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 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 2024-11-23 |
JQR-Net: joint quantitative reconstruction network for dual-modal photoacoustic and optical coherence tomography imaging
2024-Oct-07, Optics express
IF:3.2Q2
DOI:10.1364/OE.537966
PMID:39573570
|
研究论文 | 本文提出了一种用于双模态光声和光学相干断层扫描成像的联合定量重建网络，以实现更精确和全面的组织特征分析 | 首次设计了一种深度学习模型，能够同时从双模态成像信号中重建多个组织特征参数，促进深入的组织表征 | NA | 开发一种深度学习方法，用于双模态光声和光学相干断层扫描成像中的联合定量重建 | 光声诱导的压力信号和背散射的光学相干断层扫描信号 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 282 | 2024-11-23 |
Physical prior-guided deep learning for SIM reconstruction: modeling object-to-image degradation
2024-Oct-07, Optics express
IF:3.2Q2
DOI:10.1364/OE.537692
PMID:39573583
|
研究论文 | 本文提出了一种基于物理先验指导的深度学习方法，用于结构化光照显微镜（SIM）重建，通过建模物体到图像的退化过程 | 本文创新性地将物体到图像平面的退化过程嵌入到重建网络中，通过物理先验约束的可学习点扩散函数（PSF）参数，将传统的图像到图像数据模式映射转换为物体到图像平面的退化映射 | NA | 解决深度学习在SIM重建中由于训练样本不足导致的可信度低和泛化能力差的问题 | 结构化光照显微镜（SIM）图像重建 | 计算机视觉 | NA | 深度学习 | OIDN（物体到图像平面退化网络） | 图像 | NA | NA | NA | NA | NA |
| 283 | 2024-11-23 |
High-quality and high-speed computer-generated holography via deep-learning-assisted bidirectional error diffusion method
2024-Oct-07, Optics express
IF:3.2Q2
DOI:10.1364/OE.535193
PMID:39573602
|
研究论文 | 本文提出了一种基于深度学习的双向误差扩散方法，用于生成高质量和高速度的计算机生成全息图 | 本文提出了一种名为BERDNet的神经网络，用于实时生成高质量的相位全息图，并通过数据损失和物理损失约束训练过程 | NA | 打破相位全息图生成过程中质量和速度之间的权衡 | 相位全息图的生成 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 284 | 2024-11-23 |
Improving drug-target interaction prediction through dual-modality fusion with InteractNet
2024-Oct, Journal of bioinformatics and computational biology
IF:0.9Q4
DOI:10.1142/S0219720024500240
PMID:39573831
|
研究论文 | 提出了一种新的深度学习框架，通过双模态融合改进药物-靶点相互作用的预测 | 结合蛋白质的结构信息和序列特征，通过双模态融合提供全面的特征表示，并引入了自掩码注意力机制 | NA | 加速新药开发过程中药物-靶点相互作用的准确预测 | 药物-靶点相互作用 | 机器学习 | NA | 图卷积网络、多头注意力机制 | 深度学习框架 | 蛋白质结构信息、序列特征 | 多个公共数据集 | NA | NA | NA | NA |
| 285 | 2024-11-22 |
Resting-State Electroencephalogram Depression Diagnosis Based on Traditional Machine Learning and Deep Learning: A Comparative Analysis
2024-Oct-23, Sensors (Basel, Switzerland)
DOI:10.3390/s24216815
PMID:39517712
|
综述 | 本文比较了传统机器学习和深度学习方法在基于静息状态脑电图的抑郁症诊断中的应用 | 本文综述了传统机器学习和深度学习方法在抑郁症诊断中的应用，并提出了潜在的解决方案 | 本文主要讨论了当前研究的挑战，但未提供具体的实验数据或模型评估 | 提高抑郁症诊断的准确性，并促进计算精神病学领域的发展 | 静息状态脑电图数据和抑郁症诊断 | 机器学习 | 抑郁症 | 脑电图 | 传统机器学习、深度学习 | 脑电图数据 | NA | NA | NA | NA | NA |
