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 12039 篇文献，本页显示第 9221 - 9240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9221 | 2024-08-04 |
Association of Retinal Biomarkers With the Subtypes of Ischemic Stroke and an Automated Classification Model
2024-Jul-01, Investigative ophthalmology & visual science
IF:5.0Q1
DOI:10.1167/iovs.65.8.50
PMID:39083310
|
研究论文 | 本研究探讨了视网膜生物标志物与缺血性中风亚型之间的关联及自动分类模型 | 提出了一种使用人工智能增强的光学相干层析血管造影图像分析的方法来检测缺血性中风及其亚型 | 仅基于两组人群进行研究，可能影响结果的普遍适用性 | 研究缺血性中风及其亚型的自动识别方法 | 865名参与者的1730只眼睛 | 数字病理学 | 缺血性中风 | 光学相干层析血管造影（OCTA） | 深度学习模型 | 图像 | 865名参与者，1730只眼睛 | NA | NA | NA | NA |
| 9222 | 2024-08-04 |
Identification of Microorganism in Infected Wounds by Positively Charged Selective Sensor Array and Deep Learning Algorithm
2024-05-14, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c01845
PMID:38702857
|
研究论文 | 本研究使用带正电的选择传感器阵列和深度学习算法识别感染伤口中的微生物 | 创新点在于结合了特定的阳离子染料与深度学习模型ResNet实现了高效的微生物分类 | 可能缺乏不同环境条件下的微生物识别验证 | 研究目标是快速准确识别病原微生物，以便于感染诊断 | 研究对象为14种用S-TDs染色的微生物，包括革兰阴性菌、革兰阳性菌和真菌 | 数字病理学 | 感染性疾病 | 荧光传感器阵列 | 残差网络（ResNet） | 图像 | 涉及14种微生物的大量图像数据 | NA | NA | NA | NA |
| 9223 | 2024-08-04 |
Real-Time Signal Analysis with Wider Dynamic Range and Enhanced Sensitivity in Multiplex Colorimetric Immunoassays Using Encoded Hydrogel Microparticles
2024-05-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c00773
PMID:38662417
|
研究论文 | 本研究介绍了一种新的实时信号分析技术，用于定量多个蛋白质，从而提高多重比色免疫测定的动态范围和灵敏度 | 引入了实时信号分析，通过观察比色信号的连续变化，而不是仅依赖于终点分析 | 未提及具体的局限性 | 提高多重比色免疫测定的动态范围和灵敏度 | 多重比色免疫测定中的蛋白质 | 数字病理学 | NA | 比色免疫测定 | 深度学习 | 信号 | 涉及与先兆子痫相关的多种蛋白质目标的浓度范围 | NA | NA | NA | NA |
| 9224 | 2024-08-04 |
Persistent Luminescence Lifetime-Based Near-Infrared Nanoplatform via Deep Learning for High-Fidelity Biosensing of Hypochlorite
2024-05-07, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c00899
PMID:38661330
|
研究论文 | 该文章提出了一种基于持久发光寿命的纳米平台，通过深度学习实现高保真生物传感 | 创新性地使用深度学习提取持久发光寿命特征，以高对比度信号进行生物成像 | NA | 研究在复杂基质系统中实现高保真生物传感的能力 | 开发一种持久发光纳米探头用于漂白剂检测 | 数字病理学 | NA | 持久发光成像 | 3D卷积神经网络 | 成像数据 | NA | NA | NA | NA | NA |
| 9225 | 2024-08-04 |
Circumventing drug resistance in gastric cancer: A spatial multi-omics exploration of chemo and immuno-therapeutic response dynamics
2024-May, Drug resistance updates : reviews and commentaries in antimicrobial and anticancer chemotherapy
IF:15.8Q1
DOI:10.1016/j.drup.2024.101080
PMID:38579635
|
