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 1031 篇文献，本页显示第 681 - 700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 681 | 2024-08-05 |
Quantum error-correction using humming sparrow optimization based self-adaptive deep cnn noise correction module
2024-Jun-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65182-2
PMID:38906948
|
研究论文 | 该研究提出了一种基于Humming Sparrow优化的自适应深度CNN噪声校正模块，用于改进重六角量子码的错误纠正模型 | 研究中提出的HSO-based SADCNN模型能够针对超导量子比特的独特挑战进行自适应优化，显著提高了错误纠正能力 | 研究可能没有详细讨论在不同噪声环境中的表现或其他类型量子代码的适用性 | 提高重六角量子码在量子计算应用中的可靠性和错误纠正性能 | 针对重六角量子码的错误纠正模型进行研究和改进 | 量子计算 | NA | 深度学习 | 深度CNN | NA | NA | NA | NA | NA | NA |
| 682 | 2024-08-05 |
Exploration on OCT biomarker candidate related to macular edema caused by diabetic retinopathy and retinal vein occlusion in SD-OCT images
2024-06-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63144-2
PMID:38906954
|
研究论文 | 本文探讨了与糖尿病视网膜病变和视网膜静脉阻塞引起的黄斑水肿相关的生物标志物候选者 | 使用深度学习技术发现了与视网膜外层失调和高反射灶特征相关的新生物标志物 | 未提及具体的研究局限 | 提高对糖尿病视网膜病变和视网膜静脉阻塞导致的黄斑水肿潜在病理机制的理解 | 收集了不同类型视网膜病变患者的光学相干断层扫描图像 | 数字病理学 | 糖尿病视网膜病变 | 深度学习 | NA | 图像 | 共收集了120只眼睛的116名受试者和其他类型的患者样本 | NA | NA | NA | NA |
| 683 | 2024-08-05 |
Enhancing SNR in Chemical Exchange Saturation Transfer imaging: a Deep Learning Approach with a Denoising Convolutional Autoencoder (DCAE-CEST)
2024-Jun-09, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597818
PMID:38895366
|
研究论文 | 本研究开发了一种用于化学交换饱和转移成像的信噪比增强方法 | 利用去噪卷积自编码器（DCAE）进行CEST成像的信噪比增强，并与现有去噪方法进行比较 | 在APT和NOE之间未观察到肿瘤与正常组织之间的显著差异 | 研究化学交换饱和转移成像的信噪比增强技术 | 利用模拟的Z谱和动物肿瘤模型的体内数据进行评估 | 数字病理学 | NA | 去噪卷积自编码器（DCAE） | NA | 图像 | 使用模拟的Z谱和体内数据进行评估 | NA | NA | NA | NA |
| 684 | 2024-08-05 |
Deep learning reconstruction for lumbar spine MRI acceleration: a prospective study
2024-Jun-21, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00470-0
PMID:38902467
|
研究论文 | 本文比较了深度学习技术重建的磁共振成像（MRI）与标准重建图像在图像质量和常见退行性病变检测性能方面的差异 | 提出了深度学习重建的MRI方案，能够在不降低图像质量的情况下减少45%的扫描时间 | 仅在单中心进行的前瞻性研究，样本量相对较小 | 评估深度学习重建在腰椎MRI中的应用效果 | 包括31名接受腰椎MRI检查的患者 | 数字病理学 | NA | 深度学习（TSE-DL） | NA | 图像 | 31名患者（15名男性和16名女性） | NA | NA | NA | NA |
| 685 | 2024-08-05 |
Global research trends and future directions in diabetic macular edema research: A bibliometric and visualized analysis
2024-Jun-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000038596
PMID:38905408
|
