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 2677 篇文献，本页显示第 1341 - 1360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1341 | 2024-10-16 |
A Conditional Normalizing Flow for Accelerated Multi-Coil MR Imaging
2023-Jul, Proceedings of machine learning research
PMID:38084206
|
研究论文 | 本文提出了一种用于加速多线圈磁共振成像的条件归一化流（CNF）方法 | 本文创新性地设计了一种条件归一化流（CNF）模型，用于从测量操作符的零空间中推断信号成分，并结合测量数据生成完整的图像 | NA | 本文旨在通过加速磁共振成像技术减少采集时间，并提供更全面的下游推断信息 | 本文的研究对象是磁共振成像中的信号成分和图像重建 | 计算机视觉 | NA | 条件归一化流（CNF） | 条件归一化流（CNF） | 图像 | 使用了fastMRI脑部和膝关节数据 | NA | NA | NA | NA |
| 1342 | 2024-10-16 |
Direct prediction of Homologous Recombination Deficiency from routine histology in ten different tumor types with attention-based Multiple Instance Learning: a development and validation study
2023-Mar-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.03.08.23286975
PMID:36945540
|
研究论文 | 研究开发了一种基于注意力加权的多实例学习（attMIL）的深度学习管道，用于从常规组织学图像中直接预测同源重组缺陷（HRD）状态 | 首次展示了使用常规组织学图像直接预测HRD状态的可行性，并验证了其在多种肿瘤类型中的适用性 | 研究仅在十种肿瘤类型中进行了验证，未来需要进一步扩展到更多肿瘤类型 | 探索深度学习技术在常规组织学图像中预测HRD状态的可行性 | 十种不同类型的肿瘤 | 数字病理 | NA | 深度学习 | 注意力加权的多实例学习（attMIL） | 图像 | 4565名患者 | NA | NA | NA | NA |
| 1343 | 2024-10-16 |
Accurate prediction of functional effect of single amino acid variants with deep learning
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2023.11.017
PMID:38074467
|
研究论文 | 本文介绍了一种名为Rep2Mut-V2的新型深度学习模型，用于准确预测蛋白质单氨基酸变体的功能效应 | 利用transformer模型的学习表示，显著提高了对蛋白质变体功能效应的预测准确性 | NA | 开发一种能够准确预测蛋白质单氨基酸变体功能效应的计算方法 | 蛋白质单氨基酸变体的功能效应 | 机器学习 | NA | 深度学习 | transformer模型 | 蛋白质序列数据 | 38个蛋白质数据集，包含118,933个单氨基酸变体 | NA | NA | NA | NA |
| 1344 | 2024-10-16 |
AMSF: attention-based multi-view slice fusion for early diagnosis of Alzheimer's disease
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1706
PMID:38077590
|
研究论文 | 本文提出了一种基于注意力机制的多视角切片融合方法（AMSF），用于阿尔茨海默病的早期诊断 | 本文创新性地结合了三维全局特征和多视角二维切片特征，并通过注意力机制引导切片特征的融合，生成全面的MRI图像表示 | 本文未提及具体的局限性 | 旨在提高阿尔茨海默病早期诊断的准确性 | 阿尔茨海默病 | 计算机视觉 | 神经退行性疾病 | 注意力机制 | 深度神经网络 | MRI图像 | 使用了公开数据集进行实验 | NA | NA | NA | NA |
| 1345 | 2024-10-16 |
Deep learning Binary/Multi classification for music's brainwave entrainment beats
2023, PeerJ. Computer science
DOI:10.7717/peerj-cs.1642
PMID:38077584
|
研究论文 | 本文提出了一种基于深度学习的音乐脑波同步节拍分类方法，使用VGGish和YAMNET模型进行二分类和多分类 | 本文的创新点在于提出了一种基于音乐信号元素而非依赖EEG的分类方法，并开发了适用于移动设备的低功耗低延迟模型 | 本文的局限性在于需要生成新的数据集进行训练和测试，且未验证所有音乐数据集的EEG相关性 | 研究音乐脑波同步节拍对听众心理和生理影响的分类方法 | 音乐脑波同步节拍及其对人类脑波的影响 | 机器学习 | NA | 深度学习 | CNN | 音频 | 两个数据集，Brainwave Entrainment Beats (BWEB) 和 Brainwave Music Manipulation (BWMM)，用于分类训练和测试 | NA | NA | NA | NA |
| 1346 | 2024-10-15 |
Attaching organic fibers to mineral: The case of the avian eggshell
2023-Dec-15, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2023.108425
PMID:38034363
|
