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 32939 篇文献，本页显示第 20761 - 20780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20761 | 2024-12-06 |
A Single-Cell Interrogation System from Scratch: Microfluidics and Deep Learning
2024-Nov-28, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.4c02745
PMID:39547656
|
研究论文 | 本文为微生物学家提供了一个从零开始构建自定义活细胞检测系统的指南，结合了微流控技术和深度学习技术 | 本文首次为微生物学家提供了从零开始构建自定义活细胞检测系统的详细指南，并展示了如何使用最先进的深度学习技术设计图像处理算法 | 本文主要面向具有微流控技术基础的微生物学家，可能对其他领域的研究人员不适用 | 为微生物学家提供构建自定义活细胞检测系统的指南，并展示如何使用深度学习技术进行图像处理 | 活细胞检测系统的设计与构建，以及图像处理算法的设计 | 微流控技术 | NA | 微流控技术，深度学习 | 深度学习 | 图像 | 数千个细菌细胞周期 | NA | NA | NA | NA |
| 20762 | 2024-12-06 |
Densely Populated Cell and Organelles Segmentation With Multi-Plane Deep Learning Pipeline
2024-Nov-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.19.623228
PMID:39605330
|
研究论文 | 开发了一种用于细胞和细胞器分割的机器视觉管道，通过多平面深度学习方法处理vEM数据集 | 利用2D神经网络捕捉3D相关性，实现了高效的细胞和细胞器分割，并在CREMI神经元分割挑战中取得了先进成果 | NA | 开发一种高效的细胞和细胞器分割方法，并应用于大规模血小板研究 | 血小板和细胞器 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 数百个血小板 | NA | NA | NA | NA |
| 20763 | 2024-12-06 |
Deep learning-based spike sorting: a survey
2024-Nov-14, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad8b6c
PMID:39454590
|
综述 | 本文深入评估了基于深度学习的尖峰排序方法、方法论和结果，揭示了当前最先进的技术 | 本文综述了24篇关于基于深度学习的尖峰排序的文章，涵盖了尖峰检测、特征提取和分类三个子问题，并探讨了集成系统在解决尖峰排序问题中的潜力 | 尽管大多数算法是为单通道记录开发的，但多通道数据模型已经显示出有希望的结果，但仍需进一步研究和优化 | 综述基于深度学习的尖峰排序方法，评估其当前状态和未来发展方向 | 神经科学中的尖峰排序问题，包括尖峰检测、特征提取和分类 | 机器学习 | NA | 深度学习 | 卷积神经网络、自编码器 | 神经信号 | 24篇文章 | NA | NA | NA | NA |
| 20764 | 2024-12-06 |
Mixed Effects Deep Learning for the interpretable analysis of single cell RNA sequencing data by quantifying and visualizing batch effects
2024-Nov-13, ArXiv
PMID:39606715
|
研究论文 | 提出了一种混合效应深度学习（MEDL）自编码器框架，用于单细胞RNA测序数据的解释性分析，通过量化和可视化批次效应 | 通过分离批次不变（固定效应）和批次特定（随机效应）成分，将两者整合到预测模型中，同时生成2D可视化，增强了解释性 | NA | 解决单细胞RNA测序数据中的批次效应问题，并提高预测准确性 | 单细胞RNA测序数据中的批次效应和生物学状态 | 机器学习 | 心血管疾病, 自闭症谱系障碍, 急性髓系白血病 | 单细胞RNA测序 | 自编码器 | 基因表达数据 | 三个数据集，包括健康心脏、自闭症谱系障碍和急性髓系白血病，共147个批次 | NA | NA | NA | NA |
| 20765 | 2024-12-06 |
Sustainable sentiment analysis on E-commerce platforms using a weighted parallel hybrid deep learning approach for smart cities applications
2024-Nov-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78318-1
PMID:39489784
|
研究论文 | 本文介绍了一种基于加权并行混合深度学习方法的电子商务平台情感分析系统 | 提出了名为WPHDL-SAEPR的独特方法，结合了受限玻尔兹曼机和奇异值分解模型 | 未提及 | 提高电子商务平台上用户评价的情感分析准确性 | 电子商务平台上的用户评价 | 自然语言处理 | NA | 自然语言处理和机器学习 | 加权并行混合深度学习模型 | 文本 | 使用了一个消费者评论数据库进行评估 | NA | NA | NA | NA |
| 20766 | 2024-12-06 |
Development of high-quality artificial intelligence for computer-aided diagnosis in determining subtypes of colorectal cancer
2024-Nov, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16661
PMID:38923607
|
研究论文 | 开发了一种基于深度学习的高质量计算机辅助诊断系统，用于区分结直肠癌亚型 | 首次开发了一种能够准确诊断结直肠癌亚型的计算机辅助诊断系统，并引入了稀疏注意力机制以提高诊断性能 | 研究样本量较小，仅包括29例早期结直肠癌病例 | 开发一种能够准确区分结直肠癌亚型的计算机辅助诊断系统 | 结直肠癌的亚型分类 | 计算机视觉 | 结直肠癌 | 深度学习 | ResNet | 图像 | 1072张病理图像，包括29例早期结直肠癌病例 | NA | NA | NA | NA |
| 20767 | 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 |
| 20768 | 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 |
| 20769 | 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 |
| 20770 | 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 |
| 20771 | 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 |
| 20772 | 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 |
| 20773 | 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 |
| 20774 | 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 |
| 20775 | 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 |
| 20776 | 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 |
| 20777 | 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 |
| 20778 | 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 |
| 20779 | 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 |
| 20780 | 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 |