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 1163 篇文献，本页显示第 301 - 320 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 301 | 2024-12-11 |
Quantitative assessment of chlorine gas inhalation injury based on endoscopic OCT and spectral encoded interferometric microscope imaging with deep learning
2024-Sep-01, APL photonics
IF:5.4Q1
DOI:10.1063/5.0222153
PMID:39257867
|
研究论文 | 本文利用高分辨率光学相干断层扫描（OCT）系统和光谱编码干涉显微镜，结合深度学习技术，研究了氯气吸入对兔子气道损伤的进展情况 | 首次使用深度学习技术对OCT图像进行分割，量化氯气引起的气道剥脱体积，并结合光谱编码干涉显微镜研究氯气对纤毛运动功能的影响 | 研究仅在兔子模型上进行，结果的临床适用性需要进一步验证 | 研究氯气吸入对气道损伤的进展情况，并开发一种量化评估方法 | 氯气吸入对兔子气道损伤的影响 | 数字病理学 | NA | 光学相干断层扫描（OCT），光谱编码干涉显微镜，深度学习 | 深度学习模型 | 图像 | 新西兰白兔暴露于急性氯气（800 ppm，6分钟），共监测6小时 | NA | NA | NA | NA |
| 302 | 2024-12-08 |
Snapshot computational spectroscopy enabled by deep learning
2024-Sep, Nanophotonics (Berlin, Germany)
DOI:10.1515/nanoph-2024-0328
PMID:39635447
|
研究论文 | 本文开发了一种基于超表面集成计算光谱仪和深度学习算法的计算光谱学方法，实现了单次操作、亚纳米光谱分辨率和直接材料表征 | 本文提出了一种新型的计算光谱学方法，结合超表面技术和深度学习算法，实现了传统光谱仪的功能，同时具有便携性和低成本的优势 | NA | 开发一种便携、低成本且轻量化的光谱分析方法，以替代传统的笨重且昂贵的光谱仪 | 光学腔的关键参数和化学溶液的浓度 | 计算机视觉 | NA | 深度学习 | NA | 光谱数据 | NA | NA | NA | NA | NA |
| 303 | 2024-12-06 |
Machine learning and statistical models to predict all-cause mortality in type 2 diabetes: Results from the UK Biobank study
2024-Sep, Diabetes & metabolic syndrome
DOI:10.1016/j.dsx.2024.103135
PMID:39413583
|
研究论文 | 本研究旨在比较当代机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具 | 机器学习模型在预测全因死亡率方面优于统计模型，特别是深度学习模型DeepHit在校准和Brier评分上表现更优 | NA | 比较机器学习模型与统计模型在预测2型糖尿病患者全因死亡率方面的表现，并开发一个用户友好的死亡风险预测工具 | 2型糖尿病患者的全因死亡率 | 机器学习 | 糖尿病 | 机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit | 机器学习模型，包括Cox比例风险模型、随机生存森林、梯度提升生存模型、DeepSurv和DeepHit | 临床数据 | 22,579名2型糖尿病患者 | NA | NA | NA | NA |
| 304 | 2024-12-01 |
MCMVDRP: a multi-channel multi-view deep learning framework for cancer drug response prediction
2024-Sep-01, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0026
PMID:39238451
|
研究论文 | 本文提出了一种多通道多视角深度学习框架MCMVDRP，用于癌症药物反应预测 | 本文创新性地结合了三种不同类型的药物特征：分子图、SMILES字符串和分子指纹，以提高药物反应预测的准确性 | NA | 预测癌症患者对药物的反应 | 癌症药物反应 | 机器学习 | NA | 深度学习 | MCMVDRP | 分子图、SMILES字符串、分子指纹 | NA | NA | NA | NA | NA |
| 305 | 2024-11-29 |
Cortical and subcortical structural changes in pediatric patients with infratentorial tumors
2024-09-09, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.242652
PMID:38836466
|
研究论文 | 本研究旨在检测后颅窝肿瘤患儿大脑皮层和皮层下结构的形态学变化 | 利用深度学习算法生成合成磁化准备快速梯度回波图像，并自动计算皮层厚度和局部脑回指数等参数 | 样本量相对较小，且仅包括后颅窝肿瘤患儿，可能限制了结果的普适性 | 研究后颅窝肿瘤对儿童大脑皮层和皮层下结构形态学的影响 | 后颅窝肿瘤患儿和健康对照组的大脑皮层和皮层下结构 | NA | NA | 深度学习算法 | NA | 图像 | 24名后颅窝肿瘤患儿和41名年龄性别匹配的健康对照组 | NA | NA | NA | NA |
| 306 | 2024-11-29 |
Application of deep learning and radiomics in the prediction of hematoma expansion in intracerebral hemorrhage: a fully automated hybrid approach
2024-09-09, Diagnostic and interventional radiology (Ankara, Turkey)
DOI:10.4274/dir.2024.222088
PMID:38654561
|
研究论文 | 本文开发了一种全自动混合方法，利用深度学习和放射组学预测脑出血中的血肿扩大 | 本文首次将深度学习和放射组学结合，开发了一种全自动混合模型，用于预测脑出血中的血肿扩大 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 开发一种全自动混合方法，用于预测脑出血中的血肿扩大 | 脑出血患者的血肿扩大 | 计算机视觉 | 脑血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 未明确提及样本数量 | NA | NA | NA | NA |
| 307 | 2024-11-27 |
Three-Dimensional Dense Reconstruction: A Review of Algorithms and Datasets
2024-Sep-10, Sensors (Basel, Switzerland)
DOI:10.3390/s24185861
PMID:39338606
|
综述 | 本文综述了三维密集重建的算法和数据集 | 讨论了深度学习方法在三维密集重建中的应用 | 动态或复杂环境下的三维重建仍是一个未解决的挑战 | 全面概述经典的三维密集重建技术及其在深度学习中的应用 | 三维密集重建算法和数据集 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 308 | 2024-11-26 |
Deep learning prediction of survival in patients with heart failure using chest radiographs
2024-Sep, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03177-w
PMID:38969836
|
研究论文 | 本研究开发并验证了一种使用胸部X光片进行深度学习生存预测模型，用于预测心力衰竭患者的生存率 | 本研究首次使用深度学习模型结合胸部X光片和临床参数，显著提高了心力衰竭患者生存预测的准确性 | 本研究样本量较小，且仅限于特定时间段和机构的患者数据 | 开发和验证一种基于胸部X光片的深度学习生存预测模型，用于心力衰竭患者的生存预测 | 心力衰竭患者及其胸部X光片 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 353名心力衰竭患者 | NA | NA | NA | NA |
| 309 | 2024-11-26 |
USE OF ARTIFICIAL INTELLIGENCE IN THE DIAGNOSIS AND TREATMENT OF ORTHOPEDIC DISEASES: LITERATURE REVIEW
2024-Sep, Georgian medical news
PMID:39580822
|
综述 | 本文综述了人工智能技术在骨科疾病诊断和治疗中的应用 | 本文总结了人工智能在骨科疾病诊断和治疗中的有效性 | NA | 综述和分析人工智能在肌肉骨骼系统疾病诊断和治疗中的应用 | 骨科疾病的诊断和治疗 | 机器学习 | NA | 机器学习、深度学习、虚拟现实 | 神经网络 | 图像 | 348篇出版物，其中201篇可公开获取 | NA | NA | NA | NA |
| 310 | 2024-11-24 |
RiceSNP-BST: a deep learning framework for predicting biotic stress-associated SNPs in rice
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae599
PMID:39562160
|
研究论文 | 本文介绍了一种名为RiceSNP-BST的深度学习框架，用于预测水稻中与生物胁迫相关的单核苷酸多态性（SNPs） | 该框架通过整合多维特征，成功创新了数据集，提供了比现有最先进方法更高的精度，并在独立测试集和跨物种数据集上表现良好 | NA | 开发一种能够准确和快速识别水稻基因组中与生物胁迫相关的SNPs的深度学习框架 | 水稻基因组中与生物胁迫相关的SNPs | 机器学习 | NA | 深度学习 | 卷积神经网络 | DNA序列 | NA | NA | NA | NA | NA |
