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 444 篇文献，本页显示第 381 - 400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2024-08-13 |
MAIRNet: weakly supervised anatomy-aware multimodal articulated image registration network
2024-Mar, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-023-03056-0
PMID:38236477
|
研究论文 | 提出了一种新的弱监督解剖学意识多模态关节图像配准网络MAIRNet，以解决多模态关节图像配准的挑战性问题 | MAIRNet包含两个分支：一个非可学习的多刚体配准分支用于估计初始速度场，和一个可学习的可变形配准分支用于学习增量，这两个分支共同工作以生成最终的位移场 | NA | 开发一种新的多模态关节图像配准方法 | 多模态关节图像配准问题 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 在三个数据集上进行了综合实验，包括髋部数据集、腰椎脊柱数据集和胸椎脊柱数据集 | NA | NA | NA | NA |
| 382 | 2024-08-12 |
Optimization of news dissemination push mode by intelligent edge computing technology for deep learning
2024-Mar-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-53859-7
PMID:38509163
|
研究论文 | 本研究提出了一种基于深度学习和强化学习的新推荐算法，以优化新闻传播的推送模式 | 引入强化学习算法与深度学习相结合，提高了新闻推荐的准确性和用户满意度 | NA | 优化新闻传播的推送模式，提升用户对新闻网站的满意度 | 新闻推荐系统及其推送模式 | 机器学习 | NA | 深度学习, 强化学习 | Deep Deterministic Policy Gradient (DDPG) | 文本 | 涉及全球超过4亿互联网用户和3亿社交媒体用户的新闻内容 | NA | NA | NA | NA |
| 383 | 2024-08-10 |
Improving rehabilitation of deaf patients by advanced imaging before cochlear implantation
2024-Mar, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2023.10.002
PMID:37806523
|
综述 | 本文综述了在耳蜗植入前使用先进成像技术预测听力康复效果的研究 | 使用扩散加权磁共振成像（DWI）和功能磁共振成像（fMRI）评估中央听觉通路，以及通过CT扫描、锥束CT和MRI进行自动迷路分割 | NA | 评估耳蜗植入前解剖成像技术对预测聋患者听力康复效果的帮助 | 成年单侧或双侧听力损失患者 | NA | 聋病 | 扩散加权磁共振成像（DWI），功能磁共振成像（fMRI），CT扫描，MRI分割 | 深度学习 | 图像 | 51项研究 | NA | NA | NA | NA |
| 384 | 2024-08-09 |
MRI-Based Radiomics Methods for Predicting Ki-67 Expression in Breast Cancer: A Systematic Review and Meta-analysis
2024-Mar, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.10.010
PMID:37925343
|
meta-analysis | 本系统综述和荟萃分析旨在评估基于MRI的放射组学预测乳腺癌Ki-67表达的质量和诊断准确性 | 使用深度学习放射组学方法、不同磁场强度、扫描仪制造商、感兴趣区域结构、组织采样途径、Ki-67截断值、逻辑回归模型构建、LASSO特征减少以及PyRadiomics软件特征提取等因素对异质性有显著影响 | 基于MRI的放射组学的敏感性和特异性仍未超过90%，限制了其作为补充当前病理评估方法（如活检或手术）以准确预测Ki-67表达的应用 | 评估基于MRI的放射组学预测乳腺癌Ki-67表达的质量和诊断准确性 | 乳腺癌患者的Ki-67表达 | digital pathology | breast cancer | MRI-based radiomics | NA | image | 31项研究纳入系统综述，其中21项报告了足够数据进行荟萃分析，包括20个训练队列和5个验证队列 | NA | NA | NA | NA |
| 385 | 2024-08-08 |
Predicting long-term progression of Alzheimer's disease using a multimodal deep learning model incorporating interaction effects
2024-03-11, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05025-w
PMID:38468358
|
