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 242 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 | 2024-10-14 |
Deep Learning for Genomics: From Early Neural Nets to Modern Large Language Models
2023-Nov-01, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms242115858
PMID:37958843
|
review | 本文从基因组学角度简要讨论了不同深度学习模型的优势，以便为每个特定任务选择合适的基于深度学习的架构，并强调了开发基因组学深度学习架构的实际考虑 | 本文回顾了深度学习在基因组学研究各个方面的应用，并指出了当前的挑战和未来基因组学应用的潜在研究方向 | NA | 探讨深度学习在基因组学中的应用及其未来发展方向 | 不同深度学习模型在基因组学任务中的适用性 | machine learning | NA | high-throughput sequencing | NA | genomic data | NA | NA | NA | NA | NA |
| 182 | 2024-10-14 |
Deep Learning Framework for Liver Segmentation from T1-Weighted MRI Images
2023-Nov-01, Sensors (Basel, Switzerland)
DOI:10.3390/s23218890
PMID:37960589
|
研究论文 | 研究提出了一种用于从T1加权MRI图像中分割肝脏的深度学习框架 | 提出了一种新的级联网络，用于分割轴向肝脏切片，并在肝脏分割任务中表现优于现有方法 | 研究仅使用了20名患者的647张MR切片数据，样本量较小 | 开发一种自动分割肝脏的深度学习框架，以辅助临床诊断 | 肝脏在T1加权MRI图像中的分割 | 计算机视觉 | NA | MRI | CNN | 图像 | 20名患者，647张MR切片 | NA | NA | NA | NA |
| 183 | 2024-10-14 |
Efficient semi-supervised semantic segmentation of electron microscopy cancer images with sparse annotations
2023-Nov-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.30.563998
PMID:37961180
|
研究论文 | 研究了多种先进的深度学习模型用于电子显微镜癌症图像的语义分割，并探索了半监督学习方法 | 引入了半监督学习方法Cross Pseudo Supervision，并比较了多种先进模型在稀疏标注数据上的表现 | 需要进一步研究如何减少手动分割的时间瓶颈 | 加速电子显微镜癌症图像的分析 | 肿瘤活检中的细胞核和核仁 | 计算机视觉 | 癌症 | 电子显微镜 | UNet++, FracTALResNet, SenFormer, CEECNet | 图像 | 三个完全标注的内部数据集 | NA | NA | NA | NA |
| 184 | 2024-10-14 |
Deep learning-based multimodal fusion network for segmentation and classification of breast cancers using B-mode and elastography ultrasound images
2023-Nov, Bioengineering & translational medicine
IF:6.1Q1
DOI:10.1002/btm2.10480
PMID:38023698
|
研究论文 | 本文提出了一种基于深度学习的乳腺肿瘤分割与分类方法，利用B模式和弹性成像超声图像进行多模态融合 | 本文提出了一种加权多模态U-Net模型和多模态融合框架，能够同时从B模式和弹性成像超声图像中学习互补信息，并在实际临床数据上表现优异 | NA | 开发一种能够提高乳腺肿瘤分类准确性的计算机辅助诊断系统 | 乳腺肿瘤的分割与分类 | 计算机视觉 | 乳腺癌 | 深度学习 | U-Net、CNN | 图像 | NA | NA | NA | NA | NA |
| 185 | 2024-10-14 |
4D-CT deformable image registration using unsupervised recursive cascaded full-resolution residual networks
2023-Nov, Bioengineering & translational medicine
IF:6.1Q1
DOI:10.1002/btm2.10587
PMID:38023695
|
