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 915 篇文献，本页显示第 761 - 780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 761 | 2024-08-07 |
DeepDive: estimating global biodiversity patterns through time using deep learning
2024-May-17, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48434-7
PMID:38760390
|
研究论文 | 本研究通过深度学习模型和随机模拟方法，推断全球或区域尺度上的生物多样性随时间的变化，并考虑了空间、时间和分类学采样变异 | 本方法在模拟数据集上优于其他方法，特别是在大空间尺度上，提供了在多种保存场景下稳健的古生物多样性估计 | NA | 理解生物多样性随时间的变化是进化生物学的核心目标 | 全球或区域尺度上的生物多样性随时间的变化 | 机器学习 | NA | 深度学习 | 深度学习模型 | 数据集 | 两个实证数据集，分别涉及二叠纪-三叠纪海洋动物记录和新生代长鼻类动物的演化 | NA | NA | NA | NA |
| 762 | 2024-08-07 |
A domain knowledge-based interpretable deep learning system for improving clinical breast ultrasound diagnosis
2024-May-17, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00518-7
PMID:38760506
|
研究论文 | 本文提出了一种基于领域知识的可解释深度学习系统，用于提高临床乳腺超声诊断的准确性 | 该系统通过结合多模态超声图像和领域知识，提供了解释性特征，增强了与放射科医生的互动 | NA | 提高乳腺超声图像的自动解读准确性，并增强系统的临床应用性 | 乳腺超声图像和乳腺癌症风险预测 | 机器学习 | 乳腺癌症 | 深度学习 | 深度学习系统 | 图像 | 4320张多模态乳腺超声图像，来自1348名前瞻性入组患者 | NA | NA | NA | NA |
| 763 | 2024-08-07 |
Multi-step forecasting of dissolved oxygen in River Ganga based on CEEMDAN-AdaBoost-BiLSTM-LSTM model
2024-May-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61910-w
PMID:38755217
|
研究论文 | 本研究提出了一种结合CEEMDAN、AdaBoost和深度学习的新方法，用于对Ganga河的溶解氧进行多步预测 | 使用CEEMDAN生成不同频率的固有模态函数，捕捉数据的非线性和非平稳特性，并结合AdaBoost和BiLSTM进行预测 | NA | 提高溶解氧预测的准确性 | Ganga河的溶解氧 | 机器学习 | NA | CEEMDAN, AdaBoost, BiLSTM, LSTM | BiLSTM, LSTM | 时间序列数据 | Ganga河的十个站点数据 | NA | NA | NA | NA |
| 764 | 2024-08-07 |
AI-based disease category prediction model using symptoms from low-resource Ethiopian language: Afaan Oromo text
2024-05-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62278-7
PMID:38755269
|
研究论文 | 本文研究了基于Afaan Oromo语言症状文本的AI疾病分类预测模型 | 首次探索了在资源匮乏的Afaan Oromo语言中使用机器学习和深度学习方法进行疾病分类预测 | 由于缺乏标准语料库，研究使用了自行准备的数据集 | 开发一种能够自动从Afaan Oromo语言的症状文本中预测疾病类别的AI模型 | Afaan Oromo语言的症状文本 | 自然语言处理 | NA | 机器学习与深度学习 | 支持向量机、随机森林、逻辑回归、朴素贝叶斯、LSTM、GRU、双向LSTM | 文本 | 三个不同数量的患者症状数据集，分为10个类别 | NA | NA | NA | NA |
| 765 | 2024-08-07 |
Transformer fault diagnosis based on adversarial generative networks and deep stacked autoencoder
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30670
PMID:38765093
|
研究论文 | 本文采用条件Wasserstein生成对抗网络与梯度惩罚优化（CWGAN-GP）扩充变压器油色谱故障样本，并使用深度自编码器进行故障分类 | 提出了一种基于CWGAN-GP的样本扩充方法，提高了变压器故障诊断的准确性 | 需要大量的故障样本以避免过拟合和模型缺乏代表性 | 提高变压器故障诊断的准确性 | 变压器油色谱数据 | 机器学习 | NA | CWGAN-GP | 深度自编码器 | 油色谱数据 | 500组变压器油色谱数据，包含5种故障类型 | NA | NA | NA | NA |
