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 479 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 | 2024-10-24 |
Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design
2024-Apr-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.19.590222
PMID:38712216
|
研究论文 | 研究探讨了基于结构的深度学习方法在T细胞受体设计中的潜力 | 首次探索了两种基于结构的深度学习蛋白质设计方法（ProteinMPNN和ESM-IF）在固定骨架T细胞受体设计中的应用 | 研究中识别了现有方法的不足之处，需要进一步改进 | 探索基于结构的深度学习方法在设计T细胞受体以结合目标抗原肽方面的潜力 | T细胞受体及其与目标抗原肽的结合 | 机器学习 | 癌症 | 深度学习 | ProteinMPNN, ESM-IF | 蛋白质3D结构和序列 | NA | NA | NA | NA | NA |
| 262 | 2024-10-24 |
Calculating Protein-Ligand Residence Times Through State Predictive Information Bottleneck based Enhanced Sampling
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.16.589710
PMID:38659748
|
研究论文 | 本文提出了一种半自动化的协议，通过基于深度学习的SPIB方法和增强采样技术metadynamics来计算蛋白质-配体复合物的停留时间 | 本文首次将深度学习方法SPIB与增强采样技术metadynamics结合，用于计算蛋白质-配体复合物的停留时间，并展示了其在多个蛋白质-配体复合物中的应用效果 | 本文仅在六个蛋白质-配体复合物上进行了验证，未来需要在更多样化的数据集上进行测试 | 提高药物疗效和理解生物化学中的目标识别机制 | 蛋白质-配体复合物的停留时间 | 生物化学 | 癌症 | 分子动力学模拟 | 深度学习模型 | 蛋白质-配体复合物数据 | 六个蛋白质-配体复合物，包括抗癌药物Imatinib（Gleevec）与野生型Abl激酶及其耐药突变体的解离 | NA | NA | NA | NA |
| 263 | 2024-10-24 |
Design of the COMEBACK and BACKHOME Studies, Longitudinal Cohorts for Comprehensive Deep Phenotyping of Adults with Chronic Low-Back Pain (cLBP): a part of the BACPAC Research Program
2024-Apr-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.09.24305574
PMID:38645207
|
研究论文 | 本文介绍了COMEBACK和BACKHOME两个纵向队列研究的设计，旨在对慢性腰背痛（cLBP）成人进行全面深度表型分析 | 本文提出了两个大型纵向队列研究，旨在通过深度表型分析定义慢性腰背痛的亚型和疼痛机制，以推动个性化治疗的发展 | NA | 定义慢性腰背痛的表型和疼痛机制，以推动个性化治疗的发展 | 慢性腰背痛（cLBP）成人 | NA | 腰背痛 | 深度学习方法 | NA | 传统数据分析 | COMEBACK研究涉及450名成人，BACKHOME研究涉及约3000名美国成人 | NA | NA | NA | NA |
| 264 | 2024-10-21 |
Quantization avoids saddle points in distributed optimization
2024-Apr-23, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319625121
PMID:38640343
|
研究论文 | 本文研究了分布式非凸优化中的鞍点问题，并提出了一种利用量化技术避免鞍点的解决方案 | 提出了一种随机量化方案，能够有效逃离鞍点并确保收敛到二阶平稳点 | NA | 解决分布式非凸优化中的鞍点问题 | 分布式系统中的非凸优化问题 | 机器学习 | NA | 量化技术 | NA | 数据集 | 使用基准数据集进行实验 | NA | NA | NA | NA |
| 265 | 2024-10-19 |
Synthetically accessible de novo design using reaction vectors: Application to PARP1 inhibitors
2024-Apr, Molecular informatics
IF:2.8Q2
DOI:10.1002/minf.202300183
PMID:38258328
|
研究论文 | 本文介绍了基于反应向量的从头设计方法，应用于合成可及且具有生物活性的PARP1抑制剂 | 本文提出了一种基于反应向量的从头设计方法，通过模拟合成化学和已知的反应步骤，直接解决合成可及性问题 | 使用少量手工编码的转换限制了可访问的化学空间，且在文献中成功设计和执行分子及其合成路线的例子较少 | 验证基于反应向量的软件在设计合成可及且具有生物活性的化合物方面的有效性 | 设计合成可及且具有生物活性的PARP1抑制剂 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 266 | 2024-10-05 |
A Deep Learning Model Enhances Clinicians' Diagnostic Accuracy to More Than 96% for Anterior Cruciate Ligament Ruptures on Magnetic Resonance Imaging
