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 395 篇文献，本页显示第 261 - 280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 261 | 2024-10-05 |
Prognostic prediction of sepsis patient using transformer with skip connected token for tabular data
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102804
PMID:38462275
|
研究论文 | 本研究开发了一种基于变压器架构的深度学习模型，用于预测脓毒症患者的预后 | 提出了一种带有跳跃连接标记的变压器模型，结合局部和全局信息进行表格数据分析 | 研究基于回顾性数据，样本量有限 | 开发一种支持临床医生高效管理ICU脓毒症患者的深度学习模型 | 脓毒症患者的死亡率、ICU住院时间（>14天）和医院住院时间（>30天） | 机器学习 | 脓毒症 | 变压器模型 | 变压器 | 表格数据 | 591例回顾性数据 | NA | NA | NA | NA |
| 262 | 2024-10-05 |
Integrated block-wise neural network with auto-learning search framework for finger gesture recognition using sEMG signals
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102777
PMID:38462279
|
研究论文 | 本文提出了一种自动学习搜索框架（ALSF），用于生成集成块状神经网络（IBWNN），以实现基于sEMG信号的手指手势识别 | 本文的创新点在于引入了一个自动学习搜索框架，通过强化学习方法生成优化的神经网络模型，减少了对手动调参的依赖 | NA | 提高基于sEMG信号的手指手势识别的准确性和效率 | 基于sEMG信号的手指手势识别 | 机器学习 | NA | sEMG信号 | 集成块状神经网络（IBWNN） | 信号 | NA | NA | NA | NA | NA |
| 263 | 2024-10-05 |
Opportunities and challenges of artificial intelligence and distributed systems to improve the quality of healthcare service
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102779
PMID:38462281
|
综述 | 本文综述了机器学习、深度学习和分布式系统在提升医疗服务质量中的应用 | 本文填补了关于机器学习、深度学习和分布式系统在医疗领域应用的综合性综述的空白 | 本文主要关注现有技术的综述，未涉及具体的技术实现或实验验证 | 探讨人工智能和分布式系统在提升医疗服务质量中的机遇与挑战 | 机器学习、深度学习和分布式系统在医疗领域的应用 | 机器学习 | 心血管疾病 | 机器学习、深度学习、分布式系统 | 卷积神经网络（CNN）、长短期记忆网络（LSTM）、浅层学习网络 | NA | NA | NA | NA | NA | NA |
| 264 | 2024-10-05 |
Multi input-Multi output 3D CNN for dementia severity assessment with incomplete multimodal data
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102774
PMID:38462278
|
研究论文 | 本文提出了一种多输入-多输出3D卷积神经网络，用于处理不完整的多模态数据进行痴呆严重程度评估 | 提出的网络能够处理不完整的多模态数据，即在一种图像模态缺失的情况下仍能进行评估 | NA | 研究多模态深度学习方法在痴呆严重程度评估中的应用 | 阿尔茨海默病患者的痴呆严重程度 | 计算机视觉 | 神经退行性疾病 | 深度学习 | 3D卷积神经网络 | 图像 | 使用了OASIS-3数据集进行实验 | NA | NA | NA | NA |
| 265 | 2024-10-05 |
Development and validation of a deep interpretable network for continuous acute kidney injury prediction in critically ill patients
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102785
PMID:38462285
|
研究论文 | 本研究开发并验证了一种深度可解释网络，用于在重症患者中连续预测急性肾损伤（AKI）的风险 | 本研究创新性地设计了DeepAKI模型，采用挤压激励网络和膨胀因果卷积的基本框架，并利用集成梯度方法解释预测模型 | 深度学习模型在实际临床环境中的泛化能力存在潜在威胁 | 开发一种能够在重症患者中实时连续预测24小时急性肾损伤风险的深度可解释网络，并评估其内外部性能 | 重症患者的急性肾损伤风险 | 机器学习 | 肾脏疾病 | 挤压激励网络、膨胀因果卷积 | CNN | 电子健康记录 | 共21,163名患者的数据用于模型构建，3025名患者和2625名患者分别用于外部验证 | NA | NA | NA | NA |
| 266 | 2024-10-05 |
An interpretable dual attention network for diabetic retinopathy grading: IDANet
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102782
PMID:38462283
|
研究论文 | 提出了一种可解释的双注意力网络IDANet，用于糖尿病视网膜病变分级 | 采用双向空间和通道并行注意力机制，提取细粒度DR分级的判别特征 | 未提及具体局限性 | 提高糖尿病视网膜病变分级的准确性和可解释性 | 糖尿病视网膜病变及其微小病变 | 计算机视觉 | 糖尿病视网膜病变 | 双向空间和通道并行注意力机制 | CNN | 图像 | 四个广泛使用的基准数据集 | NA | NA | NA | NA |
| 267 | 2024-10-05 |
NPB-REC: A non-parametric Bayesian deep-learning approach for undersampled MRI reconstruction with uncertainty estimation
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102798
PMID:38462289
|
