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 1175 篇文献，本页显示第 101 - 120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 101 | 2024-10-30 |
A review on advancements in feature selection and feature extraction for high-dimensional NGS data analysis
2024-Aug-19, Functional & integrative genomics
IF:3.9Q1
DOI:10.1007/s10142-024-01415-x
PMID:39158621
|
综述 | 本文综述了用于高维NGS数据分析的特征选择和特征提取技术的最新进展 | 本文系统比较了统计学、机器学习和深度学习方法在高维NGS数据特征选择和提取中的应用 | 本文主要基于文献综述，未提供具体的实验数据或模型评估 | 探讨高维NGS数据分析中特征选择和提取技术的应用 | 高维NGS数据和微阵列数据 | 生物信息学 | NA | NGS | NA | 基因组学、转录组学、蛋白质组学和宏基因组学数据 | NA |
| 102 | 2024-10-27 |
Towards equitable AI in oncology
2024-Aug, Nature reviews. Clinical oncology
DOI:10.1038/s41571-024-00909-8
PMID:38849530
|
研究论文 | 本文讨论了在肿瘤学中实现公平AI的必要性及其挑战 | 提出了开发公平AI工具的必要性，以确保其在不同患者群体中的准确性和可及性 | 现有临床数据集中多样性不足，临床验证方法不充分，以及模型开发中的潜在偏见 | 探讨如何在肿瘤学中实现公平AI | 肿瘤学中的AI工具及其在不同患者群体中的应用 | 机器学习 | NA | NA | 深度学习，特征工程 | 临床数据 | NA |
| 103 | 2024-10-26 |
DEEP LEARNING FOR AUTOMATIC PREDICTION OF EARLY ACTIVATION OF TREATMENT-NAIVE NONEXUDATIVE MACULAR NEOVASCULARIZATIONS IN AGE-RELATED MACULAR DEGENERATION
2024-08-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004106
PMID:38489765
|
研究论文 | 本研究开发了一种基于光学相干断层扫描（OCT）和OCT血管造影（OCTA）的深度学习分类器，用于预测未经治疗的非渗出性黄斑新生血管化的早期渗出风险 | 本研究首次结合OCTA和OCT B-scan图像，通过深度学习模型预测非渗出性黄斑新生血管化的早期渗出风险，并展示了组合模型在性能上的显著提升 | 本研究为回顾性研究，样本量相对较小，且仅限于年龄相关性黄斑变性的患者 | 开发一种深度学习分类器，用于识别非渗出性黄斑新生血管化在诊断后两年内渗出的风险 | 年龄相关性黄斑变性患者的非渗出性黄斑新生血管化 | 计算机视觉 | 年龄相关性黄斑变性 | 光学相干断层扫描（OCT）和OCT血管造影（OCTA） | 卷积神经网络（CNN） | 图像 | 89名患者，其中35名属于EX组，54名属于QU组 |
| 104 | 2024-10-24 |
Variational inference of single cell time series
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610389
PMID:39257806
|
研究论文 | 本文提出了一种名为SNOW的深度学习算法，用于将单细胞时间序列数据分解为时间依赖和时间独立的部分 | SNOW算法能够基于时间独立维度进行细胞类型注释，区分生物学时间变异和批次效应，并提供减少批次效应的方法，还能在单细胞水平上生成时间序列 | NA | 解决在基因表达同时受时间和细胞身份影响时，分析单细胞RNA测序数据（scRNA-seq）的挑战 | 单细胞时间序列数据 | 机器学习 | NA | scRNA-seq | 深度学习算法 | 基因表达数据 | 三个不同的时间序列scRNA-seq研究数据 |
| 105 | 2024-10-24 |
Evaluation of a Deep Learning Based Approach to Computational Label Free Cell Viability Quantification
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610252
PMID:39257757
|
研究论文 | 研究使用深度学习方法进行无标记细胞活力定量分析的可行性 | 提出了一种基于深度学习的无标记细胞活力定量方法，避免了传统染色方法对细胞的毒性影响 | 尚未提及 | 探索使用深度学习算法进行无标记细胞活力定量分析的可行性 | 人类细胞的形态变化和细胞活力 | 计算机视觉 | NA | 深度学习 | Resnet CNN | 图像 | NA |
| 106 | 2024-10-24 |
Tracking the pre-clinical progression of transthyretin amyloid cardiomyopathy using artificial intelligence-enabled electrocardiography and echocardiography
2024-Aug-26, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.25.24312556
PMID:39252891
|
研究论文 | 研究使用人工智能技术通过心电图和超声心动图追踪转甲状腺素蛋白淀粉样变性心肌病的临床前进展 | 首次应用人工智能技术于超声心动图和心电图，以大规模量化转甲状腺素蛋白淀粉样变性心肌病的临床前趋势 | 研究仅限于耶鲁-纽黑文健康系统和休斯顿卫理公会医院的患者数据 | 探索人工智能技术在心电图和超声心动图中的应用，以识别转甲状腺素蛋白淀粉样变性心肌病的临床前阶段 | 转甲状腺素蛋白淀粉样变性心肌病 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 1790名参与者，包括984名来自耶鲁-纽黑文健康系统和806名来自休斯顿卫理公会医院的患者 |
| 107 | 2024-10-24 |
Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys
2024-Aug-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.25.609595
PMID:39253466
|
研究论文 | 本文分析了在3D层次相衬断层扫描图像中进行血管分割的顶级深度学习解决方案 | 组织了全球机器学习竞赛，吸引了1,401名参与者，以开发新的深度学习方法用于3D血管分割 | 计算方法在准确性上存在局限 | 开发高效的算法以在大规模3D医学影像数据集中进行血管分割 | 人类肾脏的3D层次相衬断层扫描图像中的血管 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 使用了手动策划的3D层次相衬断层扫描数据集 |
| 108 | 2024-10-24 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2024-Aug-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟鸣分析方法AVN，用于斑胸草雀的鸣叫分析 | AVN方法无需额外训练数据即可在多个动物群体中进行高精度注释，并生成一系列可解释的特征来描述鸣叫的语法、时序和声学特性 | NA | 开发一种新的深度学习方法，用于分析斑胸草雀的鸣叫行为，并促进行为与神经过程之间的联系 | 斑胸草雀的鸣叫行为 | 机器学习 | NA | 深度学习 | NA | 音频 | 多个研究组和实验中的斑胸草雀 |
| 109 | 2024-10-24 |
FUSION: A web-based application for in-depth exploration of multi-omics data with brightfield histology
2024-Aug-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.09.602778
PMID:39026885
|
研究论文 | 开发了一个基于网络的应用程序FUSION，用于深度探索多组学数据与明场组织病理学图像的结合 | 提出了一个集成分子和组织病理学特征的网络工具，使用深度学习算法进行空间组学数据和相关高分辨率组织病理学图像的深入分析 | NA | 开发一个工具，将分子和组织病理学特征整合到一个工作空间中，以促进对生物机制的深入理解 | 空间组学数据和相关的高分辨率组织病理学图像 | 数字病理学 | NA | 空间组学技术 | 深度学习 | 图像 | 使用了来自福尔马林固定石蜡包埋（FFPE）和冷冻准备的健康和疾病组织的空间转录组学（ST）数据 |
| 110 | 2024-10-24 |
Deep Learning-driven Automatic Nuclei Segmentation of Label-free Live Cell Chromatin-sensitive Partial Wave Spectroscopic Microscopy Imaging
2024-Aug-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.20.608885
PMID:39229026
|
研究论文 | 本文介绍了一种基于深度学习的无标记活细胞染色质敏感部分波光谱显微镜图像的自动细胞核分割方法 | 提出了一种基于卷积神经网络和注意力机制的U-Net模型，用于自动分割染色质敏感部分波光谱显微镜图像中的细胞核 | NA | 开发一种自动化的方法来准确分割染色质敏感部分波光谱显微镜图像中的细胞核，以提高后续染色质分析研究的可靠性 | 染色质敏感部分波光谱显微镜图像中的细胞核 | 计算机视觉 | NA | 部分波光谱显微镜 | U-Net | 图像 | HCT116细胞 |
| 111 | 2024-10-24 |
Towards Digital Quantification of Ploidy from Pan-Cancer Digital Pathology Slides using Deep Learning
2024-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.19.608555
PMID:39229200
|
研究论文 | 本文介绍了一种基于深度学习的肿瘤倍体量化方法PloiViT，通过数字病理切片直接进行快速且成本效益高的量化 | PloiViT是一种基于transformer的模型，优于传统的机器学习模型，并展示了在多个独立队列中的最佳预测性能 | NA | 开发一种快速且成本效益高的肿瘤倍体量化方法，作为下一代测序数据的补充 | 肿瘤倍体量化 | 数字病理 | NA | 深度学习 | transformer | 图像 | 训练数据集包括来自The Cancer Genome Atlas的十五种癌症类型，并在多个独立队列中验证了其性能 |
| 112 | 2024-10-24 |
DeepSomatic: Accurate somatic small variant discovery for multiple sequencing technologies
2024-Aug-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.16.608331
PMID:39229187
|
研究论文 | 本文介绍了一种名为DeepSomatic的深度学习方法，用于从短读和长读数据中检测体细胞SNV和插入缺失（indels），适用于全基因组和外显子测序，并支持肿瘤-正常、肿瘤-仅和FFPE样本 | DeepSomatic在短读和长读数据上均表现出色，特别是在检测indels方面优于现有方法 | NA | 开发一种能够在多种测序技术上准确检测体细胞小变异的深度学习方法 | 体细胞单核苷酸变异（SNV）和插入缺失（indels） | 数字病理 | 癌症 | 测序技术（Illumina, PacBio HiFi, Oxford Nanopore Technologies） | 深度学习 | 基因组数据 | 五个匹配的肿瘤-正常细胞系对 |
| 113 | 2024-10-24 |
Interpretable representation learning for 3D multi-piece intracellular structures using point clouds
2024-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.25.605164
PMID:39091871
|
研究论文 | 本文介绍了一种使用3D旋转不变自编码器和点云的形态学适当表示学习框架，用于学习复杂多片段细胞内结构的独立于方向、紧凑且易于解释的表示 | 本文提出的框架能够无监督地发现每个结构的子簇，并展示了其在药物扰动后的核仁图像数据集上的表型分析应用 | NA | 量化具有复杂多片段形态的细胞内结构的客观、稳健和可推广的解释性测量 | 具有点状形态（如DNA复制焦点）和多态形态（如核仁）的细胞内结构 | 计算机视觉 | NA | 3D旋转不变自编码器 | 自编码器 | 点云 | 涉及多个细胞内结构数据集，包括一个具有预定义组织规则的合成数据集 |
| 114 | 2024-10-24 |
phyddle: software for phylogenetic model exploration with deep learning
2024-Aug-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.06.606717
PMID:39149349
|
研究论文 | 介绍了一种名为phyddle的工具，用于使用深度学习方法进行系统发育模型探索 | 提出了phyddle，一个基于深度学习的系统发育模型探索工具，能够处理缺乏易处理似然函数的模型 | 未提及 | 开发一种能够处理复杂系统发育模型的工具 | 系统发育模型及其参数估计 | 机器学习 | NA | 深度学习 | NA | 系统发育数据 | 未提及 |
| 115 | 2024-10-24 |
Exploit Spatially Resolved Transcriptomic Data to Infer Cellular Features from Pathology Imaging Data
2024-Aug-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.05.606654
PMID:39149252
|
研究论文 | 本文提出了一种利用空间解析转录组数据来注释病理图像的创新方法，并引入了一种名为STpath的转移学习神经网络模型 | 本文的创新点在于利用配对的空间解析转录组数据来注释病理图像，并开发了一种新的转移学习神经网络模型STpath | 本文的局限性在于训练数据有限，尽管STpath在样本中表现出色，但其性能仍受限于可用数据的数量 | 本文的研究目的是克服深度学习模型在训练过程中由于病理图像标注稀缺而导致的效率低下问题 | 本文的研究对象是病理图像和空间解析转录组数据 | 数字病理学 | 乳腺癌 | 深度学习 | 转移学习神经网络 | 图像 | 本文使用了三个不同的乳腺癌数据集进行评估 |
| 116 | 2024-10-24 |
Genetics of Cardiac Aging Implicate Organ-Specific Variation
2024-Aug-06, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24310874
PMID:39148824
|
研究论文 | 研究使用视频深度学习模型分析心脏MRI数据，以预测心脏年龄并探讨心脏年龄加速的遗传因素 | 提出了一种基于视频的深度学习模型，使用心脏MRI数据中的心脏掩码来捕捉心脏衰老的丰富且特定于心脏的特征 | 当前方法在特征丰富度或心脏特异性方面存在局限，导致难以理解遗传对年龄加速的贡献 | 探讨心脏年龄加速的遗传因素及其与心脏结构和功能的关系 | 61,691名UK Biobank参与者的心脏MRI数据 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 61,691名参与者 |
| 117 | 2024-10-24 |
Fast Whole-Brain MR Multi-Parametric Mapping with Scan-Specific Self-Supervised Networks
2024-Aug-06, ArXiv
PMID:39148933
|
研究论文 | 本文提出了一种快速的全脑MR多参数映射技术，通过扫描特定的自监督网络加速参数映射过程 | 本文提出了一种更快的Joint MAPLE版本，结合线圈压缩、随机切片选择、参数特定学习率和迁移学习，将重建时间缩短至原来的1/700，并在映射性能上优于标准和最先进的技术 | NA | 加速全脑MR多参数映射技术，使其在临床和研究中更实用 | 全脑MR多参数映射技术 | 计算机视觉 | NA | MRI | 自监督网络 | 图像 | NA |
| 118 | 2024-10-24 |
The Microscope and Beyond: Current Trends in the Characterization of Kidney Allograft Rejection From Tissue Samples
2024-Aug-06, Transplantation
IF:5.3Q1
DOI:10.1097/TP.0000000000005153
PMID:39436268
|
综述 | 本文综述了当前从组织样本中表征肾移植排斥反应的趋势和创新工具 | 讨论了数字病理工作流程的数字化、深度学习的应用、多重免疫组化、单细胞转录组学和空间转录组学等新兴技术，这些技术有望提高对移植排斥反应的表征 | 尽管讨论了多种新兴技术，但仍需进一步研究和临床验证以解决Banff分类系统的当前盲点 | 探讨如何利用新兴技术提高肾移植排斥反应的表征和诊断 | 肾移植排斥反应的组织样本 | 数字病理 | 肾移植排斥反应 | 多重免疫组化、单细胞转录组学、空间转录组学 | 深度学习 | 组织样本 | NA |
| 119 | 2024-10-24 |
Automatic rating of incomplete hippocampal inversions evaluated across multiple cohorts
2024-Aug-05, ArXiv
PMID:39148932
|
研究论文 | 本文提出了一种自动评估海马体不完全反转（IHI）的方法，通过预测四个解剖学标准并将其汇总形成IHI评分 | 首次提出自动评估IHI的方法，并展示了深度学习模型在多队列数据上的泛化能力 | 依赖于特定数据集，可能需要进一步验证其在其他数据集上的适用性 | 开发一种自动评估IHI的方法，以提高评估效率并探索其与神经和精神疾病的潜在关系 | 海马体不完全反转（IHI）及其与神经和精神疾病的关联 | 计算机视觉 | NA | 深度学习 | CNN（卷积神经网络） | 图像 | 2,008名参与者来自IMAGEN研究，993名和403名参与者分别来自QTIM和QTAB研究，以及985名受试者来自UKBiobank |
| 120 | 2024-10-24 |
CryoSamba: self-supervised deep volumetric denoising for cryo-electron tomography data
2024-Aug-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.11.603117
PMID:39071256
|
研究论文 | 本文介绍了一种名为CryoSamba的自监督深度学习模型，用于去噪低温电子断层扫描（cryo-ET）图像 | CryoSamba通过深度学习插值技术，对单个连续的2D平面进行去噪，模拟增加曝光的效果，从而提高图像对比度和信噪比 | CryoSamba不需要预先记录的图像、合成数据、标签或注释、噪声模型或配对体积，这限制了其应用范围 | 开发一种用于低温电子断层扫描图像去噪的新方法，以提高图像质量和分析效率 | 低温电子断层扫描图像 | 计算机视觉 | NA | 深度学习 | 自监督深度学习模型 | 3D体积数据 | NA |