深度学习在生物医药领域中的应用
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，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10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 1031 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-10-24 |
Machine learning on multiple epigenetic features reveals H3K27Ac as a driver of gene expression prediction across patients with glioblastoma
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.25.600585
PMID:38979226
|
研究论文 | 使用机器学习方法分析多重表观遗传特征，揭示H3K27Ac在胶质母细胞瘤患者基因表达预测中的驱动作用 | 首次使用机器学习和深度学习模型分析跨患者的基因表达预测，并发现H3K27Ac是跨患者基因表达预测的最重要表观遗传特征 | 研究仅限于胶质母细胞瘤干细胞和神经嵴干细胞，未涵盖其他类型的癌症细胞 | 探究胶质母细胞瘤细胞表观遗传重编程对细胞可塑性和基因表达的影响 | 胶质母细胞瘤干细胞和神经嵴干细胞的表观遗传特征 | 机器学习 | 脑癌 | 机器学习、深度学习、ATAC-seq、CTCF ChIP-seq、RNAPII ChIP-seq、H3K27Ac ChIP-seq、RNA-seq | XGBoost | 表观遗传数据 | 多个胶质母细胞瘤患者来源的干细胞样本 |
| 282 | 2024-10-24 |
Nutrient Signaling-Dependent Quaternary Structure Remodeling Drives the Catalytic Activation of metazoan PASK
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.28.599394
PMID:38979257
|
研究论文 | 研究通过进化尺度序列、域映射和基于深度学习的蛋白质结构分析，揭示了多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制 | 发现了PASK中先前未被识别的第三个PAS域（PAS-C），并通过实验验证了其营养响应性，揭示了PAS-C域组装在PASK中稳定激酶催化核心的作用 | NA | 揭示多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制 | 多细胞生物PAS域调控激酶（PASK）的结构和功能 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列 | 鱼、鸟和哺乳动物的PASK同源物 |
| 283 | 2024-10-24 |
Brain clocks capture diversity and disparity in aging and dementia
2024-Jun-25, Research square
DOI:10.21203/rs.3.rs-4150225/v1
PMID:38978575
|
研究论文 | 研究分析了多模态数据对脑年龄差距的影响，并开发了一种深度学习架构来量化这种差距 | 首次探讨了多模态多样性对脑年龄差距的影响，并开发了一种基于fMRI和EEG数据的深度学习模型 | 研究主要集中在拉丁美洲和非拉丁美洲国家的数据，可能无法全面代表全球多样性 | 理解脑健康和疾病中脑年龄与实际年龄之间的差异 | 分析多模态数据对脑年龄差距的影响，并开发一种新的深度学习模型 | 神经科学 | 痴呆症 | 功能磁共振成像（fMRI）和脑电图（EEG） | 深度学习 | 图像和信号 | 5306名参与者，来自15个国家，包括健康对照组和患有轻度认知障碍、阿尔茨海默病和行为变异型额颞叶痴呆的患者 |
| 284 | 2024-10-24 |
Assessing CT-based Volumetric Analysis via Transfer Learning with MRI and Manual Labels for Idiopathic Normal Pressure Hydrocephalus
2024-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.23.24309144
PMID:38978640
|
研究论文 | 本文通过迁移学习和手动标签，利用MRI数据改进CT图像中脑脊液的分割，并评估其在特发性正常压力脑积水诊断中的表现 | 利用MRI数据进行迁移学习，改进CT图像中脑脊液的自动分割，提高特发性正常压力脑积水的诊断准确性 | NA | 提高CT图像中脑脊液的分割精度，并评估其在特发性正常压力脑积水诊断中的应用 | 特发性正常压力脑积水患者和健康对照组的CT图像 | 计算机视觉 | 脑积水 | CT | U-Net | 图像 | 734例健康对照组和62例特发性正常压力脑积水患者的CT数据，以及来自德国和美国的外部临床图像 |
| 285 | 2024-10-24 |
ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction
2024-Jun-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.21.24309327
PMID:38947006
|
研究论文 | 本文介绍了一种基于深度学习的视频回归模型ViViEchoformer，用于从超声心动图视频中直接预测左心室射血分数（LVEF） | ViViEchoformer利用视频视觉变换器提取时空特征，实现了对左心室射血分数的自动准确预测，为超声心动图的解读提供了新的方法 | NA | 开发一种自动化的方法来准确测量超声心动图中的左心室射血分数，以辅助临床评估 | 左心室射血分数（LVEF） | 机器学习 | 心血管疾病 | 深度学习 | 视频视觉变换器 | 视频 | 10,030个来自斯坦福大学医院的四腔超声心动图视频 |
| 286 | 2024-10-24 |
Prediction of Adolescents' Fluid Intelligence Scores based on Deep Learning with Reconstruction Regularization
2024-Jun-18, Research square
DOI:10.21203/rs.3.rs-4482953/v1
PMID:38946976
|
研究论文 | 本研究旨在利用深度学习方法，特别是基于重构正则化的自编码器模型，预测9-10岁儿童的流体智力分数 | 本研究首次使用基于重构正则化的自编码器模型来预测青少年的流体智力分数，并发现其在预测性能上显著优于多层感知机和经典机器学习模型 | 研究结果显示预测性能较弱，未来研究可能需要探索结合多种机器学习算法的集成回归策略以提高预测性能 | 开发一种预测9-10岁儿童未校正/实际流体智力分数的模型，并探索基于重构正则化的自编码器模型在青少年流体智力预测中的表现 | 9-10岁的青少年，特别是其流体智力分数和T1加权磁共振成像数据 | 机器学习 | NA | 磁共振成像（MRI） | 自编码器（AE） | 图像 | 11,534名青少年 |
| 287 | 2024-10-24 |
De novo design of alpha-beta repeat proteins
2024-Jun-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.15.590358
PMID:38915539
|
研究论文 | 本文介绍了基于Rosetta和深度学习幻觉方法生成具有混合α螺旋和β链拓扑结构的新型重复蛋白质架构 | 本文提出了基于Rosetta和深度学习幻觉方法生成具有混合α螺旋和β链拓扑结构的新型重复蛋白质架构，并设计了25种高度稳定的α-β蛋白质 | NA | 设计新型重复蛋白质架构 | α-β重复蛋白质 | 生物信息学 | NA | Rosetta方法，深度学习幻觉方法 | 深度学习模型 | 蛋白质结构数据 | 25种新型α-β蛋白质 |
| 288 | 2024-10-24 |
Predicting the effort required to manually mend auto-segmentations
2024-Jun-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.12.24308779
PMID:38947045
|
研究论文 | 研究如何评估自动分割结果在临床实践中所需的修正努力，并探讨使用深度学习模型预测修正努力的可行性 | 提出了一种新的混合指标Mendability Index (MI)，并初步探索了使用深度学习模型预测修正努力的可行性 | 初步探索了深度学习模型的可行性，但未深入讨论其应用细节和潜在问题 | 研究如何更好地评估自动分割结果在临床实践中的修正需求 | 自动分割结果的修正时间和修正努力 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 7个来自三个不同机构的对象，包含原始CT图像、真实分割、自动分割、修正分割和记录的修正时间 |
| 289 | 2024-10-24 |
Ribonanza: deep learning of RNA structure through dual crowdsourcing
2024-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.24.581671
PMID:38464325
|
研究论文 | 本文介绍了通过众包收集的RNA结构化学映射数据集Ribonanza，并利用该数据集训练和评估了多种深度神经网络模型 | 提出了Ribonanza数据集，并通过Kaggle挑战赛训练和评估了多种深度神经网络模型，最终整合成一个名为RibonanzaNet的自包含模型 | NA | 解决RNA结构从序列预测的问题，并提高模型在RNA结构建模中的性能 | RNA序列及其结构 | 机器学习 | NA | 深度学习 | 深度神经网络 | RNA序列数据 | 两百万个多样化的RNA序列 |
| 290 | 2024-10-24 |
A Hybrid Deep Learning Classification of Perimetric Glaucoma Using Peripapillary Nerve Fiber Layer Reflectance and Other OCT Parameters from Three Anatomy Regions
2024-Jun-06, ArXiv
PMID:38883241
|
