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 12022 篇文献，本页显示第 10221 - 10240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10221 | 2024-08-05 |
Application of Deep Learning for Studying NMDA Receptors
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3830-9_16
PMID:38727914
|
research paper | 本文介绍了基于大型预训练模型的三个在线工具，用于药物开发，特别是针对NMDA受体的工具 | 提出了三种易于访问的在线工具，促进了AI技术与NMDA受体专家之间的联系 | 对于非专业人士在使用和部署AI及预训练模型方面仍存在挑战 | 研究如何利用深度学习促进神经系统疾病药物开发 | 针对NMDA受体的药物开发 | 计算机视觉 | 中枢神经系统疾病 | 深度学习 | 大型预训练模型 | 化学数据 | NA | NA | NA | NA | NA |
| 10222 | 2024-08-05 |
Recent advancements in machine learning for bone marrow cell morphology analysis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402768
PMID:38947236
|
综述 | 本文回顾了机器学习在骨髓细胞形态分析中的最新进展 | 探讨了基于机器学习的骨髓细胞形态分析的潜力与吸引力，并提供了自动化算法的推荐 | 尽管人工智能在临床诊断中有潜力，但手动分析仍是金标准，存在一定的局限性 | 为血液学家提供选择合适的机器学习算法以自动化骨髓细胞形态检查的建议 | 六个骨髓细胞形态处理过程的自动化分析 | 机器学习 | 血液病 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 10223 | 2024-08-05 |
An exploratory deep learning approach to investigate tuberculosis pathogenesis in nonhuman primate model: Combining automated radiological analysis with clinical and biomarkers data
2024-Aug, Journal of medical primatology
IF:0.8Q3
DOI:10.1111/jmp.12722
PMID:38949157
|
研究论文 | 该文章探讨了在非人类灵长类动物模型中，通过结合自动影像分析与临床及生物标志物数据来研究结核病的发病机制 | 提出了一种新的基于机器学习的CT分析方法TB-Net，该方法在疾病进展分析中表现优于标准深度学习模型 | 样本量较小，仅使用了六只猕猴进行实验 | 旨在开发一种综合方法来检测和监测结核病病例 | 使用六只猕猴作为研究对象，分析其感染结核分枝杆菌后的肺部变化 | 机器学习 | 结核病 | 计算机断层扫描（CT） | TB-Net | 影像 | 六只猕猴 | NA | NA | NA | NA |
| 10224 | 2024-08-05 |
A deep-learning approach to predict bleeding risk over time in patients on extended anticoagulation therapy
2024-Jul, Journal of thrombosis and haemostasis : JTH
IF:5.5Q1
DOI:10.1016/j.jtha.2024.04.005
PMID:38642704
|
研究论文 | 这篇文章展示了深度学习如何利用患者的时间序列随访数据来改进主要出血的预测 | 文章的创新点在于将时间序列随访数据纳入预测模型，超越了仅依赖基线预测因子的传统临床模型 | 研究依赖于收集到的随访数据，可能受到临床访谈不规律性的影响 | 研究的目的是提高在接受长期抗凝治疗的患者中对主要出血风险的预测能力 | 研究对象是2542名在长期抗凝治疗中的患者，其中118名发生了主要出血 | 机器学习 | NA | 深度学习 | 前馈神经网络和递归神经网络的集成 | 时间序列数据 | 2542名患者（其中118名发生主要出血） | NA | NA | NA | NA |
| 10225 | 2024-08-05 |
Diagnostic performance of a deep-learning model using 18F-FDG PET/CT for evaluating recurrence after radiation therapy in patients with lung cancer
2024-Jul, Annals of nuclear medicine
IF:2.5Q2
DOI:10.1007/s12149-024-01925-5
PMID:38589677
|
