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 23913 篇文献，本页显示第 20081 - 20100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20081 | 2024-08-05 |
A large-scale assessment of sequence database search tools for homology-based protein function prediction
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae349
PMID:39038936
|
研究论文 | 本文评估了不同序列数据库搜索工具在基于同源性的蛋白质功能预测中的效果 | 提出新的评分函数以改进基于同源性匹配的GO预测，并验证了搜索参数的重要性 | 没有探讨所有可能的顺序搜索工具和参数组合 | 探讨如何选择最佳序列搜索工具及其参数以提高蛋白质功能预测 | 主要研究热门的序列搜索工具对蛋白质功能预测的影响 | 机器学习 | NA | 序列数据库搜索 | NA | 基准数据集 | 大规模基准数据集 |
| 20082 | 2024-08-05 |
Comprehensive single-cell RNA-seq analysis using deep interpretable generative modeling guided by biological hierarchy knowledge
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae314
PMID:38960404
|
研究论文 | 提出了一种名为d-scIGM的深度可解释生成模型，用于单细胞RNA-seq数据分析 | d-scIGM结合锯齿连接技术和残差网络，构建了一个深度生成框架，并结合生物领域的层次性先验知识提高了模型的可解释性 | 大部分以往的生成模型工作局限于一到三层潜在变量的浅层神经网络 | 探索如何通过深度学习分析单细胞转录组数据并增加模型的可解释性 | 单细胞RNA-seq数据 | 数字病理学 | 黑色素瘤 | RNA-seq | 深度生成模型 | 基因表达数据 | 包含大规模实验的数据集 |
| 20083 | 2024-08-04 |
Development and validation of a deep learning model to predict axial length from ultra-wide field images
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02885-2
PMID:38102471
|
研究论文 | 本研究验证了通过超广角图像构建深度学习模型以预测中等至高度近视患者的轴长的可行性 | 创新点在于利用深度学习模型从超广角图像中高精度预测轴长 | 性别特异模型在男性和女性数据集中的表现存在显著差异 | 研究目的是开发和验证深度学习模型用于预测中等和高度近视患者的轴长 | 研究对象为2014年至2020年期间的3134例近视患者的6174幅超广角图像 | 计算机视觉 | 近视 | 深度学习 | NA | 图像 | 共6174幅超广角图像，来自3134名患者 |
| 20084 | 2024-08-04 |
Predicting systemic diseases in fundus images: systematic review of setting, reporting, bias, and models' clinical availability in deep learning studies
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02914-0
PMID:38238576
|
综述 | 本综述系统评估了使用深度学习技术分析眼底图像以预测全身性疾病的研究。 | 提供了对现有研究的系统性评估，并提出了改进临床适用性的方法建议 | 许多研究报告的不透明，样本量和缺失数据处理不足，且大部分模型在临床中未被实际应用 | 评估眼底图像及深度学习在预测全身性疾病中的表现，并促进临床实践的转化 | 系统性疾病的参数和状况，主要是通过眼底图像进行预测 | 数字病理学 | 糖尿病及相关疾病 | 深度学习 | NA | 眼底图像 | 31篇研究 |
| 20085 | 2024-08-07 |
Deep learning in ophthalmic and orbital ultrasound for spaceflight associated neuro-ocular syndrome (SANS)
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02877-2
PMID:38135772
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20086 | 2024-08-07 |
Response to 'Deep learning in ophthalmic ultrasound to enable further insights in Spaceflight Associated Neuro-Ocular Syndrome (SANS)'
