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 33553 篇文献，本页显示第 26941 - 26960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 26941 | 2024-09-08 |
Unsupervised speckle noise reduction technique for clinical ultrasound imaging
2024-Sep, Ultrasonography (Seoul, Korea)
DOI:10.14366/usg.24005
PMID:39155463
|
研究论文 | 本文介绍了一种无监督的深度学习框架，用于超声图像中的散斑噪声抑制 | 提出了一个名为speckle-to-speckle (S2S)的无监督深度学习框架，无需干净的参考图像即可完成训练 | NA | 探索深度学习在超声图像处理中的应用，特别是散斑噪声的抑制 | 超声图像中的散斑噪声 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 26942 | 2024-09-08 |
Virtual staining for histology by deep learning
2024-Sep, Trends in biotechnology
IF:14.3Q1
DOI:10.1016/j.tibtech.2024.02.009
PMID:38480025
|
综述 | 本文综述了深度学习在组织学虚拟染色中的应用及其未来发展方向 | 深度学习技术为组织学染色过程提供了更可持续、快速和成本效益高的替代方案 | 这些技术仍处于早期开发阶段，需要严格的验证 | 探讨深度学习在组织学虚拟染色中的基本概念及其未来应用 | 组织学染色过程及其替代技术 | 数字病理学 | NA | 深度学习 | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 26943 | 2024-09-08 |
Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review
2024-Aug-21, JMIR mental health
IF:4.8Q1
DOI:10.2196/53714
PMID:39167782
|
综述 | 本文综述了用于检测、预测和监测压力及其相关精神障碍的机器学习和深度学习技术 | 本文综述了最新的机器学习算法、预处理技术和数据类型在压力和压力相关精神障碍中的应用 | 本文指出了当前研究中的重要空白，并提出了未来的研究方向 | 调查机器学习方法在检测、预测和分析压力及其相关精神障碍中的应用范围 | 压力及其相关精神障碍 | 机器学习 | 精神障碍 | 机器学习算法 | 支持向量机、神经网络、随机森林 | 生理参数数据 | 98篇同行评审出版物 | NA | NA | NA | NA |
| 26944 | 2024-09-08 |
Concepts and applications of digital twins in healthcare and medicine
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101028
PMID:39233690
|
综述 | 本文讨论了数字孪生（DT）在医疗和医学中的概念、实现要求及其当前和潜在的应用 | 本文提出了医疗数字孪生系统的五个标志性特征，以推动该领域的研究 | 技术障碍、生物异质性和伦理考虑是实现医疗数字孪生的主要挑战 | 探讨数字孪生在医疗和医学中的应用及其潜在影响 | 数字孪生技术及其在医疗领域的应用 | NA | NA | 多模态深度学习方法、具身AI代理和元宇宙 | NA | NA | NA | NA | NA | NA | NA |
| 26945 | 2024-09-08 |
How deep can we decipher protein evolution with deep learning models
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101043
PMID:39233697
|
研究论文 | 本文探讨了基于进化理论的深度学习模型在蛋白质进化研究中的应用 | 本文展示了基于进化的深度生成模型，特别是变分自编码器，能够在层次化的潜在空间中组织SH3同源物，并有效区分特定的Sho1域 | NA | 探索深度学习模型在蛋白质进化研究中的潜力 | 蛋白质进化中的SH3同源物和Sho1域 | 机器学习 | NA | 深度学习 | 变分自编码器 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 26946 | 2024-09-08 |
Artificial Intelligence and Deep Learning in Revolutionizing Brain Tumor Diagnosis and Treatment: A Narrative Review
2024-Aug, Cureus
DOI:10.7759/cureus.66157
PMID:39233936
|
综述 | 本文综述了人工智能和深度学习在脑肿瘤诊断和治疗中的应用 | 深度学习模型如脑肿瘤分类模型和Inception-Resnet V2，以及结合支持向量机和k近邻的混合技术，能够实时决策并增强术前规划 | 将人工智能整合到临床实践中仍面临挑战，需要进一步研究以实现深度学习在改善这些结果中的潜力 | 探讨人工智能和深度学习在脑肿瘤诊断和治疗中的应用及其潜力 | 脑肿瘤的诊断和治疗 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 26947 | 2024-09-08 |
Screening antimicrobial peptides and probiotics using multiple deep learning and directed evolution strategies
2024-Aug, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2024.05.003
