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 1068 篇文献，本页显示第 141 - 160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 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 |
| 142 | 2024-10-24 |
An Open-Source Deep Learning-Based GUI Toolbox For Automated Auditory Brainstem Response Analyses (ABRA)
2024-Jun-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.20.599815
PMID:38948763
|
研究论文 | 本文介绍了一种基于深度学习的开源软件工具箱，用于自动分析听觉脑干反应（ABR）波形 | 开发了一种新的开源软件ABRA，用于自动分析ABR波形，减少了人工解释和手动标注的工作量 | NA | 开发一种自动化的工具来分析听觉脑干反应波形，以提高分析效率和准确性 | 听觉脑干反应波形 | 机器学习 | NA | 深度学习 | NA | 波形数据 | 从三个实验室收集的大量ABR数据 |
| 143 | 2024-10-24 |
An interpretable generative multimodal neuroimaging-genomics framework for decoding Alzheimer's disease
2024-Jun-19, ArXiv
PMID:38947922
|
研究论文 | 本文提出了一种可解释的多模态神经影像-基因组学框架，用于解码阿尔茨海默病 | 引入Cycle Generative Adversarial Networks (cGAN)生成模块来填补缺失数据，并采用Integrated Gradients (IG)方法提取输入特征的相关性 | NA | 研究阿尔茨海默病的检测和轻度认知障碍的预测 | 阿尔茨海默病和轻度认知障碍患者 | 机器学习 | 阿尔茨海默病 | Cycle Generative Adversarial Networks (cGAN), Integrated Gradients (IG) | 生成对抗网络 (GAN) | 影像, 基因数据 | NA |
| 144 | 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 |
| 145 | 2024-10-24 |
Evaluation of enzyme activity predictions for variants of unknown significance in Arylsulfatase A
2024-Jun-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.16.594558
PMID:38798479
|
研究论文 | 评估机器学习方法在预测未知意义变异（VUS）中Arylsulfatase A酶活性的能力 | 研究显示，由遗传学和编码训练营参与者开发的模型在预测性能上表现优异，且深度学习方法相较于简单技术有小幅但显著的改进 | NA | 评估机器学习方法在预测未知意义变异（VUS）中Arylsulfatase A酶活性的能力 | Arylsulfatase A基因中的219个实验验证的错义VUS | 机器学习 | NA | 机器学习 | 深度学习 | 基因变异数据 | 219个实验验证的错义VUS |
| 146 | 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 |
| 147 | 2024-10-24 |
PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy
2024-Jun-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.16.599221
PMID:38915557
|
研究论文 | PSSR2是一个用户友好的Python包，旨在推广基于深度学习的点扫描超分辨率显微技术 | PSSR2改进了先前的PSSR工作流程，增加了同时超分辨率和去噪功能，并通过集成CLI和Napari插件，使得没有编程经验的用户也能轻松使用 | NA | 推广和简化基于深度学习的点扫描超分辨率显微技术 | 点扫描超分辨率显微数据 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 148 | 2024-10-24 |
Opportunistic Screening of Chronic Liver Disease with Deep Learning Enhanced Echocardiography
2024-Jun-14, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.13.24308898
PMID:38947008
|
研究论文 | 开发并评估一种基于深度学习的算法，用于从超声心动图视频中进行慢性肝病的机遇性筛查 | 利用深度学习技术从超声心动图视频中检测慢性肝病，特别是肝硬化和脂肪肝 | 研究基于回顾性观察队列，且主要在两家大型城市学术医疗中心进行，外部验证的样本量较小 | 开发和评估一种深度学习算法，用于从超声心动图视频中进行慢性肝病的机遇性筛查 | 慢性肝病，特别是肝硬化和脂肪肝 | 计算机视觉 | 肝病 | 深度学习 | NA | 视频 | 1,596,640个超声心动图视频，涉及24,276名患者 |
| 149 | 2024-10-24 |
Iterative deep learning-design of human enhancers exploits condensed sequence grammar to achieve cell type-specificity
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599076
PMID:38915713
|
研究论文 | 本文应用迭代深度学习设计具有细胞类型特异性的合成增强子 | 本文首次应用迭代深度学习方法设计合成增强子，并通过实验验证和优化，实现了增强子在不同细胞系中的特异性表达 | 本文仅在两个人类细胞系中验证了增强子的特异性，尚未在更多细胞类型中进行广泛验证 | 设计具有细胞类型特异性的合成增强子 | 合成增强子的设计和优化 | 合成生物学 | NA | 迭代深度学习 | NA | 序列数据 | 两个人类细胞系 |
| 150 | 2024-10-24 |
