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 1802 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2025-02-04 |
Cracking the black box of deep sequence-based protein-protein interaction prediction
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae076
PMID:38446741
|
研究论文 | 本文系统研究了基于深度学习的蛋白质-蛋白质相互作用预测模型对数据泄露、序列相似性和节点度信息的依赖性，并与基础机器学习模型进行了比较 | 揭示了随机分割训练集和测试集导致性能高估的问题，并提出了避免数据泄露的方法，强调了未来改进应相对于基线方法进行报告 | 预测对于与已研究蛋白质序列相似性低的蛋白质仍然是一个未解决的问题，需要进一步的实验研究和更好的计算方法 | 评估和比较基于深度学习的蛋白质-蛋白质相互作用预测模型的性能 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 142 | 2025-02-04 |
SuperCUT, an unsupervised multimodal image registration with deep learning for biomedical microscopy
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae029
PMID:38483256
|
研究论文 | 本文提出了一种名为SuperCUT的无监督多模态图像配准方法，利用深度学习技术解决生物医学显微镜图像配准问题 | 提出了一种无需人工标注的无监督多模态图像配准管道，结合风格迁移技术，实现了与有监督方法相当的配准精度 | 需要进一步验证在更多类型生物样本和显微镜模态上的适用性 | 解决生物医学显微镜图像的多模态配准问题，以实现不同图像模态的相关分析 | 生物医学显微镜图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 四种不同类型的生物问题，涉及不同的显微镜模态 |
| 143 | 2025-02-04 |
Deep learning in spatially resolved transcriptfomics: a comprehensive technical view
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae082
PMID:38483255
|
研究论文 | 本文深入探讨了深度学习在空间分辨转录组学（SRT）中的应用，分析了其优势、局限性和未来改进方向 | 本文首次系统地评估了深度学习在SRT中的应用，并提出了未来研究方向，如结合生物进化信息的处理和微小组织图像片段的深入分析 | 深度学习在SRT中的应用仍面临挑战，如批次效应的消除、数据标准化技术的完善以及基因表达中的过度离散和零膨胀模式的应对 | 评估深度学习在空间分辨转录组学中的应用，并提出未来研究方向 | 空间分辨转录组学数据 | 数字病理学 | NA | 空间分辨转录组学（SRT） | 深度学习 | 基因表达矩阵、空间细节、组织学图像 | NA |
| 144 | 2025-02-04 |
Enhancer-MDLF: a novel deep learning framework for identifying cell-specific enhancers
2024-01-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae083
PMID:38485768
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 145 | 2025-02-04 |
Leveraging deep learning for toxic comment detection in cursive languages
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2486
PMID:39896410
|
研究论文 | 本文提出了一种新的深度学习模型，用于检测乌尔都语中的有毒评论，通过使用transformer进行文本的二元分类 | 提出了一种新的模型来识别乌尔都语句子中的显著特征，并使用transformer进行有毒评论的检测 | 乌尔都语作为一种低资源语言，其复杂性和不规则性增加了检测难度 | 开发一种工具来检测乌尔都语中的有毒评论，以保护社区免受其负面影响 | 乌尔都语中的有毒评论 | 自然语言处理 | NA | 深度学习 | transformer, BERT, GPT-2 | 文本 | NA |
| 146 | 2025-02-02 |
Cortical thickness and grey-matter volume anomaly detection in individual MRI scans: Comparison of two methods
2024, NeuroImage. Clinical
