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 32371 篇文献，本页显示第 20141 - 20160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20141 | 2024-12-06 |
Deep Learning and Automatic Differentiation of Pancreatic Lesions in Endoscopic Ultrasound: A Transatlantic Study
2024-Nov-01, Clinical and translational gastroenterology
IF:3.0Q2
DOI:10.14309/ctg.0000000000000771
PMID:39324610
|
研究论文 | 本文开发了一种卷积神经网络（CNN）用于内镜超声（EUS）图像中胰腺病变的检测和区分 | 首次开发了全球首个能够检测和区分EUS图像中最常见的胰腺囊性肿瘤和胰腺实质性病变的CNN | 需要更大规模的多中心研究以实现技术的应用 | 提高内镜超声对胰腺病变诊断的准确性 | 胰腺囊性肿瘤（包括粘液性和非粘液性病变）和胰腺实质性病变（特别是胰腺导管腺癌和胰腺神经内分泌肿瘤） | 计算机视觉 | 胰腺癌 | 卷积神经网络（CNN） | CNN | 图像 | 378例EUS检查，包含约126,000张图像 | NA | NA | NA | NA |
| 20142 | 2024-12-06 |
Prediction of virus-host associations using protein language models and multiple instance learning
2024-Nov, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012597
PMID:39561204
|
研究论文 | 本文介绍了一种名为EvoMIL的深度学习方法，用于仅从病毒序列中预测病毒宿主物种，并识别对宿主预测有重要贡献的病毒蛋白 | 结合预训练的大型蛋白质语言模型（ESM）和基于注意力的多实例学习，实现了蛋白质导向的预测，并展示了蛋白质嵌入比序列组成特征（如氨基酸、理化性质和DNA k-mers）捕获更强的预测信号 | NA | 解决当前大多数病毒宿主未知的问题，特别是微生物群中的病毒，并预测新病毒是否感染人类和动物 | 病毒宿主关联和重要病毒蛋白 | 机器学习 | NA | 多实例学习 | 深度学习模型 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 20143 | 2024-12-06 |
Process-Informed Neural Networks: A Hybrid Modelling Approach to Improve Predictive Performance and Inference of Neural Networks in Ecology and Beyond
2024-Nov, Ecology letters
IF:7.6Q1
DOI:10.1111/ele.70012
PMID:39625058
|
研究论文 | 本文提出了一种结合过程模型和神经网络的混合建模方法，称为过程信息神经网络（PINNs），以提高生态学及其他领域中神经网络的预测性能和推理能力 | 创新地将过程知识直接融入神经网络结构中，形成过程信息神经网络（PINNs），显著提升了在数据稀疏情况下的预测性能和过程推理能力 | NA | 旨在解决深度学习在生态学应用中的数据稀疏和黑箱模型问题，提升预测准确性和过程理解 | 温带森林中的碳通量预测任务 | 生态学 | NA | 神经网络 | 过程信息神经网络（PINNs） | 时空数据 | 五种不同类型的PINNs模型在数据稀疏和高迁移任务中的表现 | NA | NA | NA | NA |
| 20144 | 2024-12-06 |
Deep Learning for the Study of Urinary Stone Composition from Computed Tomography Images
2024-Nov, Archivos espanoles de urologia
IF:0.6Q4
|
研究论文 | 本研究开发了一种基于卷积神经网络的深度学习模型，用于从CT图像中区分尿酸结石和非尿酸结石 | 首次利用深度学习技术从CT图像中预测尿酸结石的类型 | 研究仅限于回顾性分析，未来需进一步验证模型的前瞻性应用 | 开发一种方法来区分尿酸结石和非尿酸结石 | 尿酸结石和非尿酸结石的CT图像 | 计算机视觉 | 泌尿系统疾病 | 卷积神经网络 | CNN | 图像 | 918张非增强薄层单能量CT图像，包括124张尿酸结石和794张非尿酸结石 | NA | NA | NA | NA |
| 20145 | 2024-12-06 |
Revolutionizing dementia detection: Leveraging vision and Swin transformers for early diagnosis