| 766 | 2024-08-07 |
Multi-organ segmentation: a progressive exploration of learning paradigms under scarce annotation
2024-May-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad33b5
PMID:38479023
|
研究论文 | 本文探讨了在稀缺标注情况下，多器官分割任务中学习范式的渐进式探索 | 研究了利用外部数据集的迁移学习、包括未标注数据集的半监督学习和整合部分标注数据集的部分监督学习等标注效率高的学习范式 | 稀缺的标注数据限制了高性能多器官分割模型的发展 | 探索在稀缺标注情况下的自动分割方法，特别是基于深度学习的多器官分割方法 | 多器官分割任务 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 767 | 2024-08-07 |
An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries
2024-May-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48072-z
PMID:38730230
|
研究论文 | 本文介绍了一种名为MAGMA-seq的综合技术，用于定量分析人类抗体Fab库的广泛突变扫描 | MAGMA-seq技术结合了多种抗原和抗体，并利用深度测序确定定量生物物理参数，能够快速且可扩展地进行多重抗体工程 | NA | 旨在通过深度学习方法学习抗体分子识别，以实现对几乎任何蛋白质表面的高亲和力结合剂的计算机设计 | 研究对象包括九种不同人类抗体的突变体，涵盖轻链基因使用、CDR H3长度和抗原目标 | 生物技术 | NA | 深度测序 | NA | 序列数据 | 两个混合库，包含九种不同人类抗体的突变体 | NA | NA | NA | NA |
| 768 | 2024-08-07 |
Leveraging machine learning models for peptide-protein interaction prediction
2024-May-08, RSC chemical biology
IF:4.2Q2
DOI:10.1039/d3cb00208j
PMID:38725911
|
综述 | 本文综述了近年来利用机器学习和深度学习模型预测肽-蛋白质相互作用的研究进展 | 机器学习模型提供了比传统计算方法更高效、准确、稳健和可解释的预测解决方案 | NA | 综述机器学习和深度学习模型在预测肽-蛋白质相互作用方面的应用 | 肽-蛋白质相互作用的预测 | 机器学习 | NA | 机器学习 | 机器学习和深度学习模型 | 生物数据 | NA | NA | NA | NA | NA |
| 769 | 2024-08-07 |
Discovering optimal kinetic pathways for self-assembly using automatic differentiation
2024-May-07, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2403384121
PMID:38691585
|
研究论文 | 本文展示了如何利用自动微分算法在深度学习中常用的质量作用动力学模型参数空间中搜索，以识别促进自组装的动力学协议类别 | 通过使用自动微分算法，探索了自组装的动力学参数空间，揭示了如何通过内部设计速率常数或外部控制子单元来有效避免动力学陷阱 | 内部设计速率常数的方法对相对速率的选择有严格限制，而外部控制方法虽然更灵活，但效率和鲁棒性较低 | 研究如何通过优化动力学协议来实现高效和高产的自组装 | 自组装过程中的动力学陷阱和子单元的控制 | NA | NA | 自动微分算法 | 质量作用动力学模型 | NA | NA | NA | NA | NA | NA |
| 770 | 2024-08-07 |
Exploring the Association Between Structural Racism and Mental Health: Geospatial and Machine Learning Analysis
2024-May-03, JMIR public health and surveillance
IF:3.5Q1
DOI:10.2196/52691
PMID:38701436
|
研究论文 | 本研究探讨了结构性种族主义与心理健康之间的关联，采用地理空间和机器学习技术分析了密尔沃基县的数据 | 本研究采用地理空间分析和深度学习相结合的多方面方法，揭示了结构性种族主义对心理健康差异的影响 | 研究主要集中在密尔沃基县，可能限制了结果的普遍性 | 旨在阐明结构性种族主义与密尔沃基县心理健康差异之间的关联 | 研究对象为密尔沃基县的不同社区及其居民的心理健康状况 | 机器学习 | NA | 地理空间分析，深度学习 | 随机森林，地理加权随机森林，自组织映射，K-means聚类 | 地理参考数据 | 217个地理参考解释变量，涵盖多个领域 | NA | NA | NA | NA |
| 771 | 2024-08-07 |
External Validation of the Effect of the Combined Use of Object Detection for the Classification of the C-Shaped Canal Configuration of the Mandibular Second Molar in Panoramic Radiographs: A Multicenter Study
