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 21401 - 21420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21401 | 2024-11-11 |
Automated mood disorder symptoms monitoring from multivariate time-series sensory data: getting the full picture beyond a single number
2024-Mar-26, Translational psychiatry
IF:5.8Q1
DOI:10.1038/s41398-024-02876-1
PMID:38531865
|
研究论文 | 本文提出了一种从可穿戴设备的多变量时间序列传感器数据中自动监测情绪障碍症状的新方法 | 本文的创新点在于提出了一种新的任务，即使用可穿戴设备的生理数据推断HDRS和YMRS量表中的所有项目，而不仅仅是单一标签 | 本文的局限性在于仅在MD患者的大样本中进行了验证，尚未在更广泛的人群中进行测试 | 本文的研究目的是开发一种能够从可穿戴设备的生理数据中全面评估情绪障碍症状的深度学习方法 | 本文的研究对象是情绪障碍患者及其症状 | 机器学习 | 情绪障碍 | 深度学习 | 多任务学习 | 时间序列数据 | 大量情绪障碍患者 | NA | NA | NA | NA |
| 21402 | 2024-11-11 |
Leveraging Deep Learning for Fine-Grained Categorization of Parkinson's Disease Progression Levels through Analysis of Vocal Acoustic Patterns
2024-Mar-21, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11030295
PMID:38534569
|
研究论文 | 研究利用深度学习模型对帕金森病进展水平进行细粒度分类，通过分析语音声学模式 | 首次探索使用深度学习模型对帕金森病进展水平进行细粒度分类，并研究了不同音频段长度和特定元音对模型性能的影响 | 在区分轻度和重度帕金森病病例方面仍存在挑战，需要更大规模的多类别标注数据集来改进严重程度分类 | 研究利用深度学习模型自动分类持续元音录音，以区分健康对照组、轻度帕金森病和重度帕金森病 | 帕金森病患者的语音声学模式 | 机器学习 | 帕金森病 | 深度学习 | 卷积神经网络 (CNN) 和视觉变换器 (Swin) | 图像 | NA | NA | NA | NA | NA |
| 21403 | 2024-11-11 |
Deep Learning for 3D Reconstruction, Augmentation, and Registration: A Review Paper
2024-Mar-07, Entropy (Basel, Switzerland)
DOI:10.3390/e26030235
PMID:38539747
|
综述 | 本文综述了深度学习在三维重建、增强和配准领域的最新进展 | 本文系统地分析了多种用于三维物体配准、增强和重建的基准模型，并探讨了其架构、优势和局限性 | 本文指出了三维深度学习领域中尚未解决的研究问题，这些问题需要在未来的研究中得到解决 | 综述深度学习在三维数据处理中的应用及其最新进展 | 三维物体的重建、增强和配准 | 计算机视觉 | NA | 深度学习 | CNN | 三维数据 | NA | NA | NA | NA | NA |
| 21404 | 2024-11-11 |
A Comprehensive Review on Synergy of Multi-Modal Data and AI Technologies in Medical Diagnosis
2024-Feb-25, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11030219
PMID:38534493
|
综述 | 本文综述了多模态数据与人工智能技术在医学诊断中的协同作用 | 本文整合了多模态数据和人工智能技术的最新进展，为临床实践提供了创新解决方案 | 本文主要集中在五种特定疾病的诊断上，未涵盖所有疾病类型 | 探讨多模态数据与人工智能技术在医学诊断中的应用 | 阿尔茨海默病、乳腺癌、抑郁症、心脏病和癫痫 | 机器学习 | NA | NA | NA | 多模态数据（图像、文本、语音、基因数据、生理信号） | NA | NA | NA | NA | NA |
| 21405 | 2024-11-11 |
AlphaFold2 Reveals Structural Patterns of Seasonal Haplotype Diversification in SARS-CoV-2 Spike Protein Variants
2024-Feb-21, Biology
DOI:10.3390/biology13030134
PMID:38534404
|