| 286 | 2024-11-22 |
A deep learning framework combining molecular image and protein structural representations identifies candidate drugs for pain
2024-Oct-21, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2024.100865
PMID:39341201
|
研究论文 | 本文介绍了一种结合分子图像和蛋白质结构表示的深度学习框架，用于识别疼痛候选药物 | 提出了LISA-CPI框架，结合了无监督深度学习分子图像表示和AlphaFold2算法，相较于现有模型在平均绝对误差上提高了约20% | NA | 开发一种新的计算药物发现工具，用于治疗疼痛和其他复杂疾病 | 化合物-蛋白质相互作用，特别是针对G蛋白偶联受体 | 机器学习 | 疼痛 | 深度学习 | LISA-CPI | 图像，蛋白质结构 | 104,969个配体和33个G蛋白偶联受体 | NA | NA | NA | NA |
| 287 | 2024-11-22 |
Improved ADHD Diagnosis Using EEG Connectivity and Deep Learning through Combining Pearson Correlation Coefficient and Phase-Locking Value
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09685-3
PMID:39422820
|
研究论文 | 本文提出了一种结合皮尔逊相关系数和相位锁定值的EEG连接性和深度学习方法，用于改善ADHD的诊断 | 本文创新性地结合了线性和非线性脑连接图与基于注意力的卷积神经网络，提高了ADHD诊断的准确性 | NA | 提高ADHD的早期诊断准确性 | ADHD儿童和青少年的EEG数据 | 机器学习 | 神经行为障碍 | EEG连接性分析 | 基于注意力的卷积神经网络（Att-CNN） | EEG数据 | NA | NA | NA | NA | NA |
| 288 | 2024-11-22 |
External validation of a multimodality deep-learning normal tissue complication probability model for mandibular osteoradionecrosis trained on 3D radiation distribution maps and clinical variables
2024-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2024.100668
PMID:39563783
|
研究论文 | 本文对外部验证了一个基于深度学习的正常组织并发症概率模型，用于下颌骨放射性骨坏死，该模型训练于3D辐射剂量分布图和临床变量 | 本文首次对外部验证了一个多模态深度学习模型，用于下颌骨放射性骨坏死的正常组织并发症概率 | 需要进一步研究以解决过拟合和领域偏移问题，以确保临床使用的可靠性 | 验证一个基于深度学习的正常组织并发症概率模型，用于下颌骨放射性骨坏死 | 下颌骨放射性骨坏死的正常组织并发症概率模型 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 图像 | 184个受试者用于训练，82个受试者用于外部验证 | NA | NA | NA | NA |
| 289 | 2024-11-22 |
Classification Method of ECG Signals Based on RANet
2024-Oct, Cardiovascular engineering and technology
IF:1.6Q4
DOI:10.1007/s13239-024-00730-5
PMID:38653933
|
研究论文 | 本文提出了一种基于残差注意力神经网络的心电图信号分类方法 | 引入残差网络解决梯度消失问题，并结合注意力机制聚焦关键信息，改进投票方法缓解数据不平衡问题 | NA | 开发一种高效的心电图分类模型，以提高心律失常检测的准确性 | 心电图信号及其分类 | 机器学习 | 心血管疾病 | 残差网络（ResNet），注意力机制 | 残差注意力神经网络（RANet） | 心电图信号 | 使用PhysioNet/CinC Challenge 2017数据集进行实验验证 | NA | NA | NA | NA |
| 290 | 2024-11-21 |
Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury
2024-Oct-16, Research square
DOI:10.21203/rs.3.rs-4960427/v1
PMID:39483910
|
研究论文 | 本研究比较了七种基于归因的显著性方法，用于增强深度神经网络（DNN）在估计生物脑龄（BA）时的解剖学解释性 | 本研究首次系统比较了多种显著性方法在典型衰老和创伤性脑损伤（TBI）情况下的表现，并评估了它们在捕捉已知脑衰老解剖特征方面的能力 | 研究仅限于使用磁共振成像（MRI）数据，且样本量相对较小 | 探讨不同显著性方法在增强深度神经网络（DNN）解剖学解释性方面的效果 | 认知正常（CN）成年人和轻度创伤性脑损伤（mTBI）成年人的脑龄估计 | 计算机视觉 | 创伤性脑损伤 | 磁共振成像（MRI） | 深度神经网络（DNN） | 图像 | 认知正常成年人100名（男性），平均年龄65.82 ± 8.89岁；轻度创伤性脑损伤成年人100名（男性），平均年龄55.3 ± 9.9岁 | NA | NA | NA | NA |
| 291 | 2024-11-21 |
Deep learning permits imaging of multiple structures with the same fluorophores
2024-10-15, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2024.09.001
PMID:39233442
|
研究论文 | 提出了一种新的双结构网络（DBSN），可以从三个原始图像中提取六个不同的亚细胞结构，仅使用两种荧光标记 | DBSN结合了强度平衡模型和结构分离模型，能够从相同的荧光标记中提取多个不同的亚细胞结构，突破了现有技术的瓶颈 | NA | 开发一种能够同时成像多个结构的新方法，减少荧光显微镜的时间消耗 | 亚细胞结构 | 计算机视觉 | NA | 深度学习 | 双结构网络（DBSN） | 图像 | 三个原始图像 | NA | NA | NA | NA |
| 292 | 2024-11-21 |
Evaluation of deep learning-based target auto-segmentation for Magnetic Resonance Imaging-guided cervix brachytherapy
2024-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2024.100669
PMID:39559487
|
研究论文 | 评估深度学习在磁共振成像引导的宫颈近距离放射治疗中自动分割目标结构的应用 | 提出使用基于人群和患者特异性自动分割作为第二部分目标分割的起点，以减少手动分割的时间和患者负担 | 自动分割引入了手动描绘的偏差，但这种偏差在临床上无关紧要 | 评估使用自动分割作为第二部分目标分割起点的临床影响 | 宫颈癌患者在磁共振成像引导下的近距离放射治疗 | 计算机视觉 | 宫颈癌 | 深度学习 | NA | 图像 | 28名局部晚期宫颈癌患者 | NA | NA | NA | NA |
| 293 | 2024-11-21 |
Evaluation of three-point correlation functions from structural images on CPU and GPU architectures: Accounting for anisotropy effects
2024-Oct, Physical review. E
DOI:10.1103/PhysRevE.110.045306
PMID:39562887
|
研究论文 | 本文开发了在CPU和GPU架构上计算三点点相关函数的算法和代码，考虑了各向异性效应 | 本文提出了计算三点点相关函数的新算法，并展示了其在任意三角形模式下的计算速度与直角三角形模式相当 | 本文指出，当计算在频率域进行时，数据量会变得非常大，且目前尚不清楚n>3的点相关函数的优势 | 研究三点点相关函数在结构图像分析中的应用，并评估其在不同架构上的计算效率 | 三点点相关函数及其在结构图像分析中的应用 | 计算机视觉 | NA | 三点点相关函数计算 | NA | 图像 | NA | NA | NA | NA | NA |
| 294 | 2024-11-20 |
Artificial intelligence applications in personalizing lung cancer management: state of the art and future perspectives
2024-Oct-31, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-244
PMID:39552872
|
综述 | 本文综述了人工智能在个性化肺癌管理中的应用现状和未来展望 | 本文介绍了人工智能在肺癌诊断和管理中的创新应用，特别是基于机器学习和深度学习技术的AI模型 | NA | 探讨人工智能在非小细胞肺癌诊断和管理中的应用潜力 | 非小细胞肺癌的诊断、病理特征预测和基因突变预测 | 机器学习 | 肺癌 | 机器学习、深度学习 | AI模型 | 患者数据 | NA | NA | NA | NA | NA |
| 295 | 2024-11-20 |
NeuroTD: A Time-Frequency Based Multimodal Learning Approach to Analyze Time Delays in Neural Activities
2024-Oct-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.28.620662
PMID:39554073
|