2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2023.08.010
PMID:37597705
|
研究论文 | 开发了一种深度学习模型，用于在磁共振成像（MRI）上准确检测前交叉韧带（ACL）撕裂，并评估其对临床医生诊断准确性和效率的影响 | 该模型显著提高了所有临床医生的诊断准确性，超过96%，并且在诊断时间上也有显著减少 | 研究是回顾性的，且样本主要来自特定时间段和特定中心的患者 | 开发和验证一种深度学习模型，以提高临床医生对前交叉韧带撕裂的诊断准确性和效率 | 前交叉韧带撕裂的诊断 | 计算机视觉 | 运动损伤 | 深度学习 | 深度学习模型 | 图像 | 训练数据集包含22,767个MRI，验证数据集包含4,086个MRI，共有38名临床医生参与诊断3,800个MRI | NA | NA | NA | NA |
| 267 | 2024-10-05 |
Editorial Commentary: Artificial Intelligence Analysis of Biomedical, Large, Clinical Registry Data Using Machine Learning Requires Tens of Thousands of Subjects and a Focus on Substantial Clinical Benefit: Minimal Clinically Important Difference Is too Low a Bar
2024-04, Arthroscopy : the journal of arthroscopic & related surgery : official publication of the Arthroscopy Association of North America and the International Arthroscopy Association
IF:4.4Q1
DOI:10.1016/j.arthro.2023.10.035
PMID:38219135
|
评论 | 本文讨论了使用机器学习分析大型临床注册数据以评估髋关节镜手术效果的必要性 | 提出需要数万名受试者进行深度学习模型训练，并强调临床相关性指标应超越最小临床重要差异（MCID） | 未提及具体限制 | 探讨如何利用机器学习分析大型临床注册数据以评估髋关节镜手术效果 | 髋关节镜手术对髋关节撞击综合征（FAIS）患者的疗效 | 机器学习 | 髋关节疾病 | 机器学习 | 深度学习模型 | 临床注册数据 | 数万名受试者 | NA | NA | NA | NA |
| 268 | 2024-10-05 |
Leveraging code-free deep learning for pill recognition in clinical settings: A multicenter, real-world study of performance across multiple platforms
2024-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102844
PMID:38553153
|
研究论文 | 本研究探讨了在临床环境中利用无代码深度学习（CFDL）进行药片识别的可行性，并通过多中心真实世界研究评估了其在不同平台上的性能 | 本研究首次探索了无代码深度学习（CFDL）在药片识别模型开发中的应用，并评估了其在实际临床环境中的性能 | 尽管模型在在线API上表现良好，但在离线模式和Android应用上的性能有所下降，且存在依赖颜色特征和设备依赖性的问题 | 研究无代码深度学习（CFDL）在药片识别模型开发中的可行性，并评估其在多中心临床环境中的实际应用效果 | 药片识别模型在不同部署场景和多中心临床环境中的性能 | 计算机视觉 | NA | 无代码深度学习（CFDL） | TensorFlow Lite | 图像 | 26,880张图像，来自三家参与医院的30种最常用的固体口服制剂（SODFs） | NA | NA | NA | NA |
| 269 | 2024-10-05 |
Multicentric development and validation of a multi-scale and multi-task deep learning model for comprehensive lower extremity alignment analysis
2024-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102843
PMID:38553152
|
研究论文 | 本文开发并验证了一种用于下肢综合对齐分析的多尺度多任务深度学习模型 | 该模型能够自动分析前-后位下肢全长X光片，显著提高分析速度和一致性，与专业骨科医生的准确性相当 | NA | 提高下肢对齐分析的自动化程度和效率 | 下肢对齐分析 | 计算机视觉 | 骨关节炎 | 深度学习 | 多任务深度学习模型 | 图像 | 594名患者的下肢全长X光片 | NA | NA | NA | NA |
| 270 | 2024-10-05 |
Automatic quantitative stroke severity assessment based on Chinese clinical named entity recognition with domain-adaptive pre-trained large language model
2024-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102822
PMID:38553162
|