研究论文 | 本文利用AlphaFold2对SARS-CoV-2刺突蛋白的季节性单倍型多样性进行了结构模式分析 | 首次系统地比较了主要关注变异株及其对应纬度限定单倍型的S蛋白结构，揭示了单倍型对蛋白质结构的影响及其在季节性行为中的作用 | 仅限于对AlphaFold2生成的结构模型进行分析，未涉及实验验证 | 揭示SARS-CoV-2刺突蛋白在季节性单倍型多样性中的结构模式，为疫苗和药物开发提供预测依据 | SARS-CoV-2刺突蛋白及其主要关注变异株和对应单倍型的结构 | 结构生物学 | COVID-19 | AlphaFold2 | NA | 蛋白质结构 | 主要关注变异株（Alpha、Delta、Omicron）及其对应单倍型的S蛋白 | NA | NA | NA | NA |
| 21406 | 2024-11-11 |
Artificial intelligence in forensic medicine and related sciences - selected issues
2024, Archiwum medycyny sadowej i kryminologii
|
综述 | 本文综述了人工智能在法医学及相关科学中的潜在应用，并探讨了在诊断和治疗中可能造成的伤害的法律责任问题 | 本文介绍了人工智能在法医学及相关科学中的多种应用，如法医病理学、法医创伤学、死后鉴定检查等 | 人工智能在医学中应被视为辅助工具，最终的诊断和治疗决策应由人类负责 | 探讨人工智能在法医学及相关科学中的应用及其法律责任问题 | 人工智能在法医学及相关科学中的应用 | 机器学习 | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21407 | 2024-11-11 |
Deep CANALs: a deep learning approach to refining the canalization theory of psychopathology
2024, Neuroscience of consciousness
IF:3.1Q1
DOI:10.1093/nc/niae005
PMID:38533457
|
研究论文 | 本文利用深度学习理论对心理病理学的运河化理论进行改进 | 本文通过深度学习理论区分了大脑中信念表示的两个不同优化景观，并描述了每种景观运河化可能导致的独特病理 | NA | 改进心理病理学的运河化理论 | 心理病理学中的运河化现象 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 21408 | 2024-11-11 |
Artificial Intelligence-based Analytics for Diagnosis of Small Bowel Enteropathies and Black Box Feature Detection
2021-06-01, Journal of pediatric gastroenterology and nutrition
IF:2.4Q1
DOI:10.1097/MPG.0000000000003057
PMID:33534362
|
研究论文 | 开发了一种基于人工智能的图像分析平台，利用深度学习卷积神经网络（CNNs）来诊断小肠肠病，并检测其特征 | 利用深度学习CNNs和Grad-CAMs技术，提高了小肠肠病的诊断准确性，并揭示了深度学习模型的决策过程 | 研究样本主要来自儿童，且样本量相对较小 | 开发一种能够准确诊断小肠肠病的计算方法，并揭示深度学习模型的决策过程 | 小肠肠病，包括环境肠病（EE）和乳糜泻（CD） | 计算机视觉 | NA | 深度学习卷积神经网络（CNNs） | CNN | 图像 | 461张高分辨率活检图像，来自150名儿童 | NA | NA | NA | NA |
| 21409 | 2024-11-11 |
Sixty-five years of the long march in protein secondary structure prediction: the final stretch?
2018-05-01, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbw129
PMID:28040746
|
研究论文 | 本文回顾了蛋白质二级结构预测65年的发展历程，并探讨了当前的技术进步和未来发展方向 | 本文介绍了最新的深度学习技术在蛋白质二级结构预测中的应用，并提出了预测蛋白质骨架扭转角和Cα原子角度及扭转角的新方法 | 本文未详细讨论现有方法的具体局限性 | 探讨蛋白质二级结构预测的最新进展和未来发展方向 | 蛋白质二级结构预测 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列和结构数据 | 1199个非冗余蛋白质的数据库 | NA | NA | NA | NA |
| 21410 | 2024-11-10 |
Novel Uncertainty Quantification Through Perturbation-Assisted Sample Synthesis
2024-Dec, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3393364
PMID:38656858
|
研究论文 | 本文介绍了一种新的扰动辅助推理（PAI）框架，利用扰动辅助样本合成（PASS）方法生成的合成数据进行不确定性量化 | 提出了扰动辅助样本合成（PASS）方法，通过生成模型创建合成数据，增强数据多样性和隐私保护，并提高了估计精度 | 未提及 | 推进复杂数据驱动任务中的不确定性量化 | 复杂数据场景中的不确定性量化，特别是非结构化数据 | 机器学习 | NA | 深度学习模型 | 生成模型 | 非结构化数据 | 未提及 | NA | NA | NA | NA |
| 21411 | 2024-11-10 |
Comprehensive walkability assessment of urban pedestrian environments using big data and deep learning techniques
2024-Nov-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78041-x
PMID:39506013
|
研究论文 | 本文构建了一个综合评估框架，结合主观和客观维度评估城市步行环境，并应用于北京五环路内的街道环境 | 本文创新性地整合了主观和客观维度，提出了一个综合评估框架，包括宏观尺度指数、微观尺度指数和街道步行偏好指数 | 本文未详细讨论评估框架在其他城市或不同发展模式下的适用性 | 评估城市步行环境，促进公共健康、社区凝聚力和城市可持续发展 | 北京五环路内的街道环境 | 城市规划 | NA | 深度学习 | NA | 大数据 | 北京五环路内的街道环境 | NA | NA | NA | NA |
| 21412 | 2024-11-10 |
Machine learning models for river flow forecasting in small catchments
2024-Nov-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78012-2
PMID:39501028
|
研究论文 | 研究探讨了在小流域中使用深度学习模型进行河流流量预测的可行性 | 提出了结合不同输入数据集的模型组合方法，以提供更全面的河流流量未来演变描述 | 随着预测时间的增加，预测的不确定性增加，需要使用能提供预测置信区间的机器学习模型来减少不确定性 | 开发新的工具以减轻气候变化带来的水文地质风险，特别是在小流域中 | 小流域中的河流流量 | 机器学习 | NA | 深度学习 | 深度学习模型 | 河流流量数据 | NA | NA | NA | NA | NA |
| 21413 | 2024-11-10 |
Study on virtual tooth image generation utilizing CF-fill and Pix2pix for data augmentation
2024-11-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78190-z
PMID:39501064
|
研究论文 | 本文提出了一种利用图像到图像转换（pix2pix）和上下文重建填充（CR-Fill）生成虚拟牙齿图像的方法，以简化牙科修复过程 | 本文的创新点在于结合pix2pix和CR-Fill技术生成虚拟牙齿图像，并验证了这些虚拟图像在训练数据中的有效性 | 仅使用虚拟图像作为训练数据的效果不如同时使用真实和虚拟图像 | 简化牙科修复过程，减少传统牙科修复所需的工作量和时间 | 牙齿扫描图像和虚拟牙齿图像 | 计算机视觉 | NA | 图像到图像转换（pix2pix）和上下文重建填充（CR-Fill） | pix2pix | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 21414 | 2024-11-10 |
Developing a 10-Layer Retinal Segmentation for MacTel Using Semi-Supervised Learning
2024-Nov-04, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.11.2
PMID:39499591
|
研究论文 | 开发了一种用于MacTel的10层视网膜分割的半监督学习模型 | 通过利用未标记图像，该模型在视网膜层和特征的分割上显著优于其他模型 | 在某些特征（如内界膜上方的预视网膜空间和视网膜色素上皮下方的背景）上，所有模型的表现相似 | 提高OCT图像中MacTel病理的自动分割性能 | Macular Telangiectasia Type II (MacTel)患者的视网膜层和特征 | 计算机视觉 | NA | 半监督学习 | 深度学习模型 | 图像 | 使用了一个小规模的标记数据集，并利用了未标记图像 | NA | NA | NA | NA |
| 21415 | 2024-11-10 |
Background removal for debiasing computer-aided cytological diagnosis
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03169-0
PMID:38918281
|
研究论文 | 本文提出了一种基于深度学习的细胞分割和背景去除方法，用于解决计算机辅助细胞学诊断中的背景偏差问题 | 无需细胞标注，利用背景冗余和细胞稀疏性，通过U-Net模型在无监督方式下进行细胞分割和背景去除 | 实验结果基于小规模细胞学图像集，可能需要更大规模数据集验证其泛化能力 | 解决计算机辅助细胞学诊断中的背景偏差问题 | 液基细胞学图像中的细胞分割和背景去除 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 小规模细胞学图像集 | NA | NA | NA | NA |
| 21416 | 2024-11-10 |
Machine Learning for Localization of Premature Ventricular Contraction Origins: A Review
2024-11, Pacing and clinical electrophysiology : PACE
DOI:10.1111/pace.15089
PMID:39428720
|
综述 | 本文综述了机器学习在定位室性早搏起源中的应用、优势、劣势及未来研究方向 | 机器学习和深度学习在电生理学研究中作为强大的分析工具，逐渐发挥重要作用 | 未具体提及 | 提供机器学习在定位室性早搏起源中的发展概述，为临床医生和研究人员提供参考 | 室性早搏的起源定位 | 机器学习 | 心血管疾病 | 机器学习 (ML), 深度学习 (DL) | 未具体提及 | 心电图 (ECG), 计算机断层扫描 (CT), 磁共振成像 (MRI) | 未具体提及 | NA | NA | NA | NA |
| 21417 | 2024-11-10 |
Deep learning-based osteochondritis dissecans detection in ultrasound images with humeral capitellum localization
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-023-03040-8
PMID:38233599
|
研究论文 | 本文提出了一种基于深度学习的超声图像中肱骨髁骨软骨病（OCD）检测方法 | 通过使用YOLO检测肱骨髁并利用VGG16估计OCD概率，提高了分类性能 | 未来研究需要评估该方法在临床检查中的有效性 | 开发一种基于深度学习的超声图像分类模型，用于计算机辅助诊断OCD | 肱骨髁骨软骨病（OCD） | 计算机视觉 | 运动损伤 | 深度学习 | YOLO, VGG16 | 图像 | 158个样本（OCD: 67, 正常: 91） | NA | NA | NA | NA |
| 21418 | 2024-11-10 |
Deep learning-based automatic pipeline for 3D needle localization on intra-procedural 3D MRI
2024-Nov, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03077-3
PMID:38520646
|
研究论文 | 本文提出了一种基于深度学习的自动管道，用于在术中3D MRI上进行3D针定位 | 该方法采用Shifted Window (Swin) Transformers和粗到细的分割策略，能够在有限的训练数据集上实现快速且准确的3D针定位 | 该方法的评估仅基于49个术中3D MR图像，未来需要在更多样本上进行验证 | 开发一种自动化的深度学习方法，用于在术中3D MRI上快速且准确地定位针 | 术中3D MRI上的针定位 | 计算机视觉 | NA | Shifted Window (Swin) Transformers | Swin UNETR, Swin Transformer | 3D MRI图像 | 49个术中3D MR图像 | NA | NA | NA | NA |
| 21419 | 2024-11-10 |
A pilot study of AI-assisted reading of prostate MRI in Organized Prostate Cancer Testing
2024-Oct-29, Acta oncologica (Stockholm, Sweden)
DOI:10.2340/1651-226X.2024.40475
PMID:39473176
|
研究论文 | 评估在前列腺癌筛查中使用AI辅助阅读前列腺MRI的可行性 | 首次在前列腺癌筛查中应用深度学习算法辅助MRI阅读 | 深度学习算法与当地和专家放射科医生的共识一致性较低 | 评估AI辅助阅读前列腺MRI在前列腺癌筛查中的可行性 | 前列腺MRI图像和放射科医生的评估结果 | 计算机视觉 | 前列腺癌 | 深度学习 | DL | 图像 | 57名PSA水平≥3 µg/L的男性 | NA | NA | NA | NA |
| 21420 | 2024-11-10 |
Machine Learning Using Template-Based-Predicted Structure of Haemagglutinin Predicts Pathogenicity of Avian Influenza
2024-Oct-28, Journal of microbiology and biotechnology
IF:2.5Q3
DOI:10.4014/jmb.2405.05022
PMID:39252651
|
研究论文 | 本研究利用深度学习方法，通过模板预测的血凝素结构来预测禽流感的致病性 | 引入了一种新的管道，利用开源工具将蛋白质结构转换为适合计算分析的格式，并结合主成分分析和单类支持向量机提高了模型的鲁棒性 | NA | 开发一种快速准确识别高致病性禽流感毒株的方法 | 禽流感病毒的血凝素和神经氨酸酶类型 | 机器学习 | NA | 主成分分析，单类支持向量机，K近邻算法 | 二维卷积神经网络 | 基因组数据 | 12,143个禽流感病毒基因组，来自64个国家，涵盖119种血凝素和神经氨酸酶类型 | NA | NA | NA | NA |