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 32373 篇文献，本页显示第 20781 - 20800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20781 | 2024-11-23 |
Enhanced single-frame interferometry via hybrid conv-transformer architecture for ultra-precise phase retrieval
2024-Aug-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.530142
PMID:39573190
|
研究论文 | 本文介绍了一种新的深度学习架构TECD-PSNet，用于高保真干涉图重建和精确相位恢复 | 提出了Transformer编码器-卷积解码器相移网络（TECD-PSNet），结合了Transformer块的全局描述能力和卷积块的高效特征提取能力，并引入了残差局部负反馈增强机制 | NA | 提高动态单帧干涉测量中相位恢复的精度和适应性 | 干涉图和相位恢复 | 计算机视觉 | NA | 深度学习 | Transformer Encoder-Convolution Decoder | 图像 | NA | NA | NA | NA | NA |
| 20782 | 2024-11-23 |
Underwater polarization image de-scattering utilizing a physics-driven deep learning method
2024-Aug-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.529711
PMID:39573222
|
研究论文 | 本文提出了一种利用物理驱动的深度学习方法进行水下偏振图像去散射的方法 | 结合主动偏振成像模型与深度学习，设计了偏振特征细化块，直接预测偏振相关参数，无需先验参数和手动估计 | NA | 解决现有基于学习的方法缺乏可解释性和泛化性的问题 | 水下偏振图像的去散射 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | 多组不同材料和不同浑浊条件下的实验结果 | NA | NA | NA | NA |
| 20783 | 2024-11-23 |
High-dimensional signal encoding and decoding method based on multi-ring perfect vortex beam
2024-Aug-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.530961
PMID:39573231
|
研究论文 | 研究提出了一种基于多环完美涡旋光束的高维信号编码与解码方法 | 通过叠加多个完美涡旋光束创建多环完美涡旋光束，并引入机器学习方法优化编码和解码过程 | NA | 提升自由空间光通信的通道容量和解码准确性 | 多环完美涡旋光束的编码与解码技术 | 光学通信 | NA | 机器学习 | 深度学习 | 光束 | NA | NA | NA | NA | NA |
| 20784 | 2024-11-23 |
SDD-Net: self-supervised dual-domain dual-path single-pixel imaging
2024-Aug-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.530902
PMID:39573230
|
研究论文 | 提出了一种自监督的双域双路径单像素成像方法 | 采用自监督学习方法，无需实际标签即可重建目标图像，并通过双域约束和结构-纹理双路径引导网络恢复图像的结构和纹理信息 | 未提及具体限制 | 解决现有单像素成像方法在复杂场景或特定应用中成像细节不足的问题 | 单像素成像技术 | 计算机视觉 | NA | 自监督学习 | SDD-Net | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 20785 | 2024-11-23 |
Mechanism-based organization of neural networks to emulate systems biology and pharmacology models
2024-05-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59378-9
PMID:38802422
|
研究论文 | 本文通过重新组织神经网络层以模拟机制模型的结构，展示了在药理学相互作用研究中提高训练率和预测准确性的方法 | 提出了一种通过重新组织神经网络层以模拟机制模型结构的方法，从而提高训练率和预测准确性，同时保持机制模拟的可解释性 | NA | 探索如何通过重新组织神经网络层来提高深度学习模型的训练率和预测准确性，同时保持机制模型的可解释性 | 研究阿片类药物与纳洛酮之间的药理学相互作用 | 机器学习 | NA | 深度学习 | 神经网络 | NA | NA | NA | NA | NA | NA |
| 20786 | 2024-11-23 |
Computer vision digitization of smartphone images of anesthesia paper health records from low-middle income countries
2024-May-07, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05785-8
PMID:38714921
|
研究论文 | 本文展示了使用计算机视觉软件从低至中等收入国家的智能手机拍摄的麻醉纸质健康记录中数字化手写手术数据的创新应用 | 本文的创新点在于使用计算机视觉技术数字化低至中等收入国家麻醉纸质记录中的手写数据，并改进了深度学习模型 | 本文的局限性在于仅在正常摄影条件下进行了测试，且生理数据的总体准确性为85.2% | 本文的研究目的是提高低至中等收入国家医疗从业者对数字化数据的访问 | 本文的研究对象是低至中等收入国家的麻醉纸质健康记录中的手写数据 | 计算机视觉 | NA | 计算机视觉技术 | YOLOv8模型 | 图像 | 来自基加利大学教学医院的麻醉纸质记录 | NA | NA | NA | NA |
| 20787 | 2024-11-23 |
Transcriptome-based deep learning analysis identifies drug candidates targeting protein synthesis and autophagy for the treatment of muscle wasting disorder
2024-Apr, Experimental & molecular medicine
DOI:10.1038/s12276-024-01189-z
PMID:38556548
|
研究论文 | 本研究通过转录组深度学习分析，识别出针对蛋白质合成和自噬的药物候选物，用于治疗肌肉萎缩症 | 本研究首次发现dimenhydrinate（一种由8-氯茶碱和苯海拉明组成的药物）作为治疗肌肉萎缩症的潜在疗法，并通过体外和体内实验验证了其促进肌肉再生的效果 | 本研究主要集中在dimenhydrinate的潜在治疗效果上，未详细探讨其长期使用的可能副作用和安全性 | 本研究的目的是通过转录组分析和深度学习技术，识别出新的药物候选物，用于治疗肌肉萎缩症 | 本研究主要关注癌症形成和5-FU化疗诱导的肌肉萎缩相关的基因表达特征，以及dimenhydrinate在肌肉再生中的作用 | 机器学习 | 肌肉萎缩症 | 转录组分析 | 深度学习 | 基因表达数据 | 包括体外实验中的肌肉祖细胞和体内实验中的多种肌肉萎缩模型动物 | NA | NA | NA | NA |
| 20788 | 2024-11-23 |
Advancing smart city factories: enhancing industrial mechanical operations via deep learning techniques
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1398126
PMID:39568661
|
研究论文 | 本文介绍了一种利用长短期记忆深度学习模型来实时监控和缓解工业环境中异常情况的创新方法 | 本文提出的模型在检测异常方面具有高精度，并能自动提出或实施补救措施，显著提高了操作效率 | NA | 提高工业机械操作的效率和可持续性 | 工业环境中的异常检测和缓解 | 机器学习 | NA | 深度学习 | 长短期记忆（LSTM） | 数据 | NA | NA | NA | NA | NA |
| 20789 | 2024-11-23 |
Diagnostic performance of artificial intelligence in detecting oral potentially malignant disorders and oral cancer using medical diagnostic imaging: a systematic review and meta-analysis
2024, Frontiers in oral health
IF:3.0Q1
DOI:10.3389/froh.2024.1494867
PMID:39568787
|
meta-analysis | 本文通过系统综述和荟萃分析评估了人工智能在医学诊断影像中检测口腔潜在恶性病变和口腔癌的诊断性能 | 本文首次系统性地评估了AI算法在口腔癌检测中的诊断准确性，并发现深度学习架构，特别是卷积神经网络，在检测口腔潜在恶性病变和口腔癌方面表现出色 | 本文仅评估了已发表的研究，可能存在发表偏倚；此外，研究间的异质性较大，可能影响结果的普适性 | 评估AI驱动的诊断方法在医学影像中检测口腔潜在恶性病变和口腔癌的诊断准确性 | 口腔潜在恶性病变和口腔癌 | machine learning | 口腔癌 | NA | CNN | image | 筛选了296篇文章，包括55项研究进行定性综合，选择了18项研究进行荟萃分析 | NA | NA | NA | NA |
| 20790 | 2024-11-23 |
A transformer-based deep learning model for identifying the occurrence of acute hematogenous osteomyelitis and predicting blood culture results
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1495709
PMID:39568996
|
研究论文 | 本文开发了一种基于Transformer的深度学习模型，用于识别急性血源性骨髓炎的发生并预测血培养结果 | 本文首次将Transformer模型应用于急性血源性骨髓炎的识别和血培养结果的预测 | 本文仅分析了实验室指标与骨髓炎及其相关诊断的关系，未考虑其他可能影响因素 | 开发一种能够有效识别急性血源性骨髓炎并预测血培养结果的深度学习模型 | 18岁以下的急性血源性骨髓炎患者及其血培养结果 | 机器学习 | 骨髓炎 | Transformer | Transformer | 实验室指标 | 634名18岁以下患者 | NA | NA | NA | NA |
| 20791 | 2024-11-23 |
Compare three deep learning-based artificial intelligence models for classification of calcified lumbar disc herniation: a multicenter diagnostic study
2024, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2024.1458569
PMID:39569028
|
研究论文 | 本文比较了三种基于深度学习的人工智能模型在钙化性腰椎间盘突出分类中的应用 | 本文开发并验证了一种基于侧位腰椎磁共振成像的人工智能诊断模型，用于识别钙化性腰椎间盘突出 | 研究时间跨度较长，且仅限于特定类型的腰椎间盘突出 | 开发和验证一种用于识别钙化性腰椎间盘突出的人工智能诊断模型 | 钙化性腰椎间盘突出患者 | 计算机视觉 | 腰椎间盘突出 | 深度学习 | ResNet-34 | 图像 | 1224名患者，包括610名男性和614名女性，平均年龄53.34 ± 10.61岁 | NA | NA | NA | NA |
| 20792 | 2024-11-23 |
Construction of a 2.5D Deep Learning Model for Predicting Early Postoperative Recurrence of Hepatocellular Carcinoma Using Multi-View and Multi-Phase CT Images
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S493478
PMID:39569409
|
研究论文 | 构建了一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发 | 提出了一个2.5D深度学习模型，结合多视角和多相位CT影像，用于预测肝细胞癌术后早期复发 | 3D深度学习模型在内部和外部验证集上表现不佳，表明存在过拟合问题 | 构建一个基于2.5D深度学习模型的CT影像，用于预测肝细胞癌术后早期复发 | 肝细胞癌术后早期复发的预测 | 机器学习 | 肝癌 | 深度学习 | 2.5D深度学习模型 | CT影像 | 232名患者用于训练和内部验证，91名患者用于外部验证 | NA | NA | NA | NA |
| 20793 | 2024-11-23 |
Large Language Models in Neurosurgery
2024, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-64892-2_11
PMID:39523266
|
研究论文 | 本文探讨了大型语言模型（LLM）在神经外科中的应用及其潜在的优缺点 | 本文首次详细讨论了大型语言模型在神经外科领域的应用，特别是ChatGPT在生成手术报告和手术笔记方面的潜力 | 本文未详细讨论大型语言模型在实际应用中可能遇到的伦理和技术挑战 | 探讨大型语言模型在神经外科中的应用及其潜在影响 | 大型语言模型（如ChatGPT）在神经外科中的应用 | 自然语言处理 | NA | 深度学习 | Transformer | 文本 | NA | NA | NA | NA | NA |
| 20794 | 2024-11-23 |
Navigating Mathematical Basics: A Primer for Deep Learning in Science
2024, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-64892-2_5
PMID:39523260
|
研究论文 | 本文提供了一个简明的数学基础介绍，旨在帮助科学家理解深度学习中的基本数学符号 | 本文的创新之处在于将数学基础与深度学习原理相结合，为非数学背景的读者提供了一个快速入门的途径 | 由于篇幅限制，本文无法替代需要多门课程和多年时间才能巩固的扎实数学知识 | 本文的研究目的是帮助非数学背景的读者克服阅读使用数学符号的深度学习文本时的障碍 | 本文主要研究对象是深度学习中的基本数学符号和模型 | 机器学习 | NA | NA | 全连接前馈深度神经网络 | NA | NA | NA | NA | NA | NA |
| 20795 | 2024-11-23 |
Machine and Deep Learning in Hyperspectral Fluorescence-Guided Brain Tumor Surgery
2024, Advances in experimental medicine and biology
DOI:10.1007/978-3-031-64892-2_15
PMID:39523270
|