研究论文 | 本研究探讨了胃癌中药物耐药性的细胞和分子机制。 | 本研究通过空间多组学探索和深度学习模型预测治疗反应，揭示了药物耐药性的新机制。 | 本研究的局限性在于可能未考虑所有患者的个体差异和长期疗效评估。 | 研究胃癌中化疗和免疫治疗反应动态的药物耐药机制。 | 研究对象为接受化疗和免疫治疗的胃癌患者的术后组织样本。 | 数字病理学 | 胃癌 | 多组学 | 支持向量机（SVM） | 图像及多组学数据 | 研究涉及多个胃癌患者的术后组织样本 | NA | NA | NA | NA |
| 9226 | 2024-08-04 |
AI models for automated segmentation of engineered polycystic kidney tubules
2024-02-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-52677-1
PMID:38310171
|
研究论文 | 本文比较了用于自动分割工程性多囊肾小管的深度学习模型 | 引入了UACANet模型，该模型使用自注意力机制并具有一定的可解释性，展示了其在囊肿检测方面的优势 | 模型的性能受限于所使用的图像数据集，可能无法泛化到其他类型的肾组织图像 | 开发能够直接在人体肾组织上自动检测囊肿生长的模型 | 研究对象为32个工程性多囊肾小管的免疫荧光图像 | 计算机视觉 | 肾脏疾病 | 深度学习算法 | UNet++, UACANet | 图像 | 32个工程性多囊肾小管 | NA | NA | NA | NA |
| 9227 | 2024-08-04 |
Dual contrastive learning based image-to-image translation of unstained skin tissue into virtually stained H&E images
2024-01-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-52833-7
PMID:38282056
|
研究论文 | 本研究介绍了一种基于双对比学习的图像到图像生成模型，用于将未染色的皮肤组织图像转化为虚拟染色的H&E图像 | 提出了一种新颖的三阶段双对比学习模型，通过对比学习最大化传统H&E染色与虚拟染色图像之间的互信息 | 对于虚拟染色的效果，依赖于特定的数据集和评估模型，可能在其他类型的组织样本中表现不同 | 旨在提升组织病理学的染色过程，减少染色时间和有害化学品的使用 | 未染色的皮肤组织图像与传统的H&E染色图像的配对 | 数字病理学 | NA | 生成对抗网络 (GAN) | 双对比学习生成对抗网络 (DCLGAN) | 图像 | 包括一组未染色和H&E染色的图像对，使用明场显微镜扫描，放大倍率为20× | NA | NA | NA | NA |
| 9228 | 2024-08-04 |
Unleashing the potential of cell painting assays for compound activities and hazards prediction
2024, Frontiers in toxicology
IF:3.6Q2
DOI:10.3389/ftox.2024.1401036
PMID:39086553
|
评论 | 这篇文章讨论了细胞绘画（CP）测定法在药物发现和毒理学中的应用潜力 | 文章创新性地探讨了将基于CP的表型数据与结构信息结合使用，以提高化合物活性和潜在风险预测的准确性 | 没有详细讨论CP测定法的局限性和挑战 | 研究目标是探讨CP测定法及其与机器学习/深度学习模型结合使用的潜力 | 研究对象包括各种化合物在单细胞水平上的表型反应 | 数字病理学 | NA | 图像分析 | 机器学习和深度学习模型 | 图像数据 | 数千种化合物 | NA | NA | NA | NA |
| 9229 | 2024-08-04 |
Deep learning identifies histopathologic changes in bladder cancers associated with smoke exposure status
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305135
PMID:39083547
|
研究论文 | 深度学习揭示了膀胱癌的组织病理特征，这些特征可以预测吸烟暴露状态 | 本研究利用深度学习模型首次探讨了膀胱癌组织图像与吸烟状态之间的潜在关联 | 样本仅来自多个中心，可能无法代表所有类型的膀胱癌患者 | 探讨膀胱癌组织病理学变化与吸烟暴露状态之间的关系 | 285例独特的膀胱癌病例的整片组织图像 | 数字病理学 | 膀胱癌 | 深度学习 | 混合效应逻辑回归模型 | 图像 | 483个整片组织图像，来自285个独特病例 | NA | NA | NA | NA |
| 9230 | 2024-08-04 |
A deep learning framework for predicting endometrial cancer from cytopathologic images with different staining styles
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306549
PMID:39083516
|
研究论文 | 本研究提出一个针对不同染色风格的细胞病理图像的子宫内膜癌筛查自动化框架 | 提出了一种基于对比学习的分类算法ECRNet和一种新型的CM-UNet用于细胞团块分割，针对不同染色风格的图像进行适应 | 尚未提到数据集的充分性或其他潜在偏差 | 研究子宫内膜癌的自动化筛查方法，以提高临床治疗效率 | 不同染色风格的细胞病理图像 | 数字病理学 | 子宫内膜癌 | 深度学习 | CM-UNet与ECRNet | 图像 | XJTU-EC数据集，包含细胞分割和分类标签的细胞病理图像 | NA | NA | NA | NA |
| 9231 | 2024-08-04 |
Screening Targets and Therapeutic Drugs for Alzheimer's Disease Based on Deep Learning Model and Molecular Docking
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-231389
PMID:38995776
|
研究论文 | 本研究基于深度学习模型和分子对接，为阿尔茨海默病（AD）筛选治疗靶点和药物 | 本研究通过结合多层感知器（MLP）和转录组数据，从新视角提供了AD的潜在药物靶点和药物 | NA | 旨在寻找阿尔茨海默病的潜在治疗靶点和药物 | 本研究涉及阿尔茨海默病患者和正常对照脑组织的转录组数据 | 计算机视觉 | 阿尔茨海默病 | 深度学习，分子对接 | 多层感知器（MLP） | 转录组数据 | 包括AD脑组织的转录组数据和正常对照脑组织的转录组数据 | NA | NA | NA | NA |
| 9232 | 2024-08-04 |
Reinforced Labels: Multi-Agent Deep Reinforcement Learning for Point-Feature Label Placement
2024-Sep, IEEE transactions on visualization and computer graphics
IF:4.7Q1
DOI:10.1109/TVCG.2023.3313729
PMID:37695975
|
研究论文 | 本文介绍了将强化学习应用于标签放置，这是一项在数据可视化中寻求最佳标签位置的复杂任务 | 提出了一种新的点特征标签放置方法，利用多智能体深度强化学习来学习标签放置策略，这是首个基于机器学习的标签方法 | 计算时间增加使得该方法比人类专家设计的方法更慢 | 研究深度强化学习在数据可视化标签放置中的应用 | 标签放置策略的学习 | 机器学习 | NA | 强化学习（RL） | 多智能体深度强化学习 | 文本注释 | 进行了一项用户研究来评估参与者的主观表现，具体样本数量未给出 | NA | NA | NA | NA |
| 9233 | 2024-08-04 |
Smart laser Sintering: Deep Learning-Powered powder bed fusion 3D printing in precision medicine
2024-Aug-15, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.124440
PMID:38972521
|
研究论文 | 本文介绍了一种深度学习模型，以提高药物载体的选择性激光烧结打印可行性 | 这是该领域首次开发可解释且经过不确定性优化的深度学习模型，用于预测药物载体的可打印性 | SLS技术尚未为制药生产而设计，且需要耗时的试错适应过程 | 研究旨在利用深度学习优化选择性激光烧结在个性化医学中药物打印的可行性 | 研究对象为药物和聚合物材料，目的是预测药物载体的印刷可行性 | 数字医学 | NA | 选择性激光烧结（SLS） | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 9234 | 2024-08-04 |
Development of a diagnostic support system for the fibrosis of nonalcoholic fatty liver disease using artificial intelligence and deep learning
2024-Aug, The Kaohsiung journal of medical sciences
DOI:10.1002/kjm2.12850
PMID:38819013
|
研究论文 | 本研究开发了一个基于人工智能和深度学习的自动化诊断支持系统，用于评价非酒精性脂肪肝病的肝纤维化。 | 本研究提出了SMART AI-PATHO，这是泰国首个用于NAFLD肝组织分级的人工智能诊断工具，具备满意的性能。 | 样本规模相对较小，未来需要在更大样本上进行测试以提高准确性。 | 本研究旨在开发一种自动评估方法，以分析非酒精性脂肪肝病中的脂肪和纤维化。 | 研究对象为146名非酒精性脂肪肝病患者的核心活检样本。 | 人工智能 | 非酒精性脂肪肝病 | 人工智能、深度学习 | NA | 组织活检样本 | 146名参与者 | NA | NA | NA | NA |
| 9235 | 2024-08-04 |
EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models
2024-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5096
PMID:38979954
|
研究论文 | 本文提出了一种新的网络服务器EFG-CS，用于从氨基酸序列中预测化学位移 | 本研究首次证明生成AI蛋白模型能够预测接近实验模型的NMR化学位移 | 依赖于预测的蛋白质结构，可能对某些特殊情况没有足够的预测能力 | 本研究旨在提高从氨基酸序列和蛋白质结构预测NMR化学位移的准确性 | 主要研究对象为氨基酸序列及其对应的NMR化学位移 | 机器学习 | NA | 机器学习 | 图神经网络 | 化学位移数据 | 用于研究的样本数量及其类型未提供 | NA | NA | NA | NA |
