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 127 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-09-23 |
Persistent topological Laplacian analysis of SARS-CoV-2 variants
2023-Apr-06, ArXiv
PMID:36748007
|
研究论文 | 本文探讨了持久拓扑拉普拉斯（PTLs）在分析严重急性呼吸综合征冠状病毒2（SARS-CoV-2）刺突受体结合域（RBD）蛋白质结构变化中的建模和分析能力 | 提出了持久拓扑拉普拉斯（PTLs）作为一种新的拓扑数据分析工具，用于克服持久同调的局限性，特别是在处理异质信息和描述非拓扑变化方面 | NA | 研究持久拓扑拉普拉斯在分析SARS-CoV-2变种蛋白质结构变化中的应用 | SARS-CoV-2刺突受体结合域（RBD）及其与血管紧张素转换酶2（ACE2）结合的结构变化 | 数据科学 | NA | 持久拓扑拉普拉斯（PTLs） | 拓扑深度学习 | 蛋白质结构数据 | 多种SARS-CoV-2变种及其计算生成的RBD结构 | NA | NA | NA | NA |
| 62 | 2024-09-20 |
Efficient labelling for efficient deep learning: the benefit of a multiple-image-ranking method to generate high volume training data applied to ventricular slice level classification in cardiac MRI
2023-Apr, Journal of medical artificial intelligence
DOI:10.21037/jmai-22-55
PMID:37346802
|
研究论文 | 本文介绍了一种利用多位临床专家对心脏磁共振成像（CMR）图像进行排序的新方法，以生成高质量的训练数据，并应用于左心室切片级别的分类 | 提出了一种基于多图像排序的标注方法，相比传统的单图像标注方法，能够更高效地生成高质量的训练数据 | 研究样本量较小，仅涉及300个随机扫描的图像，未来需要在大规模数据集上验证方法的有效性 | 探讨如何通过高效的标注方法提高深度学习模型在心脏磁共振成像中的分类性能 | 心脏磁共振成像（CMR）图像的左心室切片分类 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 300个随机扫描的图像，共3552张个体图像 | NA | NA | NA | NA |
| 63 | 2024-09-20 |
Deep learning analysis of endometrial histology as a promising tool to predict the chance of pregnancy after frozen embryo transfers
2023-Apr, Journal of assisted reproduction and genetics
IF:3.2Q2
DOI:10.1007/s10815-023-02745-8
PMID:36862259
|
研究论文 | 本研究利用深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会 | 本研究通过深度学习算法分析子宫内膜组织学，克服了传统Noyes法的主观性和与生育状态或妊娠结果相关性差的局限 | 本研究仅在特定人群中进行了初步验证，需要进一步在大规模和多样化的样本中验证其有效性 | 本研究旨在通过深度学习算法分析子宫内膜组织学，以预测冷冻胚胎移植后的妊娠机会 | 本研究的对象是自然月经周期中的健康志愿者和接受模拟人工周期的不孕患者 | 机器学习 | NA | 深度学习 | 二分类器 | 图像 | 自然月经周期中的健康志愿者24例，接受模拟人工周期的不孕患者37例 | NA | NA | NA | NA |
| 64 | 2024-09-20 |
Peanut leaf disease identification with deep learning algorithms
2023-Apr, Molecular breeding : new strategies in plant improvement
IF:2.6Q2
DOI:10.1007/s11032-023-01370-8
PMID:37313521
|
研究论文 | 本文提出了一种新的深度学习模型用于花生叶病害识别 | 提出的模型结合了改进的Xception、部分激活特征融合模块和两个注意力增强分支，显著提高了识别准确率 | NA | 提高花生叶病害识别的准确性和泛化能力 | 花生叶病害 | 计算机视觉 | NA | 深度学习 | Xception | 图像 | 应用于黄瓜、苹果、水稻、玉米和小麦叶病害识别，平均准确率为99.61% | NA | NA | NA | NA |
| 65 | 2024-09-19 |
hist2RNA: An Efficient Deep Learning Architecture to Predict Gene Expression from Breast Cancer Histopathology Images
2023-Apr-30, Cancers
IF:4.5Q1
DOI:10.3390/cancers15092569
PMID:37174035
|
