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 1805 篇文献，本页显示第 1501 - 1520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1501 | 2024-08-05 |
Development of a portable device to quantify hepatic steatosis in potential donor livers
2023, Frontiers in transplantation
DOI:10.3389/frtra.2023.1206085
PMID:38993883
|
研究论文 | 本文描述了一种便携设备的开发，用于量化潜在供体肝脏中的肝脏脂肪沉积 | 创新点在于开发了一个低成本的人工智能平台，能够实时评估供体肝活检切片中的肝脂肪含量 | 该设备依赖于硬件配置，可能在不同设备间表现不一 | 研究目的在于提高肝脏移植中的脂肪含量评估准确性 | 研究对象是供体肝脏活检切片中的脂肪球体 | 数字病理学 | NA | 深度学习 | NA | 图像 | NA |
| 1502 | 2024-08-05 |
Application of multiple deep learning models for automatic burn wound assessment
2023-Aug, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2022.07.006
PMID:35945064
|
研究论文 | 本文提出了一种基于多种深度学习模型的烧伤伤口自动评估系统 | 引入边界基础和区域基础标签方法及多个强大的深度学习模型进行烧伤面积评估 | 未提及具体的局限性 | 提高烧伤伤口的评估准确性，特别是总体表面积和深层烧伤区域的分割 | 涉及4991张早期烧伤图像和1050张手掌图像 | 计算机视觉 | NA | 深度学习 | U-Net, PSPNet, DeeplabV3+, Mask R-CNN | 图像 | 4991张早期烧伤图像和1050张手掌图像 |
| 1503 | 2024-08-05 |
Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual Prostheses
2023-Dec, Advances in neural information processing systems
PMID:38984104
|
研究论文 | 本研究提出了一种结合深度学习和贝叶斯优化的新方法，用于视觉假体中的刺激编码优化。 | 提出了一种新的深度编码网络来为个体患者生成最佳刺激，并采用偏好贝叶斯优化策略进行个性化参数优化 | 尽管方法有效，但存在对高维刺激的处理能力不足的问题 | 旨在提高视觉假体患者的感知体验 | 研究视觉假体患者的个性化刺激编码 | 数字病理学 | NA | 深度学习，贝叶斯优化 | 深度编码网络 | 刺激参数数据 | NA |
| 1504 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2023-Nov-08, Research square
DOI:10.21203/rs.3.rs-3569391/v1
PMID:37986841
|
研究论文 | 该文章比较了预定义方法与深度学习方法在提取脑萎缩模式以预测阿尔茨海默病相关认知衰退中的表现 | 探讨了使用整个脑图像的深度学习模型是否能提高MRI预测性能 | 深度学习模型未显著改善阿尔茨海默病临床疾病进展的预测 | 预测具有主观认知衰退或轻度认知障碍的个体未来的阿尔茨海默病相关认知衰退 | 来自瑞典BioFINDER-1研究的332名主观认知衰退/轻度认知障碍个体 | 数字病理学 | 阿尔茨海默病 | 磁共振成像 (MRI) | 深度学习模型 | 图像 | 332名患者 |
| 1505 | 2024-08-05 |
HLA-II immunopeptidome profiling and deep learning reveal features of antigenicity to inform antigen discovery
2023-07-11, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2023.05.009
PMID:37301199
|
研究论文 | 本研究通过单等位基因免疫肽组学分析HLA-II结合体，结合深度学习，揭示抗原特征以辅助抗原发现 | 创新性地开发了基于深度学习的模型CAPTAn，用于预测与HLA-II亲和力相关的肽抗原 | 目前对影响抗原呈递的因素理解仍不完全，且在配体数据库中多样性等位基因的代表性不足 | 研究HLA-II抗原结合体的特征，以提供新的抗原发现工具 | 358,024个HLA-II结合肽，特别关注HLA-DQ和HLA-DP | 数字病理学 | NA | 单等位基因免疫肽组学 | 深度学习模型(CAPTAn) | PEPTIDES | NA |
| 1506 | 2024-08-05 |
In-silico generation of high-dimensional immune response data in patients using a deep neural network
2023-05, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24709
PMID:36507780
|
研究论文 | 本文提出了一种深度学习模型，用于在高维空间中生成患者的免疫反应数据 | 通过新的最佳时序细胞匹配和过完备自编码器管道，使用少量患者的数据预测整个患者的免疫反应 | 受限于仅使用小型患者样本，可能影响模型的普遍适用性 | 旨在理解免疫系统在各类疾病中的作用 | 分析手术前后1.08百万个细胞的数据 | 机器学习 | NA | 深度学习 | 自编码器 | 细胞数据 | 涉及1.08百万个细胞 |
| 1507 | 2024-08-05 |
