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 144 篇文献，本页显示第 21 - 40 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21 | 2024-12-06 |
Reconstruction-Driven Dynamic Refinement Based Unsupervised Domain Adaptation for Joint Optic Disc and Cup Segmentation
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3266576
PMID:37043317
|
研究论文 | 提出了一种基于重建驱动的动态细化无监督域适应方法，用于联合视盘和视杯分割 | 引入了一种新的无监督域适应方法RDR-Net，通过重建对齐、低级特征细化和预测图对齐三个模块来缓解域偏移问题 | 未提及 | 解决视盘和视杯分割中的域偏移问题，提高模型的泛化能力 | 视盘和视杯的分割 | 计算机视觉 | 眼科疾病 | 无监督域适应 | RDR-Net | 图像 | 四个公开的眼底图像数据集 |
| 22 | 2024-12-06 |
One-Dimensional W-NETR for Non-Invasive Single Channel Fetal ECG Extraction
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3266645
PMID:37043321
|
研究论文 | 本文提出了一种使用W-NETR模型从母体腹部ECG信号中非侵入式提取单通道胎儿ECG的新方法 | 本文创新性地使用了两个并行的U-net模型结合transformer编码，称为W-NETR，利用transformer的自注意力机制增强远程交互和全局上下文捕捉能力 | NA | 开发一种高效、准确的非侵入式胎儿ECG提取方法，以实现早期胎儿心脏异常检测和安全分娩 | 从母体腹部ECG信号中提取胎儿ECG信号 | 生物医学工程 | NA | transformer | W-NETR | ECG信号 | 使用了合成数据集和真实数据集（ADFECGDB和PCDB）进行测试 |
| 23 | 2024-12-06 |
SLEEP-SEE-THROUGH: Explainable Deep Learning for Sleep Event Detection and Quantification From Wearable Somnography
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3267087
PMID:37058373
|
研究论文 | 本文提出了一种可解释的深度学习方法，用于从可穿戴睡眠监测设备中检测和量化睡眠事件 | 本文的创新点在于结合了光学、差压和加速度信号，通过深度网络进行多因素夜间监测，并生成定性和定量数据以提高预测的可解释性 | 本文的局限性在于样本量较小，且睡眠模式预测的准确性相对较低 | 本文的研究目的是开发一种可解释的深度学习模型，用于早期诊断和评估睡眠障碍 | 本文的研究对象是可穿戴设备采集的光学、差压和加速度信号，以及由此生成的类睡眠图信号 | 机器学习 | NA | 深度学习 | 深度网络 | 信号 | 20名健康受试者 |
| 24 | 2024-12-06 |
Deep Learning Segmentation of the Right Ventricle in Cardiac MRI: The M&Ms Challenge
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3267857
PMID:37067963
|
研究论文 | 本文介绍了在心脏MRI图像中使用深度学习方法对右心室进行分割的研究，并参与了M&Ms挑战 | 提出了新的方法来处理右心室的几何和纹理复杂性，特别是在存在病理如扩张型右心室、三尖瓣反流等情况下的分割 | 需要整合多种心脏疾病、视角、扫描仪和采集协议以提高自动心脏分割算法的可靠性 | 提高心脏MRI图像中右心室分割的准确性 | 右心室在心脏MRI图像中的分割 | 计算机视觉 | 心血管疾病 | 深度学习 | nnU-Net | 图像 | 360例心脏MRI病例，包括短轴和长轴4腔视图，来自三家西班牙医院，使用九种不同扫描仪 |
| 25 | 2024-12-06 |
Benchmarking Polyp Segmentation Methods in Narrow-Band Imaging Colonoscopy Images
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3270724
PMID:37099473
|
研究论文 | 本文提出了一个新的窄带成像（NBI）结肠镜图像息肉分割数据集（PS-NBI2K），并对24种基于深度学习的息肉分割方法进行了基准测试和分析 | 首次在窄带成像（NBI）数据上对多种基于深度学习的息肉分割方法进行基准测试，并提出了一个新的数据集PS-NBI2K | 现有方法在处理较小尺寸和较强干扰的息肉时表现不佳，且在有效性和效率之间存在权衡 | 评估和改进窄带成像（NBI）结肠镜图像中的息肉分割方法 | 窄带成像（NBI）结肠镜图像中的息肉分割 | 计算机视觉 | NA | 深度学习（DL） | NA | 图像 | 2000张窄带成像（NBI）结肠镜图像 |
| 26 | 2024-12-06 |
Two-Stage Self-Supervised Cycle-Consistency Transformer Network for Reducing Slice Gap in MR Images
2023-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3271815
PMID:37126622
|
