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 1266 篇文献，本页显示第 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2024-12-14 |
GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model
2024-Dec, Cell research
IF:28.1Q1
DOI:10.1038/s41422-024-01034-y
PMID:39375485
|
研究论文 | 本文构建了一个跨物种的基础模型GeneCompass，用于解析普遍的基因调控机制 | GeneCompass通过整合四种先验生物学知识，在自监督学习中增强了基因调控机制的理解，并在多个下游任务中超越了现有模型 | NA | 解析跨物种的普遍基因调控机制，促进基础生命过程研究和临床应用 | 人类和小鼠的单细胞转录组数据，以及基因调控机制 | 机器学习 | NA | 单细胞测序，深度学习 | 基础模型 | 单细胞转录组数据 | 12000万个人类和小鼠的单细胞转录组数据，经过预处理后得到101768420个单细胞转录组数据 | NA | NA | NA | NA |
| 822 | 2024-12-14 |
A Cluster-Based Deep Learning Model Perceiving Series Correlation for Accurate Prediction of Phonon Spectrum
2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202406183
PMID:39422637
|
研究论文 | 本文开发了一种基于晶格动力学理论的机器学习模型CSGN，用于预测晶体材料的声子态密度谱 | 提出了基于簇的序列图网络（CSGN）模型，通过多原子簇表示和混合高斯过程与动态时间规整机制，实现了对复杂谱的准确预测 | NA | 开发一种能够感知序列相关性的深度学习模型，以准确预测声子谱 | 晶体材料的声子态密度谱 | 机器学习 | NA | 混合高斯过程，动态时间规整 | 簇基序列图网络（CSGN） | 声子态密度谱 | NA | NA | NA | NA | NA |
| 823 | 2024-12-14 |
Artificial intelligence as an auxiliary tool in pediatric otitis media diagnosis
2024-Dec, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2024.112154
PMID:39547107
|
研究论文 | 本文探讨了使用卷积神经网络和深度学习技术作为辅助工具，用于儿科中耳炎的诊断 | 开发了儿科中耳炎分类器，通过AI技术将诊断准确率提高到98%以上，远超人类医生的诊断准确率 | 未提及具体的局限性 | 促进AI技术在儿科中耳炎诊断中的应用，提高诊断准确率 | 儿科中耳炎的诊断 | 计算机视觉 | 儿科疾病 | 卷积神经网络 | CNN | 图像 | 大量急性中耳炎（AOM）、分泌性中耳炎（OME）和正常耳镜图像 | NA | NA | NA | NA |
| 824 | 2024-12-14 |
A review of AutoML optimization techniques for medical image applications
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了用于医学图像应用的AutoML优化技术 | 本文系统地回顾了现有的AutoML方法，并对其进行了分类和详细分析 | 本文未提供具体的实验结果或数据，而是侧重于方法的综述和分类 | 探讨AutoML技术在医学图像分析中的应用及其优化策略 | 医学图像分析任务中的AutoML技术 | 计算机视觉 | NA | AutoML | NA | 图像 | NA | NA | NA | NA | NA |
| 825 | 2024-12-14 |
HyperMPNN-A general strategy to design thermostable proteins learned from hyperthermophiles
2024-Dec-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.26.625397
PMID:39651244
|
研究论文 | 本文提出了一种基于超嗜热菌蛋白质结构数据的自监督学习方法HyperMPNN，用于设计高度耐热蛋白质 | 通过重新训练的HyperMPNN网络，成功恢复了超嗜热菌蛋白质的独特氨基酸组成，并将其应用于非超嗜热菌蛋白质的设计，显著提高了蛋白质的耐热性 | NA | 开发一种新的方法来设计高度耐热蛋白质 | 超嗜热菌蛋白质和非超嗜热菌蛋白质 | NA | NA | 自监督学习 | HyperMPNN | 蛋白质结构 | NA | NA | NA | NA | NA |
| 826 | 2024-12-14 |
Automated confidence estimation in deep learning auto-segmentation for brain organs at risk on MRI for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14513
PMID:39284283
|
研究论文 | 本文提出了一种名为AutoConfidence（ACo）的新型AI驱动质量保证方法，用于在磁共振成像（MRI）上进行脑部危及器官的自动分割，以评估每个体素的分割置信度 | 创新点在于无需金标准分割即可在每个体素基础上估计分割置信度，从而实现自动分割的稳健和高效审查 | 研究仅在胶质瘤病例中进行了验证，且未提及在其他类型肿瘤或不同成像模式中的应用 | 开发一种无需金标准分割的自动分割质量保证方法，以提高放射治疗中自动分割的可靠性和效率 | 脑部危及器官的自动分割在MRI上的置信度评估 | 计算机视觉 | 脑肿瘤 | 深度学习 | 生成对抗网络（GAN） | 图像 | 32例回顾性胶质瘤病例用于训练，9例用于测试 | NA | NA | NA | NA |
| 827 | 2024-12-14 |
Deep learning based ultra-low dose fan-beam computed tomography image enhancement algorithm: Feasibility study in image quality for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14560
PMID:39540681
|
研究论文 | 研究了基于深度学习的超低剂量kV-扇形束CT图像增强算法在腹部和盆腔肿瘤放疗中的临床应用可行性 | 提出了基于CycleGAN的图像增强模型，显著提高了超低剂量CT图像的质量，接近正常剂量CT图像 | 研究仅在腹部和盆腔肿瘤患者中进行，样本量相对较小，可能需要进一步验证在其他类型肿瘤中的适用性 | 评估深度学习增强的超低剂量CT图像在放疗中的临床应用可行性 | 腹部和盆腔肿瘤患者 | 计算机视觉 | 肿瘤 | CycleGAN | GAN | 图像 | 76名腹部和盆腔肿瘤患者 | NA | NA | NA | NA |
| 828 | 2024-12-14 |
Commentator Discussion: Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound
2024-Dec, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2024.10.003
PMID:39669331
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 829 | 2024-12-13 |
Improving genome-scale metabolic models of incomplete genomes with deep learning
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111349
PMID:39660058
|
研究论文 | 本文提出了一种基于深度神经网络的代谢途径填补方法，用于改进不完整基因组的基因组尺度代谢模型 | 本文引入了深度神经网络引导的代谢途径填补方法（DNNGIOR），通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果 | NA | 改进不完整基因组的基因组尺度代谢模型 | 微生物代谢模型中的代谢反应填补 | 机器学习 | NA | 深度学习 | 深度神经网络 | 基因组数据 | 涉及多种细菌基因组 | NA | NA | NA | NA |
| 830 | 2024-12-13 |
IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40606
PMID:39660181
|
研究论文 | 本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别 | 首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能 | 实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小 | 开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展 | 印度尼西亚的药用植物 | 计算机视觉 | NA | 迁移学习，卷积神经网络 | CNN | 图像 | 一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选 | NA | NA | NA | NA |
| 831 | 2024-12-13 |
Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model
2024-Dec-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad992c
PMID:39622083
|
研究论文 | 本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测 | 创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测 | NA | 研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测 | 研究对象是脑电图数据和癫痫发作预测 | 机器学习 | 神经疾病 | 时间重分配多同步挤压变换（TMSST） | CNN-BiLSTM-Attention机制模型 | 脑电图（EEG）数据 | 22名患者 | NA | NA | NA | NA |
| 832 | 2024-12-13 |
Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis
2024-Dec-11, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.24.09.0256
PMID:39662033
|
研究论文 | 本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性 | 开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性 | 研究样本量较小，仅包括6只犬类，可能影响结果的普适性 | 验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量 | 犬类出血性休克模型中的失血量预测 | 机器学习 | NA | 机器学习 | 深度学习（hCRM-DL）和机器学习（hCRM-ML） | 波形 | 6只经过麻醉的犬类 | NA | NA | NA | NA |
| 833 | 2024-12-13 |
Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01364-8
PMID:39663317
|
研究论文 | 本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力 | 本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果 | NA | 开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力 | 乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织 | 计算机视觉 | 乳腺癌 | 深度学习 | 语义分割模型 | 图像 | 最大的专门用于乳腺X光图像分割关键解剖结构的数据集 | NA | NA | NA | NA |
| 834 | 2024-12-13 |
A Neural Network for Segmenting Tumours in Ultrasound Rectal Images
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01358-6
PMID:39663316
|
研究论文 | 本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型 | 创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合 | NA | 设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断 | 超声直肠图像中的肿瘤 | 计算机视觉 | 直肠癌 | 深度学习 | 神经网络 | 图像 | 53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证 | NA | NA | NA | NA |
| 835 | 2024-12-13 |
Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01345-x
PMID:39663320
|
研究论文 | 本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量 | 首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能 | 研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果 | 探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量 | 直肠癌患者的T2加权成像 | 计算机视觉 | 直肠癌 | 深度学习重建 | NA | 图像 | 52名直肠癌患者 | NA | NA | NA | NA |
| 836 | 2024-12-13 |
Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01373-7
PMID:39663321
|
研究论文 | 本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析 | 首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位 | NA | 开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预 | 癌症患者的腹部/骨盆CT扫描图像 | 计算机视觉 | NA | CT | Swin UNETR | 图像 | 200例癌症患者的腹部/骨盆CT扫描 | NA | NA | NA | NA |
| 837 | 2024-12-13 |
Vocal Biomarkers for Parkinson's Disease Classification Using Audio Spectrogram Transformers
2024-Dec-10, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.11.008
PMID:39665946
|
研究论文 | 本研究评估了音频频谱图Transformer（AST）模型在通过语音生物标志物检测帕金森病（PD）中的有效性 | 提出了使用音频频谱图Transformer模型，利用其自注意力机制更好地捕捉PD相关的语音障碍，相较于传统深度学习方法具有更高的分类性能 | 需要进一步在更多样化的人群中进行验证以实现临床应用 | 评估音频频谱图Transformer模型在通过语音生物标志物检测帕金森病中的有效性 | 帕金森病患者的语音生物标志物 | 机器学习 | 帕金森病 | 音频频谱图Transformer（AST）模型 | Transformer | 音频 | 150名参与者（PC-GITA数据集：50名PD患者，50名健康对照；ITA数据集：28名PD患者，22名健康对照） | NA | NA | NA | NA |
| 838 | 2024-12-13 |
Prediction of incident atrial fibrillation using deep learning, clinical models, and polygenic scores
2024-Dec-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae595
PMID:39217446
|
研究论文 | 本研究开发并测试了一种基于深度学习的ECG-AI模型，用于预测心房颤动（AF），并与临床模型和AF多基因评分（PGS）进行了比较 | 本研究首次将深度学习应用于心电图（ECG）数据，提出了一种新的ECG-AI模型，并在多个数据集上验证了其性能，显示出比传统临床模型和多基因评分更高的预测准确性 | 本研究的样本主要来自一个三级心脏中心，外部验证数据集的样本量较小，可能限制了模型的普适性 | 开发和验证一种基于深度学习的心电图分析模型，用于预测新发心房颤动 | 心电图数据和心房颤动的预测 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | 669,782份心电图数据，来自145,323名患者 | NA | NA | NA | NA |
| 839 | 2024-12-13 |
Deep learning for predicting rehospitalization in acute heart failure: Model foundation and external validation
2024-Dec, ESC heart failure
IF:3.2Q2
DOI:10.1002/ehf2.14918
PMID:38981003
|
研究论文 | 本研究开发并验证了一种基于深度学习的急性心力衰竭再住院预测模型 | 首次使用深度学习方法结合真实世界数据进行心力衰竭再住院预测 | 模型的区分度中等，AUC值在0.63到0.76之间 | 开发一种基于深度学习的预测模型，用于预测急性心力衰竭患者在出院后30天、90天和365天内的再住院风险 | 急性心力衰竭患者的再住院风险 | 机器学习 | 心血管疾病 | 深度学习 | GRU | 数据 | 2014年1月至2019年1月期间因急性心力衰竭住院的患者数据 | NA | NA | NA | NA |
| 840 | 2024-12-13 |
Enhancing AI Research for Breast Cancer: A Comprehensive Review of Tumor-Infiltrating Lymphocyte Datasets
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01043-8
PMID:38806950
|
综述 | 本文综述了与肿瘤浸润淋巴细胞（TIL）相关的公开数据集，旨在为乳腺癌研究中的计算机辅助病理学（CAP）工具的训练和验证提供资源 | 本文的创新点在于系统地回顾了公开的TIL数据集，为TIL研究社区提供了宝贵的资源 | 本文的局限性在于仅限于公开可用的数据集，可能无法涵盖所有相关的TIL数据 | 本文的研究目的是为乳腺癌研究中的计算机辅助病理学工具的训练和验证提供资源 | 本文的研究对象是与肿瘤浸润淋巴细胞（TIL）相关的公开数据集 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |