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 33632 篇文献，本页显示第 23781 - 23800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23781 | 2024-10-20 |
WSSS-CRAM: precise segmentation of histopathological images via class region activation mapping
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1483052
PMID:39421560
|
研究论文 | 本文介绍了一种名为WSSS-CRAM的弱监督语义分割方法，通过类别区域激活映射实现病理图像的精确分割 | 提出了一种新的弱监督语义分割方法WSSS-CRAM，能够从图像级别的标注数据中获取详细的像素级标签，并通过类别特定的激活映射和条件随机场后处理来提高分割精度 | 目前仅在特定病理数据集上进行了验证，未来需要扩展到不同类型的组织图像以验证其泛化能力 | 开发一种能够快速、准确且自动分析病理图像的方法 | 病理图像的自动分析和分割 | 计算机视觉 | NA | 深度学习 | 弱监督语义分割模型 | 图像 | NA | NA | NA | NA | NA |
| 23782 | 2024-10-20 |
Machine Learning for Dynamic Prognostication of Patients With Hepatocellular Carcinoma Using Time-Series Data: Survival Path Versus Dynamic-DeepHit HCC Model
2024, Cancer informatics
IF:2.4Q3
DOI:10.1177/11769351241289719
PMID:39421722
|
研究论文 | 比较了两种机器学习模型（Survival Path和Dynamic DeepHit）在肝细胞癌患者动态预后预测中的表现 | 首次比较了Survival Path和Dynamic DeepHit两种模型在肝细胞癌患者动态预后预测中的性能 | 研究仅限于肝细胞癌患者，且未探讨模型在其他癌症类型中的适用性 | 比较两种先进的机器学习模型在肝细胞癌患者动态预后预测中的表现 | 2511名肝细胞癌患者 | 机器学习 | 肝细胞癌 | 机器学习 | Survival Path, Dynamic DeepHit | 时间序列数据 | 2511名肝细胞癌患者 | NA | NA | NA | NA |
| 23783 | 2024-10-20 |
Experience of observation skill workshop intervention for ophthalmologists in fellowship training
2024, F1000Research
DOI:10.12688/f1000research.148008.2
PMID:39421757
|
研究论文 | 评估干预性工作坊对眼科住院医师观察技能的影响 | 通过工作坊干预显著提高了眼科住院医师的观察技能 | 仅限于特定批次的住院医师，且样本量较小 | 评估干预性工作坊对眼科住院医师观察技能的影响 | 34名眼科住院医师的观察技能 | NA | NA | NA | NA | NA | 34名眼科住院医师（21名女性，13名男性） | NA | NA | NA | NA |
| 23784 | 2024-10-20 |
Automatic Detection and Classification of Modic Changes in MRI Images Using Deep Learning: Intelligent Assisted Diagnosis System
2024-Jan, Orthopaedic surgery
IF:1.8Q2
DOI:10.1111/os.13894
PMID:37933461
|
研究论文 | 本研究探讨了基于单次多框检测器（SSD）和ResNet18网络的自动检测和分类Modic变化（MCs）在MRI图像中的表现，并验证了深度学习网络辅助检测分类MCs的可行性 | 本研究首次将SSD和ResNet18网络结合用于MRI图像中Modic变化的自动检测和分类，并比较了观察者间和观察者与分类器间的一致性 | 研究样本量较小，且仅限于天津医院的数据，可能影响模型的泛化能力 | 验证深度学习模型在MRI图像中自动检测和分类Modic变化的可行性，并评估其与医生诊断的一致性 | Modic变化（MCs）在MRI图像中的自动检测和分类 | 计算机视觉 | 脊柱疾病 | 深度学习 | 单次多框检测器（SSD）和ResNet18网络 | MRI图像 | 内部数据集包含140名患者，外部测试数据集包含28名患者 | NA | NA | NA | NA |
| 23785 | 2024-10-20 |
Deep Learning Enables Rapid Identification of a New Quasicrystal from Multiphase Powder Diffraction Patterns
2024-Jan, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202304546
PMID:37964402
|
研究论文 | 本文利用深度学习技术从多相粉末衍射图案中快速识别出一种新的准晶体 | 首次使用深度神经网络从多相粉末衍射图案中识别出准晶体，准确率超过92% | NA | 开发一种快速技术，用于从粉末衍射图案中识别准晶体，以促进新准晶体的发现 | Al-Si-Ru准晶体 | 机器学习 | NA | 深度学习 | 深度神经网络 | 粉末衍射图案 | 440个粉末衍射图案 | NA | NA | NA | NA |
| 23786 | 2024-10-20 |
A Respiratory Motion Prediction Method Based on LSTM-AE with Attention Mechanism for Spine Surgery
2024, Cyborg and bionic systems (Washington, D.C.)
DOI:10.34133/cbsystems.0063
PMID:38188983
|
研究论文 | 本文提出了一种基于LSTM-AE与注意力机制的呼吸运动预测方法，用于脊柱手术中减少呼吸运动引起的脊椎移动对手术精度的影响 | 提出了一种新的深度学习架构，结合LSTM-AE与注意力机制，能够在少量数据集上进行训练，并实现实时性能 | 实验仅收集了俯卧位患者的麻醉状态下的数据，未涵盖其他手术体位和状态 | 开发一种能够适应不同患者的呼吸运动预测方法，以提高脊柱手术的准确性和安全性 | 脊柱手术中的呼吸运动预测 | 机器学习 | NA | LSTM-AE与注意力机制 | LSTM-AE | 数据 | 俯卧位患者在全身麻醉下的数据 | NA | NA | NA | NA |
| 23787 | 2024-10-20 |
The Image-to-Physical Liver Registration Sparse Data Challenge: comparison of state-of-the-art using a common dataset
2024-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.11.1.015001
PMID:38196401
|
研究论文 | 本文比较了在肝脏图像到物理注册稀疏数据挑战中，使用共同数据集的多种最先进注册方法的性能 | 引入了图像到物理肝脏注册稀疏数据挑战，以评估和比较不同注册方法在共同数据集上的表现 | 软组织变形增加了从稀疏器官表面描述符中准确推断解剖对齐的难度 | 评估稀疏数据注册方法的性能，并识别有效的策略和局限性，以指导图像到物理注册算法的进一步发展 | 肝脏图像到物理注册的稀疏数据注册方法 | 计算机视觉 | NA | 图像到物理注册 | NA | 图像 | 112个注册场景，基于具有159个亚表面验证目标的组织模拟假体 | NA | NA | NA | NA |
| 23788 | 2024-10-20 |
Enhancing Generic Reaction Yield Prediction through Reaction Condition-Based Contrastive Learning
2024, Research (Washington, D.C.)
DOI:10.34133/research.0292
PMID:38213662
|
研究论文 | 本文提出了一种基于反应条件对比学习的双向编码器表示转换器（BERT）模型，用于增强通用反应产率预测 | 通过反应条件对比学习和化学反应掩码语言建模预训练任务，提高了模型对反应条件的敏感性，并提出了新的评分函数用于多步合成路线的评估 | NA | 提高深度学习辅助合成规划（DASP）算法在实际场景中的实用性 | 化学反应产率预测 | 机器学习 | NA | 对比学习 | BERT | 文本 | 包含12种反应类别的通用反应产率数据集 | NA | NA | NA | NA |
| 23789 | 2024-10-20 |
Deep learning-based size prediction for optical trapped nanoparticles and extracellular vesicles from limited bandwidth camera detection
2024-Jan-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.501430
PMID:38223178
|
研究论文 | 本文提出了一种基于ResNet的方法，用于从有限带宽相机检测中准确预测光学陷阱中纳米颗粒和细胞外囊泡的大小 | 该方法通过模拟纳米颗粒的受限布朗运动时间序列数据进行训练，实验证明其优于现有的尺寸预测算法，并能在较短的测量时间内保持高精度 | NA | 开发一种新的方法，用于在光学陷阱中准确预测纳米颗粒和细胞外囊泡的大小 | 光学陷阱中的纳米颗粒和细胞外囊泡 | 计算机视觉 | NA | 光学捕获 | ResNet | 图像 | 临床细胞外囊泡样本 | NA | NA | NA | NA |
| 23790 | 2024-10-20 |
Outdoor Navigation Assistive System Based on Robust and Real-Time Visual-Auditory Substitution Approach
2023-Dec-27, Sensors (Basel, Switzerland)
DOI:10.3390/s24010166
PMID:38203027
|
研究论文 | 本文提出了一种基于深度学习和视觉-听觉替代方法的户外导航辅助系统，旨在帮助盲人安全有效地到达目的地 | 该系统结合了3D空间化声音和障碍物信息，通过惯性传感器、GPS数据和地图知识定义轨迹，并使用深度学习方法进行实时处理 | NA | 开发一种能够帮助盲人独立导航的辅助系统 | 盲人及其在户外环境中的导航能力 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 包含行人视角导航数据的多个数据集 | NA | NA | NA | NA |
| 23791 | 2024-10-20 |
A Survey of Sound Source Localization and Detection Methods and Their Applications
2023-Dec-22, Sensors (Basel, Switzerland)
DOI:10.3390/s24010068
PMID:38202930
|
综述 | 本文综述了声源定位与检测方法及其应用 | 对基于传播模型和基于机器学习及深度学习技术的经典方法进行了分析 | NA | 为选择该领域最合适的方法提供有价值的资源 | 声源定位与检测方法 | 机器学习 | NA | 深度学习 | NA | 声音 | NA | NA | NA | NA | NA |
| 23792 | 2024-10-20 |
[Whole-brain parcellation for macaque brain magnetic resonance images based on attention mechanism and multi-modality feature fusion]
2023-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出了一种基于注意力机制和多模态特征融合的深度学习算法，用于猕猴脑部磁共振图像的全脑分割 | 引入了一种基于注意力机制的多模态特征融合模块（AMFF），有效整合了不同尺度和复杂度的多模态特征，显著提升了分割性能 | NA | 提高猕猴脑部磁共振图像全脑分割的准确性 | 猕猴脑部磁共振图像 | 计算机视觉 | NA | 磁共振成像 | 注意力机制 | 图像 | 68只猕猴（年龄13至36个月） | NA | NA | NA | NA |
| 23793 | 2024-10-20 |
A Binocular Vision-Based Crack Detection and Measurement Method Incorporating Semantic Segmentation
2023-Dec-19, Sensors (Basel, Switzerland)
DOI:10.3390/s24010003
PMID:38202865
|
研究论文 | 提出了一种基于双目视觉的裂缝检测与测量方法，结合全卷积网络进行语义分割 | 采用双目立体视觉技术，提高了拍摄灵活性和图像采集效率，并引入了中心投影方案实现裂缝形态的三维重建 | 实验中裂缝宽度的相对测量误差范围较大，从-3.9%到36.0% | 探索一种非接触式检测方法，提高检测的灵活性、效率和准确性 | 混凝土桥梁组件中的裂缝 | 计算机视觉 | NA | 全卷积网络（FCN） | 全卷积网络（FCN） | 图像 | 在复杂背景裂缝主导的数据库中，每秒处理约四张图片 | NA | NA | NA | NA |
| 23794 | 2024-10-20 |
Disentangling Fact from Grid Cell Fiction in Trained Deep Path Integrators
2023-Dec-16, ArXiv
PMID:38106458
|
研究论文 | 本文重新审视了深度学习模型中网格细胞的生成机制，并反驳了路径积分假设 | 本文通过重新评估现有理论，揭示了深度路径积分模型中网格细胞生成的局限性，并提出了新的见解 | 本文主要集中在理论分析上，缺乏实验验证 | 探讨深度学习模型中网格细胞的生成机制，并评估现有理论的有效性 | 深度神经网络中的路径积分和网格细胞生成机制 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 23795 | 2024-10-20 |
AlphaFold2 has more to learn about protein energy landscapes
2023-Dec-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.12.571380
PMID:38168383
|
研究论文 | 本文测试了AlphaFold2在预测折叠转换蛋白质结构方面的能力 | 本文首次系统评估了AlphaFold2在预测折叠转换蛋白质结构方面的局限性，并提出了进一步改进方法的必要性 | AlphaFold2在预测折叠转换蛋白质结构时成功率较低，且其置信度指标未能有效区分低能和高能状态 | 评估AlphaFold2在预测折叠转换蛋白质结构方面的能力及其局限性 | 折叠转换蛋白质及其结构 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质结构 | 93种折叠转换蛋白质，共生成超过280,000个模型 | NA | NA | NA | NA |
| 23796 | 2024-10-20 |
Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation
2023-12-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2023.3701
PMID:37851434
|
研究论文 | 研究使用深度学习模型分析心电图（ECG）来预测房颤（AF） | 首次在多样化的患者群体中应用深度学习模型预测房颤 | 研究仅限于美国退伍军人事务部医院网络和一所非VA学术医疗中心的患者 | 评估深度学习模型在门诊心电图中预测房颤的能力 | 心电图数据和患者人口统计信息 | 机器学习 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 心电图 | 共907,858份心电图，来自6个VA站点和1个非VA学术医疗中心 | NA | NA | NA | NA |
| 23797 | 2024-10-20 |
Predictive analyses of regulatory sequences with EUGENe
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00544-w
PMID:38177592
|
研究论文 | 本文介绍了一个名为EUGENe的FAIR工具包，用于使用深度学习分析基因组序列 | EUGENe是一个简单、灵活且可扩展的接口，旨在简化并定制端到端的深度学习序列分析 | NA | 开发一个符合FAIR原则的工具包，用于深度学习在基因组学中的应用 | 基因组序列的深度学习分析 | 机器学习 | NA | 深度学习 | 神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 23798 | 2024-10-20 |
Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064504
PMID:38162317
|
研究论文 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响 | 使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能 | 模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响 | COVID-19阳性患者和阴性患者的胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet-121 | 图像 | 9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能 | NA | NA | NA | NA |
| 23799 | 2024-10-20 |
Cross-Attention for Improved Motion Correction in Brain PET
2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44858-4_4
PMID:38174216
|
研究论文 | 本文提出了一种基于交叉注意力机制的深度学习网络，用于改善脑部PET图像重建中的运动校正 | 引入了交叉注意力机制，增强了模型对不同测试对象的鲁棒性，并显著提高了运动校正的性能 | NA | 提高脑部PET图像重建的质量，减少运动伪影对临床诊断和治疗的影响 | 脑部PET图像的运动校正 | 计算机视觉 | NA | 深度学习 | 交叉注意力机制 | 图像 | 使用了来自两个不同扫描仪（HRRT和mCT）的脑部PET数据进行验证 | NA | NA | NA | NA |
| 23800 | 2024-10-20 |
Deep learning tools to accelerate antibiotic discovery
2023 Jul-Dec, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2023.2250721
PMID:37794737
|
综述 | 本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制 | 本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力 | 本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战 | 本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战 | 本文研究对象为抗生素发现中的深度学习模型及其应用 | 机器学习 | NA | 深度学习 | 卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型 | 高维数据 | NA | NA | NA | NA | NA |