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 225 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2024-10-13 |
Unbiased image segmentation assessment toolkit for quantitative differentiation of state-of-the-art algorithms and pipelines
2023-Oct-12, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05486-8
PMID:37828466
|
研究论文 | 本文介绍了一个用于评估图像分割算法的无偏评估工具包，通过69种指标对分割数据进行全面评估，并提出了一种基于定量分析、降维或无监督分类技术以及选择标准的模型选择方法 | 本文提出了一个全面的图像分割评估工具包，包含69种评估指标，并提供了一种基于定量分析和选择标准的模型选择方法 | NA | 开发一个用于评估图像分割算法的无偏评估工具包，并提出一种模型选择方法 | 图像分割算法和管道 | 计算机视觉 | NA | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 102 | 2024-10-13 |
disperseNN2: a neural network for estimating dispersal distance from georeferenced polymorphism data
2023-Oct-11, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05522-7
PMID:37817115
|
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，在处理成对基因型时进行特征提取，从而优于不使用显式空间信息的先进深度学习方法 | NA | 开发一种新的深度学习工具，用于从地理参考的多态性数据中估计生物的扩散能力 | 生物的地理遗传变异和扩散距离 | 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 |
| 103 | 2024-10-13 |
Homologous Pairs of Low and High Temperature Originating Proteins Spanning the Known Prokaryotic Universe
2023-10-07, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02553-w
PMID:37805601
|
研究论文 | 本文介绍了通过同源配对方法构建的大规模蛋白质温度数据集learn2thermDB，用于研究蛋白质在高温下的稳定性 | 本文创新性地构建了一个包含2400万实例和6900万蛋白质对的大规模数据集，远超当前最大规模，为高温稳定性研究提供了新的数据资源 | NA | 旨在通过大规模数据集推动高温蛋白质稳定性设计方法的创新 | 蛋白质在高温下的稳定性 | 生物信息学 | NA | 同源配对 | 深度学习 | 蛋白质序列数据 | 2400万实例，6900万蛋白质对 | NA | NA | NA | NA |
| 104 | 2024-10-13 |
A unified method to revoke the private data of patients in intelligent healthcare with audit to forget
2023-10-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41703-x
PMID:37802981
|
研究论文 | 提出了一种通过审计指导遗忘过程的方法，用于在智能医疗中撤销患者的私人数据 | 引入了知识净化方法，统一了审计和遗忘两个任务，并开发了审计遗忘软件（AFS） | 未提及具体的技术实现细节和实验结果 | 保护患者的数据撤销权和隐私 | 患者的私人数据和预训练的深度学习模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 数据集 | 未提及具体样本数量 | NA | NA | NA | NA |
| 105 | 2024-10-13 |
Physics-informed neural network with transfer learning (TL-PINN) based on domain similarity measure for prediction of nuclear reactor transients
2023-Oct-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-43325-1
PMID:37803015
|
研究论文 | 本文提出了一种基于领域相似性度量的迁移学习物理信息神经网络（TL-PINN），用于预测核反应堆瞬态状态 | 通过迁移学习方法显著减少了模型训练的迭代次数，实现了对不同核反应堆瞬态状态的快速预测 | NA | 开发一种准确且快速的核反应堆瞬态状态预测方法，以提高核反应堆的安全性和效率 | 核反应堆瞬态状态的预测 | 机器学习 | NA | 物理信息神经网络（PINN） | 迁移学习物理信息神经网络（TL-PINN） | 实验参数数据 | 使用普渡大学反应堆一号（PUR-1）研究反应堆的实验参数生成的不同瞬态状态 | NA | NA | NA | NA |
