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 1029 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-08-18 |
Identifying prey capture events of a free-ranging marine predator using bio-logger data and deep learning
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240271
PMID:39100157
|
研究论文 | 本文开发了一种新方法，利用三轴加速度和深度数据通过深度学习神经网络量化帽带企鹅的捕食率，并通过动物携带的视频进行验证 | 本文创新性地使用深度学习算法处理生物记录传感器产生的大量数据，以稳健估计潜水海洋捕食者的捕食事件 | NA | 开发一种创新方法来估计潜水海洋捕食者的猎物消耗量 | 帽带企鹅及其捕食行为 | 机器学习 | NA | 深度学习 | CNN 和 V-Net | 加速度和深度数据 | 41只帽带企鹅 | NA | NA | NA | NA |
| 362 | 2024-08-18 |
Optimal sampling of spatial patterns improves deep learning-based early warning signals of critical transitions
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.231767
PMID:39100181
|
研究论文 | 本文开发了一种先进的机器学习工具包，称为空间早期预警信号网络（S-EWSNet），用于预测复杂时空系统中的关键转变类型。 | 通过最优采样策略（OSS）让深度神经网络学习潜在特征，提高了对关键转变类型的预测能力。 | NA | 解决预测关键转变类型（突然与平滑）的难题。 | 复杂时空系统中的关键转变类型。 | 机器学习 | NA | 机器学习 | 深度神经网络 | 时空数据 | 模拟和实证样本 | NA | NA | NA | NA |
| 363 | 2024-08-18 |
How many specimens make a sufficient training set for automated three-dimensional feature extraction?
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240113
PMID:39100182
|
research paper | 本研究探讨了用于自动化三维特征提取的深度学习模型所需的最小训练图像数量，并评估了数据增强对提高网络准确性的效果 | 本研究首次探讨了数据增强在三维图像特征提取中的应用，并揭示了其对提高模型准确性的潜力 | 研究主要集中在内部结构的体积和形状测量上，对于外部结构的挑战性较低 | 确定用于自动化三维特征提取的深度学习模型所需的最小训练图像数量 | 50个浮游有孔虫标本 | computer vision | NA | deep learning | NA | three-dimensional images | 50个浮游有孔虫标本 | NA | NA | NA | NA |
| 364 | 2024-08-16 |
Forecasting the consumptions of coagulation tests using a deep learning model
2024-Jun-15, Journal of medical biochemistry
IF:2.0Q4
DOI:10.5937/jomb0-40244
PMID:39139177
|
研究论文 | 本文开发了一种基于客观数据的模型，用于预测凝血测试的未来消耗量，该模型在COVID-19疫情期间显示出高度可变的消耗量。 | 本文采用外部输入非线性自回归人工神经网络（NARX）模型，有效预测了凝血测试的消耗量，特别是在COVID-19疫情期间的波动情况。 | NA | 旨在提高实验室服务的效率和可靠性，通过预测凝血测试的消耗量来优化资源规划。 | 凝血测试（PTT、aPTT、D-dimer、纤维蛋白原）的月消耗量及不同类型入院人数。 | 机器学习 | NA | 外部输入非线性自回归人工神经网络（NARX） | NARX | 数值数据 | 数据收集时间从2018年12月至2021年7月，每月凝血测试消耗量及各类入院人数。 | NA | NA | NA | NA |
| 365 | 2024-08-11 |
Machine-to-Machine Transfer Function in Deep Learning-Based Quantitative Ultrasound
2024-Jun, IEEE transactions on ultrasonics, ferroelectrics, and frequency control
DOI:10.1109/TUFFC.2024.3384815
PMID:38857123
|
研究论文 | 本文研究了一种机器到机器（M2M）转移函数方法，用于在基于深度学习的定量超声（QUS）中减少数据不匹配问题 | 引入了M2M转移函数，能够减少深度学习模型开发成本，并实现多源数据或扫描器的组合以及机器间的模型转移 | 文章未明确提及具体的局限性 | 探索并改进基于深度学习的定量超声中的数据匹配问题 | 研究M2M转移函数在不同超声扫描器和探头间的应用效果 | 机器学习 | NA | 定量超声（QUS） | 深度学习模型 | 超声数据 | 使用了SonixOne和Verasonics两种机器，配备L9-4和L11-5两种探头进行数据采集 | NA | NA | NA | NA |
| 366 | 2024-08-09 |
Imaging at the nexus: how state of the art imaging techniques can enhance our understanding of cancer and fibrosis
2024-Jun-13, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05379-1
PMID:38872212
|
研究论文 | 本文详细介绍了最新的成像技术在癌症和纤维化疾病诊断中的应用及其相互促进的研究进展 | 介绍了多种成像技术如PET、MRI、SGHI、超声、放射组学和人工智能在癌症和纤维化诊断中的创新应用 | NA | 探讨成像技术在癌症和纤维化疾病早期准确诊断中的应用 | 癌症和纤维化疾病 | 数字病理学 | NA | 正电子发射断层扫描(PET), 磁共振成像(MRI), 第二代谐波成像(SGHI), 超声(US), 放射组学, 人工智能(AI) | 深度学习(DL) | 图像 | NA | NA | NA | NA | NA |
| 367 | 2024-08-07 |
Prediction model of early recurrence of multimodal hepatocellular carcinoma with tensor fusion
2024-Jun-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad4f45
PMID:38776945
|
研究论文 | 本文提出了一种基于张量融合的多模态肝细胞癌早期复发预测模型 | 引入了张量融合方法处理多尺度多维数据融合，并首次考虑了肝脏背景的影响，通过深度学习分割算法将其整合到特征提取过程中 | NA | 提高肝细胞癌术后复发预测的准确性 | 肝细胞癌的早期复发 | 数字病理学 | 肝癌 | 张量融合技术 | 深度学习模型 | 图像 | 176例病例用于训练和交叉验证，40例病例用于外部测试 | NA | NA | NA | NA |
| 368 | 2024-08-07 |
Automated wound segmentation and classification of seven common injuries in forensic medicine
2024-Jun, Forensic science, medicine, and pathology
DOI:10.1007/s12024-023-00668-5
PMID:37378809
|
研究论文 | 该文章提出了一种自动化的方法来分割和分类法医学中的七种常见伤害 | 研究通过训练和比较多种深度学习架构，提高了法医伤害评分和报告的效率 | 模型在区分背景与受伤区域方面存在困难，并且某些伤害类型的伤口边界不清晰 | 提高法医医学调查中伤害评估的准确性和加速报告的过程 | 对法医学相关图片中的伤口进行自动分割和分类 | 计算机视觉 | NA | 深度学习 | NA | 图片 | 法医学相关照片数据库中的样本 | NA | NA | NA | NA |
| 369 | 2024-08-05 |
DeepIMAGER: Deeply Analyzing Gene Regulatory Networks from scRNA-seq Data
2024-Jun-27, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14070766
PMID:39062480
|
研究论文 | 该文章介绍了一种新型计算工具DeepIMAGER，用于从scRNA-seq数据中推断细胞特异性基因调控网络 | DeepIMAGER通过深度学习和数据整合，将基因对的共表达模式转化为类似图像的表示，结合转录因子结合信息进行模型训练 | 使用的模型在某些情况下可能仍然存在假阳性的问题，尽管有较好的表现 | 揭示不同细胞类型中基因调控网络的动态变化 | 多种细胞类型中的基因调控网络 | 计算机视觉 | 多发性骨髓瘤 | scRNA-seq | 深度学习模型 | 基因表达数据 | 六种细胞系的综合数据集 | NA | NA | NA | NA |
| 370 | 2024-08-05 |
Rapid and Precise Diagnosis of Retroperitoneal Liposarcoma with Deep-Learned Label-Free Molecular Microscopy
2024-06-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c05417
PMID:38810149
|
研究论文 | 本研究结合双标记自由的非线性光学模态，通过深度学习实现了对Retroperitoneal Liposarcoma的快速准确诊断 | 采用了双模态成像技术结合深度学习，显著提高了对WDLPS的检测精度和灵敏度 | 研究样本数量相对较少，仅涉及35例RLPS和34例正常脂肪样本 | 旨在提高Retroperitoneal Liposarcoma的术中诊断准确性 | 研究对象为35例Retroperitoneal Liposarcoma患者的组织样本和正常脂肪样本 | 数字病理 | 肺脂肪肉瘤 | 刺激拉曼散射(SRS)显微镜和二次谐波生成(SHG)显微镜 | ResNeXt101 | 组织图像 | 35例Retroperitoneal Liposarcoma和34例正常脂肪样本 | NA | NA | NA | NA |
| 371 | 2024-08-05 |
Reversible Fusion-Fission MXene Fiber-Based Microelectrodes for Target-Specific Gram-Positive and Gram-Negative Bacterium Discrimination
2024-06-11, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c01314
PMID:38818541
|
研究论文 | 本文开发了可逆融合-裂变MXene基纤维微电极用于分析革兰氏阳性和革兰氏阴性细菌 | 提出了一种新的微电极设计，通过可逆融合来提高微电极的灵敏度和选择性 | 没有提到关于不同菌株的比较或长期稳定性的研究 | 提高革兰氏阳性和阴性细菌的快速诊断能力 | 聚焦于革兰氏阳性和革兰氏阴性细菌的识别和定量 | 数字病理学 | NA | 电化学阻抗谱 | 深度学习模型 | 样本浓度数据 | 多种比例浓度的细菌样本 (1:100-100:1) | NA | NA | NA | NA |
| 372 | 2024-08-04 |
Combining three-dimensional acoustic coring and a convolutional neural network to quantify species contributions to benthic ecosystems
2024-Jun, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240042
PMID:39092142
|
研究论文 | 本文开发了一种三维声学取芯系统，能够非侵入性地可视化底栖无脊椎动物的存在和活动 | 结合三维声学取芯与深度学习技术，有效地提供了物种与沉积物相互作用的详细机制信息 | 主要利用实验室环境进行测试，可能限制了在自然环境中的应用 | 量化物种对底栖生态系统的贡献 | 底栖无脊椎动物 | 数字病理学 | NA | 声学取芯 | 三维卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 373 | 2024-08-04 |
GraphsformerCPI: Graph Transformer for Compound-Protein Interaction Prediction
2024-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00609-y
PMID:38457109
|
研究论文 | 本文提出了一种名为GraphsformerCPI的深度学习框架，用于预测化合物与蛋白质的相互作用 | 通过引入结构增强的自注意力机制和双重注意力机制，显著提高了预测性能和可解释性 | 文章未提及具体的限制条件 | 研究旨在提高化合物-蛋白质相互作用预测的准确性和可解释性 | 研究对象为化合物及其与蛋白质之间的相互作用 | 计算机视觉 | NA | 深度学习 | Transformer | 结构化数据 | 多个数据集，包括人类、秀丽隐杆线虫、Davis和KIBA数据集 | NA | NA | NA | NA |
| 374 | 2024-08-04 |
ResDeepSurv: A Survival Model for Deep Neural Networks Based on Residual Blocks and Self-attention Mechanism
2024-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00617-y
PMID:38489147
|
研究论文 | 本文提出了一种基于残差块和自注意力机制的生存模型ResDeepSurv，用于生存分析 | 该模型结合了神经网络的优势和Cox比例风险回归模型，不需要严格的生存数据基本分布假设 | 模型可能对非常复杂的风险函数仍然可能存在限制 | 旨在提供一种提高生存分析性能的新方法 | 探讨患者协变量与疾病之间的关系及治疗策略的有效性 | 机器学习 | NA | 深度学习 | 残差网络 | 临床数据 | 多个公共临床数据集 | NA | NA | NA | NA |
| 375 | 2024-08-04 |
GEnDDn: An lncRNA-Disease Association Identification Framework Based on Dual-Net Neural Architecture and Deep Neural Network
2024-Jun, Interdisciplinary sciences, computational life sciences
DOI:10.1007/s12539-024-00619-w
PMID:38733474
|
研究论文 | 本文提出了一种基于深度学习的lncRNA-疾病关联预测框架GEnDDn | GEnDDn结合相似性计算、非负矩阵分解和图注意自编码器提取特征，并通过双网神经架构和深度神经网络进行分类，从而创新性地识别lncRNA-疾病关联 | 需要进一步的生物医学实验验证以确认结果 | 识别新的lncRNA-疾病关联，从而更好地理解疾病机制及为癌症靶向治疗和抗癌药物设计提供见解 | 主要研究lncRNA及其与疾病的关联 | 数字病理学 | 肺癌 | 深度学习 | 双网神经架构 | NA | 使用了六种不同的评估指标验证了GEnDDn在四种竞争性lncRNA-疾病关联识别方法上的优越性，并在lncRNADisease和MNDR数据库进行了五折交叉验证 | NA | NA | NA | NA |
| 376 | 2024-08-05 |