研究论文 | 本文探讨了在荧光引导的脑肿瘤手术中使用机器学习和深度学习方法处理高光谱成像数据的过程 | 本文结合了机器学习和深度学习方法，提出了一种新的流程，用于从离体高光谱荧光图像中提取和处理相关发射光谱，并使用多种机器学习模型对脑肿瘤进行分类 | 本文的研究结果主要基于离体数据，尚未在临床环境中验证其有效性 | 旨在改进荧光引导的脑肿瘤手术中对肿瘤边缘的识别和分类 | 脑肿瘤及其边缘组织 | 机器学习 | 脑肿瘤 | 高光谱成像 | 机器学习模型 | 图像 | NA | NA | NA | NA | NA |
| 20796 | 2024-11-23 |
Inferring pointwise diffusion properties of single trajectories with deep learning
2023-11-21, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.10.015
PMID:37853693
|
研究论文 | 本文提出了一种基于深度学习的机器学习方法，用于在实验时间分辨率下表征具有时间依赖性的扩散过程 | 该方法能够在单轨迹级别预测扩散系数或异常扩散指数等感兴趣的属性，无需对系统进行任何先验知识或假设 | NA | 旨在准确确定生物场景中粒子的扩散特性，揭示其背后的机制 | 单分子扩散的膜蛋白DC-SIGN和整合素α5β1 | 机器学习 | NA | 深度学习 | NA | 轨迹数据 | 两个膜蛋白的单分子扩散实验 | NA | NA | NA | NA |
| 20797 | 2024-11-23 |
Integration of clinical features and deep learning on pathology for the prediction of breast cancer recurrence assays and risk of recurrence
2023-Apr-14, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00530-5
PMID:37059742
|
研究论文 | 本文介绍了一种结合临床特征和深度学习模型，利用数字病理学数据预测乳腺癌复发检测结果和复发风险的方法 | 该方法在预测乳腺癌复发检测结果和复发风险方面优于传统的临床诺模图，并且在独立验证队列中表现更好 | 该方法的适用性可能受限于低资源设置下的测试可用性 | 开发一种能够准确预测乳腺癌复发检测结果和复发风险的新方法，以指导化疗的使用 | 激素受体阳性、HER2阴性的乳腺癌患者 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像和临床风险因素 | 外部验证队列中的患者 | NA | NA | NA | NA |
| 20798 | 2024-11-23 |
Convolutional neural network scoring and minimization in the D3R 2017 community challenge
2019-01, Journal of computer-aided molecular design
IF:3.0Q2
DOI:10.1007/s10822-018-0133-y
PMID:29992528
|
研究论文 | 本文评估了基于卷积神经网络（CNN）的评分函数在药物发现领域中执行常见任务的能力 | 本文提出了一种基于CNN的评分函数，并在D3R 2017社区挑战中进行了评估，发现其在多个虚拟筛选任务中表现优异 | CNN在某些任务中表现不佳，特别是在Cathepsin S的从头对接任务中 | 评估基于CNN的评分函数在药物发现中的应用效果 | 评估CNN评分函数在识别配体姿态和分类活性或非活性配体方面的能力 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 结构信息 | 涉及D3R 2017社区挑战中的多个任务和配体 | NA | NA | NA | NA |
| 20799 | 2024-09-30 |
Can deep learning-derived IVUS predict outcomes in deferred CAD?
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132594
PMID:39332454
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20800 | 2024-11-22 |
AngioPy Segmentation: An open-source, user-guided deep learning tool for coronary artery segmentation
2025-Jan-01, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132598
PMID:39341506
|
研究论文 | 本文介绍了一种名为AngioPy的开源深度学习工具，用于冠状动脉分割，通过用户定义的地面实况点提高性能并减少手动校正 | AngioPy通过用户定义的地面实况点提高分割性能，减少手动校正的需求 | NA | 开发一种无需手动校正的高效冠状动脉分割工具 | 冠状动脉的分割和量化 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 2455张图像用于模型开发，580张图像用于外部验证，203张图像用于比较分析 | NA | NA | NA | NA |