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 25309 篇文献，本页显示第 23221 - 23240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23221 | 2024-08-05 |
The current landscape of machine learning-based radiomics in arteriovenous malformations: a systematic review and radiomics quality score assessment
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1398876
PMID:38915798
|
系统评价 | 本文提供了关于动静脉畸形中使用的放射组学模型的全面总结 | 综合评估了采用机器学习的放射组学在动静脉畸形管理中的应用情况 | 所有纳入的研究均为回顾性，且没有进行外部验证 | 综述放射组学模型在动静脉畸形管理中的诊断、治疗、预后和预测结果的应用 | 动静脉畸形（AVM） | 机器学习 | NA | 放射组学 | NA | 医学影像 | 13个研究 |
| 23222 | 2024-08-05 |
Advancing precision rheumatology: applications of machine learning for rheumatoid arthritis management
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1409555
PMID:38915408
|
评论 | 本文总结了机器学习在类风湿关节炎管理中的应用。 | 探讨了用于类风湿关节炎管理的诊断和预测模型，展示了多种数据模态的使用。 | 小样本量和缺乏多样化人群测试可能导致模型性能的高估，模型的过拟合和可解释性也存在挑战。 | 提升类风湿关节炎的管理，通过早期诊断和优化治疗。 | 研究当前机器学习在类风湿关节炎管理中的应用。 | 机器学习 | 类风湿关节炎 | 机器学习 | 监督学习和无监督学习 | 电子健康记录、影像和多组学数据 | 小样本量 |
| 23223 | 2024-08-05 |
Toward enhancement of antibody thermostability and affinity by computational design in the absence of antigen
2024 Jan-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2024.2362775
PMID:38899735
|
研究论文 | 本研究探讨了如何通过计算设计来提高抗体的热稳定性和亲和力 | 使用DeepAb深度学习模型进行抗体Fv结构的预测，以优化抗体变体，克服了通常不可靠的抗体-抗原复合物结构和对接方法的限制 | 研究依赖于单点实验深度突变扫描的数据，而缺乏对抗原的直接实验验证 | 研究抗体的发现和优化过程中的计算设计方法 | 针对抗母鸡卵白溶菌酶(HEL)的200个抗体变体 | 生物医学 | NA | 深度学习 | DeepAb | 序列数据 | 200个抗体变体 |
| 23224 | 2024-08-05 |
Automated detection and localization of pericardial effusion from point-of-care cardiac ultrasound examination
2023-Aug, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-023-02855-6
PMID:37243852
|
研究论文 | 本研究开发了一种深度学习方法，以快速准确地识别和定位心包积液。 | 引入了基于YoloV3算法的深度学习方法，显著提高了心包积液检测的准确性和定位能力。 | 未提及关于算法在不同设备或操作员技能水平上的广泛适用性限制。 | 旨在提高心包积液在临床超声检查中的识别和定位效率。 | 对包含心包积液的病人以及对照组的心脏超声检查图像进行分析。 | 数字病理学 | 心脏疾病 | POCUS | YoloV3 | 图像 | 共分析了37个心包积液病例和39个阴性对照 |
| 23225 | 2024-08-05 |
Development of a Deep Learning Model for Retinal Hemorrhage Detection on Head Computed Tomography in Young Children
2023-06-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于儿童头部CT图像中检测视网膜出血 | 该研究首次使用深度学习图像分析来检测小儿头部CT图像中的视网膜出血 | 可能需要外部前瞻性验证以确认模型的准确性 | 评估深度学习模型在儿童头部CT中检测视网膜出血的有效性 | 301名诊断为虐待性头部创伤（AHT）的儿童患者 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 301名患者 |
| 23226 | 2024-08-05 |
Machine Learning on Visibility Graph Features Discriminates the Cognitive Event-Related Potentials of Patients with Early Alzheimer's Disease from Healthy Aging
2023-May-07, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci13050770
PMID:37239242
|
研究论文 | 本文提出了一种使用可视性图的方法，对阿尔茨海默病患者和健康老年人进行分类 | 该研究通过可视性图的特征来区分早期阿尔茨海默病患者与健康老年人的认知事件相关电位 | 研究可能只针对特定的实验条件，未考虑其他可能影响结果的因素 | 探索基于EEG信号的可视性图特征在阿尔茨海默病和健康老年人分类中的应用 | 早期阿尔茨海默病患者与健康老年人群体 | 机器学习 | 阿尔茨海默病 | EEG | 传统机器学习和深度学习算法 | EEG信号 | 研究涉及的样本数量未明确说明 |
| 23227 | 2024-08-05 |
In silico evolution of protein binders with deep learning models for structure prediction and sequence design
2023-May-03, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.03.539278
PMID:37205527
|
研究论文 | 本文探讨了一种利用深度学习模型进行蛋白质结合体设计的方法。 | 提出了使用深度学习模型进行蛋白质结构预测和序列设计的迭代流程，并成功设计出自抑制型(PD-L1拮抗剂)结构。 | 研究未进行实验亲和力培养，结果需要进一步验证。 | 旨在设计能够被蛋白酶条件性激活的自抑制型拮抗剂。 | 研究对象为PD-L1拮抗剂的自抑制结构域。 | 计算机视觉 | NA | 深度学习 | AlphaFold2与ProteinMPNN | 蛋白质序列 | 23个设计的自抑制结构域 |
| 23228 | 2024-08-05 |
Automated Inline Myocardial Segmentation of Joint T1 and T2 Mapping Using Deep Learning
2023-Jan, Radiology. Artificial intelligence
DOI:10.1148/ryai.220050
PMID:36721410
|
研究论文 | 本研究开发了一种人工智能解决方案，旨在实现联合心脏MRI短轴T1和T2映射的自动分割和分析 | 该研究创新性地使用深度学习方法实现了心脏MRI映射的自动分割，性能接近人类专家 | 该研究的局限在于使用的样本来自两家医院，可能影响结果的普遍适用性 | 开发一个自动化的AI分割和分析工具，提高心脏MRI的操作效率和准确性 | 从807名患者的4240个映射中选择的心脏MRI数据进行了分析 | 数字病理学 | NA | 人工智能 | 卷积神经网络 | 影像 | 4240个映射，来自807名患者 |
| 23229 | 2024-08-07 |
Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0268007
PMID:35507570
|
研究论文 | 本研究旨在通过深度学习神经网络模型探索沉浸式营销环境下的消费者偏好，设计个性化推荐系统，提升营销效果和用户体验 | 提出基于沉浸式图神经网络（IGNN）模型的个性化推荐系统，相较于其他推荐系统显示出更高的优势 | NA | 增加各类商品的营销量，促进市场的全面发展 | 消费者在沉浸式营销环境下的偏好 | 机器学习 | NA | 深度学习（DL）神经网络（NN） | 图神经网络（GNN） | NA | NA |
| 23230 | 2024-08-07 |
Corrigendum: Characterisation of mental health conditions in social media using Informed Deep Learning
2017-05-16, Scientific reports
IF:3.8Q1
DOI:10.1038/srep46813
PMID:28507325
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23231 | 2024-08-07 |
Characterisation of mental health conditions in social media using Informed Deep Learning
2017-03-22, Scientific reports
IF:3.8Q1
DOI:10.1038/srep45141
PMID:28327593
|
研究论文 | 本研究利用深度学习技术分析社交媒体平台Reddit上的帖子，以识别和分类与心理疾病相关的帖子 | 首次使用深度学习方法自动识别社交媒体中的心理疾病相关帖子，并分类到11种疾病主题 | 研究仅限于Reddit平台上的帖子，且样本集是平衡的 | 开发方法以表征大量用户生成内容，支持内容管理和针对性干预 | 社交媒体平台Reddit上的心理健康相关帖子 | 自然语言处理 | NA | 深度学习 | 神经网络 | 文本 | 平衡的数据集 |
| 23232 | 2024-08-05 |
How can we quantify, explain, and apply the uncertainty of complex soil maps predicted with neural networks?
2024-Sep-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.173720
PMID:38866156
|
研究论文 | 本文探讨了如何量化、解释和应用通过神经网络预测的复杂土壤地图的不确定性 | 提出使用贝叶斯深度学习中的'最后一层拉普拉斯近似'方法，量化深度网络的不确定性 | 传统深度学习算法在地理上远离训练区域或数据稀疏区域时，表现出对预测的过度自信 | 研究如何提高神经网络模型预测的不确定性量化和可解释性 | 针对南德地区的土壤分类进行探索性研究 | 机器学习 | NA | 贝叶斯深度学习 | NA | 土壤数据 | NA |
| 23233 | 2024-08-05 |
[Artificial intelligence in kidney transplant pathology]
2024-Jul, Pathologie (Heidelberg, Germany)
DOI:10.1007/s00292-024-01324-7
PMID:38598097
|
综述 | 总结人工智能在肾移植病理学诊断领域的研究现状及其局限性 | 该文章探讨了AI在肾移植病理中的最新应用及其未来展望 | 在代表性数据集的收集和Banff分类的更新方面存在重要的局限性和挑战 | 研究人工智能在肾移植病理学诊断中的应用及存在的限制 | 聚焦于使用AI改善肾移植诊断的组织病理学研究 | 数字病理学 | NA | 深度学习 | NA | 文献 | NA |
| 23234 | 2024-08-05 |
NerveTracker: a Python-based software toolkit for visualizing and tracking groups of nerve fibers in serial block-face microscopy with ultraviolet surface excitation images
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076501
PMID:38912214
|
研究论文 | 本文开发了一种用于视觉化和跟踪神经纤维组的Python软件工具NerveTracker | 创新点在于提供了一套专用的、可定制的软件以进行外周神经样本的微观跟踪 | 未提及具体的局限性 | 研究旨在开发能够处理和可视化神经样本图像的定制软件 | 研究对象为外周神经样本中的神经纤维 | 计算机视觉 | NA | 三维显微镜与紫外表面激发 | NA | 图像 | 在几毫米的神经长度上测试了多个样本 |
| 23235 | 2024-08-05 |
Assessing spectral effectiveness in color fundus photography for deep learning classification of retinopathy of prematurity
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076001
PMID:38912212
|
研究论文 | 本研究评估了在深度学习分类早产儿视网膜病中的彩色眼底摄影的光谱有效性 | 研究展示了使用红色或绿色长波长进行深度信息增强和改进诊断能力的有效性 | 研究未探讨其他可能影响分类准确性的因素 | 评估彩色眼底摄影在早产儿视网膜病深度学习分类中的光谱有效性 | 早产儿视网膜病的眼底图像 | 计算机视觉 | 早产儿视网膜病 | 卷积神经网络 | CNN | 图像 | 包含正常和不同阶段早产儿视网膜病的眼底图像 |
| 23236 | 2024-08-05 |
Reproducibility and Explainability of Deep Learning in Mammography: A Systematic Review of Literature
2024-Jul, The Indian journal of radiology & imaging
DOI:10.1055/s-0043-1775737
PMID:38912238
|
系统评价 | 本文评估了深度学习在乳腺癌筛查中的可重复性与解释性。 | 提出了针对文献的质量评估工具mQUADAS-2，并揭示了许多研究存在偏倚风险。 | 大多数研究由于患者选择不具代表性而具有高风险偏倚，没有研究提供超出定位准确性的解释能力。 | 评估乳腺癌筛查中深度学习文献的可重复性，确定模型设计的最佳实践。 | 包括使用深度学习检测病变或将图像分类为癌症或非癌症的研究。 | 数字病理学 | 乳腺癌 | 深度学习 | 卷积神经网络（CNN），集成模型 | 图像 | 共筛选了12,123条记录，其中107条符合纳入标准 |
| 23237 | 2024-08-07 |
Enhancing diagnostic precision in liver lesion analysis using a deep learning-based system: opportunities and challenges
2024-Jul, Nature reviews. Clinical oncology
DOI:10.1038/s41571-024-00887-x
PMID:38519602
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23238 | 2024-08-07 |
Automated deep learning framework: providing decision-making information for breast cancer management
2024-Jul, EClinicalMedicine
IF:9.6Q1
DOI:10.1016/j.eclinm.2024.102674
PMID:38911837
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 23239 | 2024-08-05 |
Three-dimensional atrous inception module for crowd behavior classification
2024-Jun-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65003-6
PMID:38909074
|
研究论文 | 提出了一种三维空洞Inception模块的网络用于人群行为分类 | 创造性地引入了三维空洞卷积和分离损失函数，提高了对复杂人群行为的分类精度 | 缺乏关于模型在不同环境下的有效性和鲁棒性验证 | 解决人群行为识别中的复杂性问题 | 人群行为在视频监控系统中的识别与分类 | 计算机视觉 | NA | 三维卷积 | 3D神经网络 | 视频 | NA |
| 23240 | 2024-08-05 |
Protocol to perform integrative analysis of high-dimensional single-cell multimodal data using an interpretable deep learning technique
2024-Jun-21, STAR protocols
IF:1.3Q4
DOI:10.1016/j.xpro.2024.103066
PMID:38748882
|
研究论文 | 本文提出了一种使用可解释深度学习技术对高维单细胞多模态数据进行集成分析的协议 | 创新点在于提出了一种名为moETM的可解释深度学习技术来处理单细胞多组学数据 | 限制在于所演示的数据只来自骨髓单核细胞，可能缺乏其他细胞类型的数据 | 研究单细胞多组学数据的集成分析方法 | 研究对象为骨髓单核细胞的单细胞多组学数据 | 数字病理学 | NA | 单细胞多组学测序 | moETM | 多模态数据 | 使用了来自GSE194122的数据集，具体样本数量未提及 |