研究论文 | 本研究开发了一种基于领域自适应预训练大语言模型的中文临床命名实体识别系统，用于自动定量评估中风严重程度 | 本研究提出了一个自动化的中风严重程度评估框架，通过领域自适应预训练大语言模型和深度学习技术，实现了从中文电子健康记录中自动提取实体并进行NIHSS评分 | NA | 开发一种自动化的中风严重程度评估框架，通过自动化整个NIHSS评分过程，提高评估的准确性和效率 | 中风严重程度的定量评估 | 自然语言处理 | 中风 | 领域自适应预训练大语言模型 | 深度学习模型 | 文本 | 从合作医院提供的电子健康记录中构建了一个名为“Chinese Stroke Clinical Records”（CSCR）的密集注释数据集 | NA | NA | NA | NA |
| 271 | 2024-10-05 |
Trustworthy clinical AI solutions: A unified review of uncertainty quantification in Deep Learning models for medical image analysis
2024-04, Artificial intelligence in medicine
IF:6.1Q1
DOI:10.1016/j.artmed.2024.102830
PMID:38553168
|
综述 | 本文综述了深度学习模型在医学图像分析中的不确定性量化方法 | 本文提出了结构不确定性概念，并讨论了评估不确定性估计的相关性协议 | 本文未提供具体的不确定性量化方法的实现细节 | 探讨如何通过不确定性量化方法提高深度学习模型在临床领域的可信度和接受度 | 深度学习模型在医学图像分析中的不确定性量化方法 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 272 | 2024-10-03 |
Essential and virulence-related protein interactions of pathogens revealed through deep learning
2024-Apr-12, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.12.589144
PMID:38645026
|
研究论文 | 本文开发了一种基于深度学习的管道，利用残基共进化和蛋白质结构预测来系统地识别和结构化表征蛋白质-蛋白质相互作用 | 本文首次利用深度学习技术在全蛋白质组范围内系统地识别和结构化表征蛋白质-蛋白质相互作用，并验证了其有效性 | 实验验证的样本量较小，仅验证了12个预测中的6个 | 通过识别细菌蛋白质-蛋白质相互作用及其复合物结构，帮助理解致病机制并开发传染病治疗方法 | 19种人类细菌病原体的蛋白质-蛋白质相互作用及其复合物结构 | 机器学习 | NA | 深度学习 | NA | 蛋白质数据 | 7800万对蛋白质，涉及19种人类细菌病原体，识别出1923个涉及必需基因的复合物和256个涉及毒力因子的复合物 | NA | NA | NA | NA |
| 273 | 2024-09-25 |
Training Robust T1-Weighted Magnetic Resonance Imaging Liver Segmentation Models Using Ensembles of Datasets with Different Contrast Protocols and Liver Disease Etiologies
2024-Apr-30, Research square
DOI:10.21203/rs.3.rs-4259791/v1
PMID:38746406
|
研究论文 | 本文开发了一种深度学习模型，用于在T1加权磁共振图像上自动分割肝脏 | 本文通过使用来自不同数据集和对比协议的819张T1加权MR图像，训练了三种不同的深度学习架构，并比较了它们在不同数据集上的测试性能，发现nnUNet模型在不同数据集上的表现最为稳健 | 本文未详细讨论模型在实际临床应用中的表现和局限性 | 研究如何通过使用多样化的数据集和对比协议来训练稳健的肝脏分割模型 | T1加权磁共振图像中的肝脏 | 计算机视觉 | 肝癌 | 磁共振成像（MRI） | nnUNet | 图像 | 819张T1加权MR图像，来自六个不同的数据集 | NA | NA | NA | NA |
| 274 | 2024-09-21 |
Scalable Surveillance of E-Cigarette Products on Instagram and TikTok Using Computer Vision
2024-04-22, Nicotine & tobacco research : official journal of the Society for Research on Nicotine and Tobacco
IF:3.0Q2
DOI:10.1093/ntr/ntad224
PMID:37947283
|
研究论文 | 开发了一种基于计算机视觉的模型，用于在Instagram和TikTok上识别电子烟产品 | 首次使用图像为基础的计算机视觉模型来识别社交媒体中的电子烟产品 | 模型在某些对象类别上的准确性仍有提升空间 | 开发和评估一种用于社交媒体图像和视频中电子烟产品检测的计算机视觉模型 | Instagram和TikTok上的电子烟相关内容 | 计算机视觉 | NA | 深度学习 | DyHead对象检测模型 | 图像和视频 | 6999张Instagram图片和14072段TikTok视频（共10276485帧） | NA | NA | NA | NA |
| 275 | 2024-09-21 |
Digital health technologies for high-risk pregnancy management: three case studies using Digilego framework
2024-Apr, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae022
PMID:38455839
|
