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 1854 篇文献，本页显示第 781 - 800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 781 | 2024-11-08 |
Multi-stage semi-supervised learning enhances white matter hyperintensity segmentation
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1487877
PMID:39502452
|
研究论文 | 本文提出了一种多阶段半监督学习方法，用于增强白质高信号区域的分割 | 本文创新性地采用了多阶段半监督学习（M3SL）方法，结合未标注数据和少量高质量标注数据，显著提升了白质高信号区域分割模型的性能 | 本文未详细讨论M3SL方法在不同数据集上的适用性和潜在的局限性 | 研究目的是开发一种能够有效利用未标注数据和少量高质量标注数据的白质高信号区域分割方法 | 研究对象是白质高信号区域（WMHs）的分割 | 计算机视觉 | NA | 半监督学习 | U-Net | 图像 | 使用了来自三个扫描仪供应商的超过五个扫描仪的数据，包括认知正常（CN）成人和患者（轻度认知障碍和阿尔茨海默病）的样本 |
| 782 | 2024-11-08 |
Progress and clinical translation in hepatocellular carcinoma of deep learning in hepatic vascular segmentation
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241293498
PMID:39502486
|
综述 | 本文综述了深度学习在肝血管分割中的进展及其在肝细胞癌（HCC）整体管理中的临床意义 | 深度学习方法，包括卷积神经网络等，显著提高了肝血管分割的准确性和速度 | 本文讨论了深度学习技术在增强HCC综合诊断和治疗中的挑战和未来前景 | 探讨深度学习在肝血管分割中的应用及其对HCC诊断和治疗的支持 | 肝血管分割及其在肝细胞癌诊断和治疗中的应用 | 计算机视觉 | 肝癌 | 深度学习 | 卷积神经网络 | 图像 | 30项研究 |
| 783 | 2024-11-08 |
Graph neural networks are promising for phenotypic virtual screening on cancer cell lines
2024, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpae065
PMID:39502795
|
研究论文 | 本文研究了图神经网络在癌症细胞系表型虚拟筛选中的应用 | 本文提出图神经网络（D-MPNN）在表型虚拟筛选中表现优于其他机器学习算法 | 研究受限于测试分子数量较少以及未采用合适的性能指标和不同分子分割方法 | 评估不同机器学习算法在表型虚拟筛选中的性能 | 60个包含约30,000-50,000个分子的数据集，用于测试其在NCI-60癌症细胞系中的生长抑制活性 | 机器学习 | 癌症 | 图神经网络 | D-MPNN | 分子数据 | 约14,440次训练运行 |
| 784 | 2024-11-08 |
LT-DeepLab: an improved DeepLabV3+ cross-scale segmentation algorithm for Zanthoxylum bungeanum Maxim leaf-trunk diseases in real-world environments
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1423238
PMID:39502917
|
研究论文 | 本文提出了一种改进的DeepLabV3+算法LT-DeepLab，用于复杂环境中花椒叶和茎疾病的跨尺度语义分割 | 引入了创新的Fission Depth Separable with CRCC Atrous Spatial Pyramid Pooling模块，减少了Atrous Spatial Pyramid Pooling模块的结构参数并提高了跨尺度提取能力，结合Criss-Cross Attention和Convolutional Block Attention Module增强了通道特征提取，并使用可变形卷积和全卷积网络辅助头优化网络 | NA | 提高花椒叶和茎疾病在复杂环境中的分割准确性和效率 | 花椒叶和茎的疾病，包括叶斑、锈病、霜冻损伤和病叶茎 | 计算机视觉 | NA | 深度学习 | DeepLabV3+ | 图像 | NA |
| 785 | 2024-11-08 |
Comparative Phylogenetic Analysis and Protein Prediction Reveal the Taxonomy and Diverse Distribution of Virulence Factors in Foodborne Clostridium Strains
2024, Evolutionary bioinformatics online
DOI:10.1177/11769343241294153
PMID:39502941
|
研究论文 | 通过生物信息学预测方法研究了两种食源性梭菌基因组与毒力蛋白的分子进化关系，并比较分析了毒力蛋白的基因编码主要特征和结构特性 | 揭示了食源性梭菌毒力因子的系统发育特征、多样性和分布 | NA | 研究食源性梭菌基因组与毒力蛋白的分子进化关系 | 食源性梭菌（Clostridium botulinum和Clostridium perfringens）的毒力蛋白 | 生物信息学 | NA | 多重序列分析、同源建模、深度学习算法 | NA | 基因组数据 | 两种食源性梭菌菌株 |
| 786 | 2024-11-07 |
Alleviating tiling effect by random walk sliding window in high-resolution histological whole slide image synthesis
2024, Proceedings of machine learning research
PMID:38993526
|
研究论文 | 本文提出了一种基于深度学习的高分辨率全切片图像合成方法，通过随机游走滑动窗口策略减少多重免疫荧光（MxIF）到苏木精和伊红（H&E）染色图像合成中的拼贴效应 | 本文通过在CycleGAN框架中添加同时的细胞核和粘液分割监督作为空间约束，并引入随机游走滑动窗口策略，显著减少了高分辨率全切片图像合成中的拼贴效应 | 本文未提及具体的局限性 | 研究目的是通过深度学习方法从多重免疫荧光（MxIF）图像中合成虚拟的苏木精和伊红（H&E）全切片图像，并减少拼贴效应 | 研究对象是多重免疫荧光（MxIF）和苏木精和伊红（H&E）染色的全切片图像 | 数字病理学 | NA | 深度学习 | CycleGAN | 图像 | 每个MxIF全切片图像包含27种标记/染色 |
| 787 | 2024-11-06 |
Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study
2024-Jan, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120494
PMID:38086495
|
研究论文 | 本文比较了TrUE-Net与六种已建立的白质高信号（WMH）分割方法的准确性 | TrUE-Net是一种基于深度学习的新型自动分割模型，具有低假阳性率和高可靠性 | TrUE-Net尚未经过严格的独立验证 | 验证TrUE-Net在白质高信号分割中的准确性 | 白质高信号（WMH）的自动分割方法 | 计算机视觉 | NA | 深度学习 | TrUE-Net | 图像 | NA |
| 788 | 2024-11-07 |
Deep Learning Methods to Help Predict Properties of Molecules from SMILES
2024, Proceedings of the International Symposium on Intelligent Computing and Networking 2024 : (ISICN 2024). International Symposium on Intelligent Computing and Networking (1st : 2024 : San Juan, P.R.)