研究论文 | 这项研究评估了全球糖尿病性黄斑水肿（DME）研究趋势，并识别了未来的研究方向 | 揭示了美国在DME研究中的主导地位，并确定了当前的研究热点和新兴趋势 | 未提及具体的研究限制 | 评估糖尿病性黄斑水肿的全球研究趋势并指导未来的研究和临床管理 | 关于糖尿病性黄斑水肿的相关出版物的分析 | 数字病理学 | 糖尿病性黄斑水肿 | 文献计量学分析 | NA | 出版物 | 5624篇出版物 | NA | NA | NA | NA |
| 686 | 2024-08-05 |
Improving difficult direct laryngoscopy prediction using deep learning and minimal image analysis: a single-center prospective study
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65060-x
PMID:38902319
|
研究论文 | 本研究提出了一种AI模型，利用少量患者面部和颈部照片准确预测困难直接喉镜检查（DDL） | 该文章创新性地使用了少量床边拍摄的图片和多任务学习来提升DDL预测准确性 | 研究限制在于仅在单中心进行，可能限制了结果的普遍适用性 | 研究目标是提高困难直接喉镜检查的预测准确性以优化气道管理和患者安全 | 研究对象为接受全麻下气管插管的成人患者 | 深度学习 | NA | 智能手机拍摄的图像分析 | EfficientNet-B5 | 图像 | 3053名患者的18163张照片 | NA | NA | NA | NA |
| 687 | 2024-08-05 |
PatchSorter: a high throughput deep learning digital pathology tool for object labeling
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01150-4
PMID:38902336
|
研究论文 | 本文介绍了一个开源的数字病理标记工具PatchSorter，它结合了深度学习和直观的网络界面 | 提出了一种新的高通量标记方法，通过深度学习显著提高了每秒标签数量 | 未提及具体的限制 | 提高数字病理图像中大规模组织标记的效率 | 超过10万个组织对象 | 数字病理学 | NA | 深度学习 | NA | 图像 | 超过100,000个对象 | NA | NA | NA | NA |
| 688 | 2024-08-05 |
A deep learning-powered diagnostic model for acute pancreatitis
2024-Jun-20, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01339-9
PMID:38902660
|
研究论文 | 本研究旨在开发一种深度学习驱动的急性胰腺炎诊断模型 | 提出了一个包含急性胰腺炎分类器和胰腺病变分割模块的双模块模型 | 这是一项回顾性研究，可能存在选择偏倚 | 研究的目的是提高急性胰腺炎的快速准确识别能力 | 190名急性胰腺炎患者及健康个体的CT扫描数据 | 机器学习 | 急性胰腺炎 | 计算机断层扫描（CT） | 深度学习模型 | 影像 | 190名急性胰腺炎患者和对照的健康个体 | NA | NA | NA | NA |
| 689 | 2024-08-05 |
A multi-feature spatial-temporal fusion network for traffic flow prediction
2024-Jun-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65040-1
PMID:38902350
|
研究论文 | 该论文提出了一种多特征时空融合网络用于交通流预测 | 创新点在于引入了自适应交通特征提取机制和多特征时空融合网络，能够提高特征表示能力和预测解释性 | 论文未详细讨论模型在特定场景下的适用性 | 研究的目的是通过多特征融合改善交通流预测精度 | 研究对象为影响交通流的多种交通特征 | 机器学习 | NA | 深度学习 | 时空融合网络 | 交通流数据 | 基于多种基线模型的实验验证 | NA | NA | NA | NA |
| 690 | 2024-08-05 |
Development and validation of a smartphone-based deep-learning-enabled system to detect middle-ear conditions in otoscopic images
2024-Jun-20, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01159-9
PMID:38902477
|
研究论文 | 本文介绍了一种基于智能手机的深度学习系统，用于识别耳镜图像中的中耳疾病 | 提出了一个集成深度学习模型的智能手机应用，能够在数字耳镜图像中达到专家级的诊断准确性 | 该系统在其他中耳疾病的表现存在差异，需要进一步的前瞻性验证 | 研究旨在评估深度学习在耳镜图像解读中的应用 | 对2013年至2020年在法国斯特拉斯堡的耳鼻喉科诊所接受治疗的5岁以上患者的耳镜图像进行分析 | 计算机视觉 | NA | 深度学习 | Inception-v2 | 图像 | 共涉及41,664幅耳镜图像，验证集为3,962幅图像，测试集为326幅图像 | NA | NA | NA | NA |