研究论文 | 本文介绍了利用Digilego框架开发的三种数字健康技术，用于高危妊娠管理 | 本文的创新点在于利用社交计算、数据科学和数字健康技术开发了一系列数字产品，以支持高危妊娠管理 | 本文的局限性在于初步测试的样本量较小，未来需要进一步的实施和测试 | 研究目的是开发和评估数字健康技术，以支持高危妊娠管理 | 研究对象包括妊娠糖尿病、高血压和围产期抑郁等高危妊娠条件 | 数字健康 | 妊娠相关疾病 | 社交计算、机器学习 | 深度学习分类器 | 文本 | 55,301条社交媒体帖子，10名妊娠糖尿病/高血压信息管理孕妇，30名围产期抑郁预防孕妇 | NA | NA | NA | NA |
| 276 | 2024-09-15 |
Deep transfer learning with fuzzy ensemble approach for the early detection of breast cancer
2024-Apr-08, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01267-8
PMID:38589813
|
研究论文 | 本文研究了使用深度学习和模糊集成方法进行乳腺癌早期检测 | 提出了基于改进的Gompertz函数的模糊排名方法，用于集成深度学习模型的决策分数，以提高分类准确性 | NA | 研究乳腺癌的早期检测 | 乳腺肿瘤的早期检测 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 使用了四个公共数据库，每个数据库包含986张乳腺X光片，分为三类（正常、良性、恶性） | NA | NA | NA | NA |
| 277 | 2024-09-14 |
Machine learning in cardiac surgery: a narrative review
2024-Apr-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-23-1659
PMID:38738250
|
综述 | 本文综述了机器学习在心脏外科中的应用，特别是其在预测分析和临床决策支持中的作用 | 机器学习方法在心脏外科中用于生成术前风险概况，能够准确预测临床结果 | 与传统风险指标相比，机器学习在预测性能上的改进有限，当前在临床设置中的应用仍然有限 | 探讨机器学习在心脏外科中的临床应用及其在预测分析和临床决策支持中的潜力 | 心脏外科中的机器学习方法及其在临床决策支持中的应用 | 机器学习 | 心血管疾病 | 机器学习 | NA | 电子健康记录数据 | NA | NA | NA | NA | NA |
| 278 | 2024-09-14 |
Demystifying AI: Current State and Future Role in Medical Education Assessment
2024-04-01, Academic medicine : journal of the Association of American Medical Colleges
IF:5.3Q1
DOI:10.1097/ACM.0000000000005598
PMID:38166201
|
研究论文 | 本文探讨了人工智能在医学教育评估中的现状和未来角色，介绍了精准教育的概念，并讨论了AI在解决传统评估方法局限性方面的潜力和挑战 | 提出了精准教育的概念，并探讨了AI在个性化教育体验中的应用，包括主动数据收集、客观评估和资源负担减轻 | 讨论了将AI整合到医学教育中的关键挑战和伦理考虑，如算法透明性、数据隐私和偏见传播 | 探讨AI在医学教育评估中的应用，旨在提高评估效率和公平性 | 医学教育评估中的数据复杂性、资源限制、偏见、反馈转化和教育连续性 | 机器学习 | NA | 人工智能（AI）、机器学习（ML）、深度学习（DL） | NA | 数据 | NA | NA | NA | NA | NA |
| 279 | 2024-09-13 |
A deep learning-based approach for unbiased kinematic analysis in CNS injury
2024-Apr-12, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.08.588606
PMID:38645091
|
研究论文 | 本文介绍了一种基于深度学习的方法，用于脊髓损伤后无偏差的运动学分析 | 开发了两种基于深度学习算法的无标记运动学分析范式，MotorBox和MotoRater，用于替代传统的BMS测试，消除了评估中的主观偏差和变异性 | NA | 提高脊髓损伤后功能评估的准确性、敏感性和可重复性 | 脊髓损伤后的运动功能评估 | 机器学习 | 脊髓损伤 | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 280 | 2024-09-13 |
Automated cutaneous squamous cell carcinoma grading using deep learning with transfer learning
2024 Apr-Jun, Romanian journal of morphology and embryology = Revue roumaine de morphologie et embryologie
DOI:10.47162/RJME.65.2.10
PMID:39020538
|
研究论文 | 本研究开发并验证了一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级 | 利用迁移学习训练三种不同架构的深度神经网络，提高了诊断准确性和效率 | NA | 开发和验证一种基于深度学习的模型，用于自动化皮肤鳞状细胞癌的病理分级 | 皮肤鳞状细胞癌的病理分级 | 计算机视觉 | 皮肤癌 | 深度学习 | 深度神经网络（DNN） | 图像 | 300张皮肤鳞状细胞癌的病理图像，60张用于临床验证 | NA | NA | NA | NA |