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 135 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 | 2024-10-18 |
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 |
| 22 | 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 |
| 23 | 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 |
| 24 | 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 |
| 25 | 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 |
| 26 | 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 |
| 27 | 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 |
| 28 | 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 |
| 29 | 2024-10-08 |
Image harmonization: A review of statistical and deep learning methods for removing batch effects and evaluation metrics for effective harmonization
2023-07-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120125
PMID:37084926
|
综述 | 本文综述了用于消除批次效应的统计和深度学习方法，并介绍了评估图像协调方法的指标 | 提供了评估新提出的协调方法的标准化框架，并提出了对最终用户和方法学家的建议 | NA | 探讨如何消除批次效应以提高下游分析结果的泛化性和可重复性 | 磁共振成像和计算机断层扫描数据的批次效应 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 30 | 2024-10-01 |
Advancing Patient Care: How Artificial Intelligence Is Transforming Healthcare
2023-Jul-31, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm13081214
PMID:37623465
|
研究论文 | 探讨人工智能在医疗领域的应用及其对患者护理的影响 | 利用机器学习和深度学习技术，人工智能在诊断、治疗选择和患者监测方面提供了更准确和高效的医疗交付 | 需要医生和技术专家之间的合作以充分发挥人工智能的潜力 | 研究人工智能在医疗领域的应用及其对患者护理的变革作用 | 人工智能在医疗中的诊断、治疗选择和患者监测应用 | 机器学习 | NA | 机器学习 | 深度学习 | NA | NA |
| 31 | 2024-10-01 |
Transformer Architecture and Attention Mechanisms in Genome Data Analysis: A Comprehensive Review
2023-Jul-22, Biology
DOI:10.3390/biology12071033
PMID:37508462
|
综述 | 本文综述了深度学习中基于Transformer架构和注意力机制在基因组数据分析中的最新进展 | 本文创新性地将自然语言处理领域的成功技术应用于基因组和转录组数据分析 | 本文主要讨论了现有技术的优势和局限性，未提出新的研究方法 | 旨在为研究人员提供关于Transformer架构和注意力机制在基因组数据分析中应用的全面分析 | 基因组和转录组数据 | 生物信息学 | NA | Transformer架构，注意力机制 | Transformer | 基因组数据 | NA |
| 32 | 2024-10-01 |
The 2022 n2c2/UW shared task on extracting social determinants of health
2023-07-19, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad012
PMID:36795066
|
研究论文 | 本文介绍了2022年n2c2/UW共享任务，旨在从临床笔记中提取社会决定因素健康（SDOH）信息，并探讨了自然语言处理（NLP）技术在SDOH和临床信息提取中的应用 | 本文首次提出了一个共享任务，专注于从临床文本中提取SDOH信息，并评估了预训练语言模型（LM）在不同子任务中的表现 | 提取性能因SDOH类型而异，某些健康风险因素（如物质使用和无家可归）的提取性能较低 | 探索和推进自然语言处理技术在社会决定因素健康信息提取中的应用 | 临床笔记中的社会决定因素健康信息 | 自然语言处理 | NA | 预训练语言模型（LM） | 序列到序列模型 | 文本 | 使用了包含详细事件标注的社会历史注释语料库（SHAC），涉及酒精、药物、烟草、就业和居住情况等SDOH事件 |
| 33 | 2024-10-01 |
Deep Learning for Medical Image-Based Cancer Diagnosis
2023-Jul-13, Cancers
IF:4.5Q1
DOI:10.3390/cancers15143608
PMID:37509272
|
综述 | 本文综述了深度学习技术在基于医学影像的癌症诊断中的应用 | 介绍了近年来出现的先进神经网络，如迁移学习、集成学习、图神经网络和视觉变换器 | 缺乏高质量的标注数据集限制了深度学习的作用，面临罕见癌症诊断、多模态图像融合、模型可解释性和泛化性的挑战 | 帮助读者更好地理解当前基于医学影像的癌症诊断研究现状和思路 | 五种放射影像（X射线、超声、CT、MRI、PET）和病理图像 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA |
| 34 | 2024-09-30 |
Searching for protein variants with desired properties using deep generative models
2023-Jul-21, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05415-9
PMID:37480001
|