2024-May, Eye (London, England)
DOI:10.1038/s41433-023-02878-1
PMID:38135773
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20087 | 2024-08-04 |
Magnetic resonance imaging-based bone imaging of the lower limb: Strategies for generating high-resolution synthetic computed tomography
2024-04, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.25707
PMID:37807082
|
研究论文 | 本研究旨在评估生成适用于骨科护理的高分辨率磁共振成像（MRI）基础的合成计算机断层扫描（sCT）图像的方法 | 提出了使用低分辨率数据生成高分辨率sCT图像的新方法 | 使用低分辨率CT数据训练模型导致产生的sCT图像模糊 | 研究低分辨率CT数据在生成高分辨率sCT中的应用 | 针对三个解剖区域的MRI和CT配对数据 | 数字病理学 | NA | 深度学习 | NA | MRI和CT数据 | 三种解剖区域的数据（高分辨率的膝盖和踝关节数据，以及低分辨率的髋关节数据） |
| 20088 | 2024-08-04 |
Development of an automated estimation of foot process width using deep learning in kidney biopsies from patients with Fabry, minimal change, and diabetic kidney diseases
2024-01, Kidney international
IF:14.8Q1
DOI:10.1016/j.kint.2023.09.011
PMID:37774924
|
研究论文 | 本文开发了一种使用深度学习自动估计足突宽度的技术，用于患者的肾脏活检。 | 创新点在于开发了一种基于深度学习的自动化FPW估计技术，并通过云应用使其易于访问。 | 当前研究只使用了有限数量的患者样本，未涵盖所有类型的肾脏疾病。 | 研究旨在提高肾脏疾病中足突宽度的测量效率和可获取性。 | 研究对象为来自Fabry病、2型糖尿病、最小变病和正常个体的肾脏活检图像。 | 数字病理学 | 肾脏疾病 | 深度学习 | U-Net | 电子显微镜图像 | 56名Fabry病患者，15名2型糖尿病患者，10名最小变病患者和17名正常个体 |
| 20089 | 2024-08-05 |
Performance Investigation of Somfit Sleep Staging Algorithm
2024, Nature and science of sleep
IF:3.0Q2
DOI:10.2147/NSS.S463026
PMID:39071546
|
研究论文 | 研究了新型家用睡眠监测设备Somfit的睡眠分期算法的准确性 | 提出了一种基于卷积神经网络架构的Somfit深度学习睡眠分期算法 | 研究中仅限于睡眠监测设备的准确性验证，未包含其他可能影响的因素 | 探讨Somfit睡眠分期算法在家用睡眠监测设备中的准确性 | 110名有阻塞性睡眠呼吸暂停症状的参与者 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 无创监测技术 | 卷积神经网络 (CNN) | 多导睡眠监测数据 | 110名参与者 |
| 20090 | 2024-08-05 |
A cutting-edge deep learning-and-radiomics-based ultrasound nomogram for precise prediction of axillary lymph node metastasis in breast cancer patients ≥ 75 years
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1323452
PMID:39072273
|
研究论文 | 本研究旨在开发一种基于深度学习和放射组学的超声命名法，以评估75岁及以上乳腺癌患者腋窝淋巴结转移风险 | 本研究结合深度学习与放射组学，提出了一种新的超声命名法，极大提升了预测腋窝淋巴结转移的准确性 | 样本仅限于接受哨兵淋巴结活检或腋窝淋巴结清扫的患者，可能影响结果的普适性 | 研究旨在提高75岁及以上乳腺癌患者腋窝淋巴结转移预测的准确性 | 研究对象为75岁及以上的乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声, 深度学习 | DenseNet-201 | 图像 | 75岁及以上乳腺癌患者，具体样本数量未提及 |
| 20091 | 2024-08-05 |
Advanced integration of 2DCNN-GRU model for accurate identification of shockable life-threatening cardiac arrhythmias: a deep learning approach
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1429161
PMID:39072217
|
研究论文 | 本研究提出了一种新的混合方法，用于自动检测危险的心律失常。 | 提出了一种新的深度学习架构的混合神经网络来分类危险心律失常，利用小段ECG信号的连续小波变换技术将信号转化为图像。 | 研究中使用的数据集可能在特征和样本方面存在不平衡的问题，尚未探讨其他心律失常种类。 | 旨在开发一种有效的混合方法，用于自动识别重症心律失常。 | 研究主要对象为心脏病患者的短ECG片段。 | 机器学习 | 心血管疾病 | 连续小波变换 (CWT) | 混合神经网络 | ECG数据 | 使用实际ECG数据以及通过SMOTE方法合成的ECG数据 |
| 20092 | 2024-08-05 |
Exploratory analysis of swallowing behaviour in community-dwelling older adults using a wearable device: Differences by age and ingestant under different task loads
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241264640
PMID:39070893
|
研究论文 | 本文开发了一种新的方法来评估吞咽行为 | 采用可穿戴设备非侵入性地监测吞咽声音，评估不同年龄和食物对吞咽行为的影响 | 研究样本相对较小，仅限于健康参与者，可能不适用于所有人群 | 提出一种新的评估吞咽行为的方法 | 健康的社区老年人，分为年轻组和老年组 | 数字病理学 | 老年疾病 | 深度学习 | 神经网络 | 生物声音 | 69名参与者（年轻组32人，老年组37人） |
| 20093 | 2024-08-05 |
LSTM-Based Prediction Model for Tuberculosis Among HIV-Infected Patients Using Structured Electronic Medical Records: A Retrospective Machine Learning Study
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S467877
PMID:39070689
|
研究论文 | 本研究建立了一种基于LSTM的预测模型，以利用电子病历预测HIV感染者中的结核病。 | 结合多层感知机分类器与长短时记忆网络（LSTM）提高了电子健康记录的提取和疾病预测能力。 | 尽管模型在识别HIV-结核共感染方面表现准确，但仍存在进一步优化和泛化的机会。 | 研究旨在通过电子健康记录构建预测模型，为HIV感染者中的结核病提供早期检测和精准干预的科学依据。 | 研究对象为4540名HIV感染患者，重点分析其结核病的感染情况及相关特征。 | 机器学习 | 结核病 | 机器学习，电子健康记录，自然语言处理 | 多层感知机，LSTM | 电子病历数据 | 4540名（HIV感染者） |
| 20094 | 2024-08-04 |
Automatic Visual Acuity Loss Prediction in Children with Optic Pathway Gliomas using Magnetic Resonance Imaging
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10339961
PMID:38083430
|
研究论文 | 本研究旨在通过多序列磁共振成像准确预测患有视路胶质瘤的儿童的视觉敏锐度丧失 | 提出了一种自动化深度学习框架，包括基于变换器的分割网络和机器学习方法用于预测视觉丧失 | 对于视觉丧失的风险预测依然存在挑战，特别是确定哪些儿童需要预防性治疗 | 研究通过MRI特征分析帮助早期预测NF1-OPG儿童的视觉结果 | 研究对象为75名患有NF1-OPG的儿童 | 数字病理学 | 视路胶质瘤 | 磁共振成像 | 基于变换器的分割网络 | 图像 | 75名儿童 |
| 20095 | 2024-08-07 |
Real-time vessel segmentation and reconstruction for virtual fixtures for an active handheld microneurosurgical instrument
2022-Jun, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-022-02584-5
PMID:35296950
|
研究论文 | 本文设计了一种实时血管分割和重建策略，用于手持式神经外科手术机器人Micron，以避免在岩枕部脑膜瘤手术中发生血管损伤 | 本文创新地整合了深度学习实时血管分割与3D重建算法，并实现了基于虚拟固定器的策略，防止手术工具进入血管周围的禁止区域 | NA | 提高患者在神经外科手术中的安全性，避免血管损伤 | 手持式神经外科手术机器人Micron在岩枕部脑膜瘤手术中的应用 | 计算机视觉 | 脑膜瘤 | 深度学习 | CNN | 图像 | 使用了模拟血管、岩静脉、颈内动脉和浅表血管的数据集进行测试 |