| 691 | 2024-08-05 |
Automatic classification of normal and abnormal cell division using deep learning
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64834-7
PMID:38902496
|
研究论文 | 本文开发了一种自动分类正常和异常细胞分裂的方法 | 提出了一种使用深度学习进行自动有丝分裂分类的创新方法 | 尚未集成细胞分割和跟踪功能 | 旨在分类正常与异常细胞分裂 | 小的有丝分裂图像序列 | 计算机视觉 | NA | 深度学习（ResNet50 + LSTM） | ResNet50与LSTM | 图像 | 从经历不同辐射水平的细胞群体视频中提取的图像序列 | NA | NA | NA | NA |
| 692 | 2024-08-05 |
Optimizing 5'UTRs for mRNA-delivered gene editing using deep learning
2024-Jun-20, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49508-2
PMID:38902240
|
研究论文 | 本文设计了用于高效mRNA翻译的5'UTR，利用深度学习技术进行优化 | 提出了一种基于模型的序列设计方法用于优化mRNA治疗的5'UTR，提高了基因编辑的效率 | 最佳表现的UTR仅针对一种载体和细胞类型，存在特异性限制 | 研究旨在优化mRNA的5'UTR以提高表达水平 | 研究对象为不同细胞类型中的5'UTR以及其在基因编辑中的表现 | NA | NA | 深度学习 | 生成神经网络 | NA | 在两个细胞系中对设计的5'UTR进行了实验测试 | NA | NA | NA | NA |
| 693 | 2024-08-05 |
Deep Ensemble learning and quantum machine learning approach for Alzheimer's disease detection
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61452-1
PMID:38902368
|
研究论文 | 本文提出了一种基于量子机器学习分类器的集成深度学习模型用于阿尔茨海默病的分类 | 利用量子计算模型提升阿尔茨海默病分类的准确性，充分挖掘量子计算在疾病分类中的潜力 | 未提及模型在更大规模或不同背景下的应用限制 | 探讨量子机器学习在阿尔茨海默病早期诊断中的应用 | 阿尔茨海默病患者的影像数据集 | 机器学习 | 阿尔茨海默病 | 量子机器学习 | 深度学习模型（VGG16和ResNet50） | 影像 | 合并的阿尔茨海默病神经影像学倡议I和II数据集 | NA | NA | NA | NA |
| 694 | 2024-08-05 |
Deep learning for predicting 16S rRNA gene copy number
2024-06-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64658-5
PMID:38902329
|
研究论文 | 本研究提出了一种基于深度学习的方法ANNA16，用于直接从16S基因序列中估计16S rRNA基因拷贝数。 | 提出了一种新的方法ANNA16，能够直接从16S基因序列中进行16S GCN值的估计，且表现优于常用算法。 | 目前未提及研究中的具体局限性 | 研究的目的是提高微生物组分析中16S rRNA基因拷贝数的量化估计能力。 | 研究对象为不同社区成员的16S rRNA基因拷贝数。 | 数字病理学 | NA | 深度学习 | 人工神经网络 | 基因序列 | 27,579个16S rRNA基因序列 | NA | NA | NA | NA |
| 695 | 2024-08-05 |
Enhanced multi view 3D reconstruction with improved MVSNet
2024-Jun-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64805-y
PMID:38890489
|
研究论文 | 提出了一种基于改进MVSNet网络架构的三维重建算法 | 使用DE模块结合残差框架来增强特征提取机制，并利用注意力机制提升3D成本体积的正则化过程 | 未在其他数据集上进行广泛验证 | 提升三维场景重建的精度和质量 | 基于DTU数据集进行的三维重建模型评估 | 计算机视觉 | NA | 多视角立体视觉 (MVS) | 改进的MVSNet | 图像 | 使用DTU数据集进行评估，具体样本数量未说明 | NA | NA | NA | NA |
| 696 | 2024-08-05 |
AI powered quantification of nuclear morphology in cancers enables prediction of genome instability and prognosis
2024-Jun-19, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00623-9