研究论文 | 研究使用混合深度学习模型结合视网膜神经纤维层反射和其他OCT参数来提高青光眼诊断的准确性 | 提出了一种混合深度学习模型，结合视网膜神经纤维层反射和其他OCT参数，显著提高了青光眼的诊断准确性 | 研究样本量相对较小，可能需要进一步验证在大规模数据集上的表现 | 探讨深度学习模型是否能有效结合视网膜神经纤维层反射和其他OCT参数用于青光眼诊断 | 视网膜神经纤维层反射、OCT参数、青光眼患者和正常受试者 | 计算机视觉 | 眼科疾病 | OCT | 混合深度学习模型（FCN和CNN） | 图像 | 106名正常受试者和164名青光眼患者 |
| 291 | 2024-10-24 |
Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology
2024-Jun-04, Research square
DOI:10.21203/rs.3.rs-4396782/v1
PMID:38883758
|
研究论文 | 开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学图像中对神经母细胞瘤进行形态学分类和分子特征分析 | 首次将注意力机制的多实例学习和自监督学习应用于神经母细胞瘤的病理分类和分子特征分析 | NA | 开发一种自动化诊断和精确分类神经母细胞瘤的工具 | 神经母细胞瘤的病理分类和分子特征分析 | 数字病理学 | NA | 深度学习 | 注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL) | 图像 | 外部测试数据集 |
| 292 | 2024-10-24 |
Chemical signatures delineate heterogeneous amyloid plaque populations across the Alzheimer's disease spectrum
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.03.596890
PMID:38895368
|
研究论文 | 本文利用先进的化学成像工具和深度学习算法，研究了阿尔茨海默病中不同类型淀粉样斑块的化学特征 | 首次使用空间生物化学技术对不同斑块形态进行表征，揭示了斑块的异质性及其与疾病病理的关联 | NA | 研究阿尔茨海默病中淀粉样斑块的异质性及其与疾病病理的关联 | 阿尔茨海默病中的淀粉样斑块 | 数字病理 | 阿尔茨海默病 | 功能性淀粉样显微镜结合MALDI质谱成像(MSI) | 深度学习算法 | 图像 | NA |
| 293 | 2024-10-24 |
Human motion data expansion from arbitrary sparse sensors with shallow recurrent decoders
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.01.596487
PMID:38895371
|
研究论文 | 本文开发了一种深度学习架构，利用浅层循环解码器网络将有限（稀疏）的传感器数据映射到全面的（密集）配置，从而推断未监测的身体部位的运动 | 本文的创新点在于利用传感器的时间历史信息，通过浅层循环解码器网络将稀疏传感器数据扩展为密集配置，即使只有一个传感器也能重建全面的时间序列测量 | 本文未提及具体的局限性 | 研究目的是通过深度学习和稀疏传感技术扩展人体运动数据，以提高数字生物标志物估计的准确性和可用性 | 研究对象包括控制运动任务、步态模式探索和自由移动环境中的数据 | 机器学习 | NA | 深度学习 | 浅层循环解码器网络 | 时间序列数据 | 涉及多种数据集，包括控制运动任务、步态模式探索和自由移动环境 |
| 294 | 2024-10-24 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.02.597062
PMID:38895405
|
研究论文 | 本文介绍了使用Nimbus深度学习模型对多重成像数据中的细胞表达进行自动分类 | 开发了Nimbus模型，该模型无需重新训练即可预测不同细胞类型和组织来源的多重成像数据中的标记物表达 | NA | 开发一种能够准确预测多重成像数据中标记物表达的深度学习模型 | 多重成像数据中的细胞表达和标记物表达 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 包含197亿个标记物表达注释的Pan-Multiplex数据集，涵盖15种不同细胞类型 |
| 295 | 2024-10-19 |
[Deep transfer learning radiomics model based on temporal bone CT for assisting in the diagnosis of inner ear malformations]
2024-Jun, Lin chuang er bi yan hou tou jing wai ke za zhi = Journal of clinical otorhinolaryngology, head, and neck surgery
|
研究论文 | 评估传统放射组学、深度学习和深度学习放射组学在区分正常和内耳畸形方面的诊断效果 | 结合深度学习和放射组学特征，通过特征融合建立模型，提高了诊断准确性 | 模型之间的差异未达到统计学显著性 | 评估不同方法在诊断内耳畸形中的效果 | 内耳畸形和正常内耳的CT图像 | 计算机视觉 | 耳鼻喉疾病 | 深度迁移学习 | 深度学习放射组学模型 | CT图像 | 572例颞骨CT数据，包括201例内耳畸形和371例正常内耳 |