| 9236 | 2024-08-04 |
Predicting Emission Wavelengths in Benzobisoxazole-Based OLEDs with Gradient Boosted Ensemble Models
2024-Aug-01, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.4c00077
PMID:39008894
|
研究论文 | 本文展示了使用梯度增强集成模型准确预测基于苯并噁唑的荧光发射器的发射波长 | 首次使用基于全交叉分子和其组成片段分子的机器学习模型进行发射波长预测，且准确性与最先进的深度学习模型相当 | 样本量较小，仅有50个分子，可能限制模型的泛化能力 | 预测苯并噁唑基OLED的发射波长 | 50个苯并噁唑基荧光发射分子 | 机器学习 | NA | 密度泛函理论（DFT） | 梯度增强模型 | 化学分子数据 | 50个分子 | NA | NA | NA | NA |
| 9237 | 2024-08-04 |
Machine and deep learning algorithms for classifying different types of dementia: A literature review
2024-Aug-01, Applied neuropsychology. Adult
DOI:10.1080/23279095.2024.2382823
PMID:39087520
|
文献综述 | 这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用 | 比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性 | 过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持 | 探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用 | 讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆 | 机器学习 | 痴呆症 | 机器学习 | 支持向量机、人工神经网络、决策树、随机森林 | NA | NA | NA | NA | NA | NA |
| 9238 | 2024-08-04 |
Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction
2024-Aug-01, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01509
PMID:39038219
|
研究论文 | 提出了一种简单高效的药物-靶点相互作用预测模型EADTN。 | 创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。 | 目前的深度学习方法在预测性能和假阴性方面存在不足。 | 准确预测药物-靶点相互作用，以促进药物开发。 | 药物与靶点之间的相互作用。 | 机器学习 | NA | NA | 集成模型 | 数据集 | NA | NA | NA | NA | NA |
| 9239 | 2024-08-04 |
The digital revolution in pathology: Towards a smarter approach to research and treatment
2024-Aug, Tumori
DOI:10.1177/03008916241231035
PMID:38606831
|
综述 | 这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战 | 文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用 | 没有深入探讨某些特定AI工具的实际临床效果和应用限制 | 旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导 | 研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学 | 人工智能 | 肿瘤 | NA | 专家系统、经典机器学习与深度学习 | NA | NA | NA | NA | NA | NA |
| 9240 | 2024-08-04 |
Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database
2024-Jul-30, mSphere
IF:3.7Q2
DOI:10.1128/msphere.00346-24
PMID:38995053
|
研究论文 | 本研究建立了人类肠道微生物群反应性氧种清除酶数据库 | 提出了一种系统工作流程，并采用分层多任务深度学习方法创建新数据库 | 目前数据库的应用和验证尚未详尽探讨 | 理解氧化应激机制并制定应对与“肠-脏器轴”相关疾病的策略 | 人类肠道微生物群中的反应性氧种清除酶 | 数字病理学 | NA | 深度学习 | 多任务深度学习 | 数据库 | 7,689个条目 | NA | NA | NA | NA |