研究论文 | 本研究开发了一种结合交互效应和多模态数据的深度学习模型，用于预测阿尔茨海默病长期进展 | 模型创新性地结合了交互效应和多模态数据，显著提高了预测准确性和时间范围 | NA | 旨在提高从轻度认知障碍到阿尔茨海默病转换的预测准确性和长期性 | 轻度认知障碍患者及其向阿尔茨海默病的转换 | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 结构磁共振成像、临床评估和遗传多态性数据 | 252名轻度认知障碍患者 | NA | NA | NA | NA |
| 386 | 2024-08-07 |
Enhancing Generalizability in Protein-Ligand Binding Affinity Prediction with Multimodal Contrastive Learning
2024-03-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01961
PMID:38441880
|
研究论文 | 本文提出了一种基于图神经网络的评分函数，通过三重对比学习损失改进蛋白质-配体结合亲和力的预测 | 引入了多模态对比学习方法，结合三维复合物表示和二维配体及粗粒度口袋表示，提高了蛋白质-配体相互作用的理解 | NA | 提高蛋白质-配体结合亲和力预测的泛化能力 | 蛋白质-配体结合亲和力 | 机器学习 | NA | 图神经网络 | 图神经网络 | 三维复合物表示和二维配体及粗粒度口袋表示 | 多个外部数据集 | NA | NA | NA | NA |
| 387 | 2024-08-07 |
DeePNAP: A Deep Learning Method to Predict Protein-Nucleic Acid Binding Affinity from Their Sequences
2024-03-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01151
PMID:38458968
|
研究论文 | 提出了一种基于深度学习的模型DeePNAP，用于仅从序列预测蛋白质-核酸结合亲和力 | DeePNAP模型利用大量异构数据集进行训练，仅使用序列特征进行预测，提高了预测的多样性和通用性 | NA | 开发一种新的机器学习模型，用于从序列预测蛋白质-核酸结合亲和力 | 蛋白质-核酸结合亲和力和突变引起的自由能变化 | 机器学习 | NA | 深度学习 | 机器学习模型 | 序列 | 14,401个来自ProNAB数据库的野生型和突变型蛋白质-核酸复合物结合参数 | NA | NA | NA | NA |
| 388 | 2024-08-07 |
Computational Chemistry in Structure-Based Solute Carrier Transporter Drug Design: Recent Advances and Future Perspectives
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01736
PMID:38294194
|
综述 | 本文综述了计算化学在基于结构的溶质载体转运蛋白药物设计中的最新进展和未来展望 | 利用计算化学，包括基于物理的分子建模和基于机器学习及深度学习的人工智能，为经典药物发现方法提供了一种替代和互补的方式 | 目前只有约9.8%的SLC超家族成员具有3D结构和特定结合位点 | 深入理解SLC超家族的结构和功能，以促进新型调节剂的理性设计 | 溶质载体转运蛋白（SLCs）及其在多种复杂疾病治疗中的应用 | 药物设计 | NA | 计算化学 | 人工智能（AI） | 蛋白质结构 | 约450种SLCs中仅有44种具有3D结构 | NA | NA | NA | NA |
| 389 | 2024-08-07 |
AlphaFold2 Predicts Whether Proteins Interact Amidst Confounding Structural Compatibility
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01805
PMID:38373070
|
research paper | 本文测试了AlphaFold2在预测结构兼容但非相互作用的蛋白质对时的预测能力 | AlphaFold2能够在蛋白质结构兼容的情况下有效区分相互作用和非相互作用的蛋白质 | 部分错误分类的情况可以通过重新审视输入序列来纠正，但也可能揭示数据集中的假阳性和假阴性 | 评估AlphaFold2在预测蛋白质相互作用中的应用潜力 | 蛋白质相互作用的预测 | machine learning | NA | AlphaFold2 | NA | 蛋白质结构数据 | 一个具有挑战性的数据集 | NA | NA | NA | NA |
| 390 | 2024-08-04 |
PS2MS: A Deep Learning-Based Prediction System for Identifying New Psychoactive Substances Using Mass Spectrometry
2024-03-26, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c05019
PMID:38488022
|
研究论文 | 该论文介绍了一种名为PSMS的基于深度学习的预测系统，用于识别新型精神活性物质。 | PSMS通过建立合成的NPS数据库，使用深度学习生成质谱和化学指纹，突破了传统方法的限制。 | 该研究可能在某些情况下面临识别新型毒品的准确性问题，特别是当数据集不够完整时。 | 研究旨在开发一种新系统以有效识别新型精神活性物质。 | 研究对象是新型精神活性物质及其相关衍生物。 | 数字病理学 | NA | 质谱 | 深度学习 | 质谱数据 | 在实际证据样本中识别了一些卡他酮衍生物 | NA | NA | NA | NA |