DOI:10.1007/978-3-031-67447-1_9
PMID:39493535
|
研究论文 | 本文提出了一种基于SMILES数据预测分子性质的深度学习框架 | 本文方法基于1-D卷积网络，无需复杂的特征工程，可以直接从基础数据中学习分子性质 | NA | 开发一种无需复杂特征工程的分子性质预测方法 | 分子性质，包括分子重量和XLogP | 机器学习 | NA | 1-D卷积网络 | CNN | 文本 | NA |
| 789 | 2024-11-07 |
Research on the sentiment recognition and application of allusive words based on text semantic enhancement
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308944
PMID:39495816
|
研究论文 | 本文提出了一种基于文本语义增强的典故词语情感识别与应用模型 | 首次将自动计算技术应用于典故资源，提出了一种基于文本语义增强的典故词语情感识别与应用模型 | NA | 探索典故词语的情感识别与应用 | 典故词语及其情感 | 自然语言处理 | NA | 深度学习 | ERNIE-RCNN | 文本 | 36,080个典故词语的解释文本 |
| 790 | 2024-11-07 |
Redefining retinal vessel segmentation: empowering advanced fundus image analysis with the potential of GANs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1470941
PMID:39497847
|
研究论文 | 本文提出了一种利用生成对抗网络（GANs）进行视网膜血管分割的新方法 | 本文的创新点在于采用了专门设计的GAN架构GANVesselNet，结合了自动编码器-解码器路径和UNet路径，以高效捕捉多尺度上下文信息，显著提高了血管分割的准确性 | NA | 本文的研究目的是通过利用GANs的潜力，提高视网膜血管分割的准确性，从而增强眼底图像分析和临床决策 | 本文的研究对象是视网膜血管的分割 | 计算机视觉 | NA | 生成对抗网络（GANs） | GANVesselNet | 图像 | 使用了公开的视网膜数据集，包括STARE和DRIVE |
| 791 | 2024-11-07 |
Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices
2024, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2024.1390622
PMID:39498098
|
研究论文 | 本文介绍了一个名为Biofuser的多源数据融合平台，用于整合发酵过程设备的异构数据 | Biofuser平台能够整合来自不同来源和格式的数据，并提供API支持机器学习和深度学习，从而促进发酵过程的优化 | NA | 开发一个能够整合和融合发酵过程设备异构数据的平台，以促进发酵过程的优化和智能化 | 发酵过程设备的异构数据 | 生物工程 | NA | 数据融合 | NA | 多源异构数据 | NA |
| 792 | 2024-11-07 |
Advancements in the use of AI in the diagnosis and management of inflammatory bowel disease
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1453194
PMID:39498116
|
研究论文 | 本文讨论了人工智能在炎症性肠病诊断和管理中的应用进展 | 本文介绍了基于深度学习和卷积神经网络的算法在结肠镜图像和视频中的应用，特别是用于检测和分类结直肠息肉 | 当前研究主要集中在评估溃疡性结肠炎的严重程度，且需要更多标注的结肠镜图像和视频来训练更可靠的AI算法 | 探讨人工智能在炎症性肠病早期检测中的当前挑战和未来改进方向 | 炎症性肠病（IBD）及其亚型克罗恩病（CD）和溃疡性结肠炎（UC） | 机器学习 | 炎症性肠病 | 深度学习（DL）和卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像和视频 | NA |
| 793 | 2024-11-07 |
Enzyme catalytic efficiency prediction: employing convolutional neural networks and XGBoost
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1446063
PMID:39498388
|
研究论文 | 本文介绍了一种名为ECEP的新方法，利用深度学习技术预测酶催化效率，显著优于现有方法 | 本文提出了ECEP模型，结合卷积神经网络和XGBoost，通过多特征集成深度学习方法预测酶催化效率，显著提高了预测精度 | NA | 提高酶催化效率预测的准确性 | 酶催化效率 | 机器学习 | NA | 卷积神经网络、XGBoost | 卷积神经网络 | 序列数据 | NA |
| 794 | 2024-11-07 |
Foundation model for cancer imaging biomarkers
2024, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00807-9
PMID:38523679
|