A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Site Prediction
2023-12, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.03.007
PMID:37863385
|
综述 | 该综述组织了与磷酸化位点预测相关的知识，以促进该领域的未来研究 | 综述了磷酸化位点（p-site）预测的算法和机器学习方法，并提出重要的特征提取技术 | 在线p-site预测工具在未见过的蛋白质上的实际性能显著低于相关研究论文中报告的结果 | 整理和总结与磷酸化位点预测相关的知识 | 涉及磷酸化修饰及其在生物过程中的角色的蛋白质 | 机器学习 | 神经疾病和癌症 | NA | 传统和端到端深度学习方法 | 蛋白质数据 | 创建自2022年dbPTM数据库的新蛋白质的三个测试集 |
| 1508 | 2024-08-07 |
Correlating Deep Learning-Based Automated Reference Kidney Histomorphometry with Patient Demographics and Creatinine
2023-12-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000299
PMID:37966063
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1509 | 2024-08-05 |
Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms
2023-10, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2022.11.014
PMID:37001856
|
综述 | 该文章综述了蛋白质结构预测领域的研究进展与研究范式的转变 | 强调了深度学习在蛋白质结构预测中的成功以及研究范式的转变 | 理论解释神经网络的机制和对蛋白质折叠的知识仍然高度缺乏 | 探讨蛋白质结构预测的不同研究范式及其演变 | 涉及多领域研究者对蛋白质结构预测的努力 | 计算机科学 | NA | 深度学习 | 深度神经网络 | NA | NA |
| 1510 | 2024-08-07 |
Deep Learning on Electrocardiograms for Prediction of In-hospital Intradialytic Hypotension in Patients with ESKD
2023-09-01, Kidney360
IF:3.2Q1
DOI:10.34067/KID.0000000000000208
PMID:37418626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1511 | 2024-08-05 |
Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL
2023-06, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.01.006
PMID:36775056
|
研究论文 | 本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物 | 使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释 | 本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证 | 个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标 | 预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型 | 机器学习 | 癌症 | 深度学习 | NA | 数据集 | 使用了来自两个大型数据库的癌症细胞系和肿瘤数据 |
| 1512 | 2024-08-05 |
Deep Learning-Based Dose Prediction for Automated, Individualized Quality Assurance of Head and Neck Radiation Therapy Plans
2023 May-Jun, Practical radiation oncology
IF:3.4Q1
DOI:10.1016/j.prro.2022.12.003
PMID:36697347
|
研究论文 | 本研究旨在利用基于深度学习的剂量预测来评估头颈部治疗计划的质量并识别不理想的计划 | 本研究采用3D Dense Dilated U-Net架构进行剂量预测，显示其在自动化、个性化评估头颈部放疗计划质量中的应用潜力 | 临床计划的OAR标记存在高的医师间变异性，且仅有83%的医师标记的OAR由其中一位医师提出 | 研究深度学习在头颈部放疗计划质量评估中的应用 | 245个体积调制弧治疗（VMAT）头颈部计划以及112个高质量计划 | 医学影像处理 | 头颈癌 | 深度学习 | 3D Dense Dilated U-Net | 计算机断层扫描图像 | 245个计划 |
| 1513 | 2024-08-05 |
Learning from prepandemic data to forecast viral escape
2023-Oct, Nature
IF:50.5Q1
DOI:10.1038/s41586-023-06617-0
PMID:37821700
|
研究论文 | 本研究开发了EVEscape框架，用于预测病毒逃逸变异的潜力 | 本研究的创新点在于结合深度学习模型的fitness预测与生物物理和结构信息，提供了一种可在疫情监测之前应用的预测方法 | 模型的有效性依赖于历史序列数据，可能无法涵盖所有潜在的突变 | 旨在建立一种工具，以促进疫苗和治疗设计，通过预测病毒突变来增强疫情准备能力 | 针对SARS-CoV-2及其他病毒如流感、HIV和潜在疫情病毒的突变进行研究 | 计算机视觉 | NA | 深度学习 | NA | 序列数据 | 使用了2020年前的序列数据进行训练 |
