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 121 - 127 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 121 | 2024-08-07 |
Self-supervised learning for medical image classification: a systematic review and implementation guidelines
2023-Apr-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00811-0
PMID:37100953
|
综述 | 本文对自监督学习在医学图像分类中的应用进行了系统性回顾，并提供了实施指南 | 自监督学习能够从大量无标签的医学数据集中学习有用信息，有助于开发稳健的医学影像模型 | NA | 总结自监督学习在医学图像分类中的应用，并为未来研究提供实施指南 | 自监督学习策略及其在医学影像分类中的应用 | 计算机视觉 | NA | 自监督学习 | NA | 医学图像 | 筛选了412项相关研究，最终包含79篇论文进行数据提取和分析 | NA | NA | NA | NA |
| 122 | 2024-08-07 |
Predicting Hypoperfusion Lesion and Target Mismatch in Stroke from Diffusion-weighted MRI Using Deep Learning
2023-04, Radiology
IF:12.1Q1
DOI:10.1148/radiol.220882
PMID:36472536
|
研究论文 | 本文使用深度学习模型从扩散加权磁共振成像（DWI）和临床信息中预测脑卒中的低灌注病变并识别目标不匹配患者 | 采用三维U-Net深度学习模型，通过DWI和临床信息预测低灌注病变，并识别目标不匹配患者，其敏感性高于临床-DWI不匹配方法 | NA | 利用深度学习模型预测脑卒中的低灌注病变并识别目标不匹配患者 | 急性缺血性脑卒患者的扩散加权磁共振成像（DWI）和临床信息 | 机器学习 | 脑卒中 | 扩散加权磁共振成像（DWI） | 三维U-Net | 影像数据 | 413名患者（平均年龄67岁，207名男性） | NA | NA | NA | NA |
| 123 | 2024-08-07 |
High-throughput image analysis with deep learning captures heterogeneity and spatial relationships after kidney injury
2023-04-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33433-3
PMID:37076596
|
研究论文 | 本文利用深度学习技术进行高通量图像分析，以捕捉肾脏损伤后的异质性和空间关系 | 本文提出了一种利用深度学习工具量化肾脏损伤异质性反应的方法，无需特殊设备或编程专业知识 | NA | 研究肾脏损伤后的恢复过程及其异质性和空间关系 | 肾脏损伤后的异质性反应和空间关系 | 计算机视觉 | 肾脏疾病 | 深度学习 | 深度学习模型 | 图像 | 多个肾脏样本 | NA | NA | NA | NA |
| 124 | 2024-08-07 |
TransMHCII: a novel MHC-II binding prediction model built using a protein language model and an image classifier
2023-Apr, Antibody therapeutics
DOI:10.1093/abt/tbad011
PMID:37342671
|
研究论文 | 本文介绍了一种利用蛋白质语言模型提取特征来预测主要组织相容性复合体II类（MHC-II）肽结合亲和力的方法，采用了一种新颖的迁移学习方法，将模型骨干替换为设计用于图像分类任务的架构。 | 本文提出的TransMHCII模型在接收者操作特征曲线下面积、平衡精度和Jaccard分数上优于NetMHCIIpan 3.2和NetMHCIIpan 4.0-BA，展示了架构创新在生物学问题深度学习模型开发中的潜力。 | NA | 开发一种新的MHC-II结合预测模型，利用蛋白质语言模型和图像分类器的特征。 | 主要组织相容性复合体II类（MHC-II）肽的结合亲和力。 | 机器学习 | NA | 蛋白质语言模型（PLMs）和图像分类器 | EfficientNet v2b0, EfficientNet v2m 或 ViT-16 | 图像 | NA | NA | NA | NA | NA |
| 125 | 2024-08-07 |
ACCELERATED PARALLEL MRI USING MEMORY EFFICIENT AND ROBUST MONOTONE OPERATOR LEARNING (MOL)
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230471
PMID:38738185
|
研究论文 | 本文研究了单调算子学习（MOL）框架在并行MRI加速中的应用 | MOL算法结合了单调卷积神经网络（CNN）和共轭梯度算法，提供了与压缩感知算法相似的唯一性、收敛性和稳定性保证，同时显著提高了内存效率 | NA | 验证MOL框架在并行MRI加速中的有效性 | 并行MRI加速 | 计算机视觉 | NA | 单调算子学习（MOL） | CNN | 图像 | NA | NA | NA | NA | NA |
| 126 | 2024-08-07 |
Yield prediction through integration of genetic, environment, and management data through deep learning
2023-04-11, G3 (Bethesda, Md.)
DOI:10.1093/g3journal/jkad006
PMID:36625555
|
研究论文 | 本文通过深度神经网络整合遗传、环境和管理数据来预测玉米产量，并比较了两种模型开发方法的效果 | 本文发现深度学习和最佳线性无偏预测（BLUP）模型在包含交互作用时表现最佳，且优化深度神经网络子模块以适应每种数据类型能提高模型性能 | NA | 准确预测由不同基因型、环境和管理干预组合产生的表型结果 | 玉米产量预测 | 机器学习 | NA | 深度学习 | 深度神经网络 | 遗传、环境和管理数据 | NA | NA | NA | NA | NA |
| 127 | 2024-08-07 |
Deep-Learning-Based Hepatic Ploidy Quantification Using H&E Histopathology Images
2023-04-16, Genes
IF:2.8Q2
DOI:10.3390/genes14040921
PMID:37107679
|
研究论文 | 开发了一种基于深度学习的算法，用于使用常规临床实践中常见的H&E组织病理学图像量化肝细胞的倍性 | 首次成功尝试在H&E图像上自动化倍性分析 | NA | 提高临床样本中肝细胞倍性量化的可及性 | 肝细胞的倍性 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |