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 2514 篇文献，本页显示第 1101 - 1120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1101 | 2024-10-18 |
Synthetic Data for Deep Learning: Segmentation of PCB X-Ray Images
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.979
PMID:37613931
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1102 | 2024-10-18 |
Deep Learning Design of Graphene-Reinforced Polyurethane Foams from SEM Microstructure Images and Style-based Generative Adversarial Networks
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.976
PMID:37613997
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1103 | 2024-10-18 |
Thyroid Nodules on Ultrasound in Children and Young Adults: Comparison of Diagnostic Performance of Radiologists' Impressions, ACR TI-RADS, and a Deep Learning Algorithm
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28231
PMID:36259591
|
研究论文 | 比较放射科医生的总体印象、ACR TI-RADS和深度学习算法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 本文创新点在于比较了放射科医生的总体印象、ACR TI-RADS和深度学习算法在甲状腺结节诊断中的敏感性和特异性，发现ACR TI-RADS和深度学习算法在敏感性上优于放射科医生的总体印象 | 本文的局限性在于样本量较小，且仅限于儿童和年轻成人，研究结果可能不适用于所有年龄段 | 比较不同诊断方法在儿童和年轻成人甲状腺结节超声诊断中的表现 | 儿童和年轻成人的甲状腺结节 | 计算机视觉 | 甲状腺疾病 | 深度学习算法 | 深度学习 | 图像 | 139名患者（中位年龄17.5岁；119名女性患者，20名男性患者） | NA | NA | NA | NA |
| 1104 | 2024-10-18 |
Abdominopelvic CT Image Quality: Evaluation of Thin (0.5-mm) Slices Using Deep Learning Reconstruction
2023-03, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28319
PMID:36259592
|
研究论文 | 本研究评估了使用深度学习重建（DLR）的0.5毫米薄层腹部和盆腔CT图像质量，并与0.5毫米和3.0毫米的混合迭代重建（HIR）图像进行了比较 | 本研究首次使用深度学习重建技术生成低噪声的薄层CT图像，并展示了其在图像质量和噪声方面的优势 | 本研究为回顾性研究，样本量较小，且未进行进一步的诊断性能研究 | 比较深度学习重建的薄层CT图像与传统混合迭代重建图像的质量 | 腹部和盆腔CT图像 | 计算机视觉 | NA | 深度学习重建（DLR） | NA | 图像 | 50名患者（31名男性和19名女性；中位年龄64岁） | NA | NA | NA | NA |
| 1105 | 2024-10-18 |
Editorial Comment: Deep Learning Image Reconstruction-Do Better Images Make a Better Radiologist?
2023-Mar, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28658
PMID:36287626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1106 | 2024-10-18 |
Utility of Normalized Body Composition Areas, Derived From Outpatient Abdominal CT Using a Fully Automated Deep Learning Method, for Predicting Subsequent Cardiovascular Events
2023-Feb, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.27977
PMID:36043607
|
研究论文 | 本研究探讨了使用全自动深度学习方法从门诊腹部CT中提取的归一化身体成分区域对后续心血管事件的预测能力 | 本研究首次使用全自动深度学习算法从常规CT扫描中提取身体成分测量值，并独立于传统体重指标预测心血管风险 | 本研究为回顾性研究，样本主要为黑人和白人患者，可能存在选择偏倚 | 确定通过全自动深度学习算法从常规CT扫描中获得的身体成分测量值是否能独立于体重、BMI和其他心血管风险因素预测后续心血管事件 | 9752名门诊患者，其中5519名女性和4233名男性，平均年龄53.2岁，890名患者自报为黑人，8862名自报为白人 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 9752名门诊患者 | NA | NA | NA | NA |
| 1107 | 2024-10-18 |
Detectability of Small Low-Attenuation Lesions With Deep Learning CT Image Reconstruction: A 24-Reader Phantom Study
2023-Feb, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28407
PMID:36129222
|
研究论文 | 本研究评估了深度学习图像重建（DLIR）算法在低对比度检测性能和辐射节省潜力方面与滤波反投影（FBP）和迭代重建（IR）的比较 | DLIR算法在减少辐射剂量的情况下，仍能保持低对比度病变的检测性能，这是传统IR技术的一个主要缺点 | 研究仅在模拟人体的多阅读器非劣效性设计和任务型观察者模型中进行，未在真实临床环境中验证 | 评估DLIR算法在低对比度检测性能和辐射节省潜力方面的表现 | 低对比度检测性能和辐射节省潜力 | 计算机视觉 | NA | 深度学习图像重建（DLIR） | NA | 图像 | 24名不同经验水平的阅读者评估图像 | NA | NA | NA | NA |
| 1108 | 2024-10-18 |
Editorial Comment: More Evidence Supporting Deep Learning Reconstructions in Abdominal CT-What Should We Do?