PMID:39234615
|
研究论文 | 本文开发并改进了抗菌肽预测模型，结合多种深度学习和定向进化策略，提高了预测准确性和应用价值 | 使用COMDEL算法改进了抗菌肽预测模型，结合高通量筛选和定向进化方法，显著提高了抗菌肽的产量和筛选效率 | NA | 提高抗菌肽预测模型的准确性和应用价值 | 抗菌肽和益生菌 | 机器学习 | NA | 深度学习 | COMDEL | 多组学数据 | 35种可食用益生菌 | NA | NA | NA | NA |
| 26948 | 2024-09-08 |
DeepIRES: a hybrid deep learning model for accurate identification of internal ribosome entry sites in cellular and viral mRNAs
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae439
PMID:39234953
|
研究论文 | 本文介绍了一种名为DeepIRES的混合深度学习模型，用于准确识别细胞和病毒mRNA中的内部核糖体进入位点（IRES） | DeepIRES结合了膨胀1D卷积神经网络块、双向门控循环单元和自注意力模块，能够捕捉序列特征与预测结果之间的更深层次关系 | NA | 开发一种高效的生物信息学工具，用于准确预测内部核糖体进入位点（IRES），以理解其机制并寻找相关疾病的潜在治疗策略 | 细胞和病毒mRNA中的内部核糖体进入位点（IRES） | 机器学习 | NA | 深度学习 | 混合模型（膨胀1D卷积神经网络、双向门控循环单元、自注意力模块） | 序列 | NA | NA | NA | NA | NA |
| 26949 | 2024-09-08 |
Predicting overall survival and prophylactic cranial irradiation benefit in small-cell lung cancer with CT-based deep learning: A retrospective multicenter study
2024-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110221
PMID:38479441
|
研究论文 | 开发基于CT的深度学习模型，预测小细胞肺癌患者的总生存期并识别可能从预防性颅脑放疗中受益的患者 | 首次使用基于CT的深度学习模型预测小细胞肺癌患者的总生存期，并评估预防性颅脑放疗的受益情况 | 研究为回顾性多中心研究，样本量有限，需进一步前瞻性研究验证 | 开发和验证基于CT的深度学习模型，以预测小细胞肺癌患者的总生存期并评估预防性颅脑放疗的受益情况 | 小细胞肺癌患者及其总生存期和预防性颅脑放疗的受益情况 | 计算机视觉 | 肺癌 | 深度学习 | 全连接神经网络 | CT影像 | 556名小细胞肺癌患者，其中训练集309例，内部验证集133例，外部验证集114例 | NA | NA | NA | NA |
| 26950 | 2024-09-08 |
Deep match: A zero-shot framework for improved fiducial-free respiratory motion tracking
2024-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110179
PMID:38403025
|
研究论文 | 提出了一种基于深度学习的模板匹配算法Deep Match，用于改进无标记的呼吸运动跟踪 | Deep Match是一种零样本学习网络，无需在患者数据上进行训练，能够显著提高无标记跟踪的性能 | NA | 旨在改进肺部立体定向放疗中的无标记呼吸运动跟踪 | 肺部肿瘤及其在X射线图像中的运动跟踪 | 计算机视觉 | 肺部疾病 | 深度学习 | 深度学习网络 | 图像 | 10名患者，共38次治疗，2661张图像 | NA | NA | NA | NA |
| 26951 | 2024-09-08 |
Deep5hmC: Predicting genome-wide 5-Hydroxymethylcytosine landscape via a multimodal deep learning model
2024-Mar-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.04.583444
PMID:38496575
|
研究论文 | 本文介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组范围内的5-羟甲基胞嘧啶修饰 | Deep5hmC通过整合DNA序列和组蛋白修饰信息，显著提高了5hmC修饰的定性和定量预测能力 | NA | 开发一种能够准确预测全基因组范围内5-羟甲基胞嘧啶修饰的深度学习模型 | 5-羟甲基胞嘧啶修饰及其在基因表达调控中的作用 | 机器学习 | 阿尔茨海默病 | 深度学习 | 多模态深度学习模型 | DNA序列和组蛋白修饰数据 | 在四个时间点的前脑类器官发育和17种人体组织中收集的5hmC测序数据 | NA | NA | NA | NA |
| 26952 | 2024-09-08 |
An open-source toolbox for measuring vocal tract shape from real-time magnetic resonance images
2024-03, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-023-02171-9
PMID:37507650
|
研究论文 | 本文介绍了一种从实时磁共振图像中测量声道形状的开源工具箱 | 提出了一个信号处理流程，能够从唇部到喉部的实时磁共振图像中生成声道轮廓，量化声道的动态形态 | 该方法依赖于研究者指定的感兴趣区域，且尚未完全自动化 | 开发一种能够从实时磁共振图像中量化声道形态的工具 | 实时磁共振图像中的声道形态 | 计算机视觉 | NA | 实时磁共振成像 (rtMRI) | NA | 图像 | 涵盖了多种行为的数据集，如说话、夸张的语音、笑声和口哨声 | NA | NA | NA | NA |