| 1514 | 2024-08-05 |
Applications of Deep Learning in Endocrine Neoplasms
2023-Mar, Surgical pathology clinics
DOI:10.1016/j.path.2022.09.014
PMID:36739164
|
review | 本文总结了内分泌癌组织病理学中深度学习研究的现状 | 强调实验设计、重要发现和关键局限性 | NA | 探讨深度学习在内分泌癌组织病理学中的应用 | 内分泌癌的组织样本 | 数字病理学 | 内分泌癌 | 深度学习 | NA | 组织样本 | NA |
| 1515 | 2024-08-07 |
Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-12-29, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8075
PMID:38164534
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1516 | 2024-08-05 |
Form follows function: Nuclear morphology as a quantifiable predictor of cellular senescence
2023-12, Aging cell
IF:8.0Q1
DOI:10.1111/acel.14012
PMID:37845808
|
研究论文 | 本文探讨了核形态在细胞衰老中的可量化预测能力 | 通过深度学习算法分析核形态，能够准确区分增殖细胞和衰老细胞 | 未提及具体的研究限制 | 研究核形态作为衰老的预测生物标志物 | 不同细胞类型和物种的细胞 | 数字病理学 | 衰老相关疾病 | 深度学习算法 | NA | 图像 | NA |
| 1517 | 2024-08-05 |
Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model
2023-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.044072
PMID:37485663
|
研究论文 | 本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。 | 提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。 | 依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。 | 旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。 | 640名经历急性缺血性中风的患者。 | 数字病理学 | 缺血性中风 | 深度学习 | 融合模型 | 影像和临床数据 | 640名急性缺血性中风患者 |
| 1518 | 2024-08-07 |
Regarding "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7972
PMID:37591774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1519 | 2024-08-05 |
Radiomic and deep learning characterization of breast parenchyma on full field digital mammograms and specimen radiographs: a pilot study of a potential cancer field effect
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044501
PMID:37426053
|
研究论文 | 本研究探讨了乳腺组织的放射组学和深度学习特征与乳腺X线摄影图像之间的关系 | 首次将放射组学和深度学习特征应用于分析肿瘤与非肿瘤区域之间的潜在癌症场效应 | 本研究样本量较小，仅包括74名患者，可能影响结果的广泛适用性 | 研究乳腺X线摄影图像中的组织特征与潜在癌症场效应的关系 | 74名确诊为乳腺癌的女性患者的X线摄影图像和切除标本放射图像 | 数字病理学 | 乳腺癌 | 放射组学 | 深度学习 | 图像 | 74名患者的乳腺X线摄影图像和32名患者的切除标本放射图像 |
| 1520 | 2024-08-05 |
Heart-Brain 346-7 Score: the development and validation of a simple mortality prediction score for carbon monoxide poisoning utilizing deep learning
2023-07, Clinical toxicology (Philadelphia, Pa.)
DOI:10.1080/15563650.2023.2226817
PMID:37417305
|
研究论文 | 开发并验证了一种简单的死亡风险预测评分系统，针对一氧化碳中毒患者 | 提出并验证了Heart-Brain 346-7评分系统，以根据特定变量预测一氧化碳中毒患者的住院和长期死亡风险 | 本研究的有效性需要进一步验证，且主要依赖于电子病历数据 | 研究旨在识别患有一氧化碳中毒的患者的急性和长期死亡风险 | 研究对象为811名一氧化碳中毒的成人患者与462名验证队列患者 | 数字病理学 | NA | Firth逻辑回归 | NA | 电子病历数据 | 811名在开发队列中的患者和462名在验证队列中的患者 |