熟悉的猪仔，共16小时视频记录，其中1.25小时用于建模 | NA | NA | NA | NA |
| 987 | 2024-10-11 |
SEA-Net: Structure-Enhanced Attention Network for Limited-Angle CBCT Reconstruction of Clinical Projection Data
2023, IEEE transactions on instrumentation and measurement
IF:5.6Q1
DOI:10.1109/tim.2023.3318712
PMID:38957474
|
研究论文 | 本文旨在通过开发深度学习方法，利用临床CBCT投影数据改进有限角度锥束CT重建 | 首次利用临床投影数据进行有限角度CBCT重建的可行性研究 | NA | 改进有限角度锥束CT重建技术，减少扫描时间和辐射剂量 | 临床CBCT投影数据 | 计算机视觉 | NA | 深度学习 | 结构增强注意力网络（SEA-Net） | 图像 | NA | NA | NA | NA | NA |
| 988 | 2024-10-11 |
Validation of deep learning techniques for quality augmentation in diffusion MRI for clinical studies
2023, NeuroImage. Clinical
DOI:10.1016/j.nicl.2023.103483
PMID:37572514
|
研究论文 | 本研究评估了深度学习技术在临床应用中提高扩散MRI数据质量的有效性 | 本研究首次探讨了深度学习技术在扩散MRI数据质量增强中的应用，并评估了其在临床研究中的效果 | 研究结果显示，深度学习技术在提高检测统计差异能力的同时，也增加了假阳性率，且在处理异质性数据时存在信息被篡改的风险 | 评估深度学习技术在临床应用中提高扩散MRI数据质量的有效性 | 扩散MRI数据的质量增强，特别是偏头痛患者的临床试验 | 计算机视觉 | 偏头痛 | 深度学习 | NA | 图像 | 14个不同机构的团队使用21个梯度方向和b值为1000 s/mm的数据进行研究 | NA | NA | NA | NA |
| 989 | 2024-10-10 |
Development of Deep Ensembles to Screen for Autism and Symptom Severity Using Retinal Photographs
2023-12-01, JAMA network open
IF:10.5Q1
|
研究论文 | 开发深度集成模型以使用视网膜照片筛查自闭症和症状严重程度 | 首次探索使用深度学习算法通过视网膜照片进行自闭症谱系障碍（ASD）及其症状严重程度的客观筛查 | 研究在单一医院进行，样本主要为男孩，可能影响结果的普适性 | 开发深度集成模型以区分ASD患者与典型发育（TD）个体的视网膜照片，并区分严重ASD与轻中度ASD | 自闭症谱系障碍（ASD）患者和典型发育（TD）个体的视网膜照片 | 计算机视觉 | 自闭症 | 深度学习算法 | 深度集成模型 | 图像 | 1890只眼睛，958名参与者 | NA | NA | NA | NA |
| 990 | 2024-10-09 |
DeepPBS: Geometric deep learning for interpretable prediction of protein-DNA binding specificity
2023-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.15.571942
PMID:38293168
|
研究论文 | 本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性 | DeepPBS模型能够基于蛋白质-DNA结构预测跨蛋白质家族的结合特异性，并提供可解释的蛋白质重原子级别的重要性评分 | NA | 开发一种可解释的深度学习模型，用于预测蛋白质-DNA结合特异性，并指导实验选择和复杂设计 | 蛋白质-DNA结合特异性 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 蛋白质-DNA结构 | NA | NA | NA | NA | NA |
| 991 | 2024-10-09 |
Large-scale annotation dataset for fetal head biometry in ultrasound images
2023-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.109708
PMID:38020431
|
数据集 | 本文介绍了一个大规模的胎儿头部超声图像标注数据集 | 该数据集提供了多种格式的兼容性，适用于多种计算机视觉任务，并经过严格的验证过程 | NA | 为医学影像和计算机视觉领域的研究提供一个高质量的标注数据集 | 胎儿头部超声图像及其解剖区域的标注 | 计算机视觉 | NA | NA | NA | 图像 | 3832张高分辨率超声图像 | NA | NA | NA | NA |
| 992 | 2024-10-09 |
Multi-class deep learning architecture for classifying lung diseases from chest X-Ray and CT images
2023-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-46147-3
PMID:37938631
|
研究论文 | 本文提出了一种用于从胸部X光和CT图像中分类多种肺部疾病的自动化系统 | 本文提出了一种新的图像增强算法，使用k-符号Lerch超越函数模型，并结合定制的卷积神经网络（CNN）和两个预训练的深度学习模型（AlexNet和VGG16Net）进行图像分类 | NA | 开发一种自动化的系统，用于从胸部X光和CT图像中检测多种肺部疾病 | 胸部X光和CT图像中的肺部疾病 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | CNN | 图像 | 公开可用的图像数据集（CT和X光图像数据集） | NA | NA | NA | NA |
| 993 | 2024-10-09 |
Identification of hybrids between the Japanese giant salamander (Andrias japonicus) and Chinese giant salamander (Andrias cf. davidianus) using deep learning and smartphone images
2023-Nov, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.10698
PMID:37953985
|
研究论文 | 本研究利用深度学习和智能手机图像识别日本大鲵和中国大鲵的杂交个体 | 首次采用EfficientNetV2模型和智能手机图像进行杂交个体的识别 | 样本数量有限，仅包括11个日本大鲵和20个杂交个体的图像 | 开发一种基于深度学习的方法，用于识别日本大鲵和中国大鲵的杂交个体，以保护生物多样性 | 日本大鲵和中国大鲵的杂交个体 | 计算机视觉 | NA | 深度学习 | EfficientNetV2 | 图像 | 11个日本大鲵和20个杂交个体的图像 | NA | NA | NA | NA |