研究论文 | 提出了一种用于腹部四维计算机断层扫描（4D-CT）图像配准的新型递归级联全分辨率残差网络（RCFRR-Net） | 该网络采用无监督学习方法，无需变形向量场的真实值，通过级联三个不同架构的全分辨率残差子网络实现渐进式配准 | NA | 开发一种在医学图像配准中表现优越且具有广泛应用前景的新方法 | 腹部四维计算机断层扫描（4D-CT）图像的配准 | 计算机视觉 | NA | 递归级联全分辨率残差网络（RCFRR-Net） | 递归级联全分辨率残差网络（RCFRR-Net） | 图像 | 使用了内部4D-CT数据集、公开的DIRLAB 4D-CT数据集和4D锥束CT（4D-CBCT）数据集进行广泛的网络测试 | NA | NA | NA | NA |
| 186 | 2024-10-14 |
Virtual differential phase-contrast and dark-field imaging of x-ray absorption images via deep learning
2023-Nov, Bioengineering & translational medicine
IF:6.1Q1
DOI:10.1002/btm2.10494
PMID:38023711
|
研究论文 | 本文展示了使用深度卷积神经网络将X射线吸收图像转换为差分相衬和暗场图像的方法 | 通过生成对抗网络训练的深度卷积神经网络，能够直接将X射线吸收图像转换为差分相衬和暗场图像，效果可与同步辐射光源和实验室设备获得的图像相媲美 | NA | 解决生物组织中弱吸收对比度问题，扩展X射线图像对比度生成的方法 | X射线吸收图像转换为差分相衬和暗场图像 | 计算机视觉 | NA | 深度学习 | 深度卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 187 | 2024-10-13 |
Protein language models can capture protein quaternary state
2023-Nov-14, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05549-w
PMID:37964216
|
研究论文 | 本文探讨了蛋白质语言模型在预测蛋白质四级结构中的应用 | 首次研究了嵌入技术在预测蛋白质四级结构中的能力 | 模型性能不如基于已解析晶体结构的方法 | 探索蛋白质语言模型在预测蛋白质四级结构中的潜力 | 蛋白质的四级结构 | 机器学习 | NA | 深度学习 | 蛋白质语言模型（如ESM-2） | 蛋白质序列 | 来自QSbio数据集的大量蛋白质数据 | NA | NA | NA | NA |
| 188 | 2024-10-13 |
Deep learning and single-cell phenotyping for rapid antimicrobial susceptibility detection in Escherichia coli
2023-11-14, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-023-05524-4
PMID:37964031
|
研究论文 | 本文介绍了一种基于深度学习的单细胞表型分析方法，用于快速检测大肠杆菌的抗生素敏感性 | 提出了一种新的概念验证方法，通过深度学习单细胞特定的形态表型来直接关联大肠杆菌的抗生素敏感性 | 仅在实验室参考的完全敏感的大肠杆菌菌株和六种来自人类血流感染的大肠杆菌菌株上进行了验证 | 开发一种快速检测大肠杆菌抗生素敏感性的方法，以应对抗生素耐药性的上升 | 大肠杆菌的抗生素敏感性 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 六种来自人类血流感染的大肠杆菌菌株 | NA | NA | NA | NA |
| 189 | 2024-10-13 |
Effect of the telemedicine-supported multicomponent exercise therapy in patients with knee osteoarthritis: study protocol for a randomized controlled trial
2023-Nov-14, Trials
IF:2.0Q3
DOI:10.1186/s13063-023-07749-4
PMID:37964273
|
研究论文 | 研究远程医疗支持的多成分运动疗法对膝骨关节炎患者的疗效 | 结合运动疗法、患者教育和健康指导，通过mHealth应用程序在家中进行治疗 | 现有研究中存在患者依从性问题和缺乏客观评估方法 | 评估多成分运动疗法对膝骨关节炎患者疼痛自我管理的有效性 | 膝骨关节炎患者 | NA | 骨关节炎 | NA | NA | NA | 未具体说明 | NA | NA | NA | NA |
| 190 | 2024-10-13 |
Conformer Generation for Structure-Based Drug Design: How Many and How Good?