研究论文 | 本文介绍了一种非参数贝叶斯深度学习方法NPB-REC，用于从欠采样的MRI数据中重建高质量图像并估计不确定性 | 提出了NPB-REC框架，结合随机梯度Langevin动力学训练网络参数的后验分布，提高了图像重建质量和不确定性估计的准确性 | 未提及 | 提高MRI时间分辨率和减少采集时间，同时量化重建图像的不确定性 | 欠采样的MRI数据 | 计算机视觉 | NA | 随机梯度Langevin动力学 | 非参数贝叶斯框架 | MRI图像 | 多线圈MRI数据集，来自fastMRI挑战赛 | NA | NA | NA | NA |
| 268 | 2024-10-05 |
DISCOVER: 2-D multiview summarization of Optical Coherence Tomography Angiography for automatic diabetic retinopathy diagnosis
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102803
PMID:38462293
|
研究论文 | 本文研究了使用光学相干断层扫描血管造影（OCTA）进行糖尿病视网膜病变（DR）自动诊断的方法 | 提出了两种互补的策略来优化OCTA体积的2D图像摘要：通过深度学习优化的参数化正面投影和基于梯度归因的横截面切片选择过程 | NA | 研究自动DR严重程度评估方法 | 糖尿病视网膜病变（DR） | 计算机视觉 | 糖尿病视网膜病变 | 光学相干断层扫描血管造影（OCTA） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 269 | 2024-10-05 |
Scalable Swin Transformer network for brain tumor segmentation from incomplete MRI modalities
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102788
PMID:38462288
|
研究论文 | 本文提出了一种名为IMS2Trans的新型轻量级可扩展Swin Transformer网络，用于从不完全的MRI模态中进行脑肿瘤分割 | 利用单一编码器从所有可用模态中提取潜在特征图，实现了模态间的高效信息共享和融合，即使在存在缺失模态的情况下也能保持分割性能 | 未提及 | 提高在不完全MRI模态下脑肿瘤分割的准确性和效率 | 脑肿瘤分割 | 计算机视觉 | 脑肿瘤 | MRI | Swin Transformer | 图像 | BraTS 2018和BraTS 2020数据集 | NA | NA | NA | NA |
| 270 | 2024-10-05 |
Improving deep-learning electrocardiogram classification with an effective coloring method
2024-03, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102809
PMID:38462295
|
研究论文 | 本文提出了一种通过颜色化技术将患者病历中的临床信息整合到心电图分类中的创新方法 | 通过颜色化技术将人口统计信息映射到RGB颜色空间，增强了心电图分析的准确性 | NA | 提高心电图分类的准确性，支持精准医疗 | 心电图分类 | 机器学习 | 心血管疾病 | 颜色化技术 | 深度学习模型 | 心电图数据 | PTB-XL数据集 | NA | NA | NA | NA |
| 271 | 2024-10-04 |
Protocol: revolutionizing central nervous system tumour diagnosis in low- and middle-income countries: an innovative observational study on intraoperative smear and deep learning
2024-Mar, JPMA. The Journal of the Pakistan Medical Association
DOI:10.47391/JPMA.S3.GNO-03
PMID:39262061
|
研究论文 | 评估在低收入和中等收入国家中，利用深度学习技术辅助术中脑涂片诊断的可行性和实施情况 | 引入了一种结合深度学习技术的创新方法，用于术中脑涂片诊断，旨在提高诊断效率和质量 | 研究仅在巴基斯坦的Aga Khan大学医院进行，样本量有限，可能影响结果的普适性 | 评估在手术室中使用深度学习技术辅助术中脑涂片诊断的可行性和实施情况 | 术中脑涂片诊断的准确性和效率 | 数字病理 | 神经系统肿瘤 | 深度学习技术 | NA | 图像 | 258例 | NA | NA | NA | NA |
| 272 | 2024-10-03 |
PNAbind: Structure-based prediction of protein-nucleic acid binding using graph neural networks
2024-Mar-02, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.27.582387
PMID:38529493
|
研究论文 | 本文介绍了一种基于图神经网络的深度学习方法PNAbind，用于预测蛋白质与核酸的结合 | 利用图神经网络编码蛋白质分子表面的物理化学和几何特性，预测核酸结合功能，并区分DNA或RNA的特异性结合 | NA | 开发一种新的方法来预测蛋白质与核酸的结合，并理解决定核酸识别的化学和结构特征 | 蛋白质与核酸的结合 | 机器学习 | NA | 图神经网络 | 图神经网络 | 蛋白质结构 | NA | NA | NA | NA | NA |
| 273 | 2024-10-03 |
Data-driven coordinated attention deep learning for high-fidelity brain imaging denoising and inpainting
2024-03, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202300390
PMID:38168132
|
研究论文 | 本文提出了一种基于数据驱动的协同注意力深度学习方法，用于高保真脑部图像去噪和修复 | 本文创新性地结合了信号增强、去噪和修复技术，开发了一种新的深度脑部坐标注意力修复网络（DeepCAR），能够快速准确地恢复深度皮质图像，并保留小尺度组织结构 | NA | 提升低质量图像的质量，特别是在活体小鼠深部脑成像中 | 活体小鼠深部脑皮质荧光图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 一个深度脑皮质图像数据集 | NA | NA | NA | NA |
| 274 | 2024-10-03 |