Automating Linear and Angular Measurements for the Hip and Knee After Computed Tomography: Validation of a Three-Stage Deep Learning and Computer Vision-Based Pipeline for Pathoanatomic Assessment
2024-Jun, Arthroplasty today
IF:1.5Q3
DOI:10.1016/j.artd.2024.101394
PMID:39071819
|
研究论文 | 本研究展示了一种可重复和可扩展的方法，用于分析基于CT的解剖学，以处理髋部和膝部的测量。 | 开发了一个三阶段的深度学习和计算机视觉管道，能够自动识别和测量髋膝解剖特征。 | 未提及具体的临床参数整合方法及其对结果的影响。 | 研究旨在提高CT图像处理的有效性，以改善围手术期的规划和执行。 | 研究对象为100名接受全膝关节置换术的骨关节炎患者，其预处理的CT扫描数据。 | 计算机视觉 | 骨关节炎 | 深度学习 | UNet3+和Attention U-Net | CT图像 | 100个预处理的CT扫描 | NA | NA | NA | NA |
| 377 | 2024-08-05 |
Self-Trained Convolutional Neural Network (CNN) for Tuberculosis Diagnosis in Medical Imaging
2024-Jun, Cureus
DOI:10.7759/cureus.63356
PMID:39070319
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）的深度学习方法，以提高胸部X光图像中结核病的检测率 | 文章展示了自训练CNN在检测结核病方面的优势，相较于多种预训练模型的迁移学习，优化了结果 | 后续工作需重点优化模型，并从本地医院和易感地区获取更大规模的数据集 | 提高结核病的早期准确检测以促进有效治疗和减少传播 | 研究对象为包含结核病证据的胸部X光图像以及正常图像 | 计算机视觉 | 结核病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 7000张胸部X光图像（其中3500张为结核病证据，3500张为正常） | NA | NA | NA | NA |
| 378 | 2024-08-05 |
Bibliometric Analysis and Visualization of Scientific Literature on Heart Disease Classification Using a Logistic Regression Model
2024-Jun, Cureus
DOI:10.7759/cureus.63337
PMID:39070375
|
研究论文 | 本研究通过文献计量分析调查了心脏病分类中使用逻辑回归模型的研究生产力 | 揭示了心脏病分类领域的研究模式和未来趋势，强调了重要的研究团队和国家 | 研究只考虑了来自Scopus的数据，排除了其他数据库的文献，并且仅关注2019年后的开发 | 探讨心脏病分类中逻辑回归模型的研究生产力和影响力 | 心脏病分类相关的科学文献 | 机器学习 | 心脏病 | 逻辑回归 | NA | 文献 | 2331篇文献 | NA | NA | NA | NA |
| 379 | 2024-08-05 |
Synthetic Genitourinary Image Synthesis via Generative Adversarial Networks: Enhancing Artificial Intelligence Diagnostic Precision
2024-Jun-30, Journal of personalized medicine
IF:3.0Q1
DOI:10.3390/jpm14070703
PMID:39063957
|
研究论文 | 本研究探讨了生成对抗网络（GAN）在合成罕见泌尿生殖组织图像中的潜力 | 利用GAN生成高质量合成图像，以增强计算病理模型的训练数据 | 目前的研究仅集中在八种不同的GU组织，尚需进一步拓展更广泛的组织类型 | 提高计算病理模型在组织分类、分割和疾病检测方面的性能 | 八种不同的泌尿生殖组织 | 计算病理学 | NA | 生成对抗网络（GAN） | NA | 图像 | 八种不同的GU组织样本 | NA | NA | NA | NA |
| 380 | 2024-08-05 |
The Approach to Sensing the True Fetal Heart Rate for CTG Monitoring: An Evaluation of Effectiveness of Deep Learning with Doppler Ultrasound Signals
2024-Jun-28, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11070658
PMID:39061740
|
研究论文 | 该研究提出了一种利用多普勒超声信号和人工智能的方法来区分胎心率和母体心率。 | 创新之处在于将多普勒超声与深度学习结合，以提高临床心率监测的准确性。 | 研究主要基于有限案例的数据，可能影响结果的推广性。 | 旨在改善心音监测的准确性，减少在产程中错误评估胎儿状态的风险。 | 研究对象包括425个孕妇案例的数据，涉及胎心和母体脉管信号。 | 数字病理学 | NA | 多普勒超声 | 深度学习模型 | 信号数据 | 425个案例，包含30160个胎心数据点和2160个母体脉管数据点 | NA | NA | NA | NA |