DOI:10.1016/j.nicl.2024.103624
PMID:38823248
|
研究论文 | 本文比较了两种方法在个体MRI扫描中检测皮质厚度和灰质体积异常的效能，分别是基于FreeSurfer和深度学习工具DL + DiReCT的ScanOMetrics工具 | 比较了开源研究工具ScanOMetrics在FreeSurfer和DL + DiReCT两种不同方法下的表现，特别是在处理阿尔茨海默病患者的MRI数据时 | 尽管DL + DiReCT在计算速度上显著优于FreeSurfer，但其临床评估仍处于初期阶段 | 比较两种脑部形态测量工具在检测MRI扫描中异常的性能，以支持神经放射学家的诊断决策 | 阿尔茨海默病患者和健康对照者的MRI扫描数据 | 数字病理学 | 阿尔茨海默病 | MRI扫描，深度学习 | DL + DiReCT | 图像 | OASIS3数据集中的阿尔茨海默病患者和健康对照者 |
| 147 | 2025-02-02 |
Enhancing healthcare recommendation: transfer learning in deep convolutional neural networks for Alzheimer disease detection
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1445325
PMID:39371344
|
研究论文 | 本研究利用ADNI和OASIS数据集，通过深度学习模型检测阿尔茨海默病（AD）和轻度认知障碍（MCI） | 采用迁移学习技术提升模型性能，利用预训练数据集改进AD和MCI的检测 | 研究依赖于特定数据集（ADNI和OASIS），可能限制了模型的泛化能力 | 开发有效的深度学习模型以检测阿尔茨海默病和轻度认知障碍 | 阿尔茨海默病（AD）和轻度认知障碍（MCI）患者 | 数字病理学 | 老年疾病 | 磁共振成像（MRI） | DenseNet-201, EfficientNet-B0, ResNet-50, ResNet-101, ResNet-152 | 图像 | ADNI和OASIS数据集中的MRI数据 |
| 148 | 2025-02-02 |
Sex differences in brain MRI using deep learning toward fairer healthcare outcomes
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1452457
PMID:39606583
|
研究论文 | 本研究利用深度学习分析脑部MRI数据中的性别差异，旨在推动医学影像中的公平性 | 通过深度学习模型分析脑部MRI数据中的性别差异，并利用显著性图识别性别区分的重要脑区，为开发基于性别的偏见缓解策略提供见解 | 模型在极端脑部大小时表现出偏见，且未使用颅内总体积（TIV）调整技术 | 分析脑部MRI数据中的性别差异，推动医学影像中的公平性 | 脑部MRI数据 | 医学影像 | NA | 3D T1加权磁共振成像 | 卷积神经网络（CNN） | 图像 | 来自四个不同数据集的脑部MRI数据，包括Calgary-Campinas-359、OASIS-3、阿尔茨海默病神经影像倡议和剑桥老龄化与神经科学中心 |
| 149 | 2025-02-02 |
Ordinal Classification with Distance Regularization for Robust Brain Age Prediction
2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv57701.2024.00770
PMID:38606366
|
研究论文 | 本文提出了一种新的基于深度学习的分类方法，用于从磁共振成像（MRI）扫描中预测大脑年龄，以解决现有回归方法中的系统偏差问题 | 提出了一种新的ORdinal Distance Encoded Regularization (ORDER)损失函数，该函数结合了年龄标签的顺序信息，增强了模型捕捉年龄相关模式的能力 | 虽然该方法在减少系统偏差方面表现出色，但其在更广泛临床数据集上的泛化能力仍需进一步验证 | 通过改进大脑年龄预测方法，提高其在阿尔茨海默病（AD）早期检测和风险评估中的可靠性 | 大脑年龄预测 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 磁共振成像（MRI）扫描 | 未明确提及具体样本数量，但使用了独立的AD数据集进行验证 |
| 150 | 2025-02-02 |
Multi-Head Graph Convolutional Network for Structural Connectome Classification
2024, Graphs in biomedical image analysis, and overlapped cell on tissue dataset for histopathology : 5th MICCAI Workshop, GRAIL 2023 and 1st MICCAI Challenge, OCELOT 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, Septembe...