| 106 | 2024-10-13 |
Complexities of deep learning-based undersampled MR image reconstruction
2023-10-04, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-023-00372-7
PMID:37789241
|
综述 | 本文综述了基于深度学习的欠采样磁共振图像重建方法 | 探讨了深度学习在解决图像重建等逆问题中的潜力 | 重建图像的鲁棒性和诊断质量难以评估 | 帮助研究人员和放射科医生开发新方法或提供有价值的反馈 | 基于深度学习的磁共振图像重建方法 | 机器学习 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 107 | 2024-10-13 |
Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks
2023-Oct-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-41698-5
PMID:37788995
|
研究论文 | 本文提出了一种基于分子组装任务的可解释深度学习框架RetroExplainer，用于逆合成预测 | 将逆合成任务形式化为分子组装过程，并引入了多感官和多尺度图变换器、结构感知的对比学习和动态自适应多任务学习单元，提高了模型的鲁棒性和解释性 | NA | 加速数字实验室中有机化学研究的自动化逆合成预测 | 逆合成预测任务 | 机器学习 | NA | 深度学习 | 图变换器 | 分子数据 | 12个大规模基准数据集 | NA | NA | NA | NA |
| 108 | 2024-10-13 |
plotnineSeqSuite: a Python package for visualizing sequence data using ggplot2 style
2023-Oct-03, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-023-09677-8
PMID:37789265
|
研究论文 | 介绍了一个名为plotnineSeqSuite的Python包，用于使用ggplot2风格的API可视化序列数据 | plotnineSeqSuite是首个在Python中实现ggplot2风格序列相关图形可视化的包，增强了R和Python之间编程绘图的统一性 | NA | 开发一个Python包，提供类似于R语言中ggseqlogo的API，以降低学习成本并增强编程方法的统一性 | 序列数据的可视化 | 生物信息学 | NA | NA | NA | 序列数据 | NA | NA | NA | NA | NA |
| 109 | 2024-10-13 |
A deep learning model to triage and predict adenocarcinoma on pancreas cytology whole slide imaging
2023-10-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-42045-w
PMID:37783684
|
研究论文 | 本文提出了一种深度学习框架MIPCL，用于胰腺细胞学全切片成像中腺癌的分类和预测 | MIPCL模型在所有评估指标上显著优于其他两种深度学习模型，并且能够恢复对最终预测贡献最大的切片区域 | NA | 开发一种辅助筛查工具，用于预测胰腺细胞学全切片成像中腺癌的存在与否 | 胰腺细胞学全切片成像中的腺癌 | 数字病理 | 胰腺癌 | 深度学习 | 深度学习框架 | 图像 | 通过数据集优化策略增加了训练样本数量 | NA | NA | NA | NA |
| 110 | 2024-10-13 |
SurfFlow: A Flow-Based Approach for Rapid and Accurate Cortical Surface Reconstruction from Infant Brain MRI
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43993-3_37
PMID:39380670
|
研究论文 | 本文介绍了一种基于流的方法，用于从婴儿脑部MRI快速准确地重建皮层表面 | 提出了一种针对婴儿脑部MRI的皮层表面重建方法，利用三个无缝连接的变形块，能够在一秒内重建高分辨率的皮层表面网格 | NA | 开发一种能够准确重建婴儿脑部皮层表面的方法，以理解早期大脑发育过程中皮层形态学的快速变化 | 婴儿脑部的皮层表面 | 计算机视觉 | NA | 流形变形 | NA | MRI图像 | 0到12个月大的婴儿MRI数据集 | NA | NA | NA | NA |
| 111 | 2024-10-13 |
The Impact of Artificial Intelligence on Optimizing Diagnosis and Treatment Plans for Rare Genetic Disorders
2023-Oct, Cureus
DOI:10.7759/cureus.46860