研究论文 | 本文提出了一种两阶段自监督循环一致性Transformer网络（TSCTNet），用于减少MR图像中的切片间隙 | 设计了一种新颖的自监督学习策略，结合了Transformer和CNN结构，以探索局部和全局切片表示 | 需要进一步验证在更多数据集上的泛化能力 | 减少MR图像中的切片间隙，重建高分辨率图像 | MR图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 两个公开的MR图像数据集 |
| 27 | 2024-11-20 |
Deep learning-based pathology signature could reveal lymph node status and act as a novel prognostic marker across multiple cancer types
2023-07, British journal of cancer
IF:6.4Q1
DOI:10.1038/s41416-023-02262-6
PMID:37137998
|
研究论文 | 本文提出了一种基于深度学习的泛癌淋巴结转移预测模型，并验证了其在多种癌症类型中的泛化性能和作为独立预后因素的潜力 | 首次提出了一种基于自监督癌症不变特征的注意力机制弱监督神经网络，用于泛癌淋巴结转移状态的预测，并展示了其在多种癌症类型中的良好泛化性能 | NA | 开发一种能够预测多种癌症类型淋巴结转移状态的自动化模型，并验证其作为独立预后因素的潜力 | 11种癌症类型的4400张全切片图像 | 数字病理学 | NA | 深度学习 | 注意力机制弱监督神经网络 | 图像 | 4400张全切片图像 |
| 28 | 2024-10-26 |
Deep Learning for Improved Precision and Reproducibility of Left Ventricular Strain in Echocardiography: A Test-Retest Study
2023-07, Journal of the American Society of Echocardiography : official publication of the American Society of Echocardiography
IF:5.4Q1
DOI:10.1016/j.echo.2023.02.017
PMID:36933849
|
研究论文 | 本文研究了一种基于深度学习的人工智能方法，用于提高超声心动图测量左心室纵向应变的精度和重复性 | 提出了一种基于深度学习的人工智能方法，用于自动测量左心室全局纵向应变，减少了用户相关变异性 | 仅在两个中心的数据集上进行了测试，样本量较小 | 评估人工智能方法在不同超声心动图记录者之间重复测量左心室全局纵向应变的重复性，并与手动测量结果进行比较 | 左心室全局纵向应变 | 机器学习 | 心血管疾病 | 深度学习 | NA | 图像 | 两个数据集，分别包含40和32个样本 |
| 29 | 2024-10-21 |
Unsupervised Detection and Correction of Model Calibration Shift at Test-Time
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10341086
PMID:38083174
|
研究论文 | 本文提出了一种在测试时检测和校正模型校准偏移的方法 | 本文提出了一种名为CaDC的方法，专门设计用于仅利用目标医院的未标记数据进行模型校准检测和校正 | NA | 研究目的是提高临床预测模型在不同医院和时间上的泛化能力 | 研究对象是脓毒症早期预测模型 | 机器学习 | 脓毒症 | 深度学习 | CaDC模型 | 未标记数据 | 545,089名成年患者 |
| 30 | 2024-10-21 |
Development & Deployment of a Real-time Healthcare Predictive Analytics Platform
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340351
PMID:38083765
|
研究论文 | 开发并部署了一个可扩展的、基于云的、容错的实时医疗预测分析平台 | 提出了一个能够安全无缝集成到现有医疗工作流程中的预测分析平台，并成功部署在UC San Diego Health系统中 | NA | 开发和部署一个能够实时处理电子健康记录数据并进行预测分析的平台 | 电子健康记录数据和实时预测分析 | 机器学习 | NA | 深度学习 | 深度学习模型 | 电子健康记录数据 | NA |
| 31 | 2024-10-20 |
Deep learning tools to accelerate antibiotic discovery
2023 Jul-Dec, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2023.2250721
PMID:37794737
|
综述 | 本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制 | 本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力 | 本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战 | 本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战 | 本文研究对象为抗生素发现中的深度学习模型及其应用 | 机器学习 | NA | 深度学习 | 卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型 | 高维数据 | NA |
| 32 | 2024-10-18 |
Single-Atom Level Determination of 3-Dimensional Surface/Interface Atomic Structures via Deep Learning-Assisted Atomic Electron Tomography
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.712
PMID:37613584
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 33 | 2024-10-18 |
Improving Porosity Analysis in Additive Manufacturing through 3D Resolution Recovery Using Deep Learning-Based Reconstruction
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.728
PMID:37613626
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 34 | 2024-10-18 |
Performance of Deep Learning-based Image Denoising in Image Reconstruction for Various Acquisition Conditions: a Simulated Phantom Study
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.725
PMID:37613776
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 35 | 2024-10-18 |
Deep Learning for Automated Quantification of Irradiation Defects in TEM Data: Relating Pixel-level Errors to Defect Properties
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.802
PMID:37613789
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 36 | 2024-10-18 |
Synthetic Data for Deep Learning: Segmentation of PCB X-Ray Images
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.979
PMID:37613931
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 37 | 2024-10-18 |
Deep Learning Design of Graphene-Reinforced Polyurethane Foams from SEM Microstructure Images and Style-based Generative Adversarial Networks
2023-Jul-22, Microscopy and microanalysis : the official journal of Microscopy Society of America, Microbeam Analysis Society, Microscopical Society of Canada
IF:2.9Q1
DOI:10.1093/micmic/ozad067.976
PMID:37613997
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 38 | 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 |
| 39 | 2024-10-11 |
Uncovering Footprints of Natural Selection Through Spectral Analysis of Genomic Summary Statistics
2023-07-05, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msad157
PMID:37433019
|
研究论文 | 本文通过频谱分析基因组汇总统计数据，揭示自然选择的痕迹 | 本文采用小波变换、多锥谱分析和S变换等方法，将一维汇总统计数组转换为二维频谱分析图像，并使用卷积神经网络进行分析，提高了特征提取的准确性 | NA | 通过频谱分析基因组汇总统计数据，区分自然选择与中性模式，揭示自然选择的细微特征 | 基因组汇总统计数据的空间分布 | 机器学习 | NA | 小波变换、多锥谱分析、S变换 | 卷积神经网络 | 基因组数据 | NA |
| 40 | 2024-10-08 |
Generative design of de novo proteins based on secondary structure constraints using an attention-based diffusion model
2023-Jul-13, Chem
IF:19.1Q1
DOI:10.1016/j.chempr.2023.03.020
PMID:37614363
|
研究论文 | 本文报道了两种基于深度学习的生成模型，用于根据二级结构设计目标预测氨基酸序列和3D蛋白质结构 | 模型能够发现自然机制或系统中尚未发现的新蛋白质序列，具有设计新蛋白质的能力 | 未来的工作可能需要进一步的条件调整和其他功能属性的探索 | 开发能够根据二级结构设计目标生成新蛋白质序列和结构的深度学习模型 | 氨基酸序列和3D蛋白质结构 | 机器学习 | NA | 深度学习 | 基于注意力机制的扩散模型 | 3D蛋白质结构数据 | 从实验已知的3D蛋白质结构中提取的数据集 |