研究论文 | 提出了一种名为hist2RNA的高效深度学习架构，用于从乳腺癌病理图像中预测基因表达 | hist2RNA方法借鉴了批量RNA测序技术，能够快速且经济地从HE染色全切片图像中预测138个基因的表达，包括管腔PAM50亚型 | NA | 开发一种高效的方法，从乳腺癌病理图像中预测基因表达，以替代昂贵且耗时的分子检测 | 乳腺癌患者的HE染色全切片图像和基因表达数据 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习架构 | 图像 | 训练集包含335个样本，测试集包含160个样本，外部TMA数据集包含498个样本 | NA | NA | NA | NA |
| 66 | 2024-09-19 |
Enhancing Intrusion Detection Systems for IoT and Cloud Environments Using a Growth Optimizer Algorithm and Conventional Neural Networks
2023-Apr-30, Sensors (Basel, Switzerland)
DOI:10.3390/s23094430
PMID:37177634
|
研究论文 | 本文提出了一种结合深度学习和优化算法的新型入侵检测系统模型，用于增强物联网和云环境的安全性 | 本文创新性地结合了深度学习和优化算法，特别是使用了一种改进的生长优化器（MGO）和鲸鱼优化算法（WOA）来提升特征选择和搜索过程 | NA | 提升物联网和云环境中入侵检测系统的准确性和效率 | 物联网和云环境的入侵检测系统 | 机器学习 | NA | 生长优化器（GO）、鲸鱼优化算法（WOA） | 卷积神经网络（CNN） | 数据集 | 使用了公开的云和物联网环境数据集 | NA | NA | NA | NA |
| 67 | 2024-09-19 |
Deep Learning Utilizing Suboptimal Spirometry Data to Improve Lung Function and Mortality Prediction in the UK Biobank
2023-Apr-29, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.04.28.23289178
PMID:37162978
|
研究论文 | 本文利用次优的肺功能测试数据，通过深度学习模型提高肺功能和全因死亡率的预测 | 提出了一种基于对比学习的模型，利用次优和质量控制失败的肺功能测试数据进行肺功能和全因死亡率的预测 | NA | 提高肺功能和全因死亡率的预测准确性 | 肺功能测试数据和全因死亡率 | 机器学习 | NA | 对比学习 | 对比学习框架（Spiro-CLF） | 肺功能测试数据 | 940,705个肺功能测试曲线，来自352,684名UK Biobank参与者 | NA | NA | NA | NA |
| 68 | 2024-09-19 |
Rapid Synthesis of Cryo-ET Data for Training Deep Learning Models
2023-Apr-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.28.538636
PMID:37162972
|
研究论文 | 本文介绍了一种用于训练深度学习模型的快速合成冷冻电镜数据的方法 | 引入了cryo-TomoSim (CTS)软件包，能够模拟冷冻电镜数据，为深度学习模型提供训练数据 | NA | 开发一种能够快速合成冷冻电镜数据的方法，以解决深度学习模型训练数据不足的问题 | 冷冻电镜图像的恢复和分割任务 | 计算机视觉 | NA | 冷冻电镜 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 69 | 2024-09-19 |
BOUNTI: Brain vOlumetry and aUtomated parcellatioN for 3D feTal MRI
2023-Apr-27, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.18.537347
PMID:37131820
|
研究论文 | 本文提出了一种基于深度学习的3D胎儿MRI脑组织分割和自动分区的新方法 | 开发了一种新的基于深度学习的胎儿脑组织分割管道，使用半监督方法训练，减少了手动调整的需求 | 初步结果显示，在不到15%的病例中存在轻微错误，仍需进一步验证和优化 | 解决目前缺乏统一的胎儿脑分区协议的问题，实现自动化的脑组织分割和体积测量 | 3D T2加权运动校正的胎儿脑图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 360个胎儿MRI数据集用于训练，390个正常参与者用于分析，65个脑室扩张胎儿和60个正常对照组用于比较 | NA | NA | NA | NA |
| 70 | 2024-09-19 |
Self-Supervised Contrastive Learning to Predict Alzheimer's Disease Progression with 3D Amyloid-PET
2023-Apr-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.04.20.23288886
PMID:37162842
|
研究论文 | 本文提出了一种自监督对比学习方法，用于基于3D淀粉样蛋白PET预测阿尔茨海默病的进展 | 本文创新性地提出了一个自监督对比学习方法，利用未标记数据捕捉图像中的通用表示，并设计了一个损失函数在预训练中利用标签信息 | NA | 早期诊断阿尔茨海默病，预测其进展 | 3D淀粉样蛋白PET图像 | 计算机视觉 | 阿尔茨海默病 | 自监督对比学习 | NA | 图像 | 使用了阿尔茨海默病神经影像倡议（ADNI）数据集 | NA | NA | NA | NA |
| 71 | 2024-09-19 |
DeepComBat: A Statistically Motivated, Hyperparameter-Robust, Deep Learning Approach to Harmonization of Neuroimaging Data
2023-Apr-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.24.537396
PMID:37163042
|
研究论文 | 提出了一种基于条件变分自编码器和ComBat模型的深度学习方法DeepComBat，用于神经影像数据的批次效应校正 | DeepComBat通过考虑特征之间的多元关系来学习并去除受试者级别的批次效应，并且对超参数选择具有较强的鲁棒性 | 未提及 | 解决多批次神经影像数据中的批次效应问题，提高数据的可泛化性和可重复性 | 神经影像数据及其提取的放射组学特征 | 计算机视觉 | NA | 深度学习 | 条件变分自编码器 | 图像 | 一个大型认知老化队列的神经影像数据 | NA | NA | NA | NA |
| 72 | 2024-09-19 |
From Deep Mutational Mapping of Allosteric Protein Landscapes to Deep Learning of Allostery and Hidden Allosteric Sites: Zooming in on "Allosteric Intersection" of Biochemical and Big Data Approaches
2023-Apr-24, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms24097747
PMID:37175454
|
综述 | 本文综述了通过数据密集型生物化学方法和基于人工智能的计算方法在别构研究中的最新进展 | 讨论了人工智能方法在蛋白质结构和动力学研究中的应用进展，并强调了开发人工智能增强的整合结构生物学的重要性 | 尽管人工智能方法在蛋白质研究中取得了显著进展，但别构调控与新兴结构生物学技术和人工智能方法之间的交叉领域仍未充分探索 | 探讨别构研究中数据密集型生物化学方法和人工智能计算方法的最新发展 | 蛋白质动力学和别构机制 | 机器学习 | NA | 机器学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 73 | 2024-09-19 |
Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses
2023-04-24, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2023.100452
PMID:37159671
|
研究论文 | 开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型 | 提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白 | NA | 开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展 | 未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应 | 机器学习 | NA | 深度学习 | 深度学习框架 | 多组学数据 | NA | NA | NA | NA | NA |
| 74 | 2024-09-19 |
Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning
2023-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s23094184
PMID:37177386
|
研究论文 | 本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力 | 本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点 | 本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果 | 研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测 | 研究对象是阿尔茨海默病及其早期检测方法 | 机器学习 | 阿尔茨海默病 | 人工智能和深度学习 | 深度学习模型 | 生物数据 | NA | NA | NA | NA | NA |
| 75 | 2024-09-19 |
Deployment of Real-time Natural Language Processing and Deep Learning Clinical Decision Support in the Electronic Health Record: Pipeline Implementation for an Opioid Misuse Screener in Hospitalized Adults
2023-Apr-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/44977
PMID:37079367
|
