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 1241 - 1260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1241 | 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 |
| 1242 | 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 |
| 1243 | 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 |
| 1244 | 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 |
| 1245 | 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 |
| 1246 | 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 |
| 1247 | 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 |
| 1248 | 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 |
| 1249 | 2024-10-08 |
Deep learning-enabled 3D multimodal fusion of cone-beam CT and intraoral mesh scans for clinically applicable tooth-bone reconstruction
2023-Sep-08, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2023.100825
PMID:37720330
|
研究论文 | 本文提出了一种基于深度学习的3D多模态融合框架，用于临床适用的牙骨重建 | 引入了Deep Dental Multimodal Fusion (DDMF)框架，结合了CBCT和IOS数据，采用新颖的像素表示学习架构、先验知识引导的损失函数和基于几何的3D融合技术 | NA | 开发一种自动化的多模态框架，用于高保真度的牙骨结构3D重建，以支持虚拟牙科治疗规划 | 牙骨结构的3D模型 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 大规模真实世界数据集 | NA | NA | NA | NA |
| 1250 | 2024-10-08 |
Task-based assessment of digital mammography microcalcification detection with deep learning denoising algorithmss using in silico and physical phantom studies
2023-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.5.053502
PMID:37808969
|
研究论文 | 研究使用深度学习去噪算法在数字乳腺摄影微钙化检测中的任务评估，通过体内和物理模型研究 | 提出使用深度学习去噪算法来改善低剂量乳腺摄影图像质量，并探讨了训练数据集中信号存在区域的重要性 | 研究结果显示在物理模型和临床系统中，去噪后的半剂量乳腺摄影图像在微钙化信号检测方面没有明显改善 | 评估深度学习去噪算法在低剂量乳腺摄影图像中检测微钙化的效果 | 乳腺微钙化检测 | 计算机视觉 | 乳腺癌 | 深度学习去噪算法 | 卷积神经网络 | 图像 | 使用了一个人体模型物理幻影和数字压缩乳腺幻影进行研究 | NA | NA | NA | NA |
| 1251 | 2024-10-08 |
DeepAIR: A deep learning framework for effective integration of sequence and 3D structure to enable adaptive immune receptor analysis
2023-08-09, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.abo5128
PMID:37556545
|
研究论文 | 本文介绍了一种名为DeepAIR的深度学习框架，用于整合序列和3D结构特征，以准确预测适应性免疫受体（AIR）与抗原的结合 | DeepAIR框架首次将序列和结构特征整合用于预测AIR-抗原结合，显著提高了预测准确性 | NA | 开发一种能够准确预测适应性免疫受体与抗原结合的深度学习框架 | 适应性免疫受体（AIR），包括T细胞受体（TCR）和B细胞受体（BCR） | 机器学习 | NA | 深度学习 | 深度学习框架 | 序列和3D结构数据 | 使用了TCR和BCR的组合数据，具体样本数量未明确提及 | NA | NA | NA | NA |
| 1252 | 2024-10-08 |
Generative design of de novo proteins based on secondary structure constraints using an attention-based diffusion model
2023-Jul-13, Chem
IF:19.1Q1
DOI:10.1016/j.chempr.2023.03.020
PMID:37614363
|
研究论文 | 本文报道了两种基于深度学习的生成模型，用于根据二级结构设计目标预测氨基酸序列和3D蛋白质结构 | 模型能够发现自然机制或系统中尚未发现的新蛋白质序列，具有设计新蛋白质的能力 | 未来的工作可能需要进一步的条件调整和其他功能属性的探索 | 开发能够根据二级结构设计目标生成新蛋白质序列和结构的深度学习模型 | 氨基酸序列和3D蛋白质结构 | 机器学习 | NA | 深度学习 | 基于注意力机制的扩散模型 | 3D蛋白质结构数据 | 从实验已知的3D蛋白质结构中提取的数据集 | NA | NA | NA | NA |
| 1253 | 2024-10-08 |
DrugEx: Deep Learning Models and Tools for Exploration of Drug-Like Chemical Space
2023-06-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c00434
PMID:37272707
|
研究论文 | 介绍了一个名为DrugEx的开源软件包，用于多目标强化学习，以探索药物样化学空间 | 整合并重新设计了先前DrugEx论文中的脚本，包括多种生成器架构、多种评分工具和多目标优化方法，提供了一个灵活的应用编程接口和图形用户界面GenUI | NA | 开发一个用户友好且易于定制的药物设计工具 | 药物样化学空间中的新分子发现 | 机器学习 | NA | 多目标强化学习 | 多种生成器架构 | NA | NA | NA | NA | NA | NA |
| 1254 | 2024-10-08 |
Deep Learning for Human Activity Recognition on 3D Human Skeleton: Survey and Comparative Study
2023-May-27, Sensors (Basel, Switzerland)
DOI:10.3390/s23115121
PMID:37299848
|
综述 | 本文对基于三维人体骨架数据的人类活动识别（HAR）的深度学习方法进行了全面的调查和比较研究 | 本文首次对基于三维人体骨架数据的人类活动识别的深度学习方法进行了系统的分类和比较研究 | 本文的比较研究仅限于KLHA3D 102和KLYOGA3D数据集，可能无法全面反映所有深度学习方法的性能 | 评估和比较基于三维人体骨架数据的人类活动识别的深度学习方法 | 基于三维人体骨架数据的人类活动识别 | 计算机视觉 | NA | 深度学习 | RNN, CNN, GCN, Hybrid-DNN | 三维人体骨架数据 | KLHA3D 102和KLYOGA3D数据集 | NA | NA | NA | NA |
| 1255 | 2024-10-08 |
Denoising digital breast tomosynthesis projections using deep learning with synthetic data as training set
2023-May, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.3.034001
PMID:37223635
|
研究论文 | 本文研究了使用深度学习技术对数字乳腺断层合成（DBT）投影图像进行去噪，并提出使用合成数据进行训练 | 提出使用软件生成的合成数据来训练深度神经网络（DNN）进行DBT图像去噪，解决了实际数据集获取困难的问题 | 仅限于DBT图像去噪，未涉及其他类型的医学图像处理 | 研究如何在没有大量实际数据的情况下，使用合成数据训练深度神经网络进行DBT图像去噪 | 数字乳腺断层合成（DBT）投影图像的去噪 | 计算机视觉 | NA | 深度神经网络（DNN） | 深度神经网络（DNN） | 图像 | 合成数据集包含噪声和原始图像，具体样本数量未提及 | NA | NA | NA | NA |
| 1256 | 2024-10-08 |
Histogram of Oriented Gradients meet deep learning: A novel multi-task deep network for 2D surgical image semantic segmentation
2023-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.102747
PMID:36702038
|
研究论文 | 本文提出了一种新颖的多任务深度学习方法，用于2D手术图像的语义分割 | 本文的创新点在于使用无监督方式生成辅助任务的伪标签，并利用方向梯度直方图（HOG）作为伪标签生成的特征 | NA | 研究目的是改进医学图像分割的性能 | 研究对象是2D手术图像的语义分割 | 计算机视觉 | NA | 方向梯度直方图（HOG） | 多任务深度网络 | 图像 | 两个不同的医学图像分割数据集 | NA | NA | NA | NA |
| 1257 | 2024-10-08 |
AI-based multi-PRS models outperform classical single-PRS models
2023, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2023.1217860
PMID:37441549
|
研究论文 | 本文研究了基于AI的多PRS模型是否能超越传统的单一PRS模型 | 本文创新性地将其他疾病的PRS添加到预测模型中，并使用机器学习模型替代回归模型，显著提高了预测性能 | NA | 研究如何通过添加其他疾病的PRS和使用机器学习模型来提高疾病风险的预测性能 | 多PRS模型与单一PRS模型的比较，以及回归模型与机器学习模型的比较 | 机器学习 | 多种复杂疾病 | 机器学习 | 深度学习 | 基因数据 | NA | NA | NA | NA | NA |
| 1258 | 2024-10-07 |
Performance comparison of TCR-pMHC prediction tools reveals a strong data dependency
2023, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2023.1128326
PMID:37143667
|
研究论文 | 本文比较了五种最先进的深度学习模型在TCR-pMHC预测工具中的性能，揭示了数据依赖性 | 提供了数据收集、预处理、分割和生成负样本的通用方法，并使用综合数据集比较了TCR-pMHC预测模型的性能 | 模型在未见过的肽段上泛化能力较差，且性能受数据平衡和大小影响较大 | 评估和比较不同TCR-pMHC预测模型的性能 | TCR-pMHC结合预测模型 | 机器学习 | NA | 深度学习 | 深度学习模型（TITAN, NetTCR-2.0, ERGO, DLpTCR, ImRex） | TCR-pMHC结合数据 | 收集并整合了所有主要的公开可用TCR-pMHC结合数据 | NA | NA | NA | NA |
| 1259 | 2024-10-06 |
Visual Enhancement and Semantic Segmentation of Murine Tissue Scans with Pulsed THz Spectroscopy
2023-Feb, Proceedings. IEEE International Conference on Semantic Computing
DOI:10.1109/ICSC56153.2023.00018
PMID:39360127
|
研究论文 | 本文探讨了使用脉冲太赫兹光谱技术对小鼠组织扫描进行视觉增强和语义分割的应用 | 引入了两阶段管道，使用无监督图像到图像翻译网络和监督分割网络，以解决传统深度学习方法在太赫兹成像中的低分辨率和缺乏专家标记图像的问题 | 依赖于合成太赫兹扫描，可能存在与实际数据的差异 | 提高太赫兹成像技术在医学图像中的应用效果，特别是对切除的乳腺癌组织的分割和分类 | 小鼠切除的乳腺癌组织 | 计算机视觉 | 乳腺癌 | 脉冲太赫兹光谱技术 | 无监督图像到图像翻译网络和监督分割网络 | 图像 | NA | NA | NA | NA | NA |
| 1260 | 2024-10-06 |
Transformer-based deep learning for predicting protein properties in the life sciences
2023-01-18, eLife
IF:6.4Q1
DOI:10.7554/eLife.82819
PMID:36651724
|
综述 | 本文综述了基于Transformer模型的深度学习在生命科学中预测蛋白质特性的应用 | Transformer模型在蛋白质特性预测中的应用带来了新的计算革命，显著改进了旧的预测结果 | NA | 探讨Transformer模型在蛋白质特性预测中的应用及其潜力 | 蛋白质特性预测，特别是后翻译修饰的预测 | 自然语言处理 | NA | 深度学习 | Transformer | 蛋白质序列 | NA | NA | NA | NA | NA |