2024-Oct, American journal of medical genetics. Part B, Neuropsychiatric genetics : the official publication of the International Society of Psychiatric Genetics
DOI:10.1002/ajmg.b.32979
PMID:38619385
|
研究论文 | 本文探讨了利用计算机视觉和Swin transformer算法进行早期痴呆症检测的方法 | 本文采用了Swin transformer算法，相比传统的Vision transformer和卷积神经网络，在整体准确性上表现更优 | NA | 旨在通过先进的技术手段实现痴呆症的早期诊断 | 痴呆症及其早期检测方法 | 计算机视觉 | 神经退行性疾病 | 计算机视觉和深度学习 | Swin transformer | 影像数据（如正电子发射断层扫描） | NA | NA | NA | NA | NA |
| 20146 | 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 |
| 20147 | 2024-12-06 |
Sensitive Detection of Structural Differences using a Statistical Framework for Comparative Crystallography
2024-Jul-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.22.604476
PMID:39091831
|
研究论文 | 本文介绍了一种结合贝叶斯框架和多元统计理论的统计框架，用于比较晶体学的敏感检测结构差异 | 本文创新性地将贝叶斯框架与多元统计理论结合，显著提高了蛋白质动力学、元素特异性异常信号和药物片段结合的检测能力 | NA | 开发一种新的统计框架，用于提高比较晶体学中结构差异的检测敏感性 | 蛋白质的化学和构象变化 | NA | NA | X射线衍射数据 | 贝叶斯框架 | 晶体学数据 | NA | NA | NA | NA | NA |
| 20148 | 2024-12-06 |
Proscan: a structure-based proline design web server
2024-Jul-05, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae408
PMID:38769060
|
研究论文 | 开发了一个基于结构的脯氨酸设计网络服务器Proscan，用于评估和可视化目标蛋白质中脯氨酸替代的潜在位置 | Proscan提供了一种基于深度学习和能量评估的脯氨酸替代方案，并支持交互式可视化 | NA | 开发一个工具，帮助研究人员通过结构设计控制蛋白质构象和动态 | 脯氨酸替代对蛋白质稳定性和构象的影响 | 生物信息学 | NA | 深度学习 | NA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 20149 | 2024-12-06 |
Recent Developments in Machine Learning for Mass Spectrometry
2024-Jun-19, ACS measurement science au
IF:4.6Q1
DOI:10.1021/acsmeasuresciau.3c00060
PMID:38910862
|
综述 | 本文综述了机器学习在质谱分析中的最新进展 | 介绍了现代机器学习方法和架构在质谱分析中的新应用 | NA | 提供机器学习方法在质谱分析中的实用概述，并探讨该领域的未来发展方向 | 质谱分析数据 | 机器学习 | NA | 质谱分析 | 人工神经网络 (ANN) 和深度学习架构 | 质谱数据 | NA | NA | NA | NA | NA |
| 20150 | 2024-12-06 |
Privacy-Preserving Federated Learning With Domain Adaptation for Multi-Disease Ocular Disease Recognition
2024-06, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3305685
PMID:37590112
|
研究论文 | 本文提出了一种隐私保护的联邦学习框架，结合领域自适应方法用于多疾病眼科疾病的识别 | 采用高斯随机化机制保护本地数据隐私，并引入两步领域自适应方法解决多站点数据间的领域差异问题 | 未提及具体的研究局限性 | 开发一种能够保护数据隐私并提高多站点数据间识别性能的联邦学习框架 | 多疾病眼科疾病的早期识别 | 计算机视觉 | 眼科疾病 | 联邦学习 | NA | 图像 | 使用了一个多疾病早期眼底筛查数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 20151 | 2024-12-06 |
An Anthropomorphic Diagnosis System of Pulmonary Nodules using Weak Annotation-Based Deep Learning
2024-May-05, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.03.24306828
PMID:38746400
|
研究论文 | 本文开发了一种基于弱注释深度学习的类人肺结节诊断系统 | 该系统使用弱注释数据进行训练，无需耗时且劳动密集的手动注释，并展示了与全注释系统相当的性能 | NA | 开发一种基于弱注释深度学习的类人肺结节诊断系统，以减少注释时间和成本 | 肺结节（PN）的分类（良性 vs. 恶性） | 计算机视觉 | 肺癌 | 深度学习（DL） | 深度学习模型 | 图像 | 两个肺部CT数据集：（1）公共LIDC-IDRI数据集，包含1018个受试者；（2）内部数据集，包含2740个受试者 | NA | NA | NA | NA |
| 20152 | 2024-12-06 |
CollaPPI: A Collaborative Learning Framework for Predicting Protein-Protein Interactions
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3375621
PMID:38466584
|
研究论文 | 本文提出了一种协作学习框架CollaPPI，用于预测蛋白质-蛋白质相互作用 | 该框架通过蛋白质级和任务级协作，实现了蛋白质对之间知识的共享和互补 | NA | 解决现有深度学习方法在提取蛋白质-蛋白质相互作用特征时忽略知识共享的问题 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | 深度学习 | 协作学习框架 | 蛋白质数据 | 两个蛋白质-蛋白质相互作用基准数据集 | NA | NA | NA | NA |
| 20153 | 2024-12-06 |
Auto Diagnosis of Parkinson's Disease Via a Deep Learning Model Based on Mixed Emotional Facial Expressions
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3239780
PMID:37022035
|
研究论文 | 本文提出了一种基于混合情感面部表情的帕金森病自动诊断方法 | 利用生成对抗学习合成虚拟面部表情图像，结合深度特征提取器和面部表情分类器进行帕金森病诊断 | NA | 开发一种基于面部表情的帕金森病自动诊断方法 | 帕金森病患者和正常人的面部表情 | 计算机视觉 | 神经退行性疾病 | 生成对抗学习 | 深度学习模型 | 图像 | 包括帕金森病患者和正常人的面部表情图像 | NA | NA | NA | NA |
| 20154 | 2024-12-06 |
CSF-GTNet: A Novel Multi-Dimensional Feature Fusion Network Based on Convnext-GeLU- BiLSTM for EEG-Signals-Enabled Fatigue Driving Detection
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3240891
PMID:37022236
|
研究论文 | 提出了一种基于Convnext-GeLU-BiLSTM的多维特征融合网络CSF-GTNet，用于通过脑电信号进行疲劳驾驶检测 | 创新性地结合了时间域和空间频域的多维特征融合网络，提高了疲劳检测的准确率 | 未提及具体局限性 | 解决现有研究中多维特征提取不足的问题，提高疲劳驾驶检测的准确性 | 脑电信号及其在疲劳驾驶检测中的应用 | 机器学习 | NA | 脑电图（EEG）信号分析 | Convnext-GeLU-BiLSTM | 脑电信号 | 自制的和SEED-VIG数据集 | NA | NA | NA | NA |
| 20155 | 2024-12-06 |
EEG-Based Mental Workload Classification Method Based on Hybrid Deep Learning Model Under IoT
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3281793
PMID:37276109
|
研究论文 | 提出了一种基于混合深度学习模型的EEG信号空间和时频域特征的脑力负荷分类方法 | 提出了基于混合深度学习模型的脑力负荷分类方法，结合了空间域和时频域特征，提高了分类准确性 | NA | 开发一种自动检测人类脑力负荷以预防心理疾病的方法 | 脑力负荷的分类 | 机器学习 | NA | 深度学习 | 混合深度学习模型 | EEG信号 | 使用了Simultaneous Task EEG Workload公共数据库 | NA | NA | NA | NA |
| 20156 | 2024-12-06 |
Improving Needle Tip Tracking and Detection in Ultrasound-Based Navigation System Using Deep Learning-Enabled Approach
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3353343
PMID:38215329
|
研究论文 | 本文提出了一种将基于超声的深度学习方法集成到光学导航系统中的新策略，以增强针尖的可视化并提高定位精度 | 本文的创新点在于将深度学习技术与光学导航系统结合，优化了针尖的跟踪和检测算法，提高了针尖定位的准确性 | 本文未提及具体的局限性 | 本文的研究目的是改进超声引导下经皮介入手术中的针尖跟踪和检测技术 | 本文的研究对象是超声图像中的针尖跟踪和检测 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | 本文建立了包含超声图像及其对应空间针尖坐标的数据集，并进行了实际穿刺实验以验证方法的有效性 | NA | NA | NA | NA |
| 20157 | 2024-12-06 |
Deep Learning-Based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3365172
PMID:38349825
|
研究论文 | 本文利用深度学习技术，通过眼动追踪行为分析来诊断阿尔茨海默病 | 提出了多层比较卷积神经网络（MC-CNN），通过分层残差块获取热图的多层特征表示，以更好地编码眼动行为 | NA | 早期诊断阿尔茨海默病 | 阿尔茨海默病患者和正常人的视觉注意力差异 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | 卷积神经网络（CNN） | 图像（热图） | NA | NA | NA | NA | NA |
| 20158 | 2024-12-06 |
Magnetoencephalography Decoding Transfer Approach: From Deep Learning Models to Intrinsically Interpretable Models
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3365051
PMID:38349827
|
研究论文 | 本文提出了一种通过特征归因知识蒸馏将深度学习模型转化为内在可解释模型的磁共振成像（MEG）解码迁移方法 | 首次将事后可解释算法中的特征归因图引入知识蒸馏，指导内在可解释模型吸收这些知识，实现从深度模型到内在可解释模型的MEG解码信息迁移 | NA | 结合深度学习和内在可解释模型的优势，提高MEG信号解码的预测性能和可解释性 | 磁共振成像（MEG）信号 | 机器学习 | NA | 知识蒸馏 | 深度学习模型、内在可解释模型（如决策树） | 神经电生理信号 | NA | NA | NA | NA | NA |
| 20159 | 2024-12-06 |
Label-Decoupled Medical Image Segmentation With Spatial-Channel Graph Convolution and Dual Attention Enhancement
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3367756
PMID:38376972
|
研究论文 | 提出了一种名为LADENet的新型医学图像分割框架，结合空间-通道图卷积和双重注意力增强机制 | 引入空间-通道图卷积捕捉全局长程信息和特征图间的拓扑相关性，采用距离变换的标签解耦策略和双重注意力增强机制提升学习能力 | 未提及 | 改进医学图像分割方法，提高分割性能 | 医学图像的分割 | 计算机视觉 | NA | 图卷积 | LADENet | 图像 | 基准数据集 | NA | NA | NA | NA |
| 20160 | 2024-12-06 |
Cardiac Valve Event Timing in Echocardiography Using Deep Learning and Triplane Recordings
2024-05, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3373124
PMID:38442058
|
研究论文 | 本文提出了一种利用深度学习和三平面记录来增强超声心动图中心脏瓣膜事件检测的方法 | 本文的创新点在于利用深度学习方法从三平面记录中检测六个不同的心脏瓣膜事件，包括传统上与舒张末期和收缩末期相关的事件 | 本文的局限性在于其方法主要依赖于三平面记录，可能不适用于其他类型的超声心动图数据 | 本文的研究目的是提高超声心动图中心脏瓣膜事件检测的准确性和全面性 | 本文的研究对象是超声心动图中的心脏瓣膜事件 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 240名患者的三平面数据和180名患者的独立测试数据 | NA | NA | NA | NA |