研究论文 | 研究鸟类蛋壳中有机纤维膜与无机矿物质之间的结构附着机制 | 通过3D多尺度成像技术结合深度学习特征分割，揭示了有机纤维膜如何嵌入和锚定到蛋壳矿物质中 | NA | 理解有机纤维膜如何附着到蛋壳矿物质上，以支持鸟类胚胎发育和孵化 | 鸟类蛋壳中的有机纤维膜和无机矿物质 | 生物学 | NA | X射线和电子断层扫描 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 1347 | 2024-10-15 |
Abdominal fat quantification using convolutional networks
2023-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09865-w
PMID:37436508
|
研究论文 | 本文介绍了使用全卷积网络（FCN）自动量化腹部磁共振成像（MRI）数据中脂肪组织的软件，并评估了其性能 | 本文提出的方法在脂肪组织量化方面显著优于常见的半自动化方法，减少了依赖性和工作量 | NA | 开发和评估一种自动化的方法来量化腹部MRI数据中的脂肪组织 | 肥胖患者的腹部脂肪组织 | 计算机视觉 | 肥胖 | 全卷积网络（FCN） | UNet | 图像 | 331个完整的腹部图像系列 | NA | NA | NA | NA |
| 1348 | 2024-10-15 |
M-MSSEU: source-free domain adaptation for multi-modal stroke lesion segmentation using shadowed sets and evidential uncertainty
2023-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-023-00247-6
PMID:37780536
|
研究论文 | 本文提出了一种新的无源域自适应方法，用于多模态中风病变分割，利用阴影集和证据不确定性 | 本文创新性地使用了证据深度学习代替卷积神经网络，并设计了多模态意见融合模块，利用Dempster-Shafer证据理论进行不同模态的决策融合 | NA | 解决无源域自适应问题，并有效利用医学图像中的多模态信息 | 多模态中风病变 | 计算机视觉 | 中风 | Dempster-Shafer证据理论 | 证据深度学习 | 图像 | 两个多模态中风病变数据集 | NA | NA | NA | NA |
| 1349 | 2024-10-15 |
HUT: Hybrid UNet transformer for brain lesion and tumour segmentation
2023-Dec, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2023.e22412
PMID:38046150
|
研究论文 | 本文提出了一种混合UNet Transformer网络（HUT），用于脑部病变和肿瘤的分割 | HUT网络结合了UNet和Transformer的优势，通过并行运行的两个管道，分别基于UNet和Transformer，提高了单模态病变分割和多模态脑肿瘤分割的性能 | NA | 提高脑部病变和肿瘤分割的准确性 | 脑部病变和肿瘤 | 计算机视觉 | NA | 深度学习 | 混合UNet Transformer | 3D脑部体积图像 | ATLAS数据集和BraTS20数据集 | NA | NA | NA | NA |
| 1350 | 2024-10-15 |
Formulation Graphs for Mapping Structure-Composition of Battery Electrolytes to Device Performance
2023-11-27, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01030
PMID:37948621
|
研究论文 | 本文介绍了一种深度学习模型，即配方图卷积网络（F-GCN），用于将电池电解质的结构-组成关系映射到整体性能 | 提出了F-GCN模型，通过并行组装的多个GCN来实时特征化配方成分，并基于成分的摩尔百分比进行缩放，最终集成到一个代表完整配方的组合描述符中 | NA | 加速新化合物在目标应用中的发现，并减少实验室实验驱动的过程 | 电池电解质的结构-组成关系及其对电池性能的影响 | 机器学习 | NA | 深度学习 | 卷积神经网络（GCN） | 数据集 | 两个数据集，一个来自Li/Cu半电池的文献，另一个来自锂-碘全电池化学的实验室实验 | NA | NA | NA | NA |
| 1351 | 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 | NA | NA | NA | NA |
| 1352 | 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 | NA | NA | NA | NA |
| 1353 | 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 | NA | NA | NA | NA |
| 1354 | 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 | NA | NA | NA | NA |
| 1355 | 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 | NA | NA | NA | NA |
| 1356 | 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 | NA | NA | NA | NA |
| 1357 | 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 | NA | NA | NA | NA |
| 1358 | 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 | NA | NA | NA | NA |
| 1359 | 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 | NA | NA | NA | NA |
| 1360 | 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 | NA | NA | NA | NA |