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 2413 篇文献，本页显示第 1861 - 1880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1861 | 2024-09-14 |
Elucidating the functional roles of prokaryotic proteins using big data and artificial intelligence
2023-01-16, FEMS microbiology reviews
IF:10.1Q1
DOI:10.1093/femsre/fuad003
PMID:36725215
|
综述 | 本文综述了利用大数据和人工智能技术阐明原核生物蛋白质功能的方法 | 本文介绍了利用人工智能技术处理大规模'组学'数据以填补假设蛋白质（HPs）功能知识空白的创新方法 | NA | 帮助生物学家应用AI工具进行全面的基因组注释，并协助计算机科学家参与这一前沿生物学研究 | 原核生物蛋白质的功能注释 | 生物信息学 | NA | 下一代测序技术 | 机器学习与深度学习算法 | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 1862 | 2024-09-14 |
Dual-branch collaborative learning network for crop disease identification
2023, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2023.1117478
PMID:36844059
|
研究论文 | 提出了一种用于作物病害识别的双分支协作学习网络DBCLNet | 采用双分支协作模块提取图像的全局和局部特征，并嵌入通道注意力机制进行特征细化，设计了特征级联模块以进一步学习更抽象的特征 | NA | 提高作物病害识别的效率和准确性 | 38种作物病害的识别 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | Plant Village数据集中的811个样本 | NA | NA | NA | NA |
| 1863 | 2024-09-14 |
A lightweight attention deep learning method for human-vehicle recognition based on wireless sensing technology
2023, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2023.1135986
PMID:36845434
|
研究论文 | 提出了一种基于无线传感技术的轻量级注意力深度学习方法用于人车识别 | 提出了轻量级无线传感注意力深度学习模型（LW-WADL），结合深度可分离卷积和卷积块注意力机制（CBAM），显著提高了人车分类任务的性能并减少了模型大小 | 未提及 | 解决现有无线传感技术在人车识别任务中性能有限和执行时间慢的问题 | 人车识别任务 | 计算机视觉 | NA | 深度学习 | 深度可分离卷积和卷积块注意力机制（CBAM） | 通道状态信息（CSI） | 未提及具体样本数量 | NA | NA | NA | NA |
| 1864 | 2024-09-14 |
Knowledge graph analysis and visualization of artificial intelligence applied in electrocardiogram
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1118360
PMID:36846320
|
研究论文 | 本研究通过文献计量和可视化知识图谱方法，分析了人工智能在心电图研究中的应用发展过程 | 采用CiteSpace和VOSviewer平台进行综合计量和可视化分析，探索了人工智能在心电图应用中的合作、共现和共引情况 | 主要依赖于Web of Science Core Collection数据库中的文献，可能存在数据偏差 | 分析人工智能在心电图研究中的应用发展过程及其研究热点 | 2021年之前Web of Science Core Collection数据库中的2,229篇相关文献 | 机器学习 | NA | 知识图谱分析 | NA | 文本 | 2,229篇文献 | NA | NA | NA | NA |
| 1865 | 2024-09-14 |
Tree-level almond yield estimation from high resolution aerial imagery with convolutional neural network
2023, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2023.1070699
PMID:36875622
|
研究论文 | 本文研究了利用高分辨率航空影像和卷积神经网络（CNN）进行树级杏仁产量的估算 | 本文展示了深度学习在树级产量估算方面相对于传统线性回归和机器学习方法的显著改进 | NA | 研究树级杏仁产量的估算方法，以支持精准农业资源管理 | 加州'Independence'品种的杏仁果园 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 多光谱影像 | 约2000棵树 | NA | NA | NA | NA |
| 1866 | 2024-09-14 |
