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 231 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2024-09-28 |
Learning functional conservation between human and pig to decipher evolutionary mechanisms underlying gene expression and complex traits
2023-Oct-11, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2023.100390
PMID:37868039
|
研究论文 | 本文开发了一种基于深度学习的方法（DeepGCF），用于研究人类和猪之间在功能水平上的基因组保守性 | 提出了DeepGCF方法，相比之前的方法在预测性能上有所提升，并能捕捉人类和猪之间的功能保守性 | NA | 研究人类和猪之间在功能水平上的基因组保守性，以揭示基因表达和复杂性状的进化机制 | 人类和猪的基因组功能保守性 | 机器学习 | NA | 深度学习 | 深度学习模型 | 功能谱 | 386个来自人类的功能谱和374个来自猪的功能谱 | NA | NA | NA | NA |
| 182 | 2024-09-28 |
TAVI-PREP: A Deep Learning-Based Tool for Automated Measurements Extraction in TAVI Planning
2023-Oct-11, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13203181
PMID:37892002
|
研究论文 | 本文介绍了一种基于深度学习的自动化工具TAVI-PREP，用于在经导管主动脉瓣植入术（TAVI）规划中自动提取测量数据 | 提出了一个全自动的深度学习方法TAVI-PREP，用于从CT扫描中提取22种不同的测量数据，并使用MeshDeformNet和3D Residual U-Net进行3D表面网格生成和地标检测 | 在左冠状和右冠状高度测量上，算法与专家手动测量的相关系数较低，分别为0.8和0.72，且相对误差较高，分别为11.6%和16.5% | 开发一种自动化工具，以提高TAVI手术前规划的效率和准确性 | 从CT扫描中提取主动脉瓣复合体的测量数据 | 计算机视觉 | 心血管疾病 | 深度学习 | 3D Residual U-Net | 图像 | 200个CT扫描数据，其中115个用于评估操作者间变异性 | NA | NA | NA | NA |
| 183 | 2024-09-28 |
Scaling cross-tissue single-cell annotation models
2023-Oct-10, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.07.561331
PMID:37873298
|
研究论文 | 提出了一种名为scTab的自动化、基于特征注意力的细胞类型预测模型，并在大规模单细胞RNA-seq数据集上进行了训练和验证 | scTab模型能够跨组织进行细胞类型预测，并利用深度集成进行不确定性量化，同时考虑了标签之间的本体关系 | NA | 开发一种能够跨组织进行细胞类型预测的模型，并在大规模单细胞RNA-seq数据集上验证其性能 | 单细胞RNA-seq数据中的细胞类型 | 机器学习 | NA | 单细胞RNA-seq | 神经网络 | 表格数据 | 2220万个人类细胞 | NA | NA | NA | NA |
| 184 | 2024-09-28 |
Training biologically plausible recurrent neural networks on cognitive tasks with long-term dependencies
2023-Oct-10, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561588
PMID:37873445
|
研究论文 | 本文探讨了在认知任务中训练具有长期依赖性的生物学上合理的循环神经网络（RNNs） | 提出了一种基于时间跳跃连接的特殊方法，以支持任务相关动态的出现，并恢复生物学上的合理性 | 目前缺乏实验支持的门控机制如LSTMs或GRUs的直接比较 | 解决在认知任务中训练具有长期依赖性的RNNs的难题，并恢复其生物学上的合理性 | 具有长期依赖性的认知任务，如工作记忆和决策制定 | 机器学习 | NA | 循环神经网络（RNNs） | RNN | NA | NA | NA | NA | NA | NA |
| 185 | 2024-09-28 |
Improving OCT Image Segmentation of Retinal Layers by Utilizing a Machine Learning Based Multistage System of Stacked Multiscale Encoders and Decoders
2023-Oct-10, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10101177
PMID:37892907
|