研究论文 | 本文开发了一种深度学习模型，以区分肺癌患者放疗后的变化与肿瘤复发 | 创新点在于使用了二维卷积神经网络（CNN）对放疗相关变化和肿瘤复发进行有效区分 | 研究局限于单一医院的数据回顾，可能影响外部有效性 | 研究目的在于提高放疗后肺癌患者肿瘤复发的诊断准确性 | 308名接受放疗的肺癌患者 | 计算机视觉 | 肺癌 | 18F-FDG PET/CT | CNN | 图像 | 308名患者，3329个切片 | NA | NA | NA | NA |
| 10226 | 2024-08-05 |
A deep learning method for reflective boundary estimation
2024-Jul-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0026437
PMID:38949286
|
研究论文 | 该文章提出了一种用于反射边界估计的深度学习方法 | 该方法使用卷积神经网络，能够在不需要正确分配回声的情况下，实现鲁棒的二维边界估计 | 需要已知的发射器和接收器位置，可能限制了方法的适用范围 | 研究在复杂声学环境中进行环境估计的方法 | 反射边界的位置和声学回声的估计 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 模拟数据和水箱的真实数据 | NA | NA | NA | NA |
| 10227 | 2024-08-05 |
A deep learning-based algorithm for pulmonary tuberculosis detection in chest radiography
2024-06-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65703-z
PMID:38942819
|
研究论文 | 本研究评估了一种基于深度学习的算法在胸部X光片中检测肺结核的有效性 | 提出了一种使用Google可教机器的深度神经网络图像分类工具来预测胸部X光片中肺结核的概率 | 在同时考虑其他非结核异常的情况下，算法的准确度有所下降 | 评估深度学习算法在检测肺结核方面的有效性 | 分析348个肺结核X光片与3806个正常X光片的数据集 | 数字病理学 | 肺结核 | 深度学习 | 深度神经网络 | 影像 | 348个肺结核胸片和3806个正常胸片，外部验证250个胸片 | NA | NA | NA | NA |
| 10228 | 2024-08-05 |
Prostate cancer diagnosis based on multi-parametric MRI, clinical and pathological factors using deep learning
2024-06-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65354-0
PMID:38942817
|
研究论文 | 本研究使用深度学习方法结合多参数MRI、临床和病理因素对前列腺癌进行诊断 | 首次将多参数MRI与临床和病理数据结合使用深度学习提高前列腺癌诊断的准确性 | 研究仅基于来自一所医院的数据，可能影响结果的广泛适用性 | 提高前列腺癌的早期诊断准确性 | 343名前列腺癌患者的数据 | 医学影像分析 | 前列腺癌 | 深度学习 | ResNet50 | 多参数MRI图像 | 343名患者 | NA | NA | NA | NA |
| 10229 | 2024-08-05 |
Variable data structures and customized deep learning surrogates for computationally efficient and reliable characterization of buried objects
2024-Jun-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65996-0
PMID:38942986
|
研究论文 | 本研究通过深度学习代理建模方法，表征埋 buried 物体。 | 提出了一种深度回归网络（DRN），在与传统网络模型相比下，该模型的计算效率提高了大约 13 倍。 | 关于原始 B 扫描数据和 B 扫描轮廓处理步骤的使用在物体特征化中导致高计算成本，这可能成为一个挑战。 | 该研究旨在通过深度学习技术高效可靠地表征埋藏物体。 | 研究对象为不同半径、不同位置（深度和横向位置）埋藏在不同色散地下介质中的物体。 | 数字病理学 | NA | 全波电磁模拟 | 深度回归网络（DRN） | 图像 | NA | NA | NA | NA | NA |
| 10230 | 2024-08-05 |
High-precision object detection network for automate pear picking
2024-Jun-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65750-6
PMID:38942940
|
research paper | 本研究提出了一种高精度的物体检测网络，用于自动化梨采摘任务 | 创新点在于提出了HDMNet网络，结合了语义聚焦注意机制和变形感知特征金字塔网络，提高了检测准确性 | 当前方法仍需在复杂环境下的适应性和多样性验证 | 旨在提高自动化梨采摘的检测精度和实时性 | 研究对象为自动化梨采摘中的梨果物体 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | NA | NA | NA | NA | NA |
