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 12105 篇文献，本页显示第 10981 - 11000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10981 | 2024-08-07 |
DL4MicEverywhere: deep learning for microscopy made flexible, shareable and reproducible
2024-Jun, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02295-6
PMID:38760611
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10982 | 2024-08-05 |
Predicting the Progression of Chronic Kidney Disease: A Systematic Review of Artificial Intelligence and Machine Learning Approaches
2024-May, Cureus
DOI:10.7759/cureus.60145
PMID:38864072
|
综述 | 本系统综述全面评估了人工智能和机器学习技术在预测慢性肾病进展中的应用 | 本文创新性地整合了多种AI/ML算法，强调了这些模型在CKD进展预测中的潜力和优势 | 存在数据质量、偏见和伦理考虑等挑战 | 旨在通过AI/ML技术预测慢性肾病的进展 | 涉及慢性肾病的进展预测研究 | 机器学习 | 慢性肾病 | 人工智能，机器学习 | 逻辑回归，支持向量机，随机森林，神经网络，深度学习 | 纵向数据，临床数据 | 涉及13项相关研究 | NA | NA | NA | NA |
| 10983 | 2024-08-05 |
Leveraging conformal prediction to annotate enzyme function space with limited false positives
2024-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012135
PMID:38809942
|
研究论文 | 本文提出了一种机器学习框架CPEC，用于控制生物发现中的假阳性率 | CPEC结合了深度学习模型与符合预测方法，以实现假发现率的控制 | 本研究未提及模型在特定生物体上的应用限制 | 研究旨在优化生物发现过程中的预测准确性和假发现率控制 | 研究对象为功能较少表征的酶 | 机器学习 | NA | 深度学习与符合预测 | NA | NA | NA | NA | NA | NA | NA |
| 10984 | 2024-08-05 |
A review of the application of deep learning in obesity: From early prediction aid to advanced management assistance
2024-Apr, Diabetes & metabolic syndrome
DOI:10.1016/j.dsx.2024.103000
PMID:38604060
|
综述 | 本文总结了深度学习在肥胖研究中的应用现状 | 首次审查了深度学习在肥胖中的应用，显示其在肥胖预测中的优势，并在管理和身体脂肪估算方面提出创新 | 系统评价的数量有限，可能会影响结论的全面性 | 总结深度学习在肥胖研究中的应用趋势 | 分析了2018年1月至2023年9月间的相关研究 | 机器学习 | 肥胖 | 深度学习 | NA | 文献综述 | 40篇研究文章 | NA | NA | NA | NA |
| 10985 | 2024-08-05 |
DRANetSplicer: A Splice Site Prediction Model Based on Deep Residual Attention Networks
2024-03-26, Genes
IF:2.8Q2
DOI:10.3390/genes15040404
PMID:38674339
|
研究论文 | 本研究开发了一种名为DRANetSplicer的深度学习模型，用于增强剪接位点预测的准确性 | 该模型结合了残差学习和注意力机制，以准确捕捉剪接位点的复杂特征 | NA | 提高剪接位点识别的准确性，以便更好地进行基因注释 | 采用来自三种不同生物的基因组数据构建多个数据集进行模型训练 | 机器学习 | NA | 深度学习 | 深度残差注意力网络 | 基因组数据 | 来自三种不同生物的多个高质量数据集 | NA | NA | NA | NA |
| 10986 | 2024-08-05 |
Interpretable deep learning reveals the role of an E-box motif in suppressing somatic hypermutation of AGCT motifs within human immunoglobulin variable regions
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1407470
PMID:38863710
|
研究论文 | 本文系统研究了E-box基序在抑制人类免疫球蛋白可变区域内AGCT基序的体细胞高突变中的作用 | 提出了一种新的抑制机制，表明E-box转录因子与特定AGCT基序之间的结合与突变频率存在对抗关系 | 未详细探讨其他可能影响突变频率的序列上下文因素 | 揭示E-box基序在调控人类免疫球蛋白变量区域中SHM模式的作用 | 人类免疫球蛋白可变区域内AGCT基序的体细胞高突变数据集 | 机器学习 | NA | 深度学习 | DeepSHM | 基因组数据 | 使用了人类SHM数据集进行系统分析 | NA | NA | NA | NA |
| 10987 | 2024-08-05 |
Seismic resolution improving by a sequential convolutional neural network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304981
PMID:38861574
|
研究论文 | 本文提出了一种通过顺序卷积神经网络提高地震分辨率的方法。 | 创新点在于引入顺序卷积神经网络(SCNN)来实现低分辨率和高分辨率地震信号之间的映射关系。 | 本文未提及具体的限制条件 | 研究旨在提高薄层软岩的地震探测精度。 | 研究对象为用于地震数据处理的薄层软岩。 | 计算机视觉 | NA | 深度学习 | 顺序卷积神经网络(SCNN) | 地震信号 | 低分辨率和高分辨率地震数据集 | NA | NA | NA | NA |
| 10988 | 2024-08-05 |
MCCM: multi-scale feature extraction network for disease classification and recognition of chili leaves
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1367738
PMID:38863551
|
研究论文 | 本研究提出了一种优化的卷积神经网络模型MCCM，用于辣椒叶疾病的分类和识别。 | 该模型引入了多尺度特征融合模块（MSFFM）和混合通道空间注意机制（MCSAM），显著提高了对多种疾病特征的捕捉能力。 | 模型在实际应用中仍可能面临准确性和应用挑战。 | 旨在提高辣椒叶疾病的分类和识别效果。 | 研究对象为辣椒叶的疾病图像。 | 计算机视觉 | NA | 卷积神经网络（CNN） | MCCM（MCSAM-ConvNeXt-MSFFM） | 图像 | 使用Plant Village数据集进行训练，样本数量未具体说明 | NA | NA | NA | NA |
| 10989 | 2024-08-05 |
A joint model for lesion segmentation and classification of MS and NMOSD
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1351387
PMID:38863883
|
研究论文 | 本文提出了一种联合模型，用于多发性硬化症（MS）和视神经脊髓炎光谱障碍（NMOSD）的病灶分割和分类 | 创新点在于利用任务间的关联性提出联合模型，同时处理病灶分割和疾病分类任务 | 研究中没有提到样本的多样性和外部验证的不足 | 提高多发性硬化症和视神经脊髓炎光谱障碍的识别和诊断的准确性与速度 | 主要研究对象是多发性硬化症和视神经脊髓炎光谱障碍的病灶 | 计算机视觉 | 多发性硬化症和视神经脊髓炎光谱障碍 | T2-FLAIR MRI成像技术 | 双支路结构的卷积模块和Swin Transformer模块 | 图像 | NA | NA | NA | NA | NA |
| 10990 | 2024-08-05 |
Artificial intelligence for skin permeability prediction: deep learning
2024-12, Journal of drug targeting
IF:4.3Q1
DOI:10.1080/1061186X.2024.2309574
PMID:38258521
|
研究论文 | 本研究使用深度学习网络成功预测了外源物质的皮肤渗透性 | 引入深度学习网络模型来预测皮肤渗透系数，提供了一种替代传统实验方法的新途径 | 研究仅基于公开数据库，可能存在样本选择和数据质量的限制 | 探索使用深度学习预测外源物质在皮肤上的渗透性 | 研究对象是145种化学物质、外源物质和药物的皮肤渗透性 | 机器学习 | NA | 深度学习 | 卷积神经网络 (CNN), 前馈神经网络 (FNN), 循环神经网络 (RNN) | 记录数据 | 476条记录 | NA | NA | NA | NA |
| 10991 | 2024-08-05 |
Bridging Imaging and Clinical Scores in Parkinson's Progression via Multimodal Self-Supervised Deep Learning
2024-Aug, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065724500436
PMID:38770651
|
研究论文 | 本文提出了一种多模态的共同潜在生成模型，以综合理解帕金森病的神经退行性特征。 | 该文章的创新之处在于使用了耦合变分自编码器（VAEs）来共同建模帕金森病的神经影像和临床数据。 | 研究中提到模型的局限性和能力，但具体细节未详细阐述。 | 本研究旨在提供一个更全面的框架来了解帕金森病的神经退行性演变。 | 研究对象为帕金森进展标记倡议（PPMI）中的神经影像和临床数据。 | 数字病理学 | 帕金森病 | 耦合变分自编码器（VAEs） | 潜在生成模型 | 神经影像和临床数据 | 涉及的样本数量未明确说明 | NA | NA | NA | NA |
| 10992 | 2024-08-05 |
A deep learning-based approach for efficient detection and classification of local Ca²⁺ release events in Full-Frame confocal imaging
2024-Jul, Cell calcium
IF:4.3Q2
DOI:10.1016/j.ceca.2024.102893
PMID:38701707
|
研究论文 | 本文提出了一种基于深度学习的方法，用于有效检测和分类局部钙释放事件 | 创新性地应用深度学习技术自动检测和分类局部钙释放事件 | 分析过程依赖于特定的成像数据，可能不适用于其他类型的成像技术 | 研究局部钙释放事件的检测和分类以促进细胞内钙信号的理解 | 孤立心肌细胞中的局部钙释放事件 | 数字病理学 | NA | 深度学习 | NA | 成像数据 | NA | NA | NA | NA | NA |
| 10993 | 2024-08-05 |
Predicting hematoma expansion using machine learning: An exploratory analysis of the ATACH 2 trial
2024-Jun-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2024.123048
PMID:38749281
|
研究论文 | 本文旨在利用深度学习算法构建分类模型，以预测脑出血患者的血肿扩展。 | 该研究首次使用深度学习算法预测血肿扩展，而不依赖于高级影像学特征。 | 该模型的AUC仅稍好于其他模型，需要更大且更具异质性的数据集来进一步构建和泛化模型。 | 研究的目的是预测脑出血患者中的血肿扩展。 | 研究对象为参与ATACH-2试验的脑出血患者。 | 机器学习 | 脑出血 | 深度学习算法 | 人工神经网络（ANN） | 数据 | 1000名患者中924名具有完整参数 | NA | NA | NA | NA |
| 10994 | 2024-08-05 |
Unraveling the Correlation between the Interface Structures and Tunable Magnetic Properties of La1-xSrxCoO3-δ/La1-xSrxMnO3-δ Bilayers Using Deep Learning Models
2024-Jun-12, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.3c18773
PMID:38780088
|
研究论文 | 本文探讨了La1-xSrxCoO3-δ/La1-xSrxMnO3-δ双层界面的结构与可调磁性之间的关系 | 该研究利用深度学习模型和大量模拟探索了层状钙钛矿氧化物双层的界面特性和磁性行为 | 文章中关于界面化学和物理特性的具体原子级组成尚未直接测得 | 研究钙钛矿氧化物双层界面的新设计原则，从而优化其在磁性和铁电器件中的应用 | 研究对象为LaSrCoO/LaSrMnO双层的氧缺陷率和锶浓度影响下的结构及磁性 | 材料科学 | NA | 第一性原理模拟、进化算法、神经网络搜索 | 深度学习模型 | 结构数据 | 超过50000个LSCO/LSMO双层结构 | NA | NA | NA | NA |
| 10995 | 2024-08-05 |
Automated detection of steps in videos of strabismus surgery using deep learning
2024-Jun-10, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-024-03504-8
PMID:38853240
|
研究论文 | 本研究开发和验证了一种深度学习模型，用于自动检测斜视手术视频中的步骤 | 采用Transformer算法相比于RNN模型在识别视频步骤上表现更佳，展示了视频帧时空特征建模的优越性 | 可能存在视频数据集不够多样性以及仅限于特定医院的手术视频 | 提高斜视手术教学效果和住院医生表现评估的效率 | 479个斜视手术视频，这些视频被切割成3345个关于八个手术步骤的剪辑 | 计算机视觉 | NA | 深度学习 | Transformer和RNN | 视频 | 479个斜视手术视频，切割为3345个剪辑 | NA | NA | NA | NA |
| 10996 | 2024-08-05 |
Unlocking the potential: T1-weighed MRI as a powerful predictor of levodopa response in Parkinson's disease
2024-Jun-09, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01690-z