研究论文 | 本文提出了一种基于机器学习的分阶段系统，通过堆叠多尺度编码器和解码器来改进OCT图像中视网膜层的分割 | 本文的创新点在于通过堆叠多尺度编码器和解码器，结合深度学习方法，显著提高了图像分割任务的性能 | NA | 本文的研究目的是改进OCT图像中视网膜层的分割，以评估患者的生理和病理状态 | 本文的研究对象是OCT图像中的视网膜层 | 计算机视觉 | NA | 深度学习 | 多尺度编码器和解码器 | 图像 | 评估了包括Duke SD-OCT、Heidelberg和UMN在内的数据集，具体样本数量未明确提及 | NA | NA | NA | NA |
| 186 | 2024-09-28 |
SpikingJelly: An open-source machine learning infrastructure platform for spike-based intelligence
2023-10-06, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adi1480
PMID:37801497
|
研究论文 | 本文介绍了一个名为SpikingJelly的开源机器学习基础设施平台，用于实现基于脉冲的智能 | SpikingJelly框架通过提供全栈工具包，加速了深度脉冲神经网络（SNNs）的训练，并提高了其可扩展性和灵活性 | NA | 开发一个能够满足自动微分、并行计算加速和高集成度处理神经形态数据及部署需求的框架 | 脉冲神经网络（SNNs）及其在神经形态芯片上的应用 | 机器学习 | NA | NA | 脉冲神经网络（SNNs） | 神经形态数据 | NA | NA | NA | NA | NA |
| 187 | 2024-09-28 |
Automatic Segmentation and Quantification of Abdominal Aortic Calcification in Lateral Lumbar Radiographs Based on Deep-Learning-Based Algorithms
2023-Oct-05, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10101164
PMID:37892894
|
研究论文 | 研究基于深度学习算法的腹主动脉钙化在腰椎侧位X光片中的自动分割和量化性能 | 首次使用U-Net模型自动分割和量化腰椎侧位X光片中的腹主动脉钙化 | 研究仅限于腰椎侧位X光片，未涉及其他类型的影像数据 | 评估深度学习算法在腹主动脉钙化自动分割和量化中的表现 | 腹主动脉钙化在腰椎侧位X光片中的分割和量化 | 计算机视觉 | 心血管疾病 | 深度学习 | U-Net | 影像 | 1359张腰椎侧位X光片 | NA | NA | NA | NA |
| 188 | 2024-09-28 |
Deep Learning Enhanced Volumetric Photoacoustic Imaging of Vasculature in Human
2023-10, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202301277
PMID:37530209
|
研究论文 | 本文开发了一种基于3D全密集U-net的深度学习算法，用于增强人体血管的光声成像 | 本文首次将3D全密集U-net应用于光声成像，并通过体积模拟和混合精度训练提高了计算效率和训练规模 | 本文主要通过数值模拟、幻影成像和体内实验验证了算法的有效性，但未详细讨论其在临床应用中的具体限制 | 开发一种高效的深度学习算法，用于增强光声成像中的血管成像质量 | 人体手掌、手臂、乳房和脚部的血管成像 | 计算机视觉 | NA | 光声成像 | 3D全密集U-net | 图像 | 多个人体部位的血管成像 | NA | NA | NA | NA |
| 189 | 2024-09-28 |
End-to-end deep learning radiomics: development and validation of a novel attention-based aggregate convolutional neural network to distinguish breast diffuse large B-cell lymphoma from breast invasive ductal carcinoma
2023-Oct-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-22-1333
PMID:37869296
|
研究论文 | 开发并验证了一种基于注意力机制的聚合卷积神经网络模型，用于区分乳腺弥漫大B细胞淋巴瘤和乳腺浸润性导管癌 | 提出了一种新的基于注意力机制的聚合卷积神经网络模型，用于非侵入性地区分乳腺弥漫大B细胞淋巴瘤和乳腺浸润性导管癌 | 研究仅限于使用18F-FDG PET/CT图像，且样本量相对较小 | 开发和验证一种有效的深度学习放射组学模型，以区分乳腺弥漫大B细胞淋巴瘤和乳腺浸润性导管癌 | 乳腺弥漫大B细胞淋巴瘤和乳腺浸润性导管癌 | 计算机视觉 | 乳腺肿瘤 | 18F-FDG PET/CT | 注意力机制的聚合卷积神经网络 | 图像 | 324个乳腺结节，来自236名患者 | NA | NA | NA | NA |
| 190 | 2024-09-28 |
End-to-end deep learning classification of vocal pathology using stacked vowels
2023-Oct, Laryngoscope investigative otolaryngology