2023-Feb, AJR. American journal of roentgenology
DOI:10.2214/AJR.22.28554
PMID:36169549
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1109 | 2024-10-17 |
Merizo: a rapid and accurate protein domain segmentation method using invariant point attention
2023-Dec-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43934-4
PMID:38114456
|
研究论文 | 本文介绍了一种名为Merizo的深度学习方法，用于蛋白质域分割 | Merizo通过自下而上的方式学习将残基聚类到域中，并结合CATH域数据和AlphaFold2模型进行微调，使其能够应用于实验模型和AlphaFold2模型 | NA | 开发一种快速且准确的蛋白质域分割方法，以促进对蛋白质结构和功能的理解，并支持药物发现和比较基因组学研究 | 蛋白质域分割 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | 在人类蛋白质组中识别了40,818个潜在域 | NA | NA | NA | NA |
| 1110 | 2024-10-17 |
A new convolutional neural network based on combination of circlets and wavelets for macular OCT classification
2023-12-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-50164-7
PMID:38114582
|
研究论文 | 本文提出了一种基于环状和小波变换的卷积神经网络用于黄斑OCT图像分类 | 提出了名为CircWave的新变换，通过结合2D离散小波变换和环状变换的子带来提高分类准确性，并设计了CircWaveNet模型 | 研究仅限于黄斑OCT图像分类，未涉及其他类型的眼科图像或疾病 | 研究非数据自适应时频变换对OCT B扫描分类的影响，并提出新的变换方法以提高分类准确性 | 黄斑OCT图像的分类 | 计算机视觉 | NA | 2D离散小波变换、环状变换 | 卷积神经网络（CNN） | 图像 | 两个不同成像系统的数据集，分别达到94.5%和90%的准确率 | NA | NA | NA | NA |
| 1111 | 2024-10-17 |
GAHLS: an optimized graph analytics based high level synthesis framework
2023-Dec-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-48981-x
PMID:38114657
|
研究论文 | 提出了一种基于图分析的高层次综合框架GAHLS，用于优化复杂高层次程序的分析和合成 | GAHLS框架通过结合编译器方法和图论优化，将高层次程序转换为消息传递的领域特定加速器，显著提高了性能 | NA | 优化自主系统、网络物理系统、机器人、边缘计算等领域的硬件配置和可重构能力 | 高层次程序的分析和合成 | 计算机视觉 | NA | 图论优化 | NA | 程序代码 | 多个实际应用（如深度学习、脑机接口） | NA | NA | NA | NA |
| 1112 | 2024-10-17 |
Deep learning for classifying the stages of periodontitis on dental images: a systematic review and meta-analysis
2023-12-19, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-023-03751-z
PMID:38114946
|
综述 | 本文系统综述和荟萃分析了深度学习算法在牙科图像中分类牙周炎阶段的应用 | 本文首次系统综述和荟萃分析了深度学习在牙周炎分类中的应用，评估了其准确性 | 本文仅限于已发表的研究，可能存在选择偏倚和发表偏倚 | 评估深度学习算法在牙周炎分类中的应用及其准确性 | 牙周炎的分类 | 计算机视觉 | 口腔疾病 | 深度学习 | NA | 图像 | 13项研究 | NA | NA | NA | NA |
| 1113 | 2024-10-17 |
scNAT: a deep learning method for integrating paired single-cell RNA and T cell receptor sequencing profiles
2023-12-18, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03129-y
PMID:38111007
|
研究论文 | 提出了一种名为scNAT的深度学习方法，用于整合配对的单细胞RNA和T细胞受体测序数据 | 开发了一种新的深度学习方法scNAT，能够整合单细胞RNA测序和T细胞受体测序数据，并在统一潜在空间中表示数据 | NA | 开发一种新的深度学习方法，用于整合单细胞RNA和T细胞受体测序数据，以进行下游分析 | 单细胞RNA测序和T细胞受体测序数据 | 机器学习 | 多发性硬化症 | 深度学习 | NA | RNA测序数据和T细胞受体测序数据 | NA | NA | NA | NA | NA |
| 1114 | 2024-10-17 |
EnzymeMap: curation, validation and data-driven prediction of enzymatic reactions
2023-Dec-13, Chemical science
IF:7.6Q1
DOI:10.1039/d3sc02048g
PMID:38098707
|
研究论文 | 本文介绍了EnzymeMap数据集的构建及其在酶促反应预测中的应用 | 开发了一套校正和验证算法，显著提升了机器学习模型在逆合成、正向预测和区域选择性预测中的表现 | 当前方法受限于可用数据量，尤其是需要平衡和原子映射的反应数据 | 构建高质量数据集以提升酶促反应预测模型的准确性 | 酶促反应及其在化学合成中的应用 | 机器学习 | NA | 机器学习 | 深度学习模型 | 化学反应数据 | 大量文献记录的反应数据 | NA | NA | NA | NA |
| 1115 | 2024-10-17 |
Deep Learning-Assisted Design of Novel Promoters in Escherichia coli
2023-Dec, Advanced genetics (Hoboken, N.J.)
