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 12160 篇文献，本页显示第 5621 - 5640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5621 | 2024-10-09 |
AlphaFold predictions of fold-switched conformations are driven by structure memorization
2024-Aug-24, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51801-z
PMID:39181864
|
研究论文 | 本文探讨了AlphaFold在预测折叠切换蛋白质结构方面的能力，发现其成功部分源于对训练集结构的记忆而非学习到的蛋白质能量学 | 首次系统评估了AlphaFold在预测折叠切换蛋白质结构方面的局限性，并揭示了其成功预测的部分原因 | AlphaFold在预测折叠切换蛋白质结构时表现不佳，部分成功源于对训练集结构的记忆而非学习到的蛋白质能量学 | 评估AlphaFold在预测折叠切换蛋白质结构方面的预测能力及其局限性 | 折叠切换蛋白质的结构预测 | 机器学习 | NA | 深度学习 | AlphaFold | 蛋白质结构 | 超过280,000个模型，包括AlphaFold2和AlphaFold3的多个实现 |
| 5622 | 2024-10-09 |
Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling
2024-Aug-16, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01207-4
PMID:39152209
|
研究论文 | 本文提出了一种基于Transformer的长程医学影像序列建模方法，用于眼科疾病的预后分析 | 本文首次将Transformer模型应用于长程医学影像序列，实现了动态疾病预后分析 | 本文仅在AMD和POAG两种眼科疾病上进行了验证，未来需在更多疾病类型上进行验证 | 开发一种能够从长程医学影像中动态预测疾病预后的方法 | 年龄相关性黄斑变性（AMD）和原发性开角型青光眼（POAG） | 计算机视觉 | 眼科疾病 | Transformer模型 | Transformer | 图像 | 使用来自AREDS和OHTS研究的长程影像数据，具体样本数量未明确说明 |
| 5623 | 2024-10-09 |
CT-based synthetic contrast-enhanced dual-energy CT generation using conditional denoising diffusion probabilistic model
2024-Aug-02, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad67a1
PMID:39053511
|
研究论文 | 研究利用条件去噪扩散概率模型从非对比单能量CT扫描生成合成对比增强双能量CT图像 | 首次采用条件去噪扩散概率模型生成合成对比增强双能量CT图像，为缺乏双能量CT扫描仪的机构和不适合碘对比成像的患者提供了一种替代成像解决方案 | 研究样本仅限于130名头颈部癌症患者，结果的普适性有待进一步验证 | 解决双能量CT扫描仪稀缺和碘对比剂对高风险患者健康风险的问题 | 头颈部癌症患者的非对比单能量CT和对比增强双能量CT图像 | 计算机视觉 | 头颈部癌症 | 条件去噪扩散概率模型 | C-DDPM | 图像 | 130名头颈部癌症患者 |
| 5624 | 2024-10-09 |
CEUS in prediction of early recurrence of hepatocellular carcinoma after curative resection and to stratify the risk of early recurrence: a retrospective observational study
2024-Jun, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04252-5
PMID:38557770
|
研究论文 | 本研究探讨了术前对比增强超声（CEUS）在预测肝细胞癌（HCC）根治性切除术后早期复发中的作用，并进行风险分层 | 首次利用CEUS图像中的肿瘤大小、卫星结节、深度学习放射组学复发评分和α-胎蛋白水平来预测HCC的早期复发 | 本研究为回顾性观察性研究，样本量有限，可能存在选择偏倚 | 探索术前CEUS在预测HCC根治性切除术后早期复发中的作用，并进行风险分层 | 556名接受根治性切除术的HCC患者 | 数字病理学 | 肝癌 | 对比增强超声（CEUS） | 深度学习（DL） | 图像 | 556名HCC患者 |
| 5625 | 2024-10-09 |
ArcheD, a residual neural network for prediction of cerebrospinal fluid amyloid-beta from amyloid PET images
2024-Jun, The European journal of neuroscience
DOI:10.1111/ejn.16332
PMID:38576196
|
研究论文 | 开发了一种深度学习模型ArcheD，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度 | 提出了一种新的残差神经网络ArcheD，能够独立于示踪剂、脑参考区域或预选感兴趣区域，直接从淀粉样蛋白PET图像中预测脑脊液中的淀粉样蛋白-β浓度 | 未提及 | 开发一种深度学习模型，用于从淀粉样蛋白PET图像中直接预测脑脊液中的淀粉样蛋白-β浓度，以辅助阿尔茨海默病的早期识别和诊断 | 淀粉样蛋白PET图像和脑脊液中的淀粉样蛋白-β浓度 | 机器学习 | 阿尔茨海默病 | 深度学习 | 残差神经网络 | 图像 | 1870个淀粉样蛋白PET图像和脑脊液测量数据 |
| 5626 | 2024-10-09 |
Detection of Personal and Family History of Suicidal Thoughts and Behaviors using Deep Learning and Natural Language Processing: A Multi-Site Study
2024-Mar-11, Research square
DOI:10.21203/rs.3.rs-4014472/v1
PMID:38559051
|
研究论文 | 本文开发并验证了一种基于深度学习和自然语言处理的工具，用于从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为的历史 | 本文首次使用深度学习方法，特别是预训练的transformer模型Bio_ClinicalBERT和GatorTron，来识别个人和家庭自杀意念和行为的历史，并展示了其在多个医疗系统中的有效性 | 本文未详细讨论深度学习模型在不同医疗系统中的泛化能力，以及其在实际临床应用中的可行性和接受度 | 开发和验证一种能够从电子健康记录中的临床笔记中检测个人和家庭自杀意念和行为历史的工具 | 个人和家庭自杀意念和行为的历史 | 自然语言处理 | NA | 深度学习 | transformer | 文本 | NA |
| 5627 | 2024-10-09 |
Substrate recognition principles for the PP2A-B55 protein phosphatase
2024-Feb-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.10.579793
PMID:38370611
|
研究论文 | 研究PP2A-B55蛋白磷酸酶的底物识别原理 | 通过整合AlphaFold建模和全面的突变扫描，揭示了底物α-螺旋通过进化保守机制与B55结合，并利用深度学习蛋白质设计生成了特异且强效的竞争性肽抑制剂 | NA | 揭示PP2A-B55蛋白磷酸酶的底物选择机制 | PP2A-B55蛋白磷酸酶及其底物 | NA | NA | AlphaFold建模、突变扫描、深度学习蛋白质设计 | 深度学习 | 蛋白质序列 | NA |
| 5628 | 2024-10-09 |
Correction to: Growing ecosystem of deep learning methods for modeling protein-protein interactions
2024-Jan-29, Protein engineering, design & selection : PEDS
DOI:10.1093/protein/gzae016
PMID:39377372
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5629 | 2024-10-09 |
Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.20.576449
PMID:38328064
|
研究论文 | 本文介绍了一种名为embGAN的深度学习管道，用于在无标记的3D时间序列显微镜成像中实现自动细胞检测和跟踪 | embGAN无需手动数据标注即可进行训练，学习到的检测具有高度的尺度不变性，并且在多个实验室和仪器的图像中具有良好的泛化能力 | NA | 开发一种自动化的细胞谱系重建方法 | 无标记的3D时间序列显微镜成像中的细胞检测和跟踪 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | 多个实验室和仪器的图像 |
| 5630 | 2024-10-09 |
Breast Multiparametric MRI for Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer: The BMMR2 Challenge
2024-01, Radiology. Imaging cancer
DOI:10.1148/rycan.230033
PMID:38180338
|
研究论文 | 描述了BMMR2挑战的设计、实施和结果，旨在通过多参数乳腺MRI预测新辅助化疗反应 | 识别了几种具有高预测性能的模型，进一步扩展了多参数乳腺MRI作为治疗反应早期标志物的价值 | NA | 通过多参数乳腺MRI识别基于图像的标志物，预测新辅助化疗后的病理完全反应 | 多参数乳腺MRI数据，包括扩散加权成像和动态对比增强MRI，以及临床数据 | 数字病理学 | 乳腺癌 | 多参数MRI | 深度学习和人工智能方法 | 图像 | 573例乳腺MRI研究，来自191名女性（平均年龄48.9岁±10.56） |
| 5631 | 2024-10-09 |
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 | 本研究利用深度卷积神经网络和迁移学习技术，通过MRI数据检测阿尔茨海默病和轻度认知障碍 | 采用迁移学习技术提升模型性能，并使用多种深度学习架构进行对比，发现ResNet-101在多类分类任务中表现最佳 | NA | 开发有效的模型用于检测阿尔茨海默病和轻度认知障碍 | 阿尔茨海默病和轻度认知障碍的MRI数据 | 计算机视觉 | 阿尔茨海默病 | MRI | CNN | 图像 | ADNI和OASIS数据集中的大量MRI数据 |
| 5632 | 2024-10-09 |
DGDRP: drug-specific gene selection for drug response prediction via re-ranking through propagating and learning biological network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1441558
PMID:39371421
|
研究论文 | 本文提出了一种基于图神经网络（GNN）的药物特异性基因选择模型DGDRP，用于药物反应预测 | DGDRP通过路径知识增强的网络传播算法和GNN学习到的基因与药物目标嵌入相似性进行基因重排序，从而选择与药物机制相关的基因，提高了药物反应预测的准确性 | NA | 开发一种新的方法来提高药物反应预测的准确性，并发现有效的生物标志物 | 药物特异性基因的选择和药物反应预测 | 机器学习 | NA | 图神经网络（GNN） | GNN | 基因数据 | NA |
| 5633 | 2024-10-09 |
Deep learning-based Alzheimer's disease detection: reproducibility and the effect of modeling choices
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1360095
PMID:39371524
|
研究论文 | 本文研究了基于深度学习的阿尔茨海默病检测方法的再现性和建模选择的影响 | 本文探讨了数据增强技术和模型复杂度对阿尔茨海默病检测性能的影响，强调了这些常被忽视的因素的重要性 | 本文未详细讨论其他可能影响模型性能的因素，如数据质量和样本多样性 | 研究如何通过严格遵循最佳实践来确保机器学习在临床实践中的可靠性和再现性 | 阿尔茨海默病的检测 | 机器学习 | 阿尔茨海默病 | 磁共振成像 (MRI) | 3D卷积神经网络 (CNN) | 图像 | 使用了来自ADNI语料库的MRI数据进行二分类问题研究 |
| 5634 | 2024-10-09 |
Spiking representation learning for associative memories
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1439414
PMID:39371606
|
研究论文 | 本文介绍了一种新型脉冲神经网络（SNN），用于无监督表示学习和联想记忆操作 | 利用Hebbian突触和活动依赖的结构可塑性，结合Poisson脉冲发生器模型，实现了高效的表示学习和联想记忆操作 | NA | 解决人工脉冲神经网络在处理大规模现实数据集时的挑战 | 脉冲神经网络的表示学习和联想记忆操作 | 机器学习 | NA | Hebbian突触和活动依赖的结构可塑性 | 脉冲神经网络（SNN） | NA | NA |
| 5635 | 2024-10-09 |
The Deep Learning-Crop Platform (DL-CRoP): For Species-Level Identification and Nutrient Status of Agricultural Crops
2024, Research (Washington, D.C.)