研究论文 | 本文介绍了一种基于时间-频率的多模态学习方法NeuroTD，用于分析神经活动中的时间延迟 | NeuroTD结合了孪生神经网络与频域变换和复值优化，用于推断多模态时间序列数据中的跨模态时间关系 | NA | 开发一种新的深度学习方法，用于对齐多模态时间序列数据并推断跨模态时间关系 | 神经活动的时间特征及其与行为的关系 | 机器学习 | NA | 钙成像、Neuropixels、深度电极、Patch-seq | 孪生神经网络 | 时间序列数据 | 三个多模态数据集 | NA | NA | NA | NA |
| 296 | 2024-11-20 |
A Surface-based deep learning approach for cortical shape analysis
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.29.620757
PMID:39554098
|
研究论文 | 本文应用基于球谐函数的卷积神经网络（SPHARM-Net）对MRI衍生的脑形态学指标进行分析，预测年龄、性别和阿尔茨海默病（AD）诊断 | 本文提出了一种基于球谐函数的卷积神经网络（SPHARM-Net），无需显式定义邻域大小，实现了旋转等变性 | 本文仅在健康成年人和AD患者样本中进行了验证，未来工作将扩展到更复杂的任务如情绪障碍分类 | 研究如何利用深度学习技术从脑部图像中预测临床因素 | MRI衍生的脑形态学指标，包括顶点皮质曲率、凸度、厚度和表面积 | 计算机视觉 | 阿尔茨海默病 | 球谐函数卷积神经网络 | 卷积神经网络 | 图像 | 健康成年人样本量为32,979，AD患者样本量为1,213 | NA | NA | NA | NA |
| 297 | 2024-11-20 |
Application of deblur technology for improving the clarity of digital subtractive angiography
2024-Oct, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences
IF:1.5Q3
DOI:10.1177/15910199221143168
PMID:36457291
|
研究论文 | 本文提出了一种基于深度学习的去模糊技术，用于提高数字减影血管造影（DSA）图像的清晰度 | 本文创新性地使用了深度学习方法来去模糊大焦点DSA图像，以获得更清晰和锐利的脑血管DSA图像 | 本文的局限性在于仅使用了52对配对的血管造影图像进行训练，且测试集仅包括10个身体模型和80张临床图像 | 研究目的是开发一种新的基于深度学习的方法，以提高大焦点DSA图像的清晰度 | 研究对象是数字减影血管造影（DSA）图像 | 计算机视觉 | NA | 深度学习 | 残差密集块（RDBs） | 图像 | 训练集包括52对配对图像，超过350,000个裁剪的补丁；测试集包括10个身体模型和80张临床图像 | NA | NA | NA | NA |
| 298 | 2024-11-20 |
Lattice 123 pattern for automated Alzheimer's detection using EEG signal
2024-Oct, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10104-1
PMID:39555305
|
研究论文 | 本文提出了一种基于晶格结构的特征工程框架，用于使用脑电图信号自动识别阿尔茨海默病 | 创新性地应用概率函数生成Lattice123模式，并结合多级离散小波变换进行多层次特征提取 | 需要在大规模多样化的数据库上验证其有效性 | 开发一种自动识别阿尔茨海默病的新方法 | 阿尔茨海默病和脑电图信号 | 数字病理学 | 阿尔茨海默病 | 多级离散小波变换 | NA | 脑电图信号 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 299 | 2024-11-20 |
Can artificial intelligence aid the urologists in detecting bladder cancer?
2024 Oct-Dec, Indian journal of urology : IJU : journal of the Urological Society of India
IF:1.3Q3
DOI:10.4103/iju.iju_39_24
PMID:39555437
|
研究论文 | 本文探讨了人工智能在膀胱癌检测中的应用，特别是通过膀胱镜检查辅助泌尿科医生识别恶性区域 | 本文展示了基于人工智能的膀胱镜检查系统在膀胱癌检测中的潜力，通过深度学习算法处理大量图像和视频数据 | 尽管人工智能在膀胱癌检测中显示出潜力，但其应用仍存在疑问，未来研究应集中在确定哪些患者群体能从准确识别膀胱癌中获益最大 | 探讨人工智能在膀胱癌检测中的应用潜力 | 膀胱癌的检测和识别 | 计算机视觉 | 膀胱癌 | 深度学习算法 | NA | 图像和视频 | 五项研究的数据被用于分析 | NA | NA | NA | NA |
| 300 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA | NA | NA | NA | NA |