| 391 | 2024-08-04 |
Rapid and Precise Differentiation and Authentication of Agricultural Products via Deep Learning-Assisted Multiplex SERS Fingerprinting
2024-03-19, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c00064
PMID:38450485
|
研究论文 | 本文提出了一种结合多重表面增强拉曼散射(SERS)指纹技术与一维卷积神经网络(1D-CNN)的新方法，用于快速准确地区别和验证农业产品 | 该方法结合了三种不同的SERS活性纳米颗粒作为多重传感器，通过构建'SERS超级指纹'来提高农业产品的识别精度 | 文章中未明确指出具体的局限性 | 研究农业产品的来源和质量的快速准确识别与验证 | 主要研究对象为农业产品及其掺假样品 | 数字病理 | NA | 多重表面增强拉曼散射(SERS) | 一维卷积神经网络(1D-CNN) | 光谱数据 | 多个农业产品和模拟的掺假样品 | NA | NA | NA | NA |
| 392 | 2024-08-04 |
Convolutional Neural Network-Driven Impedance Flow Cytometry for Accurate Bacterial Differentiation
2024-03-19, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c04421
PMID:38448396
|
研究论文 | 本研究开发了一种基于卷积神经网络的阻抗流式细胞术方法，以提高细菌的分类准确性和效率 | 该研究使用卷积神经网络深度学习方法，提高了阻抗流式细胞术在细菌物种区分上的准确性和效率 | 研究中未提及对特定细菌种类的识别是否可以普遍适用 | 提升阻抗流式细胞术在细菌种类区分的准确性 | 不同物种的细菌及其电特性 | 数字病理学 | NA | 阻抗流式细胞术 | 卷积神经网络 | 阻抗数据 | 超过100万组不同细菌的阻抗数据 | NA | NA | NA | NA |
| 393 | 2024-08-04 |
DeepION: A Deep Learning-Based Low-Dimensional Representation Model of Ion Images for Mass Spectrometry Imaging
2024-03-05, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c05002
PMID:38377545
|
研究论文 | 本研究提出了DeepION，一个基于深度学习的离子图像低维表示模型，用于质谱成像的离子识别 | DeepION通过引入对比学习，实现了自监督的离子图像表示，并设计了特殊的数据增强策略以适应质谱成像数据的特点 | 在低信噪比和缺乏标注数据集的情况下，离子图像表示的有效性仍然面临挑战 | 研究旨在提升质谱成像中离子图像的低维表示效果，以改善共定位离子和同位素离子的识别 | 本研究主要针对生物样品中的离子图像 | 数字病理学 | NA | 质谱成像 (MSI) | 深度学习模型 | 图像 | 实验使用了大鼠脑组织的质谱成像数据 | NA | NA | NA | NA |
| 394 | 2024-08-05 |
Feasibility of deep learning-reconstructed thin-slice single-breath-hold HASTE for detecting pancreatic lesions: A comparison with two conventional T2-weighted imaging sequences
2024-Mar, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2023.100038
PMID:39076579
|
研究论文 | 本研究评估了深度学习重建的纤薄切片单次呼气半傅里叶单次激发涡旋回音成像（HASTEDL）在检测胰腺病变中的临床可行性 | 首次比较了深度学习重建的HASTE与传统T2加权成像序列的效果，展现了HASTEDL在图像质量和获取时间上的优势 | 研究样本量相对较小，且为回顾性研究 | 评估深度学习重建技术在胰腺病变检测中的应用效能 | 63名疑似胰腺相关疾病的患者 | 数字病理学 | 胰腺癌 | 深度学习重建 | NA | 图像 | 63名患者 | NA | NA | NA | NA |
| 395 | 2024-08-05 |
Development of a deep learning model for the automated detection of green pixels indicative of gout on dual energy CT scan
2024-Mar, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2024.100044
PMID:39076582
|