| 296 | 2024-10-18 |
Speech decoding from stereo-electroencephalography (sEEG) signals using advanced deep learning methods
2024-06-27, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad593a
PMID:38885688
|
研究论文 | 本研究使用立体脑电图（sEEG）信号和先进的深度学习方法解码语音波形 | 首次全面探索使用立体脑电图（sEEG）信号进行语音解码，并展示了深度学习方法在此领域的优越性 | 研究仅限于解码荷兰语单词，且样本量较小 | 探索使用立体脑电图（sEEG）信号解码语音的可行性，并评估不同深度学习方法的性能 | 癫痫患者的立体脑电图（sEEG）信号和其对应的语音波形 | 机器学习 | NA | 立体脑电图（sEEG） | RNN, Transformer | 信号 | 癫痫患者参与者的sEEG数据 |
| 297 | 2024-10-13 |
Attention-based Imputation of Missing Values in Electronic Health Records Tabular Data
2024-Jun, Proceedings. IEEE International Conference on Healthcare Informatics
DOI:10.1109/ichi61247.2024.00030
PMID:39387063
|
研究论文 | 本文提出了一种基于注意力机制的电子健康记录表格数据缺失值插补框架 | 利用特征间（自注意力）或样本间注意力来重建缺失数据，并采用对比学习中的数据处理方法提高插补模型的泛化能力 | 未提及具体局限性 | 提高机器学习在患者特定预测建模中对电子健康记录表格数据缺失值插补的准确性 | 电子健康记录表格数据中的缺失值 | 机器学习 | NA | 注意力机制 | 自注意力模型 | 表格数据 | 五个表格数据集和两个电子健康记录数据集 |
| 298 | 2024-10-11 |
Enhancing fall risk assessment: instrumenting vision with deep learning during walks
2024-06-22, Journal of neuroengineering and rehabilitation
IF:5.2Q1
DOI:10.1186/s12984-024-01400-2
PMID:38909239
|
研究论文 | 本文提出了一种基于深度学习的物体检测算法VARFA，用于在步行过程中通过视觉和视频数据增强跌倒风险评估 | 本文的创新点在于提出了一种自动化的深度学习方法，通过视频数据评估视觉注意力，补充了传统的惯性测量单元（IMU）数据，从而更全面地评估跌倒风险 | 本文的局限性在于仅在实验室环境中进行了验证，尚未在实际临床环境中进行测试 | 本文的研究目的是通过自动化方法提高跌倒风险评估的效率和准确性 | 本文的研究对象是步行过程中的视觉注意力和环境细节 | 计算机视觉 | NA | 深度学习 | YoloV8, U-NET | 视频 | 实验室环境下的步行视频数据 |
| 299 | 2024-10-10 |
Evaluation of image quality on low contrast media with deep learning image reconstruction algorithm in prospective ECG-triggering coronary CT angiography
2024-Jun, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03113-y
PMID:38722507
|
研究论文 | 评估低对比剂剂量下使用深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响 | 使用深度学习图像重建算法（DLIR）在低对比剂剂量下实现高质量的冠状动脉CT血管造影图像 | 研究仅限于特定的对比剂浓度和流速，未探讨其他可能影响图像质量的因素 | 评估低剂量对比剂注射协议与深度学习图像重建算法对冠状动脉CT血管造影图像质量的影响 | 冠状动脉CT血管造影图像质量 | 计算机视觉 | 心血管疾病 | 深度学习图像重建算法 | 深度学习模型 | 图像 | 210名患者，分为三组，每组70人 |
| 300 | 2024-10-10 |
Exploring the potential of machine learning in gynecological care: a review
2024-06, Archives of gynecology and obstetrics
IF:2.1Q2
DOI:10.1007/s00404-024-07479-1
PMID:38625543
|
综述 | 本文综述了机器学习在妇科护理中的潜力及其在孕早期、中期和晚期与超声技术的结合应用 | 探讨了机器学习在妇科健康中的应用，包括自然语言处理（NLP）和ChatGPT的概念 | 讨论了在妇科领域应用机器学习时面临的挑战 | 综述机器学习在妇科护理中的应用及其潜力 | 孕早期、中期和晚期，以及不孕症治疗、乳腺癌和宫颈癌 | 机器学习 | 妇科疾病 | 机器学习（ML）和深度学习（DL） | NA | 数据集 | NA |