2024-May, Journal of endodontics
IF:3.5Q1
DOI:10.1016/j.joen.2024.01.022
PMID:38336338
|
研究论文 | 本研究评估了结合对象检测技术在全景X光片中对下颌第二磨牙C形根管解剖结构分类的效果，并在多中心数据集上进行了外部验证 | 采用了三种不同的工作流程，包括手动裁剪和自动图像块形成，以及直接从全景X光片中分类根管解剖结构 | 研究仅限于下颌第二磨牙的C形根管分类，未涉及其他类型的根管结构 | 评估和验证结合对象检测技术在全景X光片中对下颌第二磨牙C形根管分类的准确性 | 下颌第二磨牙的C形根管解剖结构 | 计算机视觉 | NA | 对象检测 | EfficientNet, YOLOv7 | 图像 | 805名患者的全景X光片和CBCT数据 | NA | NA | NA | NA |
| 772 | 2024-08-07 |
Zero-shot learning enables instant denoising and super-resolution in optical fluorescence microscopy
2024-May-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48575-9
PMID:38755148
|
研究论文 | 本文开发了一种零样本去卷积网络（ZS-DeconvNet），能够在无监督方式下即时提高光学荧光显微镜图像的分辨率 | ZS-DeconvNet无需真实标签或额外数据采集，即可在多种成像模式下实现超分辨率成像 | NA | 开发一种无需大量高质量训练数据的计算超分辨率方法 | 光学荧光显微镜图像的分辨率增强 | 计算机视觉 | NA | 零样本学习 | 去卷积网络 | 图像 | 多种成像模式，包括全内反射荧光显微镜、三维宽场显微镜、共聚焦显微镜、双光子显微镜、光片显微镜和多模态结构光照明显微镜 | NA | NA | NA | NA |
| 773 | 2024-08-07 |
Single-cell classification based on label-free high-resolution optical data of cell adhesion kinetics
2024-05-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61257-2
PMID:38755203
|
研究论文 | 本文介绍了一种基于无标记高分辨率光学数据的细胞粘附动力学单细胞分类方法 | 首次提出了一种基于无标记光学传感器的单细胞分类方法，无需标记或侵入性步骤，不影响细胞功能 | NA | 开发一种无标记的单细胞分类方法，并探索其在癌症研究和再生医学中的应用 | 健康细胞和多种癌细胞类型 | 数字病理学 | 癌症 | 光学传感器 | 深度神经网络 | 单细胞粘附动力学信号 | 约4500个单细胞粘附测量数据，包括正常前成骨细胞（MC3T3-E1）和多种癌细胞（HeLa，LCLC-103H，MDA-MB-231，MCF-7） | NA | NA | NA | NA |
| 774 | 2024-08-07 |
BarlowTwins-CXR: enhancing chest X-ray abnormality localization in heterogeneous data with cross-domain self-supervised learning
2024-May-16, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02529-9
PMID:38755563
|
研究论文 | 本研究通过开发一种名为BarlowTwins-CXR的自监督学习策略，旨在解决跨域转移学习中的域不一致问题，并提高异质胸部X光图像异常定位的性能 | BarlowTwins-CXR方法通过自监督预训练和监督微调的两阶段训练过程，显著提高了模型在胸部X光图像异常定位的准确性和效率 | NA | 解决跨域转移学习中的域不一致问题，提高胸部X光图像异常定位的性能 | 异质胸部X光图像的异常定位 | 计算机视觉 | NA | 自监督学习 | Resnet50, Faster R-CNN with Feature Pyramid Network (FPN) | 图像 | 112,120张来自NIH数据集的图像和18,000张来自VinDr-CXR数据集的图像 | NA | NA | NA | NA |
| 775 | 2024-08-07 |
A multi-view fusion lightweight network for CRSwNPs prediction on CT images
2024-May-16, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01296-3
PMID:38755567
|
研究论文 | 本文提出了一种用于CT图像上慢性鼻窦炎伴鼻息肉（CRSwNP）预测的多视图融合轻量级网络 | 开发了一种包含10层网络的迷你架构的多视图融合模型，通过修改深度残差神经网络实现 | NA | 旨在提高慢性鼻窦炎（CRS）的术前区分准确性，预测术后结果并进行个性化治疗 | 慢性鼻窦炎伴鼻息肉（CRSwNP）患者的CT扫描数据和病理活检结果 | 计算机视觉 | 慢性鼻窦炎 | 深度学习 | CNN | 图像 | 192名患者 | NA | NA | NA | NA |
| 776 | 2024-08-07 |