研究论文 | 本文开发了一种用于癌症影像生物标志物发现的基石模型 | 通过自监督学习训练的卷积编码器，显著减少了下游应用中对训练样本的需求，并在有限训练数据集的情况下显著优于传统监督学习和现有最先进预训练模型 | 未提及 | 开发一种基石模型，用于癌症影像生物标志物的发现，并评估其在临床相关应用中的表现 | 癌症影像生物标志物 | 计算机视觉 | 癌症 | 自监督学习 | 卷积神经网络（CNN） | 影像 | 11,467个放射性病变样本 |
| 795 | 2024-11-07 |
Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1328579
PMID:38524629
|
研究论文 | 本研究利用深度学习结合病理和临床特征，建立并验证了一个模型，用于预测特发性膜性肾病（IMN）患者对免疫治疗的反应 | 本研究首次将深度学习应用于特发性膜性肾病的免疫治疗反应预测，并结合病理和临床特征进行模型训练 | 当模型中加入临床特征时，预测效果有所下降 | 建立并验证一个模型，用于评估特发性膜性肾病患者对免疫抑制治疗的反应 | 特发性膜性肾病患者对免疫治疗的反应 | 机器学习 | 肾病 | 深度学习 | 卷积神经网络 | 图像 | 291名患者，其中训练集219名，验证集72名 |
| 796 | 2024-11-07 |
Editorial: Utilizing big data and deep learning to improve healthcare intelligence and biomedical service delivery
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1502398
PMID:39502340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 797 | 2024-11-06 |
Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears
2024-01-09, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2023011076
PMID:37967385
|
研究论文 | 开发了一种全自动端到端的深度学习管道，用于从常规染色的骨髓涂片扫描图像中直接预测急性髓系白血病的治疗相关遗传异常 | 首次使用深度学习技术从常规染色的骨髓涂片图像中直接预测急性髓系白血病的遗传异常，提供了一种快速且经济高效的筛查工具 | 需要进一步验证模型在其他骨髓疾病中的适用性 | 开发一种快速且经济高效的工具，用于在急性髓系白血病诊断当天直接从常规染色的骨髓涂片中预测治疗相关的遗传异常 | 急性髓系白血病患者的骨髓涂片图像 | 计算机视觉 | 血液疾病 | 深度学习 | 卷积神经网络 | 图像 | 408名急性髓系白血病患者，超过200万张单细胞图像 |
| 798 | 2024-11-06 |
DCMA: faster protein backbone dihedral angle prediction using a dilated convolutional attention-based neural network
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1477909
PMID:39493577
|
研究论文 | 提出了一种名为DCMA的轻量级方法，用于预测蛋白质骨架的二面角 | 引入了一种新的轻量级方法DCMA，结合了膨胀卷积和多头注意力机制，以提高预测性能并减少计算资源需求 | NA | 开发一种更高效的计算方法来预测蛋白质骨架的二面角 | 蛋白质骨架的二面角 | 机器学习 | NA | 膨胀卷积和多头注意力机制 | CNN | 蛋白质序列数据 | 使用了公共的CASP基准数据集进行验证 |
| 799 | 2024-11-06 |
Are ICD codes reliable for observational studies? Assessing coding consistency for data quality
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297056
PMID:39493629
|
研究论文 | 评估ICD代码在电子健康记录中的编码一致性及其对数据质量的影响 | 使用深度学习和统计模型分析ICD-9-CM到ICD-10-CM转换期间ICD代码分配的变化 | 研究仅限于美国退伍军人管理局的数据，结果可能不适用于其他医疗系统 | 评估ICD代码在不同时间和地点的可靠性，以确保观察性研究的数据质量 | ICD-9-CM到ICD-10-CM转换期间的ICD代码分配 | NA | NA | 深度学习 | 统计模型 | 电子健康记录数据 | 687个最常用的代码集群 |
| 800 | 2024-11-06 |
Commentary on "Large-Scale Pancreatic Cancer Detection via Non-Contrast CT and Deep Learning"
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241293521
PMID:39494415
|
评论 | 评论Cao等人开发的用于早期检测胰腺导管腺癌（PDAC）的AI模型PANDA | NA | 模型主要在东亚数据集上训练，可能影响其在不同人群中的泛化能力；对罕见病变的检测能力有待提高；高特异性可能导致误报 | 评论PANDA模型在胰腺癌早期检测中的应用 | PANDA模型及其在胰腺癌检测中的表现 | 计算机视觉 | 胰腺癌 | 深度学习 | AI模型 | CT扫描图像 | 主要基于东亚数据集 |