Identification of individuals using functional near-infrared spectroscopy based on a one-dimensional convolutional neural network
2024-03, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202300453
PMID:38282446
|
研究论文 | 本研究利用功能性近红外光谱（fNIRS）和一维卷积神经网络（Conv1D）进行个人识别 | 创新性地将深度学习框架与fNIRS数据结合用于个人识别 | NA | 探索利用fNIRS和深度学习技术进行个人识别的可行性 | 成年人的静息态fNIRS信号 | 机器学习 | NA | 功能性近红外光谱（fNIRS） | 一维卷积神经网络（Conv1D） | 信号 | 56名成年参与者 | NA | NA | NA | NA |
| 275 | 2024-10-03 |
Implementation of a portable diffraction phase microscope for digital histopathology
2024-03, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202300496
PMID:38358045
|
研究论文 | 本文介绍了一种便携式衍射相位显微镜（DPM）系统，用于数字病理学中的定量相位成像 | 开发了一种便携式DPM系统，无需染色即可区分生物组织结构和细胞，并应用深度学习技术进行虚拟染色 | NA | 开发一种便携式系统，使定量相位成像在病理学中的应用更加普及 | 小鼠各种器官的细胞和组织结构 | 数字病理学 | NA | 衍射相位显微镜（DPM） | 深度学习 | 图像 | 小鼠各种器官 | NA | NA | NA | NA |
| 276 | 2024-09-30 |
Machine Learning for Sequence and Structure-Based Protein-Ligand Interaction Prediction
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01841
PMID:38385768
|
研究论文 | 本文探讨了基于序列和结构的计算方法在蛋白质-配体相互作用预测中的应用 | 本文总结了经典机器学习模型和深度学习模型在蛋白质-配体相互作用研究中的应用，并提出了模型评估方法和可解释性 | 本文未详细讨论具体模型的性能和比较 | 研究如何利用机器学习方法准确预测蛋白质-配体相互作用，以加速药物发现过程 | 蛋白质-配体相互作用 | 机器学习 | NA | 机器学习 | 经典机器学习模型和深度学习模型 | 序列和结构数据 | NA | NA | NA | NA | NA |
| 277 | 2024-09-20 |
ChildAugment: Data augmentation methods for zero-resource children's speaker verification
2024-03-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0025178
PMID:38530014
|
研究论文 | 本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音 | 创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性 | NA | 研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性 | 研究对象是儿童说话人验证系统及其数据增强方法 | 机器学习 | NA | 数据增强 | 时间延迟神经网络识别器 | 语音 | 使用了CSLU kids语料库进行评估 | NA | NA | NA | NA |
| 278 | 2024-09-14 |
phylaGAN: data augmentation through conditional GANs and autoencoders for improving disease prediction accuracy using microbiome data
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae161
PMID:38569898
|
研究论文 | 本文提出了一种基于条件生成对抗网络（C-GAN）和自动编码器的深度学习框架phylaGAN，用于通过数据增强提高微生物组数据疾病预测的准确性 | 本文创新性地结合了条件生成对抗网络和自动编码器，生成模拟的微生物组数据，以解决现有机器学习方法在微生物组数据预测中面临的样本量小、样本不平衡和高成本等问题 | 本文未详细讨论生成的合成数据在实际临床应用中的潜在风险和伦理问题 | 提高微生物组数据疾病预测的准确性 | 微生物组数据 | 机器学习 | NA | 条件生成对抗网络（C-GAN）、自动编码器 | C-GAN、自动编码器 | 微生物组数据 | 涉及两个数据集（T2D研究和肝硬化研究）以及一个外部验证队列（肥胖和瘦弱受试者分类） | NA | NA | NA | NA |
| 279 | 2024-09-14 |
MINDG: a drug-target interaction prediction method based on an integrated learning algorithm
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae147
PMID:38483285
|
研究论文 | 提出了一种基于集成学习算法的药物-靶点相互作用预测方法MINDG | 结合了深度学习和图学习的优势，通过混合深度网络提取序列特征，并提出高阶图注意力卷积网络来捕捉结构特征，最终通过多视角自适应集成决策模块提升预测性能 | NA | 解决现有药物-靶点相互作用预测方法的局限性，提升预测性能 | 药物-靶点相互作用 | 机器学习 | NA | 深度学习，图学习 | 混合深度网络，高阶图注意力卷积网络 | 序列数据，结构数据 | 两个数据集 | NA | NA | NA | NA |
| 280 | 2024-09-14 |
TemStaPro: protein thermostability prediction using sequence representations from protein language models
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae157
PMID:38507682
|
研究论文 | 本文介绍了一种基于蛋白质语言模型嵌入的蛋白质热稳定性预测方法 | 利用预训练的蛋白质语言模型生成嵌入，通过迁移学习高效训练和验证高性能预测模型 | NA | 开发一种可靠的蛋白质热稳定性预测方法 | 蛋白质序列及其热稳定性 | 机器学习 | NA | 蛋白质语言模型 | NA | 序列 | 超过一百万个序列 | NA | NA | NA | NA |