2023-11-13, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01245
PMID:37903507
|
研究论文 | 本文探讨了构象生成在基于结构的药物设计中的重要性，并研究了构象集合的大小、多样性和质量对药物发现任务性能的影响 | 本文通过实验阐明了构象集合的大小、多样性和质量对药物发现任务性能的影响，并比较了先进的生成深度学习方法与经典几何方法的性能 | NA | 研究构象生成在基于结构的药物设计中的最佳实践 | 构象集合的大小、多样性和质量对药物发现任务性能的影响 | 药物设计 | NA | 生成深度学习 | NA | 分子结构 | NA | NA | NA | NA | NA |
| 191 | 2024-10-13 |
Counting manatee aggregations using deep neural networks and Anisotropic Gaussian Kernel
2023-Nov-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-45507-3
PMID:37957170
|
研究论文 | 本文提出了一种基于深度学习的海牛聚集计数方法，使用各向异性高斯核（AGK）和低质量图像来自动计算海牛数量 | 本文创新性地使用了各向异性高斯核（AGK）来捕捉不同聚集中个体海牛的形状，并将其应用于多种深度神经网络以学习海牛密度 | NA | 开发一种自动计数海牛聚集的方法，以观察其习性并设计安全规则和护理计划 | 海牛及其聚集 | 计算机视觉 | NA | 各向异性高斯核（AGK） | 深度神经网络（包括VGG、SANet、CSRNet、MARUNet等） | 图像 | 使用从监控视频中提取的低质量图像进行实验 | NA | NA | NA | NA |
| 192 | 2024-10-13 |
Evaluation of deep learning-based feature selection for single-cell RNA sequencing data analysis
2023-11-10, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03100-x
PMID:37950331
|
研究论文 | 本文探讨了基于深度学习的特征选择方法在单细胞RNA测序数据分析中的应用 | 本文提出了基于深度学习的特征选择方法，与传统的基于差异分布的方法相比，该方法通过神经网络确定基因的重要性 | NA | 评估基于深度学习的特征选择方法在单细胞RNA测序数据分析中的效用 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 神经网络 | 基因表达数据 | 从Tabula Muris和Tabula Sapiens图谱中采样创建的单细胞RNA测序数据集 | NA | NA | NA | NA |
| 193 | 2024-10-13 |
SDF4CHD: Generative Modeling of Cardiac Anatomies with Congenital Heart Defects
2023-Nov-08, ArXiv
PMID:37961745
|
研究论文 | 本文提出了一种用于生成具有先天性心脏缺陷的心脏解剖结构的生成模型 | 本文提出了一种类型和形状解耦的生成方法，能够捕捉不同先天性心脏缺陷类型中观察到的广泛心脏解剖结构，并合成保留特定先天性心脏缺陷类型独特拓扑结构的形状 | NA | 改进先天性心脏缺陷患者的诊断和治疗计划 | 具有先天性心脏缺陷的心脏解剖结构 | 计算机视觉 | 先天性心脏缺陷 | 深度学习 | 生成模型 | 图像 | NA | NA | NA | NA | NA |
| 194 | 2024-10-09 |
Multi-class deep learning architecture for classifying lung diseases from chest X-Ray and CT images
2023-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-46147-3
PMID:37938631
|
研究论文 | 本文提出了一种用于从胸部X光和CT图像中分类多种肺部疾病的自动化系统 | 本文提出了一种新的图像增强算法，使用k-符号Lerch超越函数模型，并结合定制的卷积神经网络（CNN）和两个预训练的深度学习模型（AlexNet和VGG16Net）进行图像分类 | NA | 开发一种自动化的系统，用于从胸部X光和CT图像中检测多种肺部疾病 | 胸部X光和CT图像中的肺部疾病 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | CNN | 图像 | 公开可用的图像数据集（CT和X光图像数据集） | NA | NA | NA | NA |
| 195 | 2024-10-09 |
Identification of hybrids between the Japanese giant salamander (Andrias japonicus) and Chinese giant salamander (Andrias cf. davidianus) using deep learning and smartphone images
2023-Nov, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.10698
PMID:37953985
|
研究论文 | 本研究利用深度学习和智能手机图像识别日本大鲵和中国大鲵的杂交个体 | 首次采用EfficientNetV2模型和智能手机图像进行杂交个体的识别 | 样本数量有限，仅包括11个日本大鲵和20个杂交个体的图像 | 开发一种基于深度学习的方法，用于识别日本大鲵和中国大鲵的杂交个体，以保护生物多样性 | 日本大鲵和中国大鲵的杂交个体 | 计算机视觉 | NA | 深度学习 | EfficientNetV2 | 图像 | 11个日本大鲵和20个杂交个体的图像 | NA | NA | NA | NA |
| 196 | 2024-10-08 |
Three-dimensional label-free morphology of CD8 + T cells as a sepsis biomarker
2023-Nov-07, Light, science & applications
DOI:10.1038/s41377-023-01309-w
PMID:37932249
|
研究论文 | 研究探讨了三维无标记CD8+ T细胞形态作为脓毒症生物标志物的潜力 | 首次提出三维无标记CD8+ T细胞形态作为脓毒症的生物标志物，并开发了深度学习模型进行预测 | 样本量较小，仅包括8名脓毒症恢复患者和20名健康对照 | 研究三维无标记CD8+ T细胞形态作为脓毒症诊断和预后生物标志物的潜力 | 脓毒症患者和健康对照的CD8+ T细胞形态 | 数字病理学 | 脓毒症 | 深度学习 | 深度学习模型 | 细胞形态 | 8名脓毒症恢复患者和20名健康对照 | NA | NA | NA | NA |
| 197 | 2024-10-08 |
Can Deep Adult Lung Segmentation Models Generalize to the Pediatric Population?
2023-Nov-01, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.120531
PMID:37397242
|
研究论文 | 本文研究了深度成人肺分割模型在儿科人群中的泛化能力，并提出了一种改进性能的方法 | 提出了新的评估指标MLCD和AHS，并采用分阶段系统方法通过CXR模态特定的权重初始化、堆叠集成和集成堆叠集成来提高性能 | NA | 分析深度成人肺分割模型在儿科人群中的泛化能力，并提出改进方法 | 成人肺分割模型在儿科人群中的应用 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 198 | 2024-10-08 |
A comprehensive review of machine learning algorithms and their application in geriatric medicine: present and future
2023-Nov, Aging clinical and experimental research
IF:3.4Q2
DOI:10.1007/s40520-023-02552-2
PMID:37682491
|
综述 | 本文综述了机器学习算法及其在老年医学中的应用现状和未来发展 | 本文详细描述了各种机器学习算法的分类、用途和能力，并特别关注了其在老年医学中的应用 | 本文主要集中在算法的技术层面和临床应用，未深入探讨数据隐私和伦理问题 | 探讨机器学习算法在老年医学中的应用及其未来发展 | 机器学习算法及其在老年医学中的应用 | 机器学习 | 老年病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 199 | 2024-10-08 |
THPLM: a sequence-based deep learning framework for protein stability changes prediction upon point variations using pretrained protein language model
2023-11-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad646
PMID:37874953
|
研究论文 | 提出了一种基于序列的深度学习框架THPLM，用于预测蛋白质稳定性变化，使用预训练的蛋白质语言模型ESM-2 | 利用预训练的蛋白质语言模型ESM-2和简单的卷积神经网络，THPLM在蛋白质稳定性变化预测方面表现优异 | NA | 探索蛋白质稳定性变化的预测方法，特别是在点突变情况下的预测 | 蛋白质稳定性变化 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列 | NA | NA | NA | NA | NA |
| 200 | 2024-10-05 |
Direct prediction of gas adsorption via spatial atom interaction learning
2023-Nov-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-42863-6
PMID:37923711
|
研究论文 | 本文介绍了一种名为DeepSorption的空间原子相互作用学习网络，用于直接预测气体吸附 | 提出了DeepSorption模型，通过考虑全局结构和局部空间原子相互作用，实现了对晶体多孔材料吸附性能的准确、快速预测 | NA | 开发一种能够快速准确预测晶体多孔材料气体吸附性能的深度学习模型 | 晶体多孔材料的气体吸附性能 | 机器学习 | NA | 深度学习 | Matformer | 原子坐标和化学元素类型信息 | NA | NA | NA | NA | NA |