DOI:10.34133/research.0491
PMID:39371687
|
研究论文 | 本文介绍了一种名为Deep Learning-Crop Platform (DL-CRoP)的深度学习平台，用于通过叶片、茎和根图像识别商业种植植物及其营养需求 | DL-CRoP平台通过卷积神经网络提取内在特征模式，并在识别任务中取得了显著成果。此外，通过引入多头注意力机制改进了氮缺乏分类的准确性 | 尽管DL-CRoP平台在多个案例中表现出色，但在某些情况下（如案例D）的准确率仍有提升空间 | 开发一种可靠的深度学习平台，用于精确识别农作物种类及其营养状态 | 商业种植的植物及其营养需求 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了Jammu University-Botany Image Database (JU-BID)中的植物图像数据集，具体样本数量未明确说明 |
| 5636 | 2024-10-09 |
Whole slide image-based weakly supervised deep learning for predicting major pathological response in non-small cell lung cancer following neoadjuvant chemoimmunotherapy: a multicenter, retrospective, cohort study
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1453232
PMID:39372403
|
研究论文 | 开发了一种基于全切片图像的弱监督深度学习模型，用于预测非小细胞肺癌患者在接受新辅助化疗免疫治疗后的主要病理反应 | 利用全切片图像和弱监督学习框架，结合多种深度学习架构和创新的数据增强及归一化技术，提高了模型的鲁棒性和预测准确性 | NA | 开发一种能够准确预测非小细胞肺癌患者在接受新辅助化疗免疫治疗后主要病理反应的模型 | 非小细胞肺癌患者的全切片图像 | 数字病理学 | 肺癌 | 深度学习 | DenseNet121, ResNet50, Inception V3 | 图像 | 186名非小细胞肺癌患者 |
| 5637 | 2024-10-09 |
A global model-agnostic rule-based XAI method based on Parameterized Event Primitives for time series classifiers
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1381921
PMID:39372662
|
研究论文 | 本文提出了一种基于参数化事件原语的全局模型无关规则化XAI方法，用于时间序列分类器的解释 | 该方法通过生成决策树图和特定规则集，揭示了深度学习时间序列分类器推断背后的关键时间步，增强了模型的可解释性 | NA | 提高复杂时间序列分类模型的全局可解释性 | 时间序列分类器及其解释方法 | 机器学习 | NA | 决策树分类器 | 深度学习模型 | 时间序列数据 | 使用了来自UCR档案的多样化真实世界数据集进行实验 |
| 5638 | 2024-10-09 |
MLGCN: an ultra efficient graph convolutional neural model for 3D point cloud analysis
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1439340
PMID:39372661
|
研究论文 | 本文提出了一种超高效的图卷积神经网络模型MLGCN，用于3D点云分析 | MLGCN模型利用浅层图神经网络块在不同空间局部性级别提取特征，并通过预计算的KNN图共享GCN块，显著减少了计算开销和内存使用 | NA | 开发一种高效且适用于低内存和低CPU设备的3D点云分析模型 | 3D点云数据的对象分类和部分分割任务 | 计算机视觉 | NA | 图卷积神经网络（GCN） | 多级图卷积神经网络（MLGCN） | 3D点云数据 | NA |
| 5639 | 2024-10-09 |
Multicenter Integration of MR Radiomics, Deep Learning, and Clinical Indicators for Predicting Hepatocellular Carcinoma Recurrence After Thermal Ablation
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S482760
PMID:39372710
|
研究论文 | 开发并验证了一种创新的预测模型，该模型整合了多序列磁共振（MR）放射组学、深度学习特征和临床指标，以准确预测肝细胞癌（HCC）在热消融后的复发情况 | 首次将多序列MR放射组学、深度学习特征和临床指标整合到一个预测模型中，以提高肝细胞癌复发预测的准确性 | 研究为回顾性多中心队列研究，样本量相对较小，且仅限于接受热消融治疗的肝细胞癌患者 | 开发和验证一种能够准确预测肝细胞癌在热消融后复发的综合模型 | 接受热消融治疗的肝细胞癌患者 | 计算机视觉 | 肝癌 | 磁共振成像（MRI） | 3D卷积神经网络（3D CNN） | 图像 | 535名患者，包括462名男性和43名女性 |
| 5640 | 2024-10-09 |
Brain tumor grade classification using the ConvNext architecture
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284920
PMID:39372816
|
研究论文 | 本研究提出了一种使用ConvNext架构对脑肿瘤进行分级分类的方法 | 本研究采用了现代卷积神经网络ConvNext，并结合迁移学习技术，实现了对脑肿瘤的高精度分类 | NA | 开发一种非侵入性且准确的方法来对脑肿瘤进行分级诊断 | 脑肿瘤的分级分类 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | ConvNext | 图像 | 使用了BraTS 2019数据集，输入了三种MRI序列作为预训练CNN的三个通道 |