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 24108 篇文献，本页显示第 22401 - 22420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22401 | 2024-08-05 |
Parallel processing model for low-dose computed tomography image denoising
2024-Jun-12, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-024-00165-8
PMID:38865022
|
研究论文 | 本研究提出了一种多编码器深度特征变换网络（MDFTN），旨在增强多源低剂量计算机断层成像（LDCT）的去噪性能 | 提出了一种并行处理模型，能够在统一框架内同时处理来自多种成像源的LDCT图像，提升去噪效果 | 未提及具体的局限性 | 旨在提高多源LDCT成像的数据去噪性能 | 多源低剂量计算机断层成像图像 | 数字病理学 | NA | 深度学习 | 多编码器深度特征变换网络（MDFTN） | 图像 | 在两个公共数据集和一个本地数据集上进行的实验 |
| 22402 | 2024-08-05 |
Prospective validation of a seizure diary forecasting falls short
2024-Jun, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17984
PMID:38606580
|
研究论文 | 本研究前瞻性评估了一种深度学习人工智能模型在预测癫痫发作风险方面的有效性 | 尽管以前的研究表明AI模型表现优越，但本研究发现其在前瞻性随机对照中不及简单移动平均预测 | 研究样本量较小，仅有25人提供了足够的数据进行分析 | 评估算法在前瞻性癫痫患者中的预测有效性 | 46名癫痫患者，最终分析样本为25名 | 机器学习 | 癫痫 | 深度学习 | NA | 数据条目 | 46名癫痫患者，25名提供了足够的数据进行分析 |
| 22403 | 2024-08-05 |
Dataset of chilli and onion plant leaf images for classification and detection
2024-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110524
PMID:38872936
|
研究论文 | 本文介绍了辣椒与洋葱叶子数据集，旨在分类与检测植物叶片疾病 | 创建了一个详细的辣椒与洋葱叶子数据集，以支持计算机视觉算法的开发与测试 | 数据集可能未涵盖所有可能的疾病或叶片状态 | 研究旨在创建一个可公开获取的数据集，以支持植物叶片识别的计算机视觉技术 | 辣椒和洋葱植物的叶片图像 | 计算机视觉 | NA | 图像处理算法 | 深度学习模型，视觉变换器架构 | 图像 | 包含多种类型的辣椒与洋葱叶子图像 |
| 22404 | 2024-08-05 |
[Advances in the application of AlphaFold2: a protein structure prediction model]
2024-May-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.230677
PMID:38783805
|
综述 | 本文介绍了AlphaFold2模型的架构、亮点、局限性和应用进展 | 介绍了AlphaFold2的独特架构及其在蛋白质结构预测中的优越性能 | 文章未详细探讨各模型的具体应用案例和实际效果 | 探讨AlphaFold2及其他蛋白质结构预测模型的应用和发展 | 主要讨论AlphaFold2及其他几种蛋白质结构预测模型 | 计算机视觉 | NA | 深度学习 | NA | NA | NA |
| 22405 | 2024-08-05 |
Improved prediction of DNA and RNA binding proteins with deep learning models
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae285
PMID:38856168
|
研究论文 | 该文章提出了改进的深度学习模型以预测DNA和RNA结合蛋白 | 通过生成更准确和稳健的数据集，以及开发层次和多类的深度学习方法，克服了以往研究的局限性 | 之前的研究使用的数据集和预测范围限制了其应用 | 为不同类型的核酸结合蛋白的功能注释和准确预测提供帮助 | 针对任意给定蛋白质的核酸结合蛋白类型进行预测 | 机器学习 | NA | 深度学习 | CNN和LSTM | NA | NA |
| 22406 | 2024-08-05 |
SPIN: sex-specific and pathway-based interpretable neural network for sexual dimorphism analysis
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae239
PMID:38807262
|
研究论文 | 提出了一种统一的生物可解释深度学习框架SPIN，用于性别二态性分析。 | SPIN框架显著提高了C-index，并能够识别之前分析中遗漏的性别特异性和共享的风险位点。 | 现有研究主要基于独立的性别分析和二合一的方法，可能未能充分揭示性别与基因之间的相互作用。 | 研究性别二态性在疾病中的影响和如何提升个体级别的风险预测。 | TCGA癌症数据集和哮喘数据集中的男性和女性样本。 | 机器学习 | NA | 深度学习 | NA | 数据集 | NA |
| 22407 | 2024-08-05 |
Histopathologic image-based deep learning classifier for predicting platinum-based treatment responses in high-grade serous ovarian cancer
2024-May-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48667-6
PMID:38762636
|
研究论文 | 本研究开发了一种基于组织病理学图像的分类器，用于预测高级别浆液性卵巢癌对铂类化疗的反应。 | 开发了Pathologic Risk Classifier for HGSOC (PathoRiCH)，其预测铂类治疗反应的性能优于现有的分子生物标志物。 | 缺乏对不同种族或年龄段患者的广泛适应性验证。 | 旨在提高对女性高级别浆液性卵巢癌的铂类化疗反应的预测能力。 | 对394个内科病例和两个独立外部队列（284个和136个）进行训练和验证的组织病理学图像。 | 数字病理学 | 卵巢癌 | 组织病理学图像分析 | 分类器 | 图像 | 总共614个样本：394个内科病例和两个独立外部队列（284个和136个） |
| 22408 | 2024-08-05 |
A multicenter proof-of-concept study on deep learning-based intraoperative discrimination of primary central nervous system lymphoma
2024-May-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48171-x
PMID:38704409
|
研究论文 | 本文开发了一个基于深度学习的模型，用于在手术中区分原发性中枢神经系统淋巴瘤和其他病变 | 提出了一种人机融合的方法，将深度学习模型与病理诊断相结合，提高了诊断性能 | 外部队列的应用和特定病理类型可能影响模型的普适性 | 开发和验证一个能准确区分原发性中枢神经系统淋巴瘤的深度学习模型 | 重点研究了通过H&E染色的冷冻全切片图像区分原发性中枢神经系统淋巴瘤与其他病变 | 数字病理学 | 原发性中枢神经系统淋巴瘤 | 深度学习 | LGNet | 图像 | 使用了不同专家水平的病理学家的表现作为比较 |
| 22409 | 2024-08-05 |
Feasibility and validity of using deep learning to reconstruct 12-lead ECG from three‑lead signals
2024 May-Jun, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 本文介绍了一种基于深度学习的方法，将三导联ECG信号重构为12导联ECG信号。 | 该研究提出了一种复合ECG向量重构网络，结合了卷积神经网络和递归神经网络，用于从三导联信号恢复完整的12导联信息。 | 研究在不同患者条件下测试，可能存在个体差异的影响，尚未提到更多的样本或其他患者群体的验证。 | 探索通过深度学习重构12导联ECG的可行性和有效性。 | 使用导联I、II和V2信号进行ECG重构。 | 数字病理学 | NA | 卷积神经网络（CNN），双向长短期记忆网络（Bi-LSTM） | CNN和Bi-LSTM组合模型 | ECG信号 | NA |
| 22410 | 2024-08-05 |
Spatiotemporal estimation of groundwater and surface water conditions by integrating deep learning and physics-based watershed models
2024-May-01, Water research X
IF:7.2Q1
DOI:10.1016/j.wroa.2024.100228
PMID:38872710
|
研究论文 | 本研究提出了一种深度学习模型框架，用于高空间分辨率地估计地下水和地表水条件 | 结合深度学习和基于物理的流域模型，提高了水文估计的效率和准确性 | 模型在长期预测的准确性方面仍需进一步改进 | 研究旨在通过深度学习提高水文模拟的效率 | 研究对象为韩国Sabgyo溪流域的地下水位和地表水深度 | 数字水文学 | NA | 深度学习 | 卷积神经网络（CNN） | 气象数据 | 使用来自完全分布式水文模型HydroGeoSphere的数据和实际现场测量数据 |
| 22411 | 2024-08-05 |
Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review
2024-May, Cureus
DOI:10.7759/cureus.60280
PMID:38872656
|
综述 | 本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展 | 探讨了在结核病诊断中应用的各种人工智能算法及其比较性能 | 讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制 | 研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用 | 聚焦于多药耐药结核病和广泛耐药结核病的诊断技术 | 自然语言处理 | 结核病 | 人工智能 | 机器学习，深度学习，集成技术 | NA | NA |
| 22412 | 2024-08-05 |
UNNT: A novel Utility for comparing Neural Net and Tree-based models
2024-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1011504
PMID:38683879
|
研究论文 | 本研究开发了一个名为UNNT的开源库，用于比较神经网络和树模型在癌症药物反应中的效果 | 提出了UNNT工具，简化了深度学习模型和树模型比较的过程 | 尽管研究集中在癌症药物反应数据集上，但在其他领域的应用可能不够充分 | 探索树模型在单一药物反应模型中的适用性和优越性 | 比较神经网络与基于树的模型在药物反应问题上的表现 | 机器学习 | 癌症 | XGBoost | CNN | 数据集 | NA |
| 22413 | 2024-08-05 |
Impact of a deep learning sepsis prediction model on quality of care and survival
2024-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00986-6
PMID:38263386
|
研究论文 | 本研究评估了一种深度学习模型（COMPOSER）对败血症患者结果的影响 | 首次在真实世界中评估深度学习模型对败血症早期预测的影响 | 限于在两个急诊科进行的准实验研究，可能影响结果的普遍适用性 | 评估深度学习模型对败血症患者的结果影响 | 6217名成年败血症患者 | 自然语言处理 | 败血症 | 深度学习 | NA | 样本数据 | 6217名成年败血症患者 |
| 22414 | 2024-08-05 |
Research on load clustering algorithm based on variational autoencoder and hierarchical clustering
