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 23615 篇文献，本页显示第 20821 - 20840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20821 | 2024-08-05 |
Drug repurposing for obsessive-compulsive disorder using deep learning-based binding affinity prediction models
2024, AIMS neuroscience
IF:3.1Q2
DOI:10.3934/Neuroscience.2024013
PMID:38988885
|
研究论文 | 本研究使用基于深度学习的方法构建了预测与强迫症相关的生物靶点相互作用的分子模型 | 创新点在于利用深度学习方法构建了多模型组合，并在大型药物数据库上进行外部验证 | 研究可能受限于模型的选择和验证样本的多样性 | 研究旨在发现针对强迫症的药物再利用 | 研究对象为与强迫症相关的分子及其与生物靶点的相互作用 | 机器学习 | 强迫症 | 深度学习 | 集成模型 | 分子数据 | 包含多个高分子的综合模型验证和案例研究 |
| 20822 | 2024-08-05 |
Making MS Omics Data ML-Ready: SpeCollate Protocols
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-4007-4_9
PMID:38995540
|
研究论文 | 本文提供了将质谱（MS）数据转化为机器学习（ML）训练和应用的全面指南 | 提出了SpeCollate深度学习模型，并展示了其在肽谱匹配中的应用 | 未提及具体的样本尺寸和限度 | 旨在为质谱分析提供数据变换、推理和机器学习模型应用的全面概述 | 质谱数据及其在肽谱匹配中的应用 | 机器学习 | NA | 质谱 | 深度学习模型（SpeCollate） | 质谱数据 | NA |
| 20823 | 2024-08-05 |
A novel MRI-based deep learning networks combined with attention mechanism for predicting CDKN2A/B homozygous deletion status in IDH-mutant astrocytoma
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09944-y
PMID:37553486
|
研究论文 | 本文开发了一种基于MRI的深度学习方法，以预测IDH突变星形胶质瘤中的CDKN2A/B同源缺失状态 | 提出了一种结合注意力机制的深度学习网络FN-Net，优于以往的ResNet网络 | 没有提及潜在的局限性 | 研究旨在提高预测IDH突变星形胶质瘤中CDKN2A/B同源缺失状态的准确性 | 234名参与者的多参数脑MRI数据及相应的基因组信息 | 数字病理学 | 脑癌 | MRI | ConvNeXt | 图像 | 234名参与者（111例阳性，123例阴性） |
| 20824 | 2024-08-05 |
An enhanced pattern detection and segmentation of brain tumors in MRI images using deep learning technique
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418280
PMID:38988988
|
研究论文 | 该文章提出了一种改进的深度学习方法，用于在MRI图像中检测和分割脑肿瘤 | 本研究使用二进制卷积神经网络（BCNN）算法，成功扩展了肿瘤分割能力，从仅分割四种类型提升到十种主要脑肿瘤类型 | NA | 提高脑肿瘤的早期检测和分割精度 | 通过MRI图像对脑肿瘤进行识别、分类和分级 | 计算机视觉 | NA | 深度学习 | 二进制卷积神经网络（BCNN） | 图像 | 6600张脑MRI图像 |
| 20825 | 2024-08-05 |
Advanced Techniques for MR Neuroimaging
2024, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.e.2024-1000
PMID:38945942
|
综述 | 本期特别刊物总结了MR神经成像的先进技术和应用 | 涉及多个领域的最新进展，如深度学习图像增强和放射组学 | 未提供具体的研究数据或样本量信息 | 介绍MR神经成像领域的最新技术进展 | 九篇由专家撰写的综述文章 | 数字病理学 | 神经系统疾病 | 磁共振成像 | NA | 图像 | NA |
| 20826 | 2024-08-05 |
Deep learning-based scan range optimization can reduce radiation exposure in coronary CT angiography
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09971-9
PMID:37552254
|
研究论文 | 本研究旨在开发一个深度神经网络，以优化CT定位器的扫描范围，从而减少患者辐射剂量 | 采用深度学习自动划定CT扫描范围，显著提高了扫描准确性，并减少了辐射暴露 | 可能存在训练数据的代表性问题，外部验证的样本来自单一医院 | 旨在降低冠状动脉CT血管造影中患者的辐射剂量 | 涉及1507个冠状动脉CT定位器的回顾性训练队列 | 数字病理学 | 心血管疾病 | Monte Carlo仿真 | 深度神经网络 | 影像 | 1507个CT定位器，内部队列233个，外部队列298个 |
| 20827 | 2024-08-07 |
Reducing radiation dose in routine CT scans: an AI-driven approach with deep learning-based dual-energy CT reconstruction
2024-Jan, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10066-8
PMID:37540322
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20828 | 2024-08-05 |
Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual Prostheses
2023-Dec, Advances in neural information processing systems
PMID:38984104
|
研究论文 | 本研究提出了一种结合深度学习和贝叶斯优化的新方法，用于视觉假体中的刺激编码优化。 | 提出了一种新的深度编码网络来为个体患者生成最佳刺激，并采用偏好贝叶斯优化策略进行个性化参数优化 | 尽管方法有效，但存在对高维刺激的处理能力不足的问题 | 旨在提高视觉假体患者的感知体验 | 研究视觉假体患者的个性化刺激编码 | 数字病理学 | NA | 深度学习，贝叶斯优化 | 深度编码网络 | 刺激参数数据 | NA |
| 20829 | 2024-08-05 |
Comparing a pre-defined versus deep learning approach for extracting brain atrophy patterns to predict cognitive decline due to Alzheimer's disease in patients with mild cognitive symptoms
2023-Nov-08, Research square
DOI:10.21203/rs.3.rs-3569391/v1
PMID:37986841
|
研究论文 | 该文章比较了预定义方法与深度学习方法在提取脑萎缩模式以预测阿尔茨海默病相关认知衰退中的表现 | 探讨了使用整个脑图像的深度学习模型是否能提高MRI预测性能 | 深度学习模型未显著改善阿尔茨海默病临床疾病进展的预测 | 预测具有主观认知衰退或轻度认知障碍的个体未来的阿尔茨海默病相关认知衰退 | 来自瑞典BioFINDER-1研究的332名主观认知衰退/轻度认知障碍个体 | 数字病理学 | 阿尔茨海默病 | 磁共振成像 (MRI) | 深度学习模型 | 图像 | 332名患者 |
| 20830 | 2024-08-05 |
HLA-II immunopeptidome profiling and deep learning reveal features of antigenicity to inform antigen discovery
2023-07-11, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2023.05.009
PMID:37301199
|
研究论文 | 本研究通过单等位基因免疫肽组学分析HLA-II结合体，结合深度学习，揭示抗原特征以辅助抗原发现 | 创新性地开发了基于深度学习的模型CAPTAn，用于预测与HLA-II亲和力相关的肽抗原 | 目前对影响抗原呈递的因素理解仍不完全，且在配体数据库中多样性等位基因的代表性不足 | 研究HLA-II抗原结合体的特征，以提供新的抗原发现工具 | 358,024个HLA-II结合肽，特别关注HLA-DQ和HLA-DP | 数字病理学 | NA | 单等位基因免疫肽组学 | 深度学习模型(CAPTAn) | PEPTIDES | NA |
| 20831 | 2024-08-05 |
In-silico generation of high-dimensional immune response data in patients using a deep neural network
2023-05, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24709
PMID:36507780
|
研究论文 | 本文提出了一种深度学习模型，用于在高维空间中生成患者的免疫反应数据 | 通过新的最佳时序细胞匹配和过完备自编码器管道，使用少量患者的数据预测整个患者的免疫反应 | 受限于仅使用小型患者样本，可能影响模型的普遍适用性 | 旨在理解免疫系统在各类疾病中的作用 | 分析手术前后1.08百万个细胞的数据 | 机器学习 | NA | 深度学习 | 自编码器 | 细胞数据 | 涉及1.08百万个细胞 |
| 20832 | 2024-08-07 |
BIONIC: biological network integration using convolutions
2022-10, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-022-01616-x
PMID:36192463
|
研究论文 | 本文介绍了一种基于深度学习的生物网络集成算法BIONIC，该算法利用图卷积网络框架，通过结合和自动加权输入信息，以获得更准确和全面的生物学表示 | BIONIC算法能够学习包含更多功能信息的特征，相比现有方法有显著改进 | NA | 开发一种新的生物网络集成算法，以提高对生物学功能的理解和预测 | 生物网络的集成和功能信息的学习 | 机器学习 | NA | 图卷积网络 | CNN | 网络数据 | 适用于大规模的人类基因组网络集成 |
| 20833 | 2024-08-07 |
Deep learning-based segmentation of the placenta and uterus on MR images
2021-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.8.5.054001
PMID:34589556
|
研究论文 | 本研究开发了一种基于深度学习的磁共振图像中胎盘和子宫腔的分割方法 | 采用全卷积神经网络（CNN）进行三维（3D）同时分割，并引入最小操作员交互以提高胎盘定位的准确性 | NA | 开发一种用户交互最少的分割方法 | 胎盘和子宫腔的分割 | 计算机视觉 | NA | 磁共振成像 | CNN | 图像 | 训练集包括70个正常案例和129个包括正常及疑似胎盘植入谱（PAS）的案例；测试集包括20个正常案例和50个包括正常及疑似PAS的案例 |
| 20834 | 2024-08-05 |
Quantification of litter in cities using a smartphone application and citizen science in conjunction with deep learning-based image processing
2024-Sep-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.06.026
PMID:38943818
|
研究论文 | 本研究提出了一种多学科方法，通过智能手机应用和深度学习图像处理量化城市垃圾的丰富性和组成 | 结合公民科学和智能手机应用，实现垃圾的视觉分类和深度学习图像处理的创新 | 未提及具体的局限性 | 研究城市环境中的垃圾数量和分类 | 利用Pirika智能手机应用收集的垃圾图像数据 | 数字病理学 | NA | 深度学习图像处理 | 深度学习算法 | 图像 | 约一百万张垃圾图像 |
| 20835 | 2024-08-05 |
Research progress on prediction of RNA-protein binding sites in the past five years
2024-Aug, Analytical biochemistry
IF:2.6Q2
DOI:10.1016/j.ab.2024.115535
PMID:38643894
|
综述 | 准确预测RNA-蛋白结合位点对于理解蛋白-RNA相互作用及其调控机制至关重要 | 综述了2018-2023年间使用传统机器学习和深度学习的计算方法的应用和创新 | 探讨了现有计算方法的局限性 | 为了深入理解RNA-蛋白结合位点的预测方法 | 总结常用的数据库和计算方法 | 计算生物学 | NA | 传统机器学习和深度学习 | 卷积神经网络和长短期记忆网络 | NA | NA |
| 20836 | 2024-08-05 |
Deep demosaicking convolution neural network and quantum wavelet transform-based image denoising
2024-Jul-11, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2358950
PMID:38989778
|
研究论文 | 本研究开发了一种基于深度学习的图像去噪和去马赛克的方法 | 提出了结合量子小波变换和自回归圆波优化的去马赛克卷积神经网络 | 未提及具体的局限性 | 寻求适合多重图像恢复的策略 | 解决图像去噪和去马赛克问题的深度学习模型 | 计算机视觉 | NA | 量子小波变换 | DMCNN | 图像 | NA |
| 20837 | 2024-08-05 |
A hybrid model for the detection of retinal disorders using artificial intelligence techniques
2024-Jul-10, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad5db2
PMID:38955139
|
研究论文 | 该研究旨在创建一种自动化的方法，通过光学相干断层扫描(OCT)来分类视网膜疾病 | 提出了一种结合机器学习和深度学习技术的新框架 | NA | 研究自动识别和分类视网膜疾病的方法 | 视网膜疾病，包括脉络膜新生血管、糖尿病性黄斑水肿、眼底脂质沉积和正常病例 | 计算机视觉 | NA | 光学相干断层扫描(OCT) | 支持向量机(SVM)、K-最近邻(K-NN)、决策树(DT)、集成模型(EM) | 图像 | 18000张OCT图像 |
| 20838 | 2024-08-05 |
Anatomical-Marker-Driven 3D Markerless Human Motion Capture
2024-Jul-09, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3424869
PMID:38980775
|
研究论文 | 提出了一种基于解剖标记的无标记三维人动作捕捉方法。 | 通过使用解剖学 landmark 和深度神经网络来提高 2D 关键点标注的精度，进而计算 3D 标记位置。 | 方法依赖于高质量的标注数据，数据集的标注错误会影响最终的估计准确度。 | 改善无标记运动捕捉的精度，使其在生物力学研究中得到更广泛的应用。 | 测试集包含 10 名受试者执行的各种动作。 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 10 个受试者 |
| 20839 | 2024-08-05 |
ProFun-SOM: Protein Function Prediction for Specific Ontology Based on Multiple Sequence Alignment Reconstruction
2024-Jul-09, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2024.3419250
PMID:38980781
|
研究论文 | 本文提出了一种新的多标签分类器ProFun-SOM，利用多序列比对来精确注释基因本体 | ProFun-SOM通过重建过程增强初始的多序列比对，并将其集成到深度学习架构中，以解决混合本体问题 | 研究中可能未涵盖所有可能的基因本体类别及其复杂性 | 本研究旨在通过解决混合本体问题，改进蛋白质功能预测 | 本文的研究对象是蛋白质功能，特别是其在基因本体中的注释 | 机器学习 | NA | 多序列比对（MSA）、深度学习 | 多标签分类器 | 数据集（CAFA3、SwissProt和NetGO2） | 三组数据集的样本，具体数量未详细说明 |
| 20840 | 2024-08-05 |
Deep learning based bilateral filtering for edge-preserving denoising of respiratory-gated PET
2024-Jul-09, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00661-z
PMID:38977533
|
研究论文 | 本文探讨了一种基于深度学习的双边滤波方法用于呼吸门控PET图像的边缘保持去噪。 | 采用深度学习优化双边滤波操作，自动化实现了手动调整的去噪效果。 | 在大多数数据集上选择了合适的滤波参数，少数情况下仍需人工调优。 | 提高呼吸门控PET图像的去噪效果，同时保持图像边缘。 | 使用69个呼吸门控临床PET/CT扫描数据，涉及不同放射性示踪剂。 | 数字病理学 | NA | 深度学习 | 3D U-Net CNN | 图像 | 69个呼吸门控临床PET/CT扫描样本 |