PMID:38898127
|
研究论文 | 本文介绍了一种基于深度学习的数字病理管道，用于全面量化癌症中细胞核的形态，进而预测基因组不稳定性和预后 | 提出了一种全组织的深度学习方法，用于核检测、分割和分类，能够提取具有临床相关性的核形态生物标记 | 使用手动收集的核注释进行模型训练可能存在偏差，且模型效能在不同癌症类型中可能存在变化 | 研究细胞核形态与预后生物标记之间的关联 | BRCA、LUAD和PRAD等癌症类型的细胞核 | 数字病理 | 乳腺癌、肺腺癌、前列腺癌 | 深度学习 | 对象检测和分割模型 | 图像 | 使用BRCA、LUAD和PRAD TCGA队列的H&E染色切片样本 | NA | NA | NA | NA |
| 697 | 2024-08-05 |
EPI-Trans: an effective transformer-based deep learning model for enhancer promoter interaction prediction
2024-Jun-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05784-9
PMID:38890584
|
研究论文 | 本研究提出了一种基于变换器的深度学习模型EPI-Trans，用于增强子-启动子相互作用的预测 | 提出了一种新型的变换器模型EPI-Trans，克服了现有基于卷积神经网络和递归神经网络方法的局限性 | 当前的方法主要依赖于卷积神经网络和递归神经网络，而未考虑增强子和启动子序列之间的上下文细节和长距离相互作用 | 研究增强子-启动子相互作用的预测，改善现有计算方法的性能 | 使用六个基准细胞系的数据进行模型评估 | 计算机视觉 | NA | 深度学习 | 变换器 | NA | 六个基准细胞系 | NA | NA | NA | NA |
| 698 | 2024-08-05 |
Empowering artificial intelligence in characterizing the human primary pacemaker of the heart at single cell resolution
2024-06-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63542-6
PMID:38890395
|
研究论文 | 本研究利用一种新颖的深度学习去卷积方法对人类窦房结的细胞异质性进行了表征 | 采用Bulk2space方法首次从单细胞数据集中对人类窦房结进行细胞组成分析 | 本研究主要依赖于非人类物种的单细胞数据，可能影响结果的直接应用 | 研究人类窦房结的细胞组成及其特性 | 人类窦房结细胞种群的组成和特征 | 数字病理学 | 心血管疾病 | scRNA-Seq | 深度学习去卷积 | 单细胞数据 | 使用了公共的鼠类scRNA-Seq数据作为参考，识别了18个人类细胞种群 | NA | NA | NA | NA |
| 699 | 2024-08-05 |
A hybrid deep approach to recognizing student activity and monitoring health physique based on accelerometer data from smartphones
2024-06-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63934-8
PMID:38890409
|
研究论文 | 该文章提出了一种基于智能手机加速度计数据的混合深度学习方法，用于识别学生活动和监测健康状况 | 文章通过使用双向长短期记忆网络（BiLSTM）和贝叶斯优化，显著提高了人类活动识别的性能 | 当前LSTM网络的隐含单元预设和初始学习率依赖于先前知识，可能导致亚优化状态 | 通过考虑人类行为的动态特性，提高人类活动识别的性能 | 研究对象为学生的身体活动和健康状况 | 计算机视觉 | NA | 加速度计数据 | 双向长短期记忆网络 (BiLSTM) | 传感器数据 | 经过五折交叉验证的训练和测试数据集 | NA | NA | NA | NA |
| 700 | 2024-08-05 |
Head movement dynamics in dystonia: a multi-centre retrospective study using visual perceptive deep learning
2024-Jun-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01140-6
PMID:38890413
|
研究论文 | 本研究开发了一种视觉感知深度学习框架，以评估和量化肌张力障碍的病症状态及治疗干预的影响 | 提出了一种新的深度学习框架，克服了传统评分标准的局限性，提供了一种高效、准确且独立于评分者的方法来评估和监测肌张力障碍患者 | 研究依赖于标准临床视频，在多中心回顾性研究中可能存在数据不一致性 | 评估肌张力障碍的动态特征并量化治疗干预影响 | 收集自七个学术中心的三项回顾性长期队列研究中的临床视频数据 | 计算机视觉 | 神经系统疾病 | 深度学习 | 视觉感知深度学习框架 | 视频 | 三项研究的数据，具体样本数量未说明 | NA | NA | NA | NA |