DeepFDR: A Deep Learning-based False Discovery Rate Control Method for Neuroimaging Data
2024-May, Proceedings of machine learning research
PMID:38741695
|
研究论文 | 提出了一种基于深度学习的空间FDR控制方法DeepFDR，用于解决神经影像数据中的体素级多重检验问题 | 利用无监督深度学习图像分割技术，有效处理了脑部复杂的空间依赖性，提高了检验效能 | NA | 开发一种新的空间FDR控制方法，以提高神经影像数据分析的准确性和效率 | 神经影像数据中的体素级多重检验问题 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 包括模拟数据和阿尔茨海默病FDG-PET图像分析 | NA | NA | NA | NA |
| 777 | 2024-08-07 |
An efficient densenet-based deep learning model for Big-4 snake species classification
2024-May-28, Toxicon : official journal of the International Society on Toxinology
IF:2.6Q3
DOI:10.1016/j.toxicon.2024.107744
PMID:38701904
|
研究论文 | 本文提出了一种基于DenseNet的深度学习模型，用于自动分类四大毒蛇种类，旨在通过图像识别技术预防蛇咬伤事件 | 采用DenseNet进行图像分类，实现了86%的高准确率，并计划将其集成到基于AI的蛇捕捉设备中 | NA | 开发一种基于迁移学习的图像分类算法，用于自动识别毒蛇和非毒蛇 | 四大毒蛇种类的分类 | 计算机视觉 | NA | 迁移学习 | DenseNet | 图像 | NA | NA | NA | NA | NA |
| 778 | 2024-08-07 |
Prediction of treatment response after stereotactic radiosurgery of brain metastasis using deep learning and radiomics on longitudinal MRI data
2024-05-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60781-5
PMID:38750084
|
研究论文 | 开发人工智能模型，利用纵向磁共振成像（MRI）数据预测脑转移瘤（BM）在接受立体定向放射手术（SRS）后的治疗反应，并评估随着连续MRI扫描次数增加的预测准确性变化 | 使用2D Conv-GRU模型在预测SRS后BM治疗反应方面优于其他模型，且随着随访研究次数的增加，预测准确性提高 | NA | 预测脑转移瘤在接受立体定向放射手术后的治疗反应 | 脑转移瘤的治疗反应 | 机器学习 | 脑转移瘤 | MRI | Conv-GRU | 图像 | 开发数据集包括194名患者的4次连续MRI扫描，共369个目标病灶；外部验证数据集包括43名患者的172次MRI扫描，共62个目标病灶 | NA | NA | NA | NA |
| 779 | 2024-08-07 |
Patient-derived PixelPrint phantoms for evaluating clinical imaging performance of a deep learning CT reconstruction algorithm
2024-May-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad3dba
PMID:38604190
|
研究论文 | 本研究使用基于患者胸部CT扫描的3D打印PixelPrint肺部模型，评估了深度学习重建（DLR）算法在不同辐射剂量水平下的临床成像性能 | 本研究采用基于患者的3D打印PixelPrint肺部模型，相比传统几何CT模型，能更真实地模拟组织结构，实现基于结构的图像质量评估 | NA | 评估深度学习重建算法在不同辐射剂量下的临床成像性能 | 深度学习重建算法在不同辐射剂量下的图像质量 | 计算机视觉 | 肺部疾病 | 深度学习重建（DLR） | NA | 图像 | 使用了两种不同尺寸的扩展环来模拟小和中型患者，并在0.5至20 mGy的曝光范围内进行扫描 | NA | NA | NA | NA |
| 780 | 2024-08-07 |
Transient dataset of household appliances with Intensive switching events
2024-May-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03310-3
PMID:38744841
|
研究论文 | 本文介绍了包含中国10种典型家用电器瞬时开关数据的Transient Dataset of Household Appliances with Intensive Switching Events (TDHA)数据集 | 该数据集具有高采样率、准确标注和真实反映实际设备启动波形的特点，通过精确控制的继电器开关实现设备切换，减少机械开关的干扰 | NA | 旨在提高现有非侵入式负载监测(NILM)算法的识别准确性，并促进这些算法在与中国具有相似电力消费特征的地区的应用 | 家用电器的瞬时开关数据 | 机器学习 | NA | 深度学习(DL) | NA | 数据集 | 10种典型家用电器 | NA | NA | NA | NA |