DOI:10.1002/ggn2.202300184
PMID:38099247
|
研究论文 | 本文探讨了利用深度学习模型设计大肠杆菌中新型启动子的潜力 | 结合多种深度学习模型设计并预测新型启动子的活性，并提出了关键功能基序的预测方法 | 大多数生成的启动子活性较低 | 开发深度学习工具用于设计启动子并评估其功能 | 大肠杆菌中的启动子设计 | 机器学习 | NA | 深度学习 | 扩散模型 | 序列数据 | 200个训练样本和50个生成样本 | NA | NA | NA | NA |
| 1116 | 2024-10-17 |
Noncontact remote sensing of abnormal blood pressure using a deep neural network: a novel approach for hypertension screening
2023-Dec-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-970
PMID:38106309
|
研究论文 | 本文开发并评估了一种使用深度学习模型从红外热成像中预测异常高血压的方法 | 首次提出了一种无需接触即可使用现有设备和数据进行高血压筛查的技术 | NA | 开发一种新的方法来早期诊断和治疗高血压 | 红外热成像和血压数据 | 机器学习 | 心血管疾病 | 红外成像 | 深度神经网络 | 图像 | 252名志愿者 | NA | NA | NA | NA |
| 1117 | 2024-10-17 |
Automatic calculation of myocardial perfusion reserve using deep learning with uncertainty quantification
2023-Dec-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-840
PMID:38106294
|
研究论文 | 本文开发了一种基于深度学习的不确定性量化方法来自动计算心肌灌注储备指数 | 提出了一个全自动的方法来估计心肌灌注储备指数，并使用蒙特卡罗辍学U-Net进行心肌分割和机器学习进行地标定位 | 需要进一步验证该方法在不同数据集和临床环境中的适用性 | 开发一种全自动的方法来估计心肌灌注储备指数并评估其性能 | 心肌灌注储备指数 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net | 图像 | 测试对象数量未明确提及 | NA | NA | NA | NA |
| 1118 | 2024-10-17 |
Predicting rice diseases using advanced technologies at different scales: present status and future perspectives
2023-Dec, aBIOTECH
IF:4.6Q1
DOI:10.1007/s42994-023-00126-4
PMID:38106429
|
综述 | 本文综述了利用机器学习和深度学习模型在不同尺度上预测水稻疾病的图像处理技术 | 本文总结了当前最先进的病原体-植物相互作用表型的光学传感应用 | NA | 探讨利用先进技术在不同尺度上预测水稻疾病的现状和未来展望 | 水稻疾病 | 计算机视觉 | NA | 图像处理技术 | 机器学习 (ML) 和深度学习 (DL) 模型 | 图像 | NA | NA | NA | NA | NA |
| 1119 | 2024-10-17 |
A three-dimensional deep learning model for inter-site harmonization of structural MR images of the brain: Extensive validation with a multicenter dataset
2023-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e22647
PMID:38107313
|
研究论文 | 本文开发了一种基于循环一致对抗网络的三维深度学习模型，用于多中心脑部MRI图像的强度分布协调 | 该模型能够稳定处理三维全脑图像，同时优化计算资源，与以往方法相比具有更高的稳定性和效率 | 尽管模型在多种数据集和指标上表现出了鲁棒性，但仍需在更多实际应用中验证其效果 | 旨在解决多中心MRI研究中因数据池化引入的站点相关变异性问题，以减少后续分析的偏差 | T1加权脑部MRI图像的强度分布协调 | 计算机视觉 | NA | 深度学习 | 循环一致对抗网络 | 图像 | 总共1525名健康成年人的六种不同MRI数据集 | NA | NA | NA | NA |
| 1120 | 2024-10-17 |
Image dataset of Pune city historical places for degradation detection, classification, and restoration
2023-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.109794
PMID:38107470
|
研究论文 | 研究了浦那市历史遗迹的图像数据集，用于退化检测、分类和修复 | 创建了一个包含浦那市历史遗迹图像的数据集，包括不同角度、比例和方向的图像，以及白天和夜晚的图像，用于训练计算机视觉模型 | 未提及 | 通过图像数据集和机器学习算法，实现历史遗迹的退化检测、分类和虚拟修复 | 浦那市的历史遗迹，包括其建筑年龄、类型、颜色、形状和大小 | 计算机视觉 | NA | 机器学习、深度学习 | NA | 图像 | 包含浦那市历史遗迹的图像数据集，包括不同角度、比例和方向的图像，以及白天和夜晚的图像 | NA | NA | NA | NA |