Sentiment analysis and emotion detection of post-COVID educational Tweets: Jordan case
2023, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-023-01041-8
PMID:36880094
|
研究论文 | 研究分析了约旦社区在新冠疫情后对混合教育模式的情感和观点 | 利用自然语言处理和深度学习模型分析推特数据，探讨了约旦社区对混合教育模式的情感反应 | 研究仅基于推特数据，可能无法全面反映所有社区成员的观点 | 探讨新冠疫情后约旦社区对混合教育模式的情感和观点 | 约旦社区在新冠疫情后对混合教育模式的情感和观点 | 自然语言处理 | NA | 自然语言处理 | 深度学习模型 | 文本 | 分析了约旦社区的推特数据，样本量为100%的社区成员 | NA | NA | NA | NA |
| 1867 | 2024-09-13 |
medigan: a Python library of pretrained generative models for medical image synthesis
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.061403
PMID:36814939
|
研究论文 | 本文介绍了一个名为medigan的Python库，该库提供了预训练的生成模型，用于医学图像合成 | medigan库通过提供预训练的生成模型，降低了生成模型在研究和临床应用中的使用门槛，促进了合成数据的共享和利用 | NA | 探索生成模型共享，以降低生成模型在研究和临床应用中的使用门槛 | 生成模型在医学图像合成中的应用 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 21个模型，9种不同的GAN架构，11个不同的数据集 | NA | NA | NA | NA |
| 1868 | 2024-09-13 |
Unbiased curriculum learning enhanced global-local graph neural network for protein thermodynamic stability prediction
2023-10-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad589
PMID:37740312
|
研究论文 | 本文提出了一种基于无偏课程学习增强的全局-局部图神经网络，用于蛋白质热力学稳定性预测 | 本文创新性地结合了全局-局部图神经网络和无偏课程学习方法，以解决现有方法在蛋白质结构自然拓扑和噪声样本处理上的不足 | NA | 提高蛋白质热力学稳定性预测的准确性 | 蛋白质及其点突变后的热力学稳定性 | 机器学习 | NA | 图神经网络 | 全局-局部图神经网络 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 1869 | 2024-09-13 |
Proteogenomic insights suggest druggable pathways in endometrial carcinoma
2023-09-11, Cancer cell
IF:48.8Q1
DOI:10.1016/j.ccell.2023.07.007
PMID:37567170
|
研究论文 | 研究通过多组学平台分析了138个子宫内膜癌肿瘤和20个正常组织样本，揭示了潜在的可药物化通路和分子影像标志物 | 研究首次通过多组学平台全面分析子宫内膜癌，发现了新的生物标志物和潜在的治疗靶点 | 研究样本量有限，需要进一步验证结果在更大规模研究中的适用性 | 揭示子宫内膜癌中的可药物化通路和分子影像标志物，以指导患者分层和精准治疗 | 子宫内膜癌肿瘤和正常组织样本 | 数字病理学 | 子宫内膜癌 | 多组学平台 | 深度学习 | 图像 | 138个肿瘤样本和20个正常组织样本 | NA | NA | NA | NA |
| 1870 | 2024-09-13 |
Data for assessing red blood cell deformability from microscopy images using deep learning
2023-Apr, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.108928
PMID:36798597
|
研究论文 | 本文提供了一个用于评估红细胞变形性的显微镜图像数据集，并探讨了利用深度学习算法从图像中测量红细胞变形性的潜力 | 本文首次提供了一个包含10名健康供体红细胞样本的显微镜图像数据集，用于开发深度学习算法以评估红细胞变形性 | 数据集仅包含10名健康供体的样本，可能不足以涵盖所有可能的红细胞变形性变化情况 | 开发一种从显微镜图像中测量红细胞变形性的深度学习算法，以简化红细胞质量评估过程 | 红细胞的变形性 | 计算机视觉 | NA | 显微镜成像 | 深度学习 | 图像 | 10名健康供体的红细胞样本 | NA | NA | NA | NA |
| 1871 | 2024-09-13 |
Deep learning imaging features derived from kidney ultrasounds predict chronic kidney disease progression in children with posterior urethral valves
2023-03, Pediatric nephrology (Berlin, Germany)
DOI:10.1007/s00467-022-05677-0
PMID:35867160
|
研究论文 | 本文利用深度学习从新生儿肾脏超声图像中提取解剖特征，评估其在预测后尿道瓣膜症患儿慢性肾病进展风险和时间方面的表现 | 本文首次使用深度学习技术从新生儿肾脏超声图像中提取特征，并将其应用于预测慢性肾病的进展，相比仅使用临床特征如最低肌酐水平，具有更高的预测准确性 | 本文为回顾性研究，样本量有限，且仅针对后尿道瓣膜症患儿，研究结果的普适性有待进一步验证 | 研究目的是利用深度学习技术从新生儿肾脏超声图像中提取特征，以提高对后尿道瓣膜症患儿慢性肾病进展的早期预测准确性 | 研究对象为患有后尿道瓣膜症的男孩 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | 随机生存森林 | 图像 | 225名患者 | NA | NA | NA | NA |
| 1872 | 2024-09-13 |
SAM-X: sorting algorithm for musculoskeletal x-ray radiography
2023-Mar, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-09184-6
PMID:36307553
|
研究论文 | 开发了一种两阶段的深度学习排序算法，用于根据解剖实体对大型肌肉骨骼X光图像数据集进行排序 | 提出了一个两阶段的深度学习排序算法，结合自监督学习和人类专家的弱语义标签，显著提高了分类准确性 | 研究主要集中在肌肉骨骼肿瘤中心的X光图像，可能限制了算法的普适性 | 开发一种高效的深度学习算法，用于根据解剖实体对X光图像进行分类，以支持肌肉骨骼疾病的评估 | 42,608张未结构化和匿名的X光图像 | 计算机视觉 | NA | 深度学习 | 自监督模型 | 图像 | 42,608张X光图像 | NA | NA | NA | NA |
| 1873 | 2024-09-13 |
PulDi-COVID: Chronic obstructive pulmonary (lung) diseases with COVID-19 classification using ensemble deep convolutional neural network from chest X-ray images to minimize severity and mortality rates
2023-Mar, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2022.104445
PMID:36466567
|
研究论文 | 本文提出了一种名为PulDi-COVID的深度卷积神经网络模型，用于从胸部X光图像中分类慢性阻塞性肺病和COVID-19，以减少严重程度和死亡率 | 本文创新性地提出了PulDi-COVID模型，结合了多种深度学习模型的快照，通过集成学习方法提高了分类准确性 | 由于数据噪声和小样本问题，现有深度学习策略可能存在显著偏差和泛化失败 | 研究目的是开发一种高效的深度学习模型，用于快速检测COVID-19和慢性肺病，以降低患者的严重程度和死亡率 | 研究对象包括慢性阻塞性肺病和COVID-19患者，以及胸部X光图像 | 计算机视觉 | 肺病 | 深度学习 | 卷积神经网络 | 图像 | 使用了较大的COVID-19和肺病胸部X光图像数据集 | NA | NA | NA | NA |
| 1874 | 2024-09-13 |
Fast three-dimensional image generation for healthy brain aging using diffeomorphic registration
2023-03, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26165
PMID:36468536
|
研究论文 | 本文提出了一种基于微分同胚配准的方法，用于生成健康大脑随时间变化的3D图像，以填补纵向数据集中的缺失数据 | 引入了两个新的模块在Synthmorph框架内模拟老化过程，并使用图像配准技术生成 anatomically plausible 的图像 | 假设健康大脑的线性衰退可能不适用于所有情况 | 开发一种方法来填补纵向数据集中的缺失数据，以帮助早期检测和预测神经退行性疾病 | 健康大脑的老化过程 | 计算机视觉 | NA | 微分同胚配准 | Synthmorph | 图像 | 2662个T1加权MRI扫描，来自796名健康参与者，来自3个不同的纵向队列 | NA | NA | NA | NA |
| 1875 | 2024-09-13 |
Decentralized collaborative multi-institutional PET attenuation and scatter correction using federated deep learning
2023-03, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-022-06053-8
PMID:36508026
|
研究论文 | 本文研究了在多中心设置下使用联邦学习进行PET图像的衰减校正和散射补偿 | 提出了基于联邦学习的深度学习模型，避免了直接共享数据，提高了模型的泛化性和鲁棒性 | 观察到预测的体素值略有低估 | 开发一种在多中心设置下使用联邦学习进行PET图像衰减校正和散射补偿的深度学习模型 | 18F-FDG PET图像的衰减校正和散射补偿 | 机器学习 | NA | 联邦学习 | U-Net | 图像 | 300名患者的PET图像，来自6个不同中心，每个中心50名患者 | NA | NA | NA | NA |
| 1876 | 2024-09-13 |
