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 1160 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-11-24 |
Facial recognition for disease diagnosis using a deep learning convolutional neural network: a systematic review and meta-analysis
2024-Oct-18, Postgraduate medical journal
IF:3.6Q1
DOI:10.1093/postmj/qgae061
PMID:39102373
|
meta-analysis | 本文系统综述和元分析了基于深度学习卷积神经网络的面部识别技术在罕见畸形疾病和面瘫等疾病诊断中的应用 | 本文通过系统综述和元分析，评估了深度学习在面部识别疾病诊断中的准确性和适用性 | 本文仅分析了过去十年内的22篇文献，样本量和疾病种类可能存在局限性 | 评估基于深度学习网络的面部识别技术在疾病诊断中的有效性和适用性 | 罕见畸形疾病和面瘫等疾病的诊断 | 计算机视觉 | NA | 深度学习卷积神经网络 | CNN | 图像 | 57,539例样本，其中43,301例为疾病样本 | NA | NA | NA | NA |
| 402 | 2024-11-24 |
AnNoBrainer, An Automated Annotation of Mouse Brain Images using Deep Learning
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09679-1
PMID:39107460
|
研究论文 | 开发了一种名为AnNoBrainer的开源软件工具，利用深度学习、图像配准和标准皮质脑模板来自动标注小鼠脑部图像中的各个脑区 | AnNoBrainer通过自动化标注显著减少了标注时间和提高了标注的准确性和可重复性 | NA | 解决神经科学数字病理学中手动标注脑部图像的效率问题 | 小鼠脑部图像的自动标注 | 数字病理学 | NA | 深度学习 | NA | 图像 | 来自转基因小鼠模型的病理切片 | NA | NA | NA | NA |
| 403 | 2024-11-24 |
Anatomic Interpretability in Neuroimage Deep Learning: Saliency Approaches for Typical Aging and Traumatic Brain Injury
2024-Oct, Neuroinformatics
IF:2.7Q3
DOI:10.1007/s12021-024-09694-2
PMID:39503843
|
研究论文 | 本研究比较了七种基于归因的显著性方法，以增强深度神经网络在估计生物脑龄时的解剖学解释性 | 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情况下的表现，并评估了它们在捕捉已知脑老化解剖特征方面的能力 | 研究仅限于磁共振成像数据，且样本主要为成年人群，可能限制了结果的普适性 | 探讨不同显著性方法在深度神经网络估计生物脑龄时的解剖学解释性 | 典型衰老和轻度创伤性脑损伤成年人的脑部磁共振成像数据 | 计算机视觉 | 创伤性脑损伤 | 磁共振成像 | 深度神经网络 | 图像 | 13,394名认知正常成年人和214名轻度创伤性脑损伤成年人 | NA | NA | NA | NA |
| 404 | 2024-11-23 |
Deep learning and genetic algorithm driven accelerated design for frequency-multiplexed complex-amplitude coding meta-hologram
2024-Oct-21, Optics express
IF:3.2Q2
DOI:10.1364/OE.538487
PMID:39573662
|
研究论文 | 本文提出了一种利用深度学习和遗传算法加速设计频率复用复杂振幅编码超表面全息图的方法 | 该方法能够设计出支持双频2比特振幅和任意相位调制的超原子，显著降低了设计难度并实现了优异的低串扰性能 | 目前仅限于左旋圆偏振波的调制，未来可扩展到其他偏振状态 | 旨在突破传统超表面的功能限制，实现多通道通信中的高效设计和高质量全息重建 | 频率复用超表面及其在多通道通信、数据存储和完美全息术中的应用 | NA | NA | 深度学习 遗传算法 | NA | NA | NA | NA | NA | NA | NA |
| 405 | 2024-11-23 |
Orbital angular momentum superimposed mode recognition based on multi-label image classification
2024-Oct-21, Optics express
IF:3.2Q2
DOI:10.1364/OE.541716
PMID:39573669
|
研究论文 | 本文提出了一种基于多标签图像分类的轨道角动量叠加模式识别方法 | 开发了一种结合多标签图像分类的识别方法，用于准确识别多轨道角动量叠加模式涡旋光束 | 目前主要集中在单轨道角动量模式和±l叠加双轨道角动量模式的识别，对多轨道角动量叠加模式的研究较少 | 提高轨道角动量叠加模式在接收端的准确识别能力 | 轨道角动量叠加模式涡旋光束 | 机器学习 | NA | 多标签图像分类 | 渐进通道-空间注意力模型（PCSA） | 图像 | 数值模拟和实验获取的三轨道角动量和四轨道角动量叠加模式涡旋光束的强度分布图数据集 | NA | NA | NA | NA |
| 406 | 2024-11-22 |
VONet: A deep learning network for 3D reconstruction of organoid structures with a minimal number of confocal images
2024-Oct-11, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101063
PMID:39569212
|
研究论文 | 本文介绍了一种基于深度学习的3D重建网络VONet，用于从少量共聚焦图像中重建类器官结构 | VONet能够从少量z堆栈图像中重建完整的3D结构，并能预测传统共聚焦显微镜无法观察到的深层焦平面区域的结构 | NA | 开发一种高效且经济的3D重建方法，用于类器官结构的成像 | 类器官结构的3D重建 | 计算机视觉 | NA | 深度学习 | 全卷积神经网络 | 图像 | 超过39,000个虚拟类器官 | NA | NA | NA | NA |
| 407 | 2024-11-23 |
Prediction of adverse drug reactions using demographic and non-clinical drug characteristics in FAERS data
2024-10-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74505-2
PMID:39384938
|
研究论文 | 研究利用机器学习模型基于FAERS数据中的非临床和人口统计学特征预测药物不良反应 | 首次结合人口统计学和非临床数据进行药物不良反应预测，并识别出最重要的影响因素 | 模型性能仍有提升空间，且仅限于30种常见且严重的药物不良反应 | 开发基于人口统计学和非临床数据的药物不良反应预测模型，并识别关键影响因素 | 30种常见且严重的药物不良反应 | 机器学习 | NA | 随机森林 (RF) 和深度学习 (DL) | 随机森林模型和深度学习模型 | 人口统计学数据和非临床数据 | 2012年至2023年间报告给FDA的30种常见且严重的药物不良反应数据 | NA | NA | NA | NA |
| 408 | 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 |
| 409 | 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 |
| 410 | 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 |
| 411 | 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 |
| 412 | 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 |
| 413 | 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 |
| 414 | 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 |
| 415 | 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 |
| 416 | 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 |
| 417 | 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 |
| 418 | 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 |
| 419 | 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 |
| 420 | 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 |