| 10231 | 2024-08-05 |
CPSign: conformal prediction for cheminformatics modeling
2024-Jun-28, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00870-9
PMID:38943219
|
研究论文 | CPSign是一个用于化学信息学建模的完全实现的顺应预测开源软件 | CPSign结合了顺应预测和概率预测的方法，支持多种建模技术，并提供易于使用的可视化功能 | 未提及具体的局限性 | 提供一个综合的软件工具，以便在化学结构上进行数据预处理、建模和预测 | 化学信息学中的数据和模型 | 化学信息学 | NA | 顺应预测 | 支持向量机（SVM） | 化学数据 | 多项研究中使用，但具体样本大小未提及 | NA | NA | NA | NA |
| 10232 | 2024-08-05 |
Deep learning-based prediction of plant height and crown area of vegetable crops using LiDAR point cloud
2024-06-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65322-8
PMID:38942825
|
研究论文 | 本文开发了一种深度学习框架，用于预测蔬菜作物在不同生长阶段的植物高度和冠幅 | 提出了一种结合LSTM和GRU的混合深度学习模型，显著提高了对冠幅的预测准确性 | LSTM和GRU模型在捕捉结构参数变化方面存在局限，且在临近收获的高级生长阶段预测质量较低 | 开发和应用深度学习框架以预测蔬菜作物的植物高度和冠幅 | 针对番茄、茄子和卷心菜进行研究 | 数字农业 | NA | LiDAR点云 | LSTM和GRU的混合模型 | 点云数据 | 五个时间点的实验研究农场数据 | NA | NA | NA | NA |
| 10233 | 2024-08-05 |
Modeling 0.6 million genes for the rational design of functional cis-regulatory variants and de novo design of cis-regulatory sequences
2024-Jun-25, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319811121
PMID:38889146
|
研究论文 | 本文开发了PhytoExpr，一个深度学习框架，可预测植物mRNA丰度和物种 | 提出了通过深度学习实现植物调控序列的合理设计和变异体发现 | 对输入序列的分析依赖于深度学习模型的训练数据和算法 | 旨在无专家干预或先前领域知识的情况下设计植物调控DNA序列 | 17种主要植物门类的代表性物种 | 计算机视觉 | NA | 深度学习 | NA | 序列 | 600,000个基因 | NA | NA | NA | NA |
| 10234 | 2024-08-05 |
An improved method for diagnosis of Parkinson's disease using deep learning models enhanced with metaheuristic algorithm
2024-Jun-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01335-z
PMID:38910241
|
研究论文 | 本研究提出了一种改进的深度学习模型，利用启发式算法提高帕金森病的早期诊断精度 | 研究中结合了灰狼优化算法和多种深度学习模型以增强帕金森病的诊断能力 | 研究只使用了两个标准数据集，可能限制了模型的泛化能力 | 提高帕金森病的早期诊断准确性 | 使用深度学习模型和医学影像数据集来检测帕金森病 | 机器学习 | 帕金森病 | 医学影像技术、灰狼优化 | GWO-VGG16，GWO-DenseNet，GWO-DenseNet + LSTM，GWO-InceptionV3，GWO-VGG16 + InceptionV3 | 医学影像 | 使用了T1、T2加权和SPECT DaTscan数据集的标准数据集 | NA | NA | NA | NA |
| 10235 | 2024-08-05 |
Evaluation of Dental Plaque Area with Artificial Intelligence Model
2024-Jun-01, Nigerian journal of clinical practice
IF:0.7Q3
DOI:10.4103/njcp.njcp_862_23
PMID:38943301
|
研究论文 | 本研究评估了一种利用深度学习的人工智能系统在识别牙菌斑方面的诊断准确性 | 本研究开发的人工智能算法在检测牙菌斑方面表现出色，优于牙医的诊断性能 | 样本量相对较小，仅包括20名患者的168颗永久牙 | 评估人工智能系统在牙菌斑识别中的诊断准确性 | 20名10至15岁患者的168颗牙齿照片 | NA | NA | 深度学习 | NA | 图像 | 168颗牙齿，来自20名患者 | NA | NA | NA | NA |