Enhanced Cell Tracking Using A GAN-based Super-Resolution Video-to-Video Time-Lapse Microscopy Generative Model
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.11.598572
PMID:38915545
|
研究论文 | 本文提出了一种基于GAN的超分辨率视频到视频时间推移显微生成模型，用于增强细胞追踪 | 本文创新性地提出了tGAN模型，通过生成高质量和多样化的合成注释时间推移显微数据，解决了时间推移显微数据集稀缺的问题 | 本文未详细讨论tGAN模型在实际应用中的性能和局限性 | 本文旨在解决时间推移显微数据集稀缺的问题，以提高细胞追踪模型的精度 | 本文的研究对象是细胞追踪和时间推移显微数据 | 计算机视觉 | NA | GAN | GAN | 视频 | NA |
| 151 | 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 |
| 152 | 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 |
| 153 | 2024-10-24 |
Identification of an ANCA-Associated Vasculitis Cohort Using Deep Learning and Electronic Health Records
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.09.24308603
PMID:38946986
|
研究论文 | 本文利用深度学习模型分析电子健康记录，以更准确地识别ANCA相关性血管炎病例 | 本文提出了一种基于深度学习的模型，用于分析电子健康记录，以更准确地识别ANCA相关性血管炎病例，相比传统的基于规则的方法，该模型能够发现更多的病例 | 本文未详细讨论模型的泛化能力和在其他数据集上的表现 | 开发一种更准确的方法来识别ANCA相关性血管炎病例 | ANCA相关性血管炎病例的识别 | 机器学习 | 其他疾病 | 深度学习 | 深度学习算法 | 文本 | 三个数据集分别包含6,000、3,008和7,500个笔记部分，以及2,000个随机选择的样本 |
| 154 | 2024-10-24 |
Accurate prediction of neurologic changes in critically ill infants using pose AI
2024-Jun-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.17.24305953
PMID:38699362
|
研究论文 | 本文研究了使用姿态人工智能（pose AI）在新生儿重症监护室（NICU）中准确预测危重婴儿的神经变化 | 本文首次提出使用计算机视觉方法跟踪婴儿运动，并通过姿态人工智能预测神经变化，展示了在重症监护环境中应用的可行性 | 研究样本量较小，且仅限于NICU环境，未来需要更大规模和多样化的研究来验证其普适性 | 开发一种可靠、连续的方法来预测危重婴儿的神经变化 | 危重婴儿的神经变化 | 计算机视觉 | NA | 计算机视觉 | 深度学习 | 视频 | 115名婴儿，共收集了4,705小时的视频数据 |
| 155 | 2024-10-24 |
Cellpose as a reliable method for single-cell segmentation of autofluorescence microscopy images
2024-Jun-10, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.07.597994
PMID:38915614
|
研究论文 | 本文验证了Cellpose在自体荧光显微镜图像中单细胞分割的可靠性 | Cellpose是一种深度学习网络，能够跨多种细胞显微镜图像进行泛化，并自动分割单个细胞，提高通量并减少人为偏差 | NA | 验证Cellpose在自体荧光显微镜图像中的应用 | NAD(P)H图像、PANC-1细胞、患者来源的癌症类器官 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 9名患者的癌症类器官和PANC-1细胞 |
| 156 | 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 |
| 157 | 2024-10-24 |
An updated compendium and reevaluation of the evidence for nuclear transcription factor occupancy over the mitochondrial genome
2024-Jun-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.04.597442
PMID:38895386
|
研究论文 | 本文更新并重新评估了核转录因子在人类线粒体基因组上的结合证据 | 利用ENCODE项目的大量ChIP-seq数据和深度学习模型，系统地分析了核转录因子与线粒体基因组的结合情况 | 同一转录因子在不同抗体和ChIP协议下的chrM结合证据不一致，影响了结果的可靠性 | 研究核转录因子与线粒体基因组的结合情况 | 人类和小鼠的核转录因子 | NA | NA | ChIP-seq | 深度学习模型 | ChIP-seq数据 | 6153个ChIP实验，涉及942种蛋白质，其中763种为序列特异性转录因子 |
| 158 | 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 |
| 159 | 2024-10-24 |
Spatial Deconvolution of Cell Types and Cell States at Scale Utilizing TACIT
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.31.596861
PMID:38895230
|
研究论文 | 本文介绍了一种名为TACIT的无监督算法，用于大规模空间生物学中细胞类型和状态的去卷积 | TACIT算法无需训练数据，通过预定义的签名和无偏阈值区分阳性细胞和背景，专注于相关标记以识别多组学分析中的模糊细胞 | NA | 解决空间生物学中细胞类型和状态识别的挑战 | 细胞类型和状态的识别 | 生物信息学 | 炎症性疾病 | 空间转录组学和蛋白质组学 | 无监督算法 | 多组学数据 | 五个数据集，包含5,000,000个细胞和51种细胞类型，来自三个微环境（大脑、肠道、腺体） |
| 160 | 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 |