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 408 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-11-29 |
GSL-DTI: Graph structure learning network for Drug-Target interaction prediction
2024-03, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.01.018
PMID:38360082
|
研究论文 | 提出了一种名为GSL-DTI的自动图结构学习模型，用于预测药物-靶点相互作用 | 引入了自动图结构学习方法，通过滤波门和下游任务的分类损失来指导DPP网络结构的学习 | 未提及具体限制 | 预测药物与靶点蛋白之间的相互作用，加速药物发现过程 | 药物分子与靶点蛋白的相互作用 | 机器学习 | NA | 图卷积网络 | 图结构学习网络 | 图数据 | 三个公开数据集 | NA | NA | NA | NA |
| 242 | 2024-11-24 |
FABEL: Forecasting Animal Behavioral Events with Deep Learning-Based Computer Vision
2024-Mar-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.15.584610
PMID:38559273
|
研究论文 | 本文介绍了一种基于深度学习的计算机视觉方法FABEL，用于预测动物未来的行为和运动轨迹 | FABEL模型仅使用行为视频作为输入，可以适应任何行为任务，并且不需要特定的生理读数 | NA | 研究旨在通过预测动物行为和运动轨迹，为神经行为干预提供基础 | 动物行为和运动轨迹 | 计算机视觉 | NA | 深度学习 | LSTM和Temporal Fusion Transformer | 视频 | NA | NA | NA | NA | NA |
| 243 | 2024-11-22 |
Utilizing multimodal AI to improve genetic analyses of cardiovascular traits
2024-Mar-20, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.19.24304547
PMID:38562791
|
研究论文 | 提出了一种名为M-REGLE的多模态深度学习方法，用于从多模态高维临床数据中识别心血管性状的遗传关联 | M-REGLE通过联合学习多模态高维临床数据的低维表示，并结合全基因组关联研究，显著提高了遗传关联的识别能力 | NA | 改进心血管性状的遗传分析 | 多模态高维临床数据中的心血管性状遗传关联 | 机器学习 | 心血管疾病 | 多模态深度学习 | 卷积变分自编码器 | 多模态高维临床数据 | 涉及多个生物银行的心血管模态数据，包括12导联心电图数据集和心电图I导联+光电容积描记数据集 | NA | NA | NA | NA |
| 244 | 2024-11-21 |
Application of artificial intelligence in brain arteriovenous malformations: Angioarchitectures, clinical symptoms and prognosis prediction
2024-Mar-22, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences
IF:1.5Q3
DOI:10.1177/15910199241238798
PMID:38515371
|
review | 本文综述了人工智能在脑动静脉畸形管理中的应用 | 人工智能算法在脑动静脉畸形管理中的多个方面得到了应用，特别是在机器学习和深度学习模型中 | 本文总结了当前研究的局限性和未来研究方向 | 总结人工智能在脑动静脉畸形管理中的应用 | 脑动静脉畸形 | machine learning | 脑血管疾病 | machine learning, deep learning | machine learning, deep learning | image | NA | NA | NA | NA | NA |
| 245 | 2024-11-19 |
Deep learning reduces data requirements and allows real-time measurements in imaging FCS
2024-03-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.11.3403
PMID:38050354
|
研究论文 | 本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量 | 提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估 | NA | 减少荧光相关光谱成像中的数据需求，并实现实时测量 | 荧光相关光谱成像中的相关性和强度轨迹分析 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 模拟数据 | NA | NA | NA | NA |