DOI:10.1007/978-3-031-55088-1_3
PMID:38665679
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 151 | 2025-02-01 |
Application of Deep Learning Algorithms Based on the Multilayer Y0L0v8 Neural Network to Identify Fungal Keratitis
2024, Sovremennye tekhnologii v meditsine
DOI:10.17691/stm2024.16.4.01
PMID:39881837
|
研究论文 | 本文开发了一种基于深度学习算法的真菌性角膜炎诊断方法，通过分析眼前节照片，并在测试数据集上评估该方法的敏感性和特异性，与执业眼科医生的结果进行比较 | 使用多层Y0L0v8神经网络进行真菌性角膜炎的自动诊断，这是首次将此类深度学习算法应用于该疾病的诊断 | 方法的性能仅在测试数据集上进行了评估，未在更大规模或多样化的临床环境中验证 | 开发一种基于深度学习算法的真菌性角膜炎诊断方法 | 真菌性角膜炎 | 计算机视觉 | 角膜炎 | 深度学习 | Y0L0v8神经网络 | 图像 | NA |
| 152 | 2025-02-01 |
The global research of magnetic resonance imaging in Alzheimer's disease: a bibliometric analysis from 2004 to 2023
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1510522
PMID:39882364
|
研究论文 | 本文通过文献计量分析总结了2004年至2023年间阿尔茨海默病（AD）研究中磁共振成像（MRI）的应用，并预测了未来的研究热点 | 首次通过文献计量学方法系统分析了AD研究中MRI的应用趋势，并识别出当前研究热点为深度学习和tau病理学 | 研究仅基于Web of Science Core Collection数据库，可能未涵盖所有相关文献 | 总结AD研究中MRI的应用趋势并预测未来研究热点 | AD患者 | 数字病理学 | 老年疾病 | MRI | 深度学习 | 文献数据 | 13,659篇文章 |
| 153 | 2025-02-01 |
Evolution of artificial intelligence in healthcare: a 30-year bibliometric study
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1505692
PMID:39882522
|
研究论文 | 本文对过去30年医疗保健领域人工智能（AI）的文献进行了动态和纵向的文献计量分析，以探讨医学与人工智能融合的现状和趋势 | 首次对医疗保健领域AI文献进行30年的纵向文献计量分析，揭示了AI技术在医疗领域的持续爆发性增长趋势 | 研究主要基于Web of Science数据库，可能未涵盖所有相关文献 | 探讨医学与人工智能融合的现状和趋势 | 1993年至2023年间发表的医疗保健领域AI相关文献 | 机器学习 | NA | 文献计量分析 | NA | 文献数据 | 22,950篇文献 |
| 154 | 2025-01-31 |
Advances in Protein-Ligand Binding Affinity Prediction via Deep Learning: A Comprehensive Study of Datasets, Data Preprocessing Techniques, and Model Architectures
2024, Current drug targets
IF:3.0Q2
|
综述 | 本文全面分析了蛋白质-配体结合亲和力预测（BAP）领域中最常用的数据集、数据预处理技术和深度学习模型架构，为该领域的研究提供了新的视角 | 填补了先前研究的空白，全面分析了常用数据集的质量和局限性，并对最新的深度学习方法进行了分类，提出了未来研究方向 | 数据质量、模型可解释性和可解释性等挑战仍然存在 | 提高蛋白质-配体结合亲和力预测的准确性和可靠性，以加速药物开发过程 | 蛋白质-配体结合亲和力预测 | 机器学习 | NA | 深度学习 | 图神经网络（GNN）、卷积神经网络（CNN）、Transformer | 蛋白质-配体相互作用数据 | NA |
| 155 | 2025-01-31 |
The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272657
PMID:39493635
|