Classification of COVID-19 from community-acquired pneumonia: Boosting the performance with capsule network and maximum intensity projection image of CT scans
2023-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2023.106567
PMID:36738705
|
研究论文 | 本文提出了一种利用胶囊网络和CT扫描的最大强度投影图像来区分COVID-19和社区获得性肺炎的方法 | 本文创新性地使用了最大强度投影图像和胶囊网络来提高COVID-19和社区获得性肺炎的分类准确性 | NA | 开发一种能够准确自动区分COVID-19和社区获得性肺炎的方法 | COVID-19和社区获得性肺炎的CT图像 | 计算机视觉 | COVID-19 | 最大强度投影图像 | 胶囊网络 | 图像 | 训练集包含333个CT扫描（168个COVID-19/165个CAP），验证集包含3581个CT扫描（2110个COVID-19/1471个CAP） | NA | NA | NA | NA |
| 1877 | 2024-09-13 |
A computational map of the human-SARS-CoV-2 protein-RNA interactome predicted at single-nucleotide resolution
2023-Mar, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad010
PMID:36814457
|
研究论文 | 本文构建了首个单核苷酸分辨率的人类RBP与SARS-CoV-2 RNA相互作用图谱 | 首次使用深度学习方法在单核苷酸分辨率下预测人类RBP与SARS-CoV-2 RNA的相互作用，并评估了不同冠状病毒间的RBP结合保守性 | 依赖于CLIP-seq实验数据，可能存在实验误差和数据偏差 | 研究人类RBP在SARS-CoV-2感染中的作用，并预测未来突变对蛋白质-RNA相互作用的影响 | 人类RBP与SARS-CoV-2 RNA的相互作用 | 生物信息学 | NA | 深度学习 | pysster 和 DeepRiPe | RNA | 超过100种人类RBP的CLIP-seq实验数据 | NA | NA | NA | NA |
| 1878 | 2024-09-13 |
Electrocardiogram-based deep learning improves outcome prediction following cardiac resynchronization therapy
2023-02-21, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehac617
PMID:36342291
|
研究论文 | 本研究利用可解释的深度学习算法识别和可视化心电图特征，以预测心脏再同步治疗后的临床结果 | 提出的FactorECG模型在预测心脏再同步治疗后的临床结果方面优于当前指南心电图标准和QRSAREA，且不需要额外的临床变量 | FactorECG模型在加入13个临床变量后，其预测能力的提升有限 | 开发和验证一种基于心电图的深度学习算法，以提高心脏再同步治疗后临床结果的预测准确性 | 心电图特征和心脏再同步治疗后的临床结果 | 机器学习 | 心血管疾病 | 深度学习算法 | 深度学习模型 | 心电图 | 1306名心脏再同步治疗患者的心电图数据 | NA | NA | NA | NA |
| 1879 | 2024-09-13 |
Low-data interpretable deep learning prediction of antibody viscosity using a biophysically meaningful representation
2023-02-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-28841-4
PMID:36806303
|
研究论文 | 本文提出了一种基于生物物理学意义表示的深度学习方法，用于在数据有限的情况下预测抗体粘度 | 使用生物物理学意义的表示方法，在数据有限的情况下开发可推广的模型，并展示了其在抗体粘度预测中的应用 | 仅在抗体粘度预测中进行了验证，尚未广泛应用于其他生物系统 | 开发一种在数据有限的情况下可推广的深度学习模型，用于预测抗体粘度 | 抗体粘度 | 机器学习 | NA | 深度学习 | 3D卷积神经网络 | 图像 | 几十个数据点 | NA | NA | NA | NA |
| 1880 | 2024-09-13 |
Restoring speech intelligibility for hearing aid users with deep learning
2023-02-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-29871-8
PMID:36792797
|
研究论文 | 本文介绍了一种基于深度学习的算法，用于提高助听器用户在背景噪音环境下的语音可懂度 | 该算法通过深度网络选择性抑制噪音并保持语音信号，使用了一种新颖的基于深度学习的语音可懂度度量方法进行优化，并在单麦克风上实现了实时操作 | NA | 提高助听器用户在背景噪音环境下的语音可懂度 | 助听器用户和正常听力对照组 | 机器学习 | 听力损失 | 深度学习 | 深度网络 | 语音信号 | 大量自定义的含噪音语音信号数据库 | NA | NA | NA | NA |