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303977
PMID:38870191
|
研究论文 | 本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法 | 创新性地将变分自编码器与度量学习整合，以提高聚类精度和可解释性 | 在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在 | 探索时间序列数据的聚类分析方法 | 工业负载数据的时间序列聚类 | 机器学习 | NA | 变分自编码器 (VAE) | 门控递归单元 (GRU) | 时间序列数据 | 工业负载数据，样本量未具体提及 |
| 22415 | 2024-08-05 |
A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics
2024, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2024.1395721
PMID:38872916
|
研究论文 | 本研究开发了深度学习模型，用于利用单细胞转录组学分类头颈鳞状细胞癌（HNSCC）和人类乳头状瘤病毒（HPV）患者 | 提出了一个基于人工神经网络的模型，通过单细胞转录组学准确区分HNSCC与正常样本，并能够分类HPV阳性和阴性样本 | 研究样本量相对较小，仅使用了20个HNSCC样本和9个正常组织样本 | 旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率 | 针对头颈鳞状细胞癌患者和正常样本进行分类 | 机器学习 | 头颈癌 | 单细胞转录组学 | 人工神经网络 | 基因表达数据 | 20个HNSCC样本（包括13个HPV阴性样本和7个HPV阳性样本），9个正常组织样本 |
| 22416 | 2024-08-05 |
Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410249
PMID:38872880
|
研究论文 | 本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用 | 提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性 | 未提到具体的样本数量和数据集多样性，可能影响结果的普适性 | 提高高产和抗逆小麦品种的育种效率 | 冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性 | 数字病理学 | NA | 高通量表型分析（HTP）和深度学习（DL） | 深度神经网络（DNN） | 图像 | NA |
| 22417 | 2024-08-05 |
FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0288670
PMID:38870182
|
研究论文 | 本文介绍了一种名为FaceTouch的计算机视觉框架，用于检测手与脸的接触以协助追踪传染病 | 引入了一种基于监督对比学习的深度学习模型，可以在复杂场景中检测手对脸的接触，克服了面部部分遮挡的问题 | 缺乏其他基准数据集的支持，训练依赖于我们收集的数据集 | 旨在提供一种自动检测手与脸接触的方法，以减少传染病传播 | 检测在城市环境中或室内人们的手对脸的接触 | 计算机视觉 | NA | 深度学习 | 监督对比学习 | 视频 | 基于我们收集的数据集，样本数量未明确给出 |
| 22418 | 2024-08-05 |
Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1406806
PMID:38873177
|
研究论文 | 本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性 | 提出了一种新方法，通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割 | 使用的数据集是低质量的膀胱镜图像，可能影响模型的准确性 | 目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性 | 研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割 | 计算机视觉 | 膀胱癌 | 深度学习 | Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34 | 图像 | 低质量的标注膀胱镜图像数据集 |
| 22419 | 2024-08-05 |
Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1285166
PMID:38872900
|
研究论文 | 本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值 | 首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率 | 未提及模型在不同患者或病理状态下的适应性和广泛验证 | 探索基于深度学习工具的主动脉根部的自动分割技术的临床价值 | 183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 183个患者的CT扫描数据 |
| 22420 | 2024-08-05 |
STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1408688
PMID:38873109
|
研究论文 | 本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点 | STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征 | 尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性 | 本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用 | 研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点 | 机器学习 | 癌症 | 深度学习 | STM-ac4C | 序列数据 | 独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集 |