| 10236 | 2024-08-05 |
A comparative analysis of deep learning-based location-adaptive threshold method software against other commercially available software
2024-Jun, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03099-7
PMID:38634943
|
研究论文 | 本研究分析了一种基于深度学习的自适应阈值方法软件在冠状动脉CT成像中的表现 | 提出了一种新的基于深度学习的自适应阈值方法(DL-LATM)用于冠状动脉分割，并显示出优于现有商业软件的性能 | 样本量较小，仅使用了19名患者的26个血管段的数据进行评估 | 评估基于DL-LATM的方法在冠状动脉CT成像中的分割性能 | 使用基于冠状动脉CT成像的分割软件进行分析 | 数字病理学 | 冠状动脉疾病 | 冠状动脉计算机断层成像(CCTA) | 深度学习 | 图像 | 19名患者的26个血管段 | NA | NA | NA | NA |
| 10237 | 2024-08-05 |
Development of an automatic surgical planning system for high tibial osteotomy using artificial intelligence
2024-Jun, The Knee
DOI:10.1016/j.knee.2024.03.008
PMID:38599029
|
研究论文 | 本研究提出了一种基于深度学习的高胫骨截骨自动手术规划系统，并验证了其准确性 | 该系统能够快速准确地测量下肢对齐参数，并且测量时间远短于外科医生 | 研究未提及大样本数据或长期随访结果 | 研究旨在开发一种提高高胫骨截骨手术规划效率和准确性的智能系统 | 107名接受高胫骨截骨的患者及其整个腿部站立X光片 | 数字病理学 | NA | 深度学习 | NA | X光片 | 107张来自107名患者的整个腿部站立X光片 | NA | NA | NA | NA |
| 10238 | 2024-08-05 |
Morphological profiling for drug discovery in the era of deep learning
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae284
PMID:38886164
|
综述 | 该文章对形态轮廓在表型药物发现中的最新进展进行了全面概述 | 强调深度学习在该流程中的应用，涵盖了细胞分割、图像表示学习和多模态学习 | 未提及具体的局限性 | 探讨形态轮廓分析在药物发现中的应用及其发展 | 形态轮廓分析及其在药物重新利用和新疗法开发中的应用 | 计算机视觉 | NA | 高通量自动成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 10239 | 2024-08-05 |
ifDEEPre: large protein language-based deep learning enables interpretable and fast predictions of enzyme commission numbers
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae225
PMID:38942594
|
研究论文 | 提出了一种新型的可解释和快速的深度学习模型ifDEEPre，用于准确预测酶的委员会编号 | 设计了新的自引导注意机制，并结合大量蛋白语言模型学习的生物知识，显著提高了预测速度和准确性 | 未提及具体的限制因素 | 准确理解酶的生物功能，为病理学和工业生物技术的各种任务提供支持 | raw蛋白质序列的表示和酶的委员会编号 | 机器学习 | NA | 大型蛋白语言模型 | 自引导注意机制 | 生物序列数据 | 数亿个蛋白质 | NA | NA | NA | NA |
| 10240 | 2024-08-05 |
Parkinson's disease diagnosis using deep learning: A bibliometric analysis and literature review
2024-04, Ageing research reviews
IF:12.5Q1
DOI:10.1016/j.arr.2024.102285
PMID:38554785
|
综述 | 本文进行了一项关于深度学习在帕金森病诊断中的应用的文献计量分析和文献综述 | 通过文献计量分析展示了深度学习在帕金森病诊断领域的显著进展和关键研究点 | 对于增量学习及大数据分析相关的深度学习方法的研究存在空白 | 研究深度学习在帕金森病诊断中的应用发展 | 已发表的关于帕金森病及深度学习的研究论文 | 计算机视觉 | 帕金森病 | 深度学习 | NA | 文献 | 检索并分析了Scopus数据库中的可用研究论文 | NA | NA | NA | NA |