| 246 | 2024-11-19 |
Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images
2024-03-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/kead366
PMID:37471602
|
研究论文 | 研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当 | NA | 探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒） | 计算机视觉 | 类风湿性关节炎 | 深度学习 | ResNet | 图像 | 1244张图像用于模型训练，152张和354张分别用于两个测试集 | NA | NA | NA | NA |
| 247 | 2024-11-14 |
An integrated framework for prognosis prediction and drug response modeling in colorectal liver metastasis drug discovery
2024-03-30, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05127-5
PMID:38555418
|
研究论文 | 本研究开发了一个综合框架，用于预测结直肠癌肝转移的预后和药物反应建模 | 本研究开发了两个基于差异表达基因的肝转移相关预后标志物，并使用可解释的深度学习模型识别高风险患者的潜在治疗药物 | NA | 发现结直肠癌肝转移的新型预后生物标志物和治疗药物 | 结直肠癌肝转移患者 | 机器学习 | 结直肠癌 | 深度学习 | 深度学习模型 | 基因表达数据 | NA | NA | NA | NA | NA |
| 248 | 2024-11-14 |
Artificial intelligence in neuro-oncology: advances and challenges in brain tumor diagnosis, prognosis, and precision treatment
2024-Mar-29, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00575-0
PMID:38553633
|
综述 | 本文综述了人工智能在神经肿瘤学中的最新进展及其在脑肿瘤诊断、预后和精准治疗中的挑战 | 人工智能在脑肿瘤管理中引入了变革性创新，利用成像、组织病理学和基因组工具实现高效检测、分类、预后预测和治疗规划 | 本文讨论了人工智能在神经肿瘤学应用中的挑战，包括多模态数据整合、生成性人工智能、大型医学语言模型、精确肿瘤描绘和特征化以及解决种族和性别差异等问题 | 探讨人工智能在神经肿瘤学中的应用及其对脑肿瘤管理的全面影响 | 胶质瘤，一类代表全球重大健康问题的脑肿瘤 | 计算机视觉 | 脑肿瘤 | 人工智能 | 深度学习 | 成像数据 | NA | NA | NA | NA | NA |
| 249 | 2024-11-12 |
Methodological insights into ChatGPT's screening performance in systematic reviews
2024-Mar-27, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02203-8
PMID:38539117
|
研究论文 | 本研究评估了ChatGPT在放射学系统评价筛选过程中的表现，并与普通医生进行了比较 | 首次评估了ChatGPT在无需训练数据的情况下自动筛选系统评价的能力 | ChatGPT的特异性和阳性预测值低于人类评分者，且Kappa系数较低 | 评估ChatGPT在放射学系统评价筛选过程中的有效性 | ChatGPT在放射学系统评价筛选中的表现与普通医生的比较 | 自然语言处理 | NA | 生成预训练变压器（GPT） | GPT | 文本 | 1198篇摘要 | NA | NA | NA | NA |
| 250 | 2024-11-12 |
Deep Learning-Based Multi-Class Segmentation of the Paranasal Sinuses of Sinusitis Patients Based on Computed Tomographic Images
2024-Mar-18, Sensors (Basel, Switzerland)
DOI:10.3390/s24061933
PMID:38544195
|
研究论文 | 本研究通过比较四种3D U-Net变体（正常、残差、密集和残差-密集），引入了一种多类卷积神经网络（CNN）分割模型，用于鼻窦炎患者的鼻窦CT图像分割 | 本研究引入了多类卷积神经网络（CNN）分割模型，并通过比较四种3D U-Net变体，展示了正常3D U-Net在鼻窦分割中的优越性能 | 尽管在清晰的鼻窦中实现了有效的分割，但在黏膜炎症方面仍存在局限性 | 本研究的目的是通过引入多类卷积神经网络（CNN）分割模型，提高鼻窦炎患者鼻窦CT图像的分割精度，从而减少手术并发症 | 本研究的对象是鼻窦炎患者的鼻窦CT图像 | 计算机视觉 | 鼻窦炎 | 卷积神经网络（CNN） | 3D U-Net | 图像 | 40名患者（20名正常，20名异常） | NA | NA | NA | NA |
| 251 | 2024-11-12 |
A Survey on Blood Pressure Measurement Technologies: Addressing Potential Sources of Bias
2024-Mar-07, Sensors (Basel, Switzerland)
DOI:10.3390/s24061730
PMID:38543993
|
综述 | 本文综述了血压测量技术，特别是袖带式血压监测技术，探讨了测量中可能存在的偏差来源 | 本文提出了利用人工智能（AI）技术开发新一代袖带式血压设备，以减少测量偏差并提供个性化的血压相关心血管风险指数 | 本文主要关注袖带式血压监测技术，未涵盖其他类型的血压测量方法 | 探讨血压测量技术中的偏差来源，并提出利用AI技术改进血压测量设备 | 血压测量技术及其在临床和日常监测中的应用 | NA | 心血管疾病 | 人工智能（AI）、机器学习、深度学习、贝叶斯推断 | NA | 电子健康记录中的血压记录 | NA | NA | NA | NA | NA |
| 252 | 2024-11-11 |
Utilizing genomic signatures to gain insights into the dynamics of SARS-CoV-2 through Machine and Deep Learning techniques
2024-Mar-27, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05648-2
PMID:38539073
|
研究论文 | 本文介绍了一种名为GenoSig的工具，利用二核苷酸和三核苷酸频率特征，通过机器学习和深度学习模型来解析SARS-CoV-2的分类谱系 | 提出了一个无需比对的快速方法GenoSig，通过机器学习和深度学习模型分析SARS-CoV-2的基因组特征，显著提高了分类和预测的准确性 | 在预测病毒的大陆起源时，模型的表现不如在预测谱系时准确 | 开发一种无需比对的方法来解析SARS-CoV-2的基因组特征，以监测病毒变种的动态 | SARS-CoV-2病毒及其变种的基因组特征 | 机器学习 | NA | 机器学习和深度学习 | 深度学习模型和随机森林模型 | 基因组数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 253 | 2024-11-11 |
Leveraging Deep Learning for Fine-Grained Categorization of Parkinson's Disease Progression Levels through Analysis of Vocal Acoustic Patterns
2024-Mar-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11030295
PMID:38534569
|
研究论文 | 研究利用深度学习模型对帕金森病进展水平进行细粒度分类，通过分析语音声学模式 | 首次探索使用深度学习模型对帕金森病进展水平进行细粒度分类，并研究了不同音频段长度和特定元音对模型性能的影响 | 在区分轻度和重度帕金森病病例方面仍存在挑战，需要更大规模的多类别标注数据集来改进严重程度分类 | 研究利用深度学习模型自动分类持续元音录音，以区分健康对照组、轻度帕金森病和重度帕金森病 | 帕金森病患者的语音声学模式 | 机器学习 | 帕金森病 | 深度学习 | 卷积神经网络 (CNN) 和视觉变换器 (Swin) | 图像 | NA | NA | NA | NA | NA |
| 254 | 2024-11-11 |
Deep Learning for 3D Reconstruction, Augmentation, and Registration: A Review Paper
2024-Mar-07, Entropy (Basel, Switzerland)
DOI:10.3390/e26030235
PMID:38539747
|
综述 | 本文综述了深度学习在三维重建、增强和配准领域的最新进展 | 本文系统地分析了多种用于三维物体配准、增强和重建的基准模型，并探讨了其架构、优势和局限性 | 本文指出了三维深度学习领域中尚未解决的研究问题，这些问题需要在未来的研究中得到解决 | 综述深度学习在三维数据处理中的应用及其最新进展 | 三维物体的重建、增强和配准 | 计算机视觉 | NA | 深度学习 | CNN | 三维数据 | NA | NA | NA | NA | NA |
| 255 | 2024-11-10 |
Deep learning-based target tracking with X-ray images for radiotherapy: a narrative review
2024-Mar-15, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1489
PMID:38545053
|
综述 | 本文综述了基于深度学习的放射治疗中使用X射线图像进行目标跟踪的现状，并讨论了现有局限性和潜在解决方案 | 探讨了深度学习在放射治疗中实时无标记目标跟踪的潜力 | 直接在2D kV X射线图像上实时定位肿瘤和危及器官仍然具有挑战性，需要更多技术和临床努力 | 综述基于深度学习的放射治疗中使用2D kV X射线图像进行目标跟踪的现状，并讨论其局限性和未来发展方向 | 放射治疗中的目标跟踪和运动管理 | 计算机视觉 | 癌症 | 深度学习 | 卷积神经网络 | 图像 | 23篇英文文献 | NA | NA | NA | NA |
| 256 | 2024-11-10 |
Deep learning from atrioventricular plane displacement in patients with Takotsubo syndrome: lighting up the black-box
2024-Mar, European heart journal. Digital health
DOI:10.1093/ehjdh/ztad077
PMID:38505490
|
研究论文 | 本研究利用深度卷积神经网络（DCNN）分析心尖球形综合征（TTS）患者的心脏超声视频，以提高诊断的准确性和解释性 | 本研究通过梯度加权类激活映射分析，可视化了DCNN在区分TTS和前壁ST段抬高型心肌梗死（STEMI）中的作用，揭示了潜在的影像学特征 | NA | 提高心尖球形综合征（TTS）诊断的准确性和解释性 | 心尖球形综合征（TTS）和前壁ST段抬高型心肌梗死（STEMI）患者 | 计算机视觉 | 心血管疾病 | 深度卷积神经网络（DCNN） | DCNN | 视频 | 300名患者（150名TTS患者和150名STEMI患者） | NA | NA | NA | NA |
| 257 | 2024-11-08 |
Extracting adverse drug events from clinical Notes: A systematic review of approaches used
2024-Mar, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2024.104603
PMID:38331081
|
综述 | 本文对从临床笔记中提取不良药物事件（ADE）的方法进行了系统性综述 | 本文综述了当前从临床笔记中提取ADE的各种方法，包括命名实体识别（NER）和关系提取（RE），并根据不同的提取方法进行了分类 | 本文主要集中在方法的综述上，未提供具体的实验数据或模型性能比较 | 综述当前从临床笔记中提取不良药物事件的方法，并展示这些方法的进展和挑战 | 不良药物事件（ADE）的提取方法 | 自然语言处理 | NA | 自然语言处理（NLP） | NA | 文本 | 从2015年到2023年，共筛选出82篇相关文献进行分析 | NA | NA | NA | NA |
| 258 | 2024-11-07 |
Malignancy diagnosis of liver lesion in contrast enhanced ultrasound using an end-to-end method based on deep learning
2024-Mar-21, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01247-y
PMID:38515044
|
研究论文 | 本文提出了一种基于深度学习的端到端方法，用于增强超声（CEUS）图像中肝脏病变的恶性诊断 | 本文创新性地结合了二维卷积神经网络（CNN）和长短期记忆网络（LSTM），无需手动特征选择即可进行恶性诊断 | 本文的局限性在于仅使用了420个病例进行验证，样本量相对较小 | 开发一种基于深度学习的端到端方法，用于增强超声图像中肝脏病变的恶性诊断 | 肝脏病变及其恶性诊断 | 计算机视觉 | 肝脏疾病 | 深度学习 | CNN-LSTM | 图像 | 420个肝脏病变病例，包括136个良性病例和284个恶性病例 | NA | NA | NA | NA |
| 259 | 2024-11-07 |
Multimodal deep learning-based diagnostic model for BPPV
2024-Mar-21, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02438-x
PMID:38515156
|
研究论文 | 本研究旨在通过结合眼动视频和位置信息，利用多模态深度学习模型提高BPPV诊断的准确性 | 提出了一个结合视频理解模型、自编码器和交叉注意力机制的多模态深度学习诊断模型 | NA | 探索和应用人工智能方法提高BPPV诊断的准确性 | BPPV患者的诊断 | 机器学习 | NA | 多模态深度学习 | 多模态深度学习模型 | 视频和位置信息 | 518名BPPV患者 | NA | NA | NA | NA |
| 260 | 2024-11-07 |
An integrative approach to protein sequence design through multiobjective optimization
2024-Mar-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.01.582670
PMID:38496480
|
研究论文 | 本文提出了一种通过多目标优化进行蛋白质序列设计的综合方法 | 采用进化多目标优化技术，结合AlphaFold2和ProteinMPNN的置信度指标，以及ESM-1v和ProteinMPNN的突变操作符，显著减少了RfaH天然序列恢复的偏差和方差 | NA | 开发一种能够直接整合不同模型和目标函数到生成设计过程中的框架 | 蛋白质序列设计 | 机器学习 | NA | 多目标优化 | NSGA-II | 蛋白质序列 | NA | NA | NA | NA | NA |