IF:1.6Q2
DOI:10.1002/lio2.1144
PMID:37899847
|
研究论文 | 本文研究了使用多个元音录音同时分析来提高语音病理分类的可行性和潜力 | 本文提出了一种新的堆叠元音模型，通过同时分析三个元音（/a/，/i/，/u/）来提高语音病理的分类性能 | 本文仅使用了Saarbruecken语音数据库中的数据，样本量有限，可能影响模型的泛化能力 | 研究如何通过分析多个元音录音来提高语音病理的分类准确性 | 健康人群和发声障碍患者的语音样本 | 机器学习 | 发声障碍 | 一维卷积神经网络 | 卷积神经网络 | 语音 | 687名健康参与者和334名发声障碍患者 | NA | NA | NA | NA |
| 191 | 2024-09-27 |
3D Ultrasonic Brain Imaging with Deep Learning Based on Fully Convolutional Networks
2023-Oct-09, Sensors (Basel, Switzerland)
DOI:10.3390/s23198341
PMID:37837171
|
研究论文 | 本文介绍了一种基于全卷积网络的3D超声脑成像深度学习算法 | 提出了Brain Imaging Full Convolution Network (BIFCN)算法，结合波形建模和深度学习进行精确的脑超声重建 | 实验结果在实验室中略低于模拟实验，且需要纯水作为初始模型 | 开发一种安全、快速且广泛适用的脑成像技术 | 成人颅内脑组织的3D超声成像 | 计算机视觉 | NA | 超声成像 | 全卷积网络 (FCN) | 图像 | 10个样本 | NA | NA | NA | NA |
| 192 | 2024-09-27 |
Go with the flow: deep learning methods for autonomous viscosity estimations
2023-Oct-09, Digital discovery
IF:6.2Q1
DOI:10.1039/d3dd00109a
PMID:38013903
|
研究论文 | 本文提出了一种使用卷积神经网络（CNN）进行自主粘度估计的方法，通过非侵入性地提取流体流动的时空特征来替代传统的粘度测量方法 | 本文的创新点在于使用3D卷积神经网络（3D-CNN）进行粘度估计，并通过实验证明其性能优于人类观察者 | 本文的局限性在于仅在实验室条件下进行了验证，尚未在实际工业应用中进行测试 | 本文的研究目的是开发一种快速、非侵入性的粘度测量方法，以加速材料发现和过程控制 | 本文的研究对象是流体的粘度及其在流体流动中的时空特征 | 机器学习 | NA | 卷积神经网络（CNN） | 3D卷积神经网络（3D-CNN） | 视频 | 本文使用了少于50个视频样本进行训练，每个液体类别约50个视频 | NA | NA | NA | NA |
| 193 | 2024-09-27 |
disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data
2023-Oct-05, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.30.551115
PMID:37577624
|
研究论文 | 本文介绍了一种名为disperseNN2的深度学习工具，用于从地理参考的多态性数据中估计每代平均扩散距离 | disperseNN2通过使用样本的地理信息，在特征提取方面优于不使用显式空间信息的先进深度学习方法，平均相对绝对误差分别降低了33%和48% | NA | 开发一种能够从地理参考的多态性数据中估计生物扩散距离的深度学习工具 | 生物的扩散距离 | 机器学习 | NA | 深度学习 | 神经网络 | 多态性数据 | 10和100个个体 | NA | NA | NA | NA |
| 194 | 2024-09-27 |
Preparing Data for Artificial Intelligence in Pathology with Clinical-Grade Performance
2023-Oct-03, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13193115
PMID:37835858
|
综述 | 本文回顾了2017年至2022年间在PubMed数据库中发表的与人工智能病理学（AIP）相关的研究，深入分析了数据准备方法，并探讨了提高AIP临床性能的有效策略 | 提出了基于全片图像（WSI）的弱监督学习方法和数据标准化技术，以克服AIP性能复现的障碍 | 未提及具体的研究局限性 | 探讨如何通过数据准备方法提高人工智能病理学在临床实践中的性能 | 病理组织切片的数据获取、清洗、筛选和数字化，以及模型训练和验证的数据集划分 | 数字病理学 | NA | 弱监督学习方法，数据标准化 | NA | 图像 | 118项研究 | NA | NA | NA | NA |
| 195 | 2024-09-27 |
Development and Validation of a Model to Quantify Injury Severity in Real Time
2023-10-02, JAMA network open
IF:10.5Q1
|
研究论文 | 开发并验证了一种实时量化损伤严重程度的模型 | 提出了一个实用的模型，通过有限数量的损伤模式实时量化损伤严重程度，并使用三个直观的输出结果 | 模型在预测住院死亡率时存在高估的情况，需要进一步研究以在大规模应用中评估其性能 | 开发和验证一个实用的模型，用于实时量化损伤严重程度 | 成人创伤性损伤患者 | NA | NA | 多任务深度学习 | 多任务深度学习模型 | 数据集 | 372,573例创伤性损伤患者 | NA | NA | NA | NA |
| 196 | 2024-09-27 |
Composition Based Oxidation State Prediction of Materials Using Deep Learning Language Models
2023-Oct, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202301011
PMID:37551059
|
研究论文 | 本文提出了一种基于深度学习的BERT变换器语言模型BERTOS，用于预测无机化合物中所有元素的氧化态 | 首次实现了基于化学组成的氧化态预测，并展示了其在材料发现中的应用潜力 | NA | 开发一种新的方法来预测无机化合物中所有元素的氧化态 | 无机化合物的氧化态 | 机器学习 | NA | 深度学习 | BERT变换器 | 化学组成数据 | 基于ICSD数据集的清洁数据进行基准测试 | NA | NA | NA | NA |
| 197 | 2024-09-27 |
Artificial intelligence (AI) and machine learning (ML) in precision oncology: a review on enhancing discoverability through multiomics integration
2023-Oct, The British journal of radiology
DOI:10.1259/bjr.20230211
PMID:37660402
|
综述 | 本文综述了多组学数据在精准肿瘤学中的应用，特别是人工智能（AI）和机器学习（ML）技术如何通过多组学整合来增强发现能力 | 探讨了AI和ML技术在癌症亚型分类、风险分层、预后预测和临床决策中的潜力 | 讨论了数据异质性、组学数据可用性和研究验证等方面的挑战 | 探讨AI和ML技术在精准肿瘤学中的应用，特别是通过多组学整合来增强发现能力 | 多组学数据，包括影像放射组学和各种类型的分子生物标志物 | 精准肿瘤学 | 癌症 | 多组学数据整合 | NA | 多组学数据 | NA | NA | NA | NA | NA |
| 198 | 2024-09-27 |
Explainable machine learning for diffraction patterns
2023-Oct-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576723007446
PMID:37791364
|
研究论文 | 本文研究了如何通过可解释的机器学习方法来分析衍射图案数据，特别是使用卷积神经网络（CNN）进行图像分类 | 本文首次提供了关于CNN在衍射图案数据分类中内部工作机制的定性证据，通过可视化方法展示了影响分类结果的关键图像区域 | 本文主要关注于定性分析，未提供定量性能的进一步改进 | 揭示卷积神经网络在衍射图案数据分类中的内部工作机制，并通过可视化方法展示关键图像区域 | 衍射图案数据及其在X射线自由电子激光设施中的应用 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 199 | 2024-09-27 |
Building deep learning and traditional chemometric models based on Fourier transform mid-infrared spectroscopy: Identification of wild and cultivated Gastrodia elata
2023-Oct, Food science & nutrition
IF:3.5Q2
DOI:10.1002/fsn3.3565
PMID:37823161
|
研究论文 | 本研究首次将三维相关光谱图像与深度学习模型结合，用于快速准确地识别野生和栽培的天麻 | 首次将三维相关光谱图像与深度学习模型结合，用于识别野生和栽培的天麻，且模型无需预处理原始光谱数据 | 未提及具体限制 | 快速准确地识别野生和栽培的天麻 | 野生和栽培的天麻 | 机器学习 | NA | 傅里叶变换中红外光谱 | 深度学习模型 | 光谱图像 | 46个样本 | NA | NA | NA | NA |
| 200 | 2024-09-27 |
Spatial and Channel Aggregation Network for Lightweight Image Super-Resolution
2023-Oct-01, Sensors (Basel, Switzerland)
DOI:10.3390/s23198213
PMID:37837043
|
研究论文 | 介绍了一种轻量级网络——空间和通道聚合网络（SCAN），用于图像超分辨率任务 | 首次在单图像超分辨率（SISR）方法中结合了大核卷积和特征减少操作，并引入了创新的9×9大核卷积以扩展感受野 | 未提及 | 解决现有SISR方法在性能和计算成本之间的平衡问题，提高图像超分辨率的效果和效率 | 图像超分辨率任务 | 计算机视觉 | NA | 大核卷积 | 空间和通道聚合网络（SCAN） | 图像 | 使用了基准数据集和遥感数据集进行评估 | NA | NA | NA | NA |