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 24356 篇文献，本页显示第 21521 - 21540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21521 | 2024-08-07 |
In-Bed Pose Estimation: Deep Learning With Shallow Dataset
2019, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2019.2892970
PMID:30792942
|
研究论文 | 本文提出了一种在特定应用场景下，即床位姿态估计中，用于人体姿态和身体部位检测的鲁棒方法 | 采用红外选择性（IRS）图像采集技术应对光照变化挑战，并提出2端直方图定向梯度（HOG）校正方法处理非传统姿态视角 | 缺乏用于床位姿态的大型公共数据集，限制了从零开始使用大型网络 | 解决床位姿态估计中的特定挑战，提高姿态估计的准确性 | 人体在床上的姿态和身体部位 | 计算机视觉 | NA | 红外选择性（IRS）图像采集技术 | 卷积神经网络（CNN） | 图像 | 使用IRS成像系统从几个现实尺寸的假人模型中收集的IRS图像数据 |
| 21522 | 2024-08-07 |
Encodings and models for antimicrobial peptide classification for multi-resistant pathogens
2019, BioData mining
IF:4.0Q1
DOI:10.1186/s13040-019-0196-x
PMID:30867681
|
综述 | 本文综述了用于多重耐药病原体分类的抗菌肽编码和模型的最新进展 | 介绍了基于序列和结构聚合的氨基酸编码及其特性，并特别关注了从支持向量机和深度学习方法中派生的编码 | 尽管重点放在抗菌肽预测上，但并非所有提到的编码都已在抗菌研究中详细探讨，而是作为一般蛋白质或肽的表示 | 探讨如何通过机器学习方法自动化发现抗菌肽，并解决开发适当氨基酸编码的挑战 | 抗菌肽及其对多重耐药病原体的效果 | 机器学习 | NA | 机器学习方法 | 支持向量机和深度学习模型 | 序列数据 | NA |
| 21523 | 2024-08-07 |
The Applications of Radiomics in Precision Diagnosis and Treatment of Oncology: Opportunities and Challenges
2019, Theranostics
IF:12.4Q1
DOI:10.7150/thno.30309
PMID:30867832
|
综述 | 本文综述了放射组学在肿瘤精准诊断和治疗中的应用，包括方法学进展和面临的挑战 | 介绍了放射组学在肿瘤管理中利用大量放射图像和新型计算技术提高诊断准确性和治疗反应评估的新工具 | 讨论了放射组学领域的挑战及其方法的临床适用性 | 旨在发展定量和个性化的医学 | 肿瘤的诊断、治疗规划和评估 | 数字病理学 | 肿瘤学 | 放射组学 | 深度学习 | 图像 | 大量放射图像 |
| 21524 | 2024-08-07 |
DeepSSM: A Deep Learning Framework for Statistical Shape Modeling from Raw Images
2018-Sep, Shape in medical imaging : International Workshop, ShapeMI 2018, held in conjunction with MICCAI 2018, Granada, Spain, September 20, 2018 : proceedings. ShapeMI (Workshop) (2018 : Granada, Spain)
DOI:10.1007/978-3-030-04747-4_23
PMID:30805572
|
研究论文 | 提出了一种名为DeepSSM的深度学习框架，用于直接从3D图像中提取低维形状表示，无需参数调整或用户协助 | DeepSSM使用卷积神经网络（CNN）同时定位感兴趣的生物结构、建立对应关系，并将这些点投影到点分布模型中的低维形状表示中。此外，提出了一种新的数据增强程序，利用少量处理过的图像上的现有对应关系创建可信的训练样本 | 需要验证DeepSSM在更多应用场景中的有效性和泛化能力 | 开发一种无需复杂预处理操作的统计形状建模方法 | 儿童颅骨CT、股骨CT和左心房MRI图像 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 3D图像 | 利用40-50个CT/MRI扫描生成数千个训练图像 |
| 21525 | 2024-08-07 |
Deep Learning on 1-D Biosignals: a Taxonomy-based Survey
2018-Aug, Yearbook of medical informatics
DOI:10.1055/s-0038-1667083
PMID:30157512
|
综述 | 本综述旨在回顾用于生物信号分析的深度学习技术，并推导出一个分类法来组织该领域日益增长的应用 | 深度学习模型如卷积神经网络（CNNs）已成功应用于医学影像，但生物医学信号分析尚未充分受益于这一新颖方法 | 未来的研究预计将集中在深度学习架构的标准化和网络参数的优化上，以提高性能和鲁棒性，同时需要基于应用的方法和来自移动记录的更新训练数据 | 回顾用于计算机辅助诊断的生物信号分析的深度学习技术，并推导出一个分类法来组织该领域的应用 | 生物信号分析 | 机器学习 | NA | 深度学习 | CNN | 生物信号 | 2010年至2017年间共发表了71篇相关论文，其中大多数（36篇）关于心电图（ECG）信号 |
| 21526 | 2024-08-07 |
Automatically Linking Registered Clinical Trials to their Published Results with Deep Highway Networks
2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:29888040
|
研究论文 | 本文介绍了NCT Link系统，该系统利用深度学习技术自动将注册的临床试验与发表的MEDLINE文章链接起来 | NCT Link系统采用了深度高速公路网络（DHN）来自动学习并估计MEDLINE文章报告临床试验结果的可能性，相较于之前的自动系统，性能提升了30%-58% | NA | 解决临床试验注册中许多试验未链接到其发表结果的问题 | 临床试验及其发表结果的自动链接 | 自然语言处理 | NA | 深度学习 | 深度高速公路网络（DHN） | 文本 | NA |
| 21527 | 2024-08-07 |
Predicting the Outcome of Patient-Provider Communication Sequences using Recurrent Neural Networks and Probabilistic Models
2018, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:29888043
|
研究论文 | 本文研究了使用循环神经网络和概率模型预测患者与提供者沟通序列结果的问题 | 提出了基于循环神经网络和马尔可夫链及隐马尔可夫模型的两种解决方案，并比较了它们的准确性 | 需要进一步研究以验证在不同临床环境中的泛化能力 | 预测临床对话中患者与提供者沟通序列的结果 | 患者与提供者的沟通序列及其对动机访谈成功的影响 | 自然语言处理 | NA | 循环神经网络（RNN），马尔可夫链（MC），隐马尔可夫模型（HMM） | RNN，MC，HMM | 文本 | 使用来自真实动机访谈的带行为代码的沟通序列进行实验 |
| 21528 | 2024-08-05 |
PepExplainer: An explainable deep learning model for selection-based macrocyclic peptide bioactivity prediction and optimization
2024-Sep-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116628
PMID:38944933
|
研究论文 | PepExplainer是一个可解释的深度学习模型，用于基于选择的宏环肽生物活性预测和优化 | 本研究开发的PepExplainer模型，通过图神经网络和亚结构掩码解释法，能够有效处理复杂的宏环肽结构及其生物活性预测 | 在深度学习模型中仍然存在数据可用性有限和解释性差的问题 | 该研究旨在通过AI工具提高宏环肽的生物活性预测和优化效率 | 研究对象为宏环肽及其与IL-17C/IL-17 RE相互作用的生物活性 | 计算机视觉 | NA | 图神经网络 | 图神经网络 | 分子图 | 十三个新合成的宏环肽 |
| 21529 | 2024-08-05 |
Floating on groundwater: Insight of multi-source remote sensing for Qaidam basin
2024-Aug, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121513
PMID:38909574
|
研究论文 | 本文从遥感角度探讨了柴达木盆地湖泊的补给源和地下水循环模式 | 提出了改进的遥感自适应优化网络 RSA-IOCRNet，并获得了优于其他七个网络的实验结果 | 本文未明确指出具体的实验条件和数据集限制 | 研究柴达木盆地湖泊的水源及其与地下水的关系 | 柴达木盆地的16个主要湖泊及其地下水循环 | 自然语言处理 | NA | 深度学习网络 | OCRNet | 多源遥感数据 | 包含柴达木盆地的16个主要湖泊 |
| 21530 | 2024-08-05 |
Deep learning-based and BI-RADS guided radiomics model for automatic tumor-infiltrating lymphocytes evaluation in breast cancer
2024-Jul-12, The British journal of radiology
DOI:10.1093/bjr/tqae129
PMID:38995740
|
研究论文 | 本文研究了一种可解释的放射组学模型，用于从超声图像中自动预测乳腺癌中的肿瘤浸润淋巴细胞（TILs）水平 | 该模型结合了BI-RADS指导的放射组学特征和临床数据，优于传统的放射组学方法，并提供了众多可解释特征 | 研究的局限性未在摘要中提及 | 研究的目的是探索一种与临床决策一致的放射组学模型 | 378名侵袭性乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声（US）影像 | 深度学习模型 | 影像 | 378名患者 |
| 21531 | 2024-08-05 |
Integration of wearable devices and deep learning: New possibilities for health management and disease prevention
2024-Jul-09, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2024.01170
PMID:38925926
|
研究论文 | 探讨了可穿戴设备与深度学习的结合在健康管理和疾病预防中的新可能性 | 提出了通过将可穿戴设备与医疗记录整合来实现更准确的疾病预测和个性化生活方式指导 | 当前研究主要集中于短期预测，缺乏长期视角的深入研究 | 旨在通过整合数据提升可穿戴设备和深度学习在健康管理中的应用 | 研究对象为使用可穿戴设备的用户与其产生的健康数据 | 数字病理学 | NA | 深度学习 | NA | 传感器数据 | NA |
| 21532 | 2024-08-05 |
Deep 3D histology powered by tissue clearing, omics and AI
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02327-1
PMID:38997593
|
研究论文 | 本文讨论了将三维组织组织学技术应用于生物医学研究的方法 | 创新地结合了组织清理化学、标记和体积成像技术，以实现细胞层级的全面三维映射 | 未来发展的整合方法仍需进一步完善，才能完全发挥下一代三维组织学的潜力 | 探讨三维细胞地图在理解组织和生物体生理及病理中的重要性 | 组织和细胞的三维结构数据及其分子组成 | 数字病理学 | NA | 组织清理技术 | 深度学习 | 结构数据和分子数据 | NA |
| 21533 | 2024-08-05 |
Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding
2024-Jul, Oncogene
IF:6.9Q1
DOI:10.1038/s41388-024-03074-5
PMID:38834657
|
研究论文 | 提出了一种名为scRISE的深度聚类方法来处理单细胞RNA测序数据。 | 引入了一种迭代平滑和自监督的区分嵌入模块，提高了数据表示和聚类的质量。 | 未提及具体的限制因素。 | 提升单细胞转录组测序数据的聚类分析效果。 | 单细胞RNA测序数据集，尤其关注HNSCC数据集。 | 数字病理学 | NA | 深度学习 | 图自编码器 | RNA测序数据 | 十七个scRNA-seq数据集 |
| 21534 | 2024-08-05 |
Lessons learned: Why study-abroad remains a critical component of nursing curriculums
2024 Jul-Aug, Journal of professional nursing : official journal of the American Association of Colleges of Nursing
IF:2.8Q1
DOI:10.1016/j.profnurs.2024.05.007
PMID:38997189
|
研究论文 | 这篇文章探讨了护理本科生和高级实践护士在国外学习服务中共同工作的亲身经历 | 强调了留学沉浸体验在增强大学生文化能力和深度学习方面的重要性 | 研究仅限于在贝尔IZE的单一体验，可能缺乏普遍适用性 | 理解护理本科生和高级实践护士在国外服务学习经历中的生活体验 | 护理本科生和高级实践护士学生 | 护理教育 | NA | 诠释现象学分析 | NA | 文本 | 参与者为本科和高级实践护理学生的具体人数未提及 |
| 21535 | 2024-08-07 |
Simplifying deep learning to enhance accessibility of large-scale 3D brain imaging analysis
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02246-1
PMID:38649743
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21536 | 2024-08-07 |
Deep learning method for the prediction of glycan structures from mass spectrometry data
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02315-5
PMID:38951671
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21537 | 2024-08-05 |
Feasibility of intra-operative image guidance in burn excision surgery with multispectral imaging and deep learning
2024-02, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2023.07.005
PMID:37821282
|
研究论文 | 本文研究了在烧伤切除手术中使用多光谱成像和深度学习的图像引导的可行性 | 结合了多光谱成像设备与人工智能，以帮助外科医生判断烧伤伤口床的非活组织 | 研究使用了猪模型，可能限制了结果的临床应用 | 评估图像引导在烧伤切除手术中的有效性 | 使用多光谱成像数据和深度学习算法识别伤口床中非活组织 | 数字病理学 | 烧伤 | 多光谱成像、深度学习 | 深度学习算法 | 图像 | 使用了猪模型进行烧伤实验 |
| 21538 | 2024-08-07 |
Implanting deep learning models for burn wound assessment
2024-02, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2023.11.003
PMID:38042628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21539 | 2024-08-05 |
Eichner classification based on panoramic X-ray images using deep learning: A pilot study
2024, Bio-medical materials and engineering
IF:1.0Q4
DOI:10.3233/BME-230217
PMID:38848165
|
研究论文 | 该研究基于全景X光图像进行Eichner分类，使用深度学习技术 | 提出了基于剩余牙齿进行部分义齿制作的Eichner分类方法 | 无明显限制信息 | 探讨如何利用影像信息进行分类和预测 | 使用全景X光图像进行Eichner分类 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 样本数量不明确 |
| 21540 | 2024-08-05 |
Research on the construction of information-based nursing quality control system based on deep learning model under the lean perspective
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230730
PMID:38393932
|
研究论文 | 本研究探讨了一个基于深度学习模型的信息化护理质量控制系统的构建 | 将精益管理理念引入护理质量控制的信息化建设，促进信息技术与护理管理的深度融合 | 未提供样本规模和模型具体细节 | 提升护理质量管理，保护患者医疗安全 | 护理工作及其质量控制 | 数字病理学 | NA | 深度学习 | NA | 数据分析报告 | NA |