| 311 | 2024-11-23 |
PENTAGON: Physics-enhanced neural network for volumetric flame chemiluminescence tomography
2024-Sep-09, Optics express
IF:3.2Q2
DOI:10.1364/OE.536550
PMID:39572993
|
研究论文 | 本文提出了一种物理增强的神经网络PENTAGON，用于体积火焰化学发光断层成像 | 通过结合数据先验和正向成像模型，PENTAGON能够准确预测3D光学场，即使在投影视图减少到三个的情况下也能克服数据驱动深度学习方法的泛化限制 | NA | 开发一种新的神经网络框架，用于解决体积断层成像中的逆问题 | 火焰化学发光断层成像 | 计算机视觉 | NA | 神经网络 | 神经网络 | 光学场数据 | NA | NA | NA | NA | NA |
| 312 | 2024-11-23 |
Terahertz image enhancement based on a multiscale feature extraction network
2024-Sep-09, Optics express
IF:3.2Q2
DOI:10.1364/OE.529260
PMID:39572999
|
研究论文 | 本文提出了一种基于多尺度特征提取网络的太赫兹图像增强方法 | 利用生成对抗网络结构进行深度学习，通过引入金字塔池化残差密集块模块进行特征融合提取，设计并应用了超分辨率网络 | 未提及 | 提高太赫兹图像的质量，包括去噪和分辨率提升 | 变形的金属太赫兹图像 | 计算机视觉 | NA | 生成对抗网络 (GAN) | 超分辨率生成对抗网络 (SRGAN) | 图像 | 未提及 | NA | NA | NA | NA |
| 313 | 2024-11-23 |
Speckle denoising based on Swin-UNet in digital holographic interferometry
2024-Sep-09, Optics express
IF:3.2Q2
DOI:10.1364/OE.533142
PMID:39573047
|
研究论文 | 本文提出了一种基于Swin-UNet的数字全息干涉测量中的散斑去噪方法 | 通过将模拟的高斯噪声和散斑噪声进行多路复用，模拟了复杂的噪声环境，并提出了基于Swin-UNet的去噪方法 | 本文的实验主要基于模拟数据，实际应用中的效果需要进一步验证 | 解决数字全息干涉测量中散斑噪声对相位图质量的影响问题 | 数字全息干涉测量中的散斑噪声 | 计算机视觉 | NA | 数字全息干涉测量 | Swin-UNet | 图像 | 1100张开放源代码的全息断层扫描噪声图像和25张来自DATABASE的散斑图像 | NA | NA | NA | NA |
| 314 | 2024-11-23 |
Multi-level efficient 3D image reconstruction model based on ViT
2024-Sep-09, Optics express
IF:3.2Q2
DOI:10.1364/OE.535211
PMID:39573080
|
研究论文 | 提出了一种基于视觉变换器（ViT）的多层次高效3D图像重建模型 | 利用ViT的自注意力机制捕捉全局和局部特征，并通过生成对抗网络（GAN）提高在高噪声和低光子环境下的重建质量和鲁棒性 | NA | 解决单光子激光雷达在高质量3D重建中面临的高噪声、低精度和长推理时间问题 | 单光子激光雷达的3D图像重建 | 计算机视觉 | NA | 视觉变换器（ViT）、生成对抗网络（GAN） | 视觉变换器（ViT）、生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 315 | 2024-11-23 |
Interpreting forces as deep learning gradients improves quality of predicted protein structures
2024-09-03, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.12.011
PMID:38104241
|
研究论文 | 本文提出了一种利用分子动力学力场训练深度学习蛋白质结构预测模型的新方法，以提高预测结构的质量和物理直观性 | 引入了一种名为OpenMM-Loss的自定义PyTorch损失函数，该函数表示预测结构的势能，并可应用于任何全原子蛋白质结构表示 | NA | 提高深度学习模型预测蛋白质结构的质量和物理直观性，使其更适合下游任务 | 蛋白质结构预测模型 | 机器学习 | NA | 分子动力学力场 | 深度学习模型 | 蛋白质结构 | NA | NA | NA | NA | NA |
| 316 | 2024-11-22 |
Deep learning automatic semantic segmentation of glioblastoma multiforme regions on multimodal magnetic resonance images
