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 36465 篇文献，本页显示第 25161 - 25180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 25161 | 2024-11-19 |
Deep learning reduces data requirements and allows real-time measurements in imaging FCS
2024-03-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.11.3403
PMID:38050354
|
研究论文 | 本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量 | 提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估 | NA | 减少荧光相关光谱成像中的数据需求，并实现实时测量 | 荧光相关光谱成像中的相关性和强度轨迹分析 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 模拟数据 | NA | NA | NA | NA |
| 25162 | 2024-11-19 |
Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images
2024-03-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/kead366
PMID:37471602
|
研究论文 | 研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当 | NA | 探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒） | 计算机视觉 | 类风湿性关节炎 | 深度学习 | ResNet | 图像 | 1244张图像用于模型训练，152张和354张分别用于两个测试集 | NA | NA | NA | NA |
| 25163 | 2024-11-19 |
MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad120
PMID:38280188
|
研究论文 | 介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换 | 提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术 | 未提及具体限制 | 开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术 | 生物医学图像分析中的图像到图像变换任务 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过10种不同的生物医学问题 | NA | NA | NA | NA |
| 25164 | 2024-11-19 |
Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad109
PMID:38217407
|
研究论文 | 本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果 | 首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果 | 目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索 | 评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性 | 超分辨率结构化照明显微镜（SR-SIM）图像的去噪 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平 | NA | NA | NA | NA |
| 25165 | 2024-11-19 |
IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae018
PMID:38649300
|
研究论文 | 本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络 | IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法 | NA | 开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒 | 原核和真核病毒的识别与分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 25166 | 2024-11-19 |
Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae057
PMID:39185700
|
研究论文 | 本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来 | 本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域 | NA | 研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用 | 胶质母细胞瘤的数字病理图像和分子亚型 | 数字病理 | 脑癌 | 深度学习 | Xception卷积神经网络 | 图像 | 276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证 | NA | NA | NA | NA |
| 25167 | 2024-11-19 |
Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity
2024, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2023.2254379
PMID:37672314
|
综述 | 本文综述了不同色谱技术中基于人工智能的保留时间预测方法 | 深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠 | 由于缺乏总结性文献，本文旨在提供一个全面的文献综述 | 探索不同色谱技术中基于人工智能的保留时间预测方法 | 不同色谱技术中的化合物保留时间预测 | 化学信息学 | NA | 色谱技术 | 深度学习模型、支持向量机神经网络 | 化合物数据 | NA | NA | NA | NA | NA |
| 25168 | 2024-11-19 |
Cell type-specific interpretation of noncoding variants using deep learning-based methods
2023-03-20, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad015
PMID:36971292
|
研究论文 | 本文提出了一种新的神经网络架构DeepCT，用于解释非编码变异，并展示了其在细胞类型特异性预测中的应用 | 提出了DeepCT架构，能够学习表观遗传特征的复杂相互关系，并从任何可用输入中推断未测量的数据 | 现有的表观遗传特征数据非常稀疏，限制了依赖特定表观遗传输入的方法 | 解决非编码基因组变异的解释问题，并实现细胞类型特异性的预测 | 非编码变异及其在不同细胞类型中的影响 | 机器学习 | NA | 深度学习 | 神经网络 | 表观遗传特征 | NA | NA | NA | NA | NA |
| 25169 | 2024-11-19 |
Delineating regions of interest for mass spectrometry imaging by multimodally corroborated spatial segmentation
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad021
PMID:37039115
|
研究论文 | 本文提出了一种多模态融合策略，通过结合组织学图像信息来客观选择质谱成像（MSI）中的聚类数量，以实现更准确的感兴趣区域（ROI）划分 | 本文的创新点在于利用深度学习算法从组织学图像中提取特征谱，并通过多模态一致性来优化聚类数量的选择，从而提高ROI划分的生物学真实性 | 本文的局限性在于仅在肾脏和肾肿瘤样本上进行了验证，未来需要在更多类型的组织和疾病中进行验证 | 本文的研究目的是通过多模态融合策略优化质谱成像中的感兴趣区域划分，以促进空间脂质组学、代谢组学和蛋白质组学研究 | 本文的研究对象是质谱成像数据和相应的组织学图像 | 数字病理学 | 肾癌 | 质谱成像 | 深度学习 | 图像 | 本文使用了小鼠肾脏和肾肿瘤样本进行验证 | NA | NA | NA | NA |
| 25170 | 2024-11-19 |
CoVEffect: interactive system for mining the effects of SARS-CoV-2 mutations and variants based on deep learning
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad036
PMID:37222749
|
研究论文 | 本文介绍了一个基于深度学习的交互系统CoVEffect，用于挖掘SARS-CoV-2突变和变异的影响 | 提出了一个基于GPT2模型的预测系统，能够从COVID-19相关的大数据语料库中提取突变/变异的影响，并通过CoVEffect网络应用程序实现用户交互和数据标注 | 目前仅使用了CORD-19语料库中的数据进行训练，可能需要扩展到更多数据源以提高模型的泛化能力 | 旨在填补关于SARS-CoV-2突变和变异影响的文献信息分散的空白，通过挖掘文献摘要提取相关影响 | SARS-CoV-2的突变和变异及其在流行病学、免疫学、临床和病毒动力学方面的影响 | 自然语言处理 | NA | GPT2模型 | GPT2 | 文本 | 使用了CORD-19语料库中的大量摘要进行训练 | NA | NA | NA | NA |
| 25171 | 2024-11-19 |
Deep neural networks with knockoff features identify nonlinear causal relations and estimate effect sizes in complex biological systems
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad044
PMID:37395630
|
研究论文 | 本文介绍了一种名为DAG-deepVASE的新计算方法，通过深度神经网络与knockoff特征结合，用于识别复杂生物系统中的非线性因果关系并估计其效应大小 | 首次开发了一种能够明确学习非线性因果关系并估计其效应大小的计算方法 | NA | 开发一种新的计算方法，用于识别复杂生物系统中的非线性因果关系并估计其效应大小 | 复杂生物系统中的非线性因果关系及其效应大小 | 机器学习 | NA | 深度神经网络 | 深度神经网络 | 模拟数据和分子及临床数据 | 涉及多种疾病的数据 | NA | NA | NA | NA |
| 25172 | 2024-11-19 |
MuLan-Methyl-multiple transformer-based language models for accurate DNA methylation prediction
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad054
PMID:37489753
|
研究论文 | 本文介绍了一种基于多重Transformer语言模型的深度学习框架MuLan-Methyl，用于预测DNA甲基化位点 | MuLan-Methyl框架结合了5种流行的Transformer语言模型，通过预训练和微调的方式，能够准确预测三种不同类型的DNA甲基化位点 | NA | 开发一种能够准确预测DNA甲基化位点的深度学习框架 | DNA甲基化位点，包括N6-腺苷、N4-胞嘧啶和5-羟甲基胞嘧啶 | 机器学习 | NA | Transformer语言模型 | Transformer | DNA序列 | 使用了一个基准数据集进行性能评估 | NA | NA | NA | NA |
| 25173 | 2024-11-19 |
Computational prediction of human deep intronic variation
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad085
PMID:37878682
|
研究论文 | 本文研究了计算方法在预测人类基因深内含子变异中的应用 | 本文比较了SpliceAI等深度学习模型与其他新方法的性能，并提出了新的工具可解释性评估方法 | 工具在预测可能影响剪接调控元件的变异时表现较差 | 评估不同计算工具在分析深内含子变异中的性能，并提供实用建议 | 人类基因的深内含子变异 | 基因组学 | NA | 深度学习 | 深度学习模型 | 基因序列 | 使用了多种数据集进行评估 | NA | NA | NA | NA |
| 25174 | 2024-11-19 |
SpheroScan: a user-friendly deep learning tool for spheroid image analysis
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad082
PMID:37889008
|