| 994 | 2024-10-09 |
Super-resolution segmentation network for inner-ear tissue segmentation
2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-44689-4_2
PMID:38560492
|
研究论文 | 本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割 | 本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异 | NA | 研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息 | 内耳组织 | 计算机视觉 | NA | 深度学习 | 超分辨率分割网络 | 图像 | NA | NA | NA | NA | NA |
| 995 | 2024-10-09 |
Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis
2023-04-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性 | 首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积 | 这是一项横断面研究，无法确定因果关系 | 评估ePVSs的风险因素及其在全脑范围内的临床重要性 | 扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系 | NA | NA | 磁共振成像（MRI） | 深度学习算法 | 图像 | 1026名参与者 | NA | NA | NA | NA |
| 996 | 2024-10-09 |
Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI
2023-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2023.100162
PMID:37035520
|
研究论文 | 研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化 | 研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响 | 研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素 | 旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率 | 研究对象为脑MRI图像中的扩大血管周围间隙（ePVS） | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 997 | 2024-10-08 |
Three-dimensional label-free morphology of CD8 + T cells as a sepsis biomarker
2023-Nov-07, Light, science & applications
DOI:10.1038/s41377-023-01309-w
PMID:37932249
|
研究论文 | 研究探讨了三维无标记CD8+ T细胞形态作为脓毒症生物标志物的潜力 | 首次提出三维无标记CD8+ T细胞形态作为脓毒症的生物标志物，并开发了深度学习模型进行预测 | 样本量较小，仅包括8名脓毒症恢复患者和20名健康对照 | 研究三维无标记CD8+ T细胞形态作为脓毒症诊断和预后生物标志物的潜力 | 脓毒症患者和健康对照的CD8+ T细胞形态 | 数字病理学 | 脓毒症 | 深度学习 | 深度学习模型 | 细胞形态 | 8名脓毒症恢复患者和20名健康对照 | NA | NA | NA | NA |
| 998 | 2024-10-08 |
Can Deep Adult Lung Segmentation Models Generalize to the Pediatric Population?
2023-Nov-01, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.120531
PMID:37397242
|
研究论文 | 本文研究了深度成人肺分割模型在儿科人群中的泛化能力，并提出了一种改进性能的方法 | 提出了新的评估指标MLCD和AHS，并采用分阶段系统方法通过CXR模态特定的权重初始化、堆叠集成和集成堆叠集成来提高性能 | NA | 分析深度成人肺分割模型在儿科人群中的泛化能力，并提出改进方法 | 成人肺分割模型在儿科人群中的应用 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 999 | 2024-10-08 |
A comprehensive review of machine learning algorithms and their application in geriatric medicine: present and future
2023-Nov, Aging clinical and experimental research
IF:3.4Q2
DOI:10.1007/s40520-023-02552-2
PMID:37682491
|
综述 | 本文综述了机器学习算法及其在老年医学中的应用现状和未来发展 | 本文详细描述了各种机器学习算法的分类、用途和能力，并特别关注了其在老年医学中的应用 | 本文主要集中在算法的技术层面和临床应用，未深入探讨数据隐私和伦理问题 | 探讨机器学习算法在老年医学中的应用及其未来发展 | 机器学习算法及其在老年医学中的应用 | 机器学习 | 老年病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 1000 | 2024-10-08 |
THPLM: a sequence-based deep learning framework for protein stability changes prediction upon point variations using pretrained protein language model
2023-11-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad646
PMID:37874953
|
研究论文 | 提出了一种基于序列的深度学习框架THPLM，用于预测蛋白质稳定性变化，使用预训练的蛋白质语言模型ESM-2 | 利用预训练的蛋白质语言模型ESM-2和简单的卷积神经网络，THPLM在蛋白质稳定性变化预测方面表现优异 | NA | 探索蛋白质稳定性变化的预测方法，特别是在点突变情况下的预测 | 蛋白质稳定性变化 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列 | NA | NA | NA | NA | NA |