PMID:37954711
|
研究论文 | 探讨人工智能和机器学习在优化罕见遗传病诊断和治疗方案中的变革性影响 | 强调人工智能在分析大数据集和加速诊断方面的能力，以及在个性化治疗方案和药物发现中的应用 | 讨论了人工智能在医疗中的挑战和局限性，包括伦理、法律、技术和人类方面的考虑 | 探索人工智能和机器学习在解决罕见遗传病诊断和治疗复杂性中的作用 | 罕见遗传病及其诊断和治疗方案 | 机器学习 | 罕见遗传病 | 人工智能、机器学习、深度学习 | NA | 数据集 | NA | NA | NA | NA | NA |
| 112 | 2024-10-12 |
Superior Auto-Identification of Trypanosome Parasites by Using a Hybrid Deep-Learning Model
2023-10-27, Journal of visualized experiments : JoVE
DOI:10.3791/65557
PMID:37955392
|
研究论文 | 本文介绍了一种利用混合深度学习模型自动识别锥虫寄生虫的方法 | 引入了一种基于混合深度学习技术的AI程序，能够从油浸显微图像中识别和分类三种锥虫物种 | NA | 开发一种自动化的诊断工具，以提高锥虫病的监测和控制效率 | 锥虫物种Trypanosoma cruzi, T. brucei, 和 T. evansi | 计算机视觉 | NA | 混合深度学习技术 | 混合深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 113 | 2024-10-12 |
A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports
2023-10-13, Journal of visualized experiments : JoVE
DOI:10.3791/65084
PMID:37902366
|
研究论文 | 本文介绍了一种名为CaseOLAP LIFT的计算管道，用于通过提取用户选择的文本数据集中的信息来研究细胞成分及其与疾病的关联 | 提出了CaseOLAP LIFT计算管道，通过知识图谱自动构建和深度学习模型预测蛋白质与疾病之间的未报告关系 | NA | 揭示细胞途径在疾病中的作用 | 细胞成分及其与疾病的关联 | 自然语言处理 | 心血管疾病 | 知识图谱构建 | 深度学习模型 | 文本 | 约3400万篇文本文档 | NA | NA | NA | NA |
| 114 | 2024-10-09 |
Super-resolution segmentation network for inner-ear tissue segmentation
2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-44689-4_2
PMID:38560492
|
研究论文 | 本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割 | 本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异 | NA | 研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息 | 内耳组织 | 计算机视觉 | NA | 深度学习 | 超分辨率分割网络 | 图像 | NA | NA | NA | NA | NA |
| 115 | 2024-10-04 |
Quantification of spatially localized MRS by a novel deep learning approach without spectral fitting
2023-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.29711
PMID:37183798
|
研究论文 | 提出了一种新的端到端深度学习模型，用于从体内J-点分辨光谱（JPRESS）中量化绝对代谢物浓度，无需使用光谱拟合 | 该模型通过深度学习直接从JPRESS数据中预测代谢物浓度和单个代谢物信号，无需光谱拟合，消除了传统方法中浓度估计与噪声水平及代谢物之间的相关性 | 该研究仅在20个人体脑样本上进行了体内测试，样本量较小 | 开发一种新的深度学习方法，用于从体内JPRESS数据中直接量化代谢物浓度，无需光谱拟合 | 体内JPRESS数据中的代谢物浓度 | 机器学习 | NA | 深度学习 | 编码器-解码器神经网络 | 时间域数据 | 训练数据集包含100,000个样本，验证数据集包含2,000个样本，体内测试数据集包含20个人体脑样本 | NA | NA | NA | NA |
| 116 | 2024-10-04 |
Methodology reporting improved over time in 176,469 randomized controlled trials
2023-10, Journal of clinical epidemiology
IF:7.3Q1
DOI:10.1016/j.jclinepi.2023.08.004
PMID:37562729
|
研究论文 | 本文分析了176,469项随机对照试验（RCT）的方法学报告随时间的变化趋势 | 使用基于深度学习的句子分类模型，根据CONSORT声明评估RCT报告的质量，并分析了报告趋势随时间的变化 | 某些方法信息的报告仍需改进，如序列生成和分配隐藏的报告率较低 | 研究随机对照试验方法学报告随时间的变化趋势 | 176,469项随机对照试验报告 | 机器学习 | NA | 深度学习 | 句子分类模型 | 文本 | 176,469项随机对照试验报告 | NA | NA | NA | NA |
| 117 | 2024-10-04 |
Investigating Transformer Encoding Techniques to Improve Data-Driven Volume-to-Surface Liver Registration for Image-Guided Navigation
2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44992-5_9
PMID:39139984
|
研究论文 | 研究利用Transformer编码技术改进基于数据的体积到表面肝脏配准，以提高图像引导导航的准确性 | 采用基于Transformer的分割网络来预测非刚性配准的最佳位移场，显著提高了配准的准确性和鲁棒性 | 研究仅限于体积到表面肝脏配准，未涉及其他器官或更复杂的配准任务 | 提高腹腔镜肝脏手术中图像引导导航的准确性 | 肝脏的体积图像与表面图像的非刚性配准 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 涉及多种数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 118 | 2024-10-04 |
Improving Medical Image Classification in Noisy Labels Using only Self-supervised Pretraining
2023-Oct, Data engineering in medical imaging : first MICCAI Workshop, DEMI 2023, Held in Conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, Proceedings. DEMI (Workshop) (1st : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44992-5_8
PMID:39144367
|
研究论文 | 本文探讨了在带有噪声标签的医学图像分类中使用自监督预训练来提高分类性能 | 首次研究了其他自监督方法（如基于 pretext 任务的预训练）对带有噪声标签的学习的影响，并探讨了仅使用自监督预训练方法在医学图像中的应用 | 仅在两个医学数据集上进行了实验，结果的普适性有待验证 | 研究自监督预训练在带有噪声标签的医学图像分类中的应用 | 组织病理学图像和胸部 X 光图像 | 计算机视觉 | NA | 自监督学习 | 深度学习分类模型 | 图像 | 两个医学数据集 | NA | NA | NA | NA |
| 119 | 2024-10-04 |
Scanning Laser Ophthalmoscopy Demonstrates Disc and Peripapillary Strain During Horizontal Eye Rotation in Adults
2023-10, American journal of ophthalmology
IF:4.1Q1
DOI:10.1016/j.ajo.2023.06.008
PMID:37343739
|
研究论文 | 使用扫描激光眼底镜（SLO）和深度学习分析技术，研究了成年人在水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变 | 首次使用自动化图像分析和深度学习技术来量化视盘和视网膜及脉络膜血管在水平眼球旋转过程中的应变 | 研究仅限于健康成年人的水平眼球旋转，未涉及其他眼球运动或疾病状态 | 研究水平眼球旋转过程中视盘和视网膜及脉络膜血管的机械应变 | 视盘、视网膜和脉络膜血管在水平眼球旋转过程中的应变 | 计算机视觉 | NA | 扫描激光眼底镜（SLO） | 深度学习 | 图像 | 22名年轻（平均±标准误，26 ± 5岁）和19名年长（64 ± 10岁）健康志愿者 | NA | NA | NA | NA |
| 120 | 2024-10-04 |
Towards Accurate Microstructure Estimation via 3D Hybrid Graph Transformer
2023-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-43993-3_3
PMID:39219989
|
研究论文 | 本文提出了一种基于3D混合图变换器的微结构估计模型，通过整合3D空间信息和角度信息，改进了现有方法的性能 | 提出了3D混合图变换器（3D-HGT）模型，能够充分利用3D空间信息和角度信息，并通过简化的图神经网络模型和3D变换器模块提高了计算效率 | 现有方法忽略了3D空间信息，仅依赖于2D切片进行训练 | 提高微结构估计的准确性，特别是在使用欠采样的扩散MRI数据时 | 微结构估计 | 计算机视觉 | NA | 扩散MRI（dMRI） | 混合图变换器（HGT） | 图像 | 来自人类连接组项目的数据 | NA | NA | NA | NA |