| 20096 | 2024-08-07 |
A fully automatic deep learning system for COVID-19 diagnostic and prognostic analysis
2020-08, The European respiratory journal
DOI:10.1183/13993003.00775-2020
PMID:32444412
|
研究论文 | 本文提出了一种全自动的深度学习系统，用于COVID-19的诊断和预后分析，通过常规的计算机断层扫描（CT）图像进行分析 | 该系统能够自动识别COVID-19与其他肺炎的区别，并成功将患者分为高风险和低风险组，且住院时间有显著差异 | NA | 开发一种快速筛查COVID-19并识别潜在高风险患者的工具，以优化医疗资源和早期预防 | COVID-19患者和其他肺炎患者的CT图像 | 机器学习 | COVID-19 | 深度学习 | 深度学习系统 | 图像 | 共收集了5372名患者的CT图像，其中1266名患者用于训练和外部验证 |
| 20097 | 2024-08-07 |
DoseGAN: a generative adversarial network for synthetic dose prediction using attention-gated discrimination and generation
2020-07-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-68062-7
PMID:32632116
|
研究论文 | 本文提出了一种基于注意力门控生成对抗网络（DoseGAN）的合成剂量预测方法，以提高治疗计划效率和放疗计划质量 | DoseGAN通过注意力门控机制聚焦于相关解剖结构，提高了学习效率，增加了模型复杂性，并减少了网络冗余 | NA | 开发一种新的深度学习算法，用于预测放射剂量，以提高治疗计划效率和放疗计划质量 | 前列腺SBRT患者的放射剂量预测 | 机器学习 | 前列腺癌 | 生成对抗网络（GAN） | GAN | 图像 | 141名前列腺SBRT患者 |
| 20098 | 2024-08-07 |
Learning context-aware structural representations to predict antigen and antibody binding interfaces
2020-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btaa263
PMID:32321157
|
研究论文 | 本文开发了一个统一的深度学习框架，用于预测抗体和抗原的结合界面 | 该框架结合了图卷积、注意力机制和迁移学习，以提高预测准确性和提供生物学解释 | NA | 理解抗体与其抗原的特异性相互作用，以改进药物和疫苗设计 | 抗体和抗原的结合界面 | 机器学习 | NA | 深度学习 | 图卷积网络、注意力机制 | 蛋白质结构数据 | NA |
| 20099 | 2024-08-07 |
COVID-19 Pneumonia Diagnosis Using a Simple 2D Deep Learning Framework With a Single Chest CT Image: Model Development and Validation
2020-06-29, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/19569
PMID:32568730
|
研究论文 | 开发并验证了一种基于单个胸部CT图像的简单2D深度学习框架FCONet，用于诊断COVID-19肺炎 | FCONet框架通过迁移学习使用四种先进的预训练深度学习模型之一作为骨干，实现了高效的COVID-19肺炎诊断 | NA | 快速开发一种AI技术，用于在CT图像中诊断COVID-19肺炎并区分其他类型的肺炎和非肺炎疾病 | COVID-19肺炎、其他肺炎和非肺炎疾病的胸部CT图像 | 计算机视觉 | COVID-19 | 深度学习 | ResNet-50 | 图像 | 3993张胸部CT图像 |
| 20100 | 2024-08-07 |
Building a PubMed knowledge graph
2020-06-26, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-020-0543-2
PMID:32591513
|
research paper | 本文构建了一个PubMed知识图谱（PKG），通过从2900万篇PubMed摘要中提取生物实体，并整合多源数据，如作者姓名消歧、资金数据等，以促进医学领域的知识发现。 | 本文采用了BioBERT深度学习方法进行生物实体提取，显著优于现有模型，并在作者姓名消歧方面取得了高F1分数。 | NA | 解决PubMed中概念提取困难和歧义问题，促进医学领域的知识发现。 | PubMed中的生物实体、作者、文章、机构和资金数据。 | 自然语言处理 | NA | BioBERT | BioBERT | 文本 | 2900万篇PubMed摘要 |