研究论文 | 本文提出了一种时间变分自编码器（T-VAE）模型，用于改进对较长蛋白质序列的表示学习能力，并生成与原始序列相似的变体 | 本文创新性地提出了时间变分自编码器（T-VAE）模型，通过扩展网络结构中神经元的感受野，提高了对较长序列的编码表示能力 | NA | 改进现有深度学习模型在捕捉较长蛋白质序列中氨基酸位点关系方面的能力，并利用潜在空间中的位置关系直接搜索性能更好的变体 | 蛋白质序列及其变体 | 机器学习 | NA | 深度学习 | 变分自编码器（VAE） | 序列 | NA |
| 35 | 2024-09-30 |
Leveraging natural language processing to augment structured social determinants of health data in the electronic health record
2023-07-19, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad073
PMID:37130345
|
研究论文 | 本文开发了一种自然语言处理信息提取模型，用于从电子健康记录中的临床笔记中捕获详细的社交决定因素健康信息，并评估了将其与现有结构化数据结合后的信息增益 | 本文提出了一种新的深度学习实体和关系提取架构，用于从临床笔记中提取详细的社交决定因素健康信息 | NA | 开发和评估一种自然语言处理模型，用于从电子健康记录中的临床笔记中提取详细的社交决定因素健康信息，并评估其与现有结构化数据的结合效果 | 社交决定因素健康信息 | 自然语言处理 | NA | 深度学习 | 实体和关系提取架构 | 文本 | 225,089名患者和430,406份包含社会历史部分的临床笔记 |
| 36 | 2024-09-30 |
Distinct brain morphometry patterns revealed by deep learning improve prediction of aphasia severity
2023-Jul-03, Research square
DOI:10.21203/rs.3.rs-3126126/v1
PMID:37461696
|
研究论文 | 本文探讨了深度学习结合卷积神经网络（CNN）在全脑形态测量和病变解剖学数据上预测慢性中风患者失语症严重程度的能力 | 本文首次展示了CNN在识别个体化三维萎缩模式方面的优势，显著提高了失语症严重程度的预测准确性 | 本文仅限于慢性中风患者的研究，未来研究需扩展到其他类型中风患者 | 研究深度学习技术在预测失语症严重程度方面的应用 | 慢性中风患者的失语症严重程度 | 计算机视觉 | 中风 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 231名慢性中风患者 |
| 37 | 2024-09-28 |
A systematic overview of dental methods for age assessment in living individuals: from traditional to artificial intelligence-based approaches
2023-Jul, International journal of legal medicine
IF:2.2Q1
DOI:10.1007/s00414-023-02960-z
PMID:37055627
|
综述 | 本文系统回顾了过去六年中使用牙科X光图像进行年龄估计的方法，从传统方法到基于人工智能的方法 | 自动化的深度学习方法在性能、成本和适应新人群方面表现出显著优势 | 传统方法在某些手动年龄估计中存在明显的过高或过低估计倾向 | 分析过去六年中牙科X光图像年龄估计方法的应用情况 | 牙科X光图像的年龄估计方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 共检索到613篇研究，其中286篇符合纳入标准 |
| 38 | 2024-09-27 |
Need for objective task-based evaluation of deep learning-based denoising methods: A study in the context of myocardial perfusion SPECT
2023-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16407
PMID:37010001
|
研究论文 | 研究深度学习去噪方法在心肌灌注SPECT图像中的客观任务评估 | 提出使用虚拟成像试验（VITs）来评估深度学习去噪方法，并进行理论分析以确定去噪对信号检测任务的影响 | 研究结果显示，基于保真度的评估指标与临床任务评估之间存在不一致性 | 探讨深度学习去噪方法在核医学图像中的评估，特别是其在临床任务中的表现 | 心肌灌注SPECT图像的去噪效果 | 计算机视觉 | 心血管疾病 | 卷积神经网络 | CNN | 图像 | 模拟了具有临床相关变异的人体患者群体，生成正常和低剂量水平（20%、15%、10%、5%）的投影数据 |
| 39 | 2024-09-25 |
Inpainting surgical occlusion from laparoscopic video sequences for robot-assisted interventions
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.045002
PMID:37649957
|
研究论文 | 本文提出了一种利用数字修复算法从腹腔镜/内窥镜视频中移除手术器械的应用 | 本文采用了改进的U-Net架构（U-NetPlus）进行手术器械分割，并通过最近邻插值替代转置卷积操作，消除了转置卷积产生的伪影 | NA | 旨在通过深度学习技术提高手术器械在手术场景中的检测和识别准确性，并减少组织损伤的风险 | 手术器械在腹腔镜/内窥镜视频中的分割和移除 | 计算机视觉 | NA | 深度学习 | U-NetPlus | 视频 | 使用了MICCAI 2015和2017 EndoVis Challenge的机器人器械数据集 |
| 40 | 2024-09-23 |
On-chip label-free cell classification based directly on off-axis holograms and spatial-frequency-invariant deep learning
2023-07-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38160-3
PMID:37524884
|
研究论文 | 本文提出了一种基于原始数字全息图的无标记成像流式细胞术和细胞分类方法 | 本文提出了一种新的无标记细胞分类方法，直接基于原始离轴全息图像，无需重建细胞的定量相位轮廓 | NA | 提高成像流式细胞术的速度和鲁棒性，实现实时无标记细胞分类 | 四种癌症细胞 | 计算机视觉 | NA | 离轴全息术 | 卷积神经网络 | 图像 | 四种癌症细胞 |