研究论文 | 本文详细介绍了一个医院范围内实时自然语言处理和深度学习临床决策支持工具的部署流程，并描述了一个以用户为中心的设计框架 | 本文首次在临床环境中实施了实时自然语言处理管道，用于医疗保健交付 | 网络安全审批和保护健康信息交换是管道开发中最长的延迟原因 | 旨在详细描述一个医院范围内的实时自然语言处理驱动的临床决策支持工具的实施流程，并提供一个实施框架 | 医院范围内的实时自然语言处理驱动的临床决策支持工具 | 自然语言处理 | NA | 自然语言处理 | 卷积神经网络 | 文本 | 100名成年患者 | NA | NA | NA | NA |
| 76 | 2024-09-19 |
Methods and considerations for estimating parameters in biophysically detailed neural models with simulation based inference
2023-Apr-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.17.537118
PMID:37131818
|
研究论文 | 本文探讨了如何使用基于模拟的推断（SBI）方法在生物物理学详细神经模型中估计参数，并提供了相关的指导和考虑因素 | 提出了使用基于模拟的推断（SBI）方法来克服传统方法中无法访问似然函数的挑战，并利用深度学习进行密度估计 | 在大规模生物物理学详细模型中应用SBI仍然具有挑战性，尤其是当需要估计时间序列波形参数时 | 为在生物物理学详细神经模型中应用基于模拟的推断（SBI）方法提供指导和考虑因素 | 生物物理学详细神经模型中的参数估计 | 神经科学 | NA | 基于模拟的推断（SBI） | 深度学习 | 时间序列波形 | NA | NA | NA | NA | NA |
| 77 | 2024-09-17 |
Collaborative training of medical artificial intelligence models with non-uniform labels
2023-04-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33303-y
PMID:37055456
|
研究论文 | 本文提出了一种灵活的联邦学习（FFL）方法，用于在具有非均匀标签的医疗数据上进行协作训练 | 本文的创新点在于提出了灵活的联邦学习（FFL）方法，以解决传统联邦学习在处理非均匀标签数据时的局限性 | 本文的局限性在于仅在胸部X光片数据上进行了验证，尚未在其他类型的医疗数据上进行测试 | 本文的研究目的是改进医疗人工智能模型的训练方法，使其能够有效利用具有非均匀标签的多方数据 | 本文的研究对象是胸部X光片数据，特别是肺炎和肺部转移的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 695,000张胸部X光片，来自全球五个机构 | NA | NA | NA | NA |
| 78 | 2024-09-17 |
Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms
2023-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-32838-4
PMID:37045898
|
研究论文 | 提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量 | 创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合 | NA | 开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法 | 干旱地区的月蒸发量 | 机器学习 | NA | 长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数 | LSTM | 气象数据 | NA | NA | NA | NA | NA |
| 79 | 2024-09-17 |
Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality
2023-04-12, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02151-1
PMID:37046259
|
研究论文 | 研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响 | 探讨了Covid-19疫情导致的协变量突变对模型性能的影响 | 过早重新训练模型可能导致预测准确性下降 | 阐明Covid-19疫情对模型性能的影响 | Covid-19疫情前后的围手术期死亡率预测模型 | 机器学习 | NA | XGBoost, 深度学习神经网络 | XGBoost, 深度学习神经网络 | 围手术期数据 | 包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月 | NA | NA | NA | NA |
| 80 | 2024-09-17 |
Learning naturalistic driving environment with statistical realism
2023-Apr-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37677-5
PMID:37041129
|
研究论文 | 本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程 | 首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下 | NA | 开发和测试自动驾驶车辆的模拟工具 | 多智能体交互行为和安全关键事件 | 计算机视觉 | NA | 深度学习 | 神经网络 | 轨迹数据 | NA | NA | NA | NA | NA |