研究论文 | 开发了一种名为SpheroScan的用户友好型深度学习工具，用于球状体图像分析 | SpheroScan利用Mask R-CNN框架进行图像检测和分割，解决了3D球状体分析中缺乏自动化和用户友好工具的问题 | NA | 开发一种自动化工具，以提高3D球状体分析的重复性和通量 | 3D球状体图像 | 计算机视觉 | NA | 深度学习 | Mask R-CNN | 图像 | 使用IncuCyte活细胞分析系统和传统显微镜捕获的球状体图像进行训练 | NA | NA | NA | NA |
| 25175 | 2024-11-19 |
Accurate and fast clade assignment via deep learning and frequency chaos game representation
2022-12-28, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac119
PMID:36576129
|
研究论文 | 本文利用频率混沌游戏表示（FCGR）和卷积神经网络（CNN）开发了一种新的方法，用于SARS-CoV-2基因序列的支系分类 | 本文首次将深度学习和FCGR应用于物种内分类，并开发了CouGaR-g工具，在GISAID测试子集上实现了96.29%的总体准确率，优于类似工具Covidex | NA | 开发快速且准确的工具，用于区分不同的SARS-CoV-2变体并将其分配到相应的支系 | SARS-CoV-2基因序列及其变体 | 机器学习 | 冠状病毒病 | 频率混沌游戏表示（FCGR） | 卷积神经网络（CNN） | 基因序列 | GISAID平台上的数百万个完整基因序列 | NA | NA | NA | NA |
| 25176 | 2024-11-19 |
DeePVP: Identification and classification of phage virion proteins using deep learning
2022-08-11, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac076
PMID:35950840
|
研究论文 | 本文介绍了一种基于深度学习的噬菌体病毒颗粒蛋白（PVPs）识别与分类工具DeePVP | DeePVP在PVP识别任务中的F1分数比现有最先进工具高出9.05%，在PVP分类任务中的整体准确率比PhANNs高出约3.72% | NA | 开发一种能够有效识别和分类噬菌体病毒颗粒蛋白的工具 | 噬菌体病毒颗粒蛋白（PVPs） | 机器学习 | NA | 深度学习 | NA | 序列 | NA | NA | NA | NA | NA |
| 25177 | 2024-11-19 |
Agricultural plant cataloging and establishment of a data framework from UAV-based crop images by computer vision
2022-06-17, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac054
PMID:35715875
|
研究论文 | 本文介绍了一种基于计算机视觉方法的自动化时空识别和作物图像个体化工作流程，用于从无人机获取的作物图像中进行作物目录编制 | 提出了一个自动化工作流程，用于从无人机图像中识别和个体化作物图像，并应用于大规模时空图像数据集的提取和机器学习模型的训练 | 未提及具体限制 | 改进农业中无人机数据的分析和解释 | 作物图像的时空识别和个体化 | 计算机视觉 | NA | 计算机视觉方法 | 机器学习模型 | 图像 | 两个真实世界数据集，一个用于观察糖甜菜中的Cercospora叶斑病，另一个用于花椰菜的收获预测 | NA | NA | NA | NA |
| 25178 | 2024-11-19 |
A novel ground truth multispectral image dataset with weight, anthocyanins, and Brix index measures of grape berries tested for its utility in machine learning pipelines
2022-06-14, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac052
PMID:35701377
|
研究论文 | 本文介绍了一个新的葡萄果实多光谱图像数据集，并测试了其在机器学习管道中的实用性 | 这是首个公开的葡萄果实多光谱图像数据集，每张图像都附有重量、花青素含量和Brix指数的测量数据 | NA | 验证或反驳研究假设，并进行模型之间的比较 | 葡萄果实的多光谱图像及其相关测量数据 | 计算机视觉 | NA | 多光谱成像 | 多层感知器（MLP）和三维卷积神经网络（3D-CNN） | 图像 | 1283个多维数组，来自五种不同葡萄品种的果实 | NA | NA | NA | NA |
| 25179 | 2024-11-19 |
NuCLS: A scalable crowdsourcing approach and dataset for nucleus classification and segmentation in breast cancer
2022-05-17, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giac037
PMID:35579553
|
研究论文 | 本文介绍了一种可扩展的众包方法和数据集，用于乳腺癌中的细胞核分类和分割 | 提出了一个协作框架，利用医学生和病理学家的众包力量生成高质量的细胞核标签，并创建了NuCLS数据集 | NA | 开发一种高效的方法来生成用于计算病理学应用的细胞核标签 | 乳腺癌中的细胞核 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 超过220,000个细胞核注释 | NA | NA | NA | NA |
| 25180 | 2024-11-19 |
Role of artificial intelligence in MS clinical practice
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.103065
PMID:35661470
|
综述 | 本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性 | 机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类 | 需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题 | 探讨人工智能在多发性硬化症临床实践中的应用 | 多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割 | 机器学习 | 多发性硬化症 | 机器学习 (ML) 和深度学习 (DL) | NA | 影像数据 | NA | NA | NA | NA | NA |