2024-Sep, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03205-z
PMID:38849632
|
研究论文 | 本研究评估了深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性 | 本研究采用了3D U-Net神经网络算法，并增加了残差块，以提高分割精度 | 本研究仅在BraTS2021数据集和PerProGlio队列中进行了验证，未来需要在更多数据集上进行验证 | 评估深度学习算法在自动化分割多模态磁共振图像中胶质母细胞瘤区域的有效性 | 胶质母细胞瘤的四个不同区域：增强肿瘤、瘤周水肿、非增强/坏死肿瘤和总肿瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像 | 3D U-Net | 图像 | 训练集包含1251名患者的多模态磁共振图像，测试集包含50名胶质母细胞瘤患者 | NA | NA | NA | NA |
| 317 | 2024-11-20 |
Nmix: a hybrid deep learning model for precise prediction of 2'-O-methylation sites based on multi-feature fusion and ensemble learning
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae601
PMID:39550226
|
研究论文 | 介绍了一种名为Nmix的混合深度学习模型，用于精确预测RNA的2'-O-甲基化位点 | 采用了多特征融合和集成学习方法，结合一维/二维卷积神经网络、自注意力机制和残差连接，显著提高了预测性能 | NA | 开发一种精确预测RNA 2'-O-甲基化位点的计算工具 | 人类RNA的2'-O-甲基化位点 | 机器学习 | NA | 深度学习 | 混合深度学习模型 | RNA序列 | 包含实验验证的Nm位点的最大低冗余数据集 | NA | NA | NA | NA |
| 318 | 2024-11-20 |
An artificial intelligence-enabled electrocardiogram algorithm for the prediction of left atrial low-voltage areas in persistent atrial fibrillation
2024-Sep, Journal of cardiovascular electrophysiology
IF:2.3Q2
DOI:10.1111/jce.16373
PMID:39054663
|
研究论文 | 本文构建了一种基于人工智能的心电图算法，用于预测持续性心房颤动患者左心房低电压区域 | 本文提出了一种基于深度学习和随机森林分类模型的心电图算法，相较于传统的DR-FLASH和APPLE风险评分，该算法在预测左心房低电压区域方面具有更高的准确性 | NA | 构建一种能够准确预测持续性心房颤动患者左心房低电压区域的人工智能心电图算法 | 持续性心房颤动患者及其心电图数据 | 机器学习 | 心血管疾病 | 深度学习 | 随机森林分类模型 | 图像 | 587名持续性心房颤动患者，942张12导联心电图图像 | NA | NA | NA | NA |
| 319 | 2024-11-20 |
Philosophy of cognitive science in the age of deep learning
2024 Sep-Oct, Wiley interdisciplinary reviews. Cognitive science
DOI:10.1002/wcs.1684
PMID:38773731
|
研究论文 | 本文探讨了深度学习对认知科学哲学的影响 | 深度神经网络在克服旧连接主义模型的局限性方面取得了显著进展 | 深度神经网络的比较评估仍存在方法论挑战 | 探讨深度学习与认知科学哲学之间的关联 | 深度学习技术及其对认知科学哲学的影响 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 320 | 2024-11-18 |
Integrating genomics, phenomics, and deep learning improves the predictive ability for Fusarium head blight-related traits in winter wheat
2024-Sep, The plant genome
DOI:10.1002/tpg2.20470
PMID:38853339
|
研究论文 | 本文研究了通过整合基因组学、表型组学和深度学习技术，提高冬小麦对赤霉病相关性状的预测能力 | 本文创新性地使用了人工智能（AI）和视觉平台，通过高光谱成像和深度学习直接预测赤霉病感染小麦中的脱氧雪腐镰刀菌烯醇（DON），显著提高了预测能力 | 本文未详细讨论所使用方法在实际育种中的应用成本和可行性 | 提高冬小麦对赤霉病相关性状的预测能力 | 冬小麦的赤霉病抗性性状、赤霉病损伤的麦粒（FDK）和脱氧雪腐镰刀菌烯醇（DON） | 机器学习 | 农作物病害 | 高光谱成像 | 深度学习 | 图像 | NA | NA | NA | NA | NA |