综述 | 本文对可解释人工智能（XAI）在电子健康记录（EHR）研究中的应用进行了范围审查 | 首次全面评估了XAI方法在ML/DL模型中使用EHR数据的有效性，并识别了XAI方法在应用中的广泛差异和缺乏关键评估的问题 | XAI方法的应用缺乏关键评估，报告方法不足，且对有效性和稳健性的评估不足 | 评估XAI方法在ML/DL模型中使用EHR数据的应用效果 | 电子健康记录（EHR）数据 | 机器学习 | NA | NA | Extreme Gradient Boosting, Random Forest, SHAP, PDPs, LIME | 表格数据 | 76篇出版物 |
| 156 | 2025-01-31 |
A scoping review of magnetic resonance angiography and perfusion image synthesis
2024, Frontiers in dementia
DOI:10.3389/frdem.2024.1408782
PMID:39588202
|
综述 | 本文探讨了人工智能在从现有神经解剖和神经血管采集数据中生成合成TOF-MRA和灌注相关图像的应用，以研究脑血管系统 | 利用深度学习技术从现有对比度生成合成医学图像，特别是TOF-MRA和灌注MRI图像，为脑血管研究提供新的视角 | 需要进一步研究以评估这些合成图像的敏感性和特异性，并确保其在不同人群中的适用性 | 研究人工智能在生成合成TOF-MRA和灌注相关图像中的应用，以增强脑血管研究 | 脑血管系统及其与阿尔茨海默病等疾病的关联 | 医学影像 | 阿尔茨海默病 | 深度学习 | NA | 医学影像 | 729项研究中的13项符合标准 |
| 157 | 2025-01-31 |
Past, present, and future of electrical impedance tomography and myography for medical applications: a scoping review
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1486789
PMID:39726983
|
综述 | 本文综述了两种新兴的电阻抗技术：电阻抗肌电图（EIM）和电阻抗断层扫描（EIT），并探讨了它们在医学应用中的过去、现在和未来 | 总结了EIM和EIT技术的最新进展，特别是数字采集、处理算法和重建工具的应用，以及机器学习和深度学习在诊断、治疗计划和监测中的作用 | 未具体提及研究的局限性 | 探讨电阻抗技术在医学应用中的发展、算法、工具和数据集，为研究人员和临床医生提供有效使用和创新研究的信息 | 电阻抗肌电图（EIM）和电阻抗断层扫描（EIT）技术 | 医学成像 | 癌症、肺部疾病、神经肌肉疾病 | 电阻抗技术、电压控制电流源（VCCS） | NA | 电阻抗数据 | NA |
| 158 | 2025-01-31 |
Recent advances in deep learning and language models for studying the microbiome
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1494474
PMID:39840283
|
综述 | 本文综述了深度学习和语言模型在微生物组和宏基因组数据分析中的应用 | 探讨了将大型语言模型（LLMs）应用于微生物蛋白质和基因组序列分析的新方法，以及这些方法在微生物生态学研究中的贡献 | NA | 研究深度学习和语言模型在微生物组和宏基因组数据分析中的应用 | 微生物蛋白质和基因组序列 | 自然语言处理 | NA | 大型语言模型（LLMs） | LLMs | 蛋白质和基因组序列 | NA |
| 159 | 2025-01-31 |
LWheatNet: a lightweight convolutional neural network with mixed attention mechanism for wheat seed classification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1509656
PMID:39866319
|
研究论文 | 本文提出了一种轻量级的卷积神经网络LWheatNet，用于小麦种子分类，结合了混合注意力机制和堆叠的倒置残差卷积网络 | 提出了混合注意力机制，结合了通道注意力和空间注意力，并设计了堆叠的倒置残差网络，使用深度可分离卷积、通道混洗和通道分割技术来减少模型参数和计算量 | 未提及具体局限性 | 提高小麦种子分类的准确性和实时性 | 小麦种子图像 | 计算机视觉 | NA | 深度可分离卷积、通道混洗、通道分割 | CNN | 图像 | 未提及具体样本数量 |
| 160 | 2025-01-28 |
Editorial: Deep learning for high-dimensional sense, non-linear signal processing and intelligent diagnosis
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1538534
PMID:39866684
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |