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 23937 篇文献，本页显示第 22341 - 22360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22341 | 2024-08-05 |
Leveraging conformal prediction to annotate enzyme function space with limited false positives
2024-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012135
PMID:38809942
|
研究论文 | 本文提出了一种机器学习框架CPEC，用于控制生物发现中的假阳性率 | CPEC结合了深度学习模型与符合预测方法，以实现假发现率的控制 | 本研究未提及模型在特定生物体上的应用限制 | 研究旨在优化生物发现过程中的预测准确性和假发现率控制 | 研究对象为功能较少表征的酶 | 机器学习 | NA | 深度学习与符合预测 | NA | NA | NA |
| 22342 | 2024-08-05 |
A review of the application of deep learning in obesity: From early prediction aid to advanced management assistance
2024-Apr, Diabetes & metabolic syndrome
DOI:10.1016/j.dsx.2024.103000
PMID:38604060
|
综述 | 本文总结了深度学习在肥胖研究中的应用现状 | 首次审查了深度学习在肥胖中的应用，显示其在肥胖预测中的优势，并在管理和身体脂肪估算方面提出创新 | 系统评价的数量有限，可能会影响结论的全面性 | 总结深度学习在肥胖研究中的应用趋势 | 分析了2018年1月至2023年9月间的相关研究 | 机器学习 | 肥胖 | 深度学习 | NA | 文献综述 | 40篇研究文章 |
| 22343 | 2024-08-05 |
DRANetSplicer: A Splice Site Prediction Model Based on Deep Residual Attention Networks
2024-03-26, Genes
IF:2.8Q2
DOI:10.3390/genes15040404
PMID:38674339
|
研究论文 | 本研究开发了一种名为DRANetSplicer的深度学习模型，用于增强剪接位点预测的准确性 | 该模型结合了残差学习和注意力机制，以准确捕捉剪接位点的复杂特征 | NA | 提高剪接位点识别的准确性，以便更好地进行基因注释 | 采用来自三种不同生物的基因组数据构建多个数据集进行模型训练 | 机器学习 | NA | 深度学习 | 深度残差注意力网络 | 基因组数据 | 来自三种不同生物的多个高质量数据集 |
| 22344 | 2024-08-05 |
Interpretable deep learning reveals the role of an E-box motif in suppressing somatic hypermutation of AGCT motifs within human immunoglobulin variable regions
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1407470
PMID:38863710
|
研究论文 | 本文系统研究了E-box基序在抑制人类免疫球蛋白可变区域内AGCT基序的体细胞高突变中的作用 | 提出了一种新的抑制机制，表明E-box转录因子与特定AGCT基序之间的结合与突变频率存在对抗关系 | 未详细探讨其他可能影响突变频率的序列上下文因素 | 揭示E-box基序在调控人类免疫球蛋白变量区域中SHM模式的作用 | 人类免疫球蛋白可变区域内AGCT基序的体细胞高突变数据集 | 机器学习 | NA | 深度学习 | DeepSHM | 基因组数据 | 使用了人类SHM数据集进行系统分析 |
| 22345 | 2024-08-05 |
Seismic resolution improving by a sequential convolutional neural network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304981
PMID:38861574
|
研究论文 | 本文提出了一种通过顺序卷积神经网络提高地震分辨率的方法。 | 创新点在于引入顺序卷积神经网络(SCNN)来实现低分辨率和高分辨率地震信号之间的映射关系。 | 本文未提及具体的限制条件 | 研究旨在提高薄层软岩的地震探测精度。 | 研究对象为用于地震数据处理的薄层软岩。 | 计算机视觉 | NA | 深度学习 | 顺序卷积神经网络(SCNN) | 地震信号 | 低分辨率和高分辨率地震数据集 |
| 22346 | 2024-08-05 |
MCCM: multi-scale feature extraction network for disease classification and recognition of chili leaves
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1367738
PMID:38863551
|
研究论文 | 本研究提出了一种优化的卷积神经网络模型MCCM，用于辣椒叶疾病的分类和识别。 | 该模型引入了多尺度特征融合模块（MSFFM）和混合通道空间注意机制（MCSAM），显著提高了对多种疾病特征的捕捉能力。 | 模型在实际应用中仍可能面临准确性和应用挑战。 | 旨在提高辣椒叶疾病的分类和识别效果。 | 研究对象为辣椒叶的疾病图像。 | 计算机视觉 | NA | 卷积神经网络（CNN） | MCCM（MCSAM-ConvNeXt-MSFFM） | 图像 | 使用Plant Village数据集进行训练，样本数量未具体说明 |
| 22347 | 2024-08-05 |
A joint model for lesion segmentation and classification of MS and NMOSD
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1351387
PMID:38863883
|
研究论文 | 本文提出了一种联合模型，用于多发性硬化症（MS）和视神经脊髓炎光谱障碍（NMOSD）的病灶分割和分类 | 创新点在于利用任务间的关联性提出联合模型，同时处理病灶分割和疾病分类任务 | 研究中没有提到样本的多样性和外部验证的不足 | 提高多发性硬化症和视神经脊髓炎光谱障碍的识别和诊断的准确性与速度 | 主要研究对象是多发性硬化症和视神经脊髓炎光谱障碍的病灶 | 计算机视觉 | 多发性硬化症和视神经脊髓炎光谱障碍 | T2-FLAIR MRI成像技术 | 双支路结构的卷积模块和Swin Transformer模块 | 图像 | NA |
| 22348 | 2024-08-05 |
Deep Learning-Enabled Assessment of Left Heart Structure and Function Predicts Cardiovascular Outcomes
2023-11-14, Journal of the American College of Cardiology
IF:21.7Q1
DOI:10.1016/j.jacc.2023.09.800
PMID:37940231
|
研究论文 | 本研究开发了一种深度学习模型，用于自动评估心脏结构和功能，并预测心血管结果 | 提出了一种3D卷积神经网络模型，能够自动化分析心脏超声图像并与临床结果相关联 | 研究样本主要来自回顾性数据，未来需进一步验证在更广泛人群中的应用 | 探索深度学习驱动的心脏超声测量与新发心血管事件之间的关系 | 回顾性多机构的心脏超声图像数据 | 机器学习 | 心血管疾病 | 深度学习 | 3D卷积神经网络 | 图像 | 64,028个心脏超声图像（n = 27,135） |
| 22349 | 2024-08-05 |
LncRNA expression signature identified using genome-wide transcriptomic profiling to predict lymph node metastasis in patients with stage T1 and T2 gastric cancer
2023-11, Gastric cancer : official journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association
IF:6.0Q1
DOI:10.1007/s10120-023-01428-8
PMID:37691031
|
研究论文 | 这篇文章描述了一种新的10-lncRNA表达特征，用于预测早期胃癌患者的淋巴结转移 | 提出了一种基于深度学习的10-lncRNA风险预测模型，能够有效识别早期胃癌的LN转移 | 尚未详细描述研究中的潜在偏差或随访数据 | 识别淋巴结转移的有效方法以改善早期胃癌的治疗决策 | T1和T2期胃癌患者的淋巴结状态 | 数字病理学 | 胃癌 | 转录组分析 | 深度学习模型 | 基因表达数据 | 涉及T1和T2患者的多个样本，具体数字未提供 |
| 22350 | 2024-08-05 |
Association of brain microbleeds with risk factors, cognition, and MRI markers in MESA
2023-09, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.13346
PMID:37289978
|
研究论文 | 该文章研究了脑微出血与风险因素、认知和MRI标记之间的关系 | 使用深度学习模型从多种族群体中识别和量化脑微出血，提供了新见解 | 研究样本主要来自一个特定的研究，可能影响结果的广泛性 | 探讨脑微出血在不同种族及其与风险因素和认知的关系 | 无先前中风的1016名参与者 | 数字病理学 | 心血管疾病 | 3T磁共振成像，深度学习模型 | NA | 图像 | 1016名参与者 |
| 22351 | 2024-08-05 |
Patient specific prior cross attention for kV decomposition in paraspinal motion tracking
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16644
PMID:37538040
|
研究论文 | 该研究开发了一种深度学习算法，通过将图像分解为骨骼和软组织组件来提高kV图像对比度 | 提出了一种患者特异性的先验交叉注意机制（PCAT），显著提升了kV图像分解的性能 | 未提供有关其他类型或条件下的应用效果的信息 | 研究旨在改善放射治疗中kV图像的质量和运动追踪准确性 | 使用在线kV成像监测患者在脊旁SBRT中的运动 | 数字病理 | NA | 深度学习 | 生成对抗网络 (GAN) | 图像 | NA |
| 22352 | 2024-08-05 |
Automated Brain Tumor Detection Using Machine Learning: A Bibliometric Review
2023-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.03.115
PMID:37019303
|
综述 | 本研究系统回顾了使用机器学习进行脑肿瘤分类的文献 | 提供了关于自动化脑肿瘤检测的最新研究概况和文献计量分析 | 仅限于过去五年的文献，可能未涵盖所有相关研究 | 开发使用机器学习进行脑肿瘤检测的研究概述 | 1747篇关于自动脑肿瘤检测的研究 | 机器学习 | 脑肿瘤 | 机器学习 | 卷积神经网络 | NA | 来自679个不同来源的1747项研究 |
| 22353 | 2024-08-05 |
JOINT DEEP LEARNING FOR IMPROVED MYOCARDIAL SCAR DETECTION FROM CARDIAC MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230541
PMID:38523738
|
研究论文 | 本文提出了一种新颖的联合深度学习框架，用于改善从心脏MRI检测心肌瘢痕的效果 | 该方法通过引入信息传递模块，直接传递心肌分割的信息来指导瘢痕检测，创造性地将瘢痕检测与心肌分割结合在一起 | 采用的图像中存在噪声和伪影可能仍然影响检测精度 | 研究旨在改善心脏MRI中心肌瘢痕的自动识别 | 研究对象为心脏磁共振成像中的心肌瘢痕 | 数字病理学 | 心血管疾病 | 心脏磁共振成像（CMR） | 联合深度学习（JDL） | 图像 | 实验中使用了多种心脏MRI图像 |
| 22354 | 2024-08-05 |
Adversarial Consistency for Single Domain Generalization in Medical Image Segmentation
2022-Sep, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-16449-1_64
PMID:38859913
|
研究论文 | 提出了一种可以在医疗图像分割中实现单域一般化的对抗一致性方法 | 创新性地提出了一个对抗域合成器（ADS）用于合成新的域，以实现对未见域的插值 | 缺乏多个域的训练数据可能会限制模型的推广能力 | 旨在开发一种可以在不同扫描设置下有效进行器官分割的方法 | 研究对象是医疗图像中的器官分割 | 数字病理学 | NA | 对抗训练 | NA | 医学图像 | NA |
| 22355 | 2024-08-05 |
Predicting microbiome compositions from species assemblages through deep learning
2022-Mar, iMeta
IF:23.7Q1
DOI:10.1002/imt2.3
PMID:35757098
|
研究论文 | 本文提出了一种通过深度学习预测微生物群落组成的方法 | 开发了一种深度学习框架，能够在没有任何物理、生化或生态过程知识的情况下，从物种组合中自动学习群落组成的映射 | 虽然在合成数据和真实微生物群落数据上进行了验证，但未提及实际操作中的潜在限制 | 改善对不同物种组合如何影响微生物群落最终组成的预测能力 | 聚焦于海洋和土壤微生物群落、肠道微生物群落以及人类肠道和口腔微生物群落 | 计算机视觉 | NA | 深度学习 | NA | 合成数据和真实微生物群落数据 | 小数量的训练样本 |
| 22356 | 2024-08-05 |
Artificial intelligence for skin permeability prediction: deep learning
2024-12, Journal of drug targeting
IF:4.3Q1
DOI:10.1080/1061186X.2024.2309574
PMID:38258521
|
研究论文 | 本研究使用深度学习网络成功预测了外源物质的皮肤渗透性 | 引入深度学习网络模型来预测皮肤渗透系数，提供了一种替代传统实验方法的新途径 | 研究仅基于公开数据库，可能存在样本选择和数据质量的限制 | 探索使用深度学习预测外源物质在皮肤上的渗透性 | 研究对象是145种化学物质、外源物质和药物的皮肤渗透性 | 机器学习 | NA | 深度学习 | 卷积神经网络 (CNN), 前馈神经网络 (FNN), 循环神经网络 (RNN) | 记录数据 | 476条记录 |
| 22357 | 2024-08-05 |
Bridging Imaging and Clinical Scores in Parkinson's Progression via Multimodal Self-Supervised Deep Learning
2024-Aug, International journal of neural systems
IF:6.6Q1
DOI:10.1142/S0129065724500436
PMID:38770651
|
研究论文 | 本文提出了一种多模态的共同潜在生成模型，以综合理解帕金森病的神经退行性特征。 | 该文章的创新之处在于使用了耦合变分自编码器（VAEs）来共同建模帕金森病的神经影像和临床数据。 | 研究中提到模型的局限性和能力，但具体细节未详细阐述。 | 本研究旨在提供一个更全面的框架来了解帕金森病的神经退行性演变。 | 研究对象为帕金森进展标记倡议（PPMI）中的神经影像和临床数据。 | 数字病理学 | 帕金森病 | 耦合变分自编码器（VAEs） | 潜在生成模型 | 神经影像和临床数据 | 涉及的样本数量未明确说明 |
| 22358 | 2024-08-05 |
A deep learning-based approach for efficient detection and classification of local Ca²⁺ release events in Full-Frame confocal imaging
2024-Jul, Cell calcium
IF:4.3Q2
DOI:10.1016/j.ceca.2024.102893
PMID:38701707
|
研究论文 | 本文提出了一种基于深度学习的方法，用于有效检测和分类局部钙释放事件 | 创新性地应用深度学习技术自动检测和分类局部钙释放事件 | 分析过程依赖于特定的成像数据，可能不适用于其他类型的成像技术 | 研究局部钙释放事件的检测和分类以促进细胞内钙信号的理解 | 孤立心肌细胞中的局部钙释放事件 | 数字病理学 | NA | 深度学习 | NA | 成像数据 | NA |
| 22359 | 2024-08-05 |
Deceptive learning in histopathology
2024-Jul, Histopathology
IF:3.9Q1
DOI:10.1111/his.15180
PMID:38556922
|
研究论文 | 本研究系统评价了用于组织病理分析的深度神经网络（DNN）的可信度 | 提出了一种新的模型评估和解释框架，以识别DNN所学策略的可信与欺骗性 | DNN在分子型谱分析中的表现依赖于虚假的相关性，未能在激光捕获显微切割获得的测试集上推广 | 旨在分析深度学习模型在组织病理分析中的视觉策略的信任度 | 研究了221个来自肺腺癌患者的全切片图像的深度神经网络 | 数字病理学 | 肺癌 | 深度学习 | 深度神经网络（DNN） | 图像 | 221个全切片图像 |
| 22360 | 2024-08-05 |
Predicting hematoma expansion using machine learning: An exploratory analysis of the ATACH 2 trial
2024-Jun-15, Journal of the neurological sciences
IF:3.6Q2
DOI:10.1016/j.jns.2024.123048
PMID:38749281
|
研究论文 | 本文旨在利用深度学习算法构建分类模型，以预测脑出血患者的血肿扩展。 | 该研究首次使用深度学习算法预测血肿扩展，而不依赖于高级影像学特征。 | 该模型的AUC仅稍好于其他模型，需要更大且更具异质性的数据集来进一步构建和泛化模型。 | 研究的目的是预测脑出血患者中的血肿扩展。 | 研究对象为参与ATACH-2试验的脑出血患者。 | 机器学习 | 脑出血 | 深度学习算法 | 人工神经网络（ANN） | 数据 | 1000名患者中924名具有完整参数 |