PMID:38853208
|
研究论文 | 本研究探讨了T1加权MRI对帕金森病患者左旋多巴反应的预测能力 | 本文首次使用深度学习模型提取T1w MRI特征，以预测帕金森病患者的左旋多巴反应，并且其鲁棒性优于传统临床信息 | 研究基于回顾性数据，可能存在数据偏倚 | 探索T1加权MRI在帕金森病患者左旋多巴反应预测中的潜力 | 帕金森病患者的MRI图像和临床特征数据 | 人工智能 | 帕金森病 | 深度学习 | SVM, XgBoost, MLP | 医学影像 | 436个记录（219个来自PPMI，217个来自瑞金医院的外部临床数据集） | NA | NA | NA | NA |
| 10997 | 2024-08-05 |
A deep image classification model based on prior feature knowledge embedding and application in medical diagnosis
2024-06-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63818-x
PMID:38853158
|
研究论文 | 提出了一种基于先前特征知识嵌入的深度学习图像分类模型，应用于医学诊断 | 结合了先前特征知识嵌入和多尺度特征提取，使用RBPNN进行图像分类 | 对样本集的完整性要求较低，但可能影响分类特性 | 提高医学图像分类的准确性 | 脑肿瘤MRI图像和心脏超声图像数据集 | 计算机视觉 | NA | 深度学习，RBPNN | ResNet50 | 图像 | 脑肿瘤MRI数据集和心脏超声图像数据集，准确率分别为85.82%和83.92% | NA | NA | NA | NA |
| 10998 | 2024-08-05 |
Deep learning models for predicting the survival of patients with hepatocellular carcinoma based on a surveillance, epidemiology, and end results (SEER) database analysis
2024-06-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63531-9
PMID:38853169
|
研究论文 | 本研究基于SEER数据库分析建立了深度学习模型以预测肝细胞癌患者的生存率 | 提出了一个新的NMTLR深度学习模型，其预后评估和治疗建议可能优于传统线性模型 | 研究对象仅限于2011年至2015年在SEER数据库中确诊的肝细胞癌患者，可能影响结果的普遍性 | 旨在使用深度学习模型提高对肝细胞癌患者生存率的预测精准度 | 研究对象包括2197名在SEER数据库中确诊的肝细胞癌患者 | 机器学习 | 肝癌 | 深度学习 | NMTLR | 临床数据 | 2197名患者，其中训练队列1537名，测试队列660名 | NA | NA | NA | NA |
| 10999 | 2024-08-05 |
Reduced field-of-view DWI based on deep learning reconstruction improving diagnostic accuracy of VI-RADS for evaluating muscle invasion
2024-Jun-09, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01686-9
PMID:38853219
|
研究论文 | 本研究调查了基于深度学习重建的缩小视野扩散加权成像(DWI)在评估膀胱癌肌肉浸润中的诊断准确性 | 采用深度学习重建技术的缩小视野DWI提高了诊断性能并减少了采集时间 | 未发现rFOV DWI与标准rFOV DWI在评估肌肉浸润的诊断准确性上存在差异 | 研究使用深度学习重建的缩小视野DWI是否能提高肌肉浸润评估的准确性 | 86名膀胱癌患者 | 数字病理学 | 膀胱癌 | 深度学习重建（DLR） | NA | 影像 | 86名膀胱癌患者 | NA | NA | NA | NA |
| 11000 | 2024-08-05 |
Establishment and preliminary application of personalized three-dimensional reconstruction of thyroid gland with automatic detection of thyroid nodules based on ultrasound videos
2024-Jun, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14332
PMID:38528686
|
研究论文 | 本研究旨在建立基于超声视频的甲状腺及甲状腺结节的三维重建方法 | 首次采用深度学习技术构建个性化的甲状腺三维模型，并结合自动检测技术 | 样本量较小，仅涉及20名患者和15名外科医生，可能影响结果的普遍性 | 评估基于二维超声视频的甲状腺三维重建方法的临床价值 | 甲状腺、甲状腺结节和颈总动脉 | 数字病理学 | NA | 超声 | BC-UNet, MTN-Net, RDPA-U-Net | 视频 | 20名患者和15名外科医生 | NA | NA | NA | NA |