研究论文 | 本研究开发了一种深度学习模型用于在双能CT扫描中自动检测指示痛风的绿色像素 | 提出了一种优化的深度学习算法，用于对双能CT图像中绿色编码的MSU晶体进行分割 | 该研究的数据集较小，仅包含58个样本 | 研究痛风患者的双能CT图像中MSU晶体的自动检测 | 双能CT图像中的绿色编码像素，代表MSU晶体 | 数字病理学 | 痛风 | 双能CT | Segresnet, SwinUNETR | 图像 | 58个样本（28个训练集和30个测试集） | NA | NA | NA | NA |
| 396 | 2024-08-05 |
Panoramic imaging errors in machine learning model development: a systematic review
2024-Mar-25, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae002
PMID:38273661
|
系统评估 | 本研究探讨了机器学习模型开发中全景放射成像数据集的管理和成像误差问题 | 揭示了机器学习研究中全景成像误差管理的不一致性，并提出了需要更多研究来理解低质量输入对模型性能的影响 | 研究表明各项研究的成像质量评估标准差异较大，易受到偏见的影响 | 旨在研究全景放射数据集中成像误差的管理 | 涉及使用机器学习模型的全景放射影像研究 | 机器学习 | NA | 深度学习 | 深度学习模型 | 影像 | 共筛选400篇文章，符合纳入标准的有41篇 | NA | NA | NA | NA |
| 397 | 2024-08-05 |
A systematic review on deep learning-based automated cancer diagnosis models
2024-03, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.18144
PMID:38426930
|
综述 | 本文提供了关于基于深度学习的癌症自动诊断模型的系统评价 | 本文分析了2016年至2022年期间的最新研究，比较了不同类型的深度学习模型在癌症早期诊断中的应用 | 讨论了现有基于深度学习的自动癌症诊断模型的各种不足之处 | 评估基于深度学习的癌症自动诊断模型的有效性 | 重点关注乳腺癌、肺癌、肝癌、脑癌和宫颈癌等五大类癌症 | 深度学习 | 癌症 | 深度学习 | 卷积神经网络 | NA | NA | NA | NA | NA | NA |
| 398 | 2024-08-05 |
Autologous Transplantation Tooth Guide Design Based on Deep Learning
2024-03, Journal of oral and maxillofacial surgery : official journal of the American Association of Oral and Maxillofacial Surgeons
IF:2.3Q2
DOI:10.1016/j.joms.2023.09.014
PMID:37832596
|
研究论文 | 本文探讨了基于深度学习的自体牙移植手术引导设计的可行性 | 提出了一种替代传统设计流程的深度学习驱动的自体牙移植引导设计方案 | 该研究基于回顾性横断面设计，可能存在选择偏差 | 评估使用深度学习技术进行自体牙移植引导设计的可行性 | 79个来自广州市医学大学医院的CBCT图像 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 79个CBCT图像和5070个感兴趣区域图像 | NA | NA | NA | NA |
| 399 | 2024-08-05 |
A fully automated deep learning approach for coronary artery segmentation and comprehensive characterization
2024-Mar, APL bioengineering
IF:6.6Q1
DOI:10.1063/5.0181281
PMID:38269204
|
研究论文 | 提出了一种完全自动化的深度学习方法，用于冠状动脉分割和综合特征分析 | 创新点在于开发了一个全自动化的管道，能够实现冠状动脉的分割以及冠状动脉钙化和扭曲的客观分析 | 该研究可能存在对特定数据集的依赖性，且只在CCTA图像上进行了验证 | 本研究旨在提供一种快速且客观的工具，以协助临床医生进行冠状动脉疾病风险评估 | 研究对象为281幅经过手动注释的CCTA图像 | 数字病理学 | 冠心病 | 冠状动脉计算机断层血管造影（CCTA） | 基于U-Net的双阶段模型 | 图像 | 281幅CCTA图像 | NA | NA | NA | NA |
| 400 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2024-03-19, Alzheimer's research & therapy
DOI:10.1186/s13195-024-01428-5
PMID:38504336
|
研究论文 | 本研究比较了预定义的方法与深度学习在预测阿尔茨海默病患者脑萎缩模式的表现 | 该研究首次评估了使用深度学习模型与传统方法相比，使用整个脑图像来提高MRI预测阿尔茨海默病相关认知衰退的能力 | 深度学习模型在预测阿尔茨海默病进展方面的表现未优于基于预定义脑区的回归模型 | 研究阿尔茨海默病早期认知衰退的预测方法 | 332名有主观认知衰退或轻度认知障碍的个体 | 数字病理学 | 阿尔茨海默病 | MRI | 深度学习模型 | 结构性脑影像 | 332名具有主观认知衰退/轻度认知障碍的个体 | NA | NA | NA | NA |