| 26953 | 2024-09-08 |
Characterisation of quantitative imaging biomarkers for inflammatory and fibrotic radiation-induced lung injuries using preclinical radiomics
2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110106
PMID:38253201
|
研究论文 | 本研究利用放射组学技术，通过定量影像生物标志物识别急性炎症和晚期纤维化放射性肺损伤的预后和预测标志物 | 首次在临床前模型中应用深度学习放射组学技术，建立了急性炎症和晚期肺损伤的预测模型 | 研究仅限于小鼠模型，尚未在人类中验证 | 识别与放射性肺损伤相关的放射组学特征，并建立预测模型 | C3H/HeN和C57BL6小鼠的放射性肺损伤 | 数字病理学 | 肺损伤 | 放射组学 | 随机森林分类器 | 影像 | C3H/HeN和C57BL6小鼠各若干只 | NA | NA | NA | NA |
| 26954 | 2024-09-08 |
Evaluating AI-generated CBCT-based synthetic CT images for target delineation in palliative treatments of pelvic bone metastasis at conventional C-arm linacs
2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110110
PMID:38272314
|
研究论文 | 评估基于AI生成的CBCT合成CT图像在常规C臂直线加速器上进行骨盆骨转移姑息治疗中的靶区勾画和治疗计划的可行性 | 利用深度学习模型生成CBCT合成CT图像，以提高常规C臂直线加速器上姑息治疗中靶区勾画的准确性 | 部分合成CT图像质量不足，需要通过增加PTV边距来补偿 | 评估AI生成的CBCT合成CT图像在姑息放射治疗中的靶区勾画和治疗计划的可行性 | 22名骨盆骨转移的女性患者 | 计算机视觉 | 骨转移 | 深度学习 | 深度学习模型 | 图像 | 22名女性患者，23个靶区 | NA | NA | NA | NA |
| 26955 | 2024-09-08 |
ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages
2024-Jan-30, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-024-01072-y
PMID:38289518
|
研究论文 | 提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像 | 无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量 | NA | 开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像 | 脑部参数图像的重建 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者 | NA | NA | NA | NA |
| 26956 | 2024-09-08 |
Detecting pediatric appendicular fractures using artificial intelligence
2024, Revista da Associacao Medica Brasileira (1992)
DOI:10.1590/1806-9282.20240523
PMID:39230068
|
研究论文 | 评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性 | 开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果 | NA | 评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响 | 儿童四肢骨折的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5150张X光片，其中850张显示骨折，4300张未显示骨折 | NA | NA | NA | NA |
| 26957 | 2024-09-08 |
Iteratively Refined Image Reconstruction with Learned Attentive Regularizers
2024, Numerical functional analysis and optimization
IF:1.4Q2
DOI:10.1080/01630563.2024.2384849
PMID:39233889
|
研究论文 | 提出了一种利用深度学习能力并基于经典稀疏促进模型的图像重建正则化方案 | 该方案可解释性强，因为它对应于一系列凸问题的最小化，并且在每个问题中，基于先前解生成的掩码用于空间上细化正则化强度，使模型逐渐关注图像结构 | NA | 开发一种可解释性强且具有理论保证的图像重建方法 | 图像重建中的正则化方案 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 26958 | 2024-09-08 |
Global bibliometric mapping of the research trends in artificial intelligence-based digital pathology for lung cancer over the past two decades
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277735
PMID:39233894
|
研究论文 | 本文通过文献计量分析，探讨了过去二十年人工智能辅助数字病理学在肺癌研究中的趋势和热点 | 首次对人工智能辅助数字病理学在肺癌领域的研究进行了全面的文献计量分析 | 研究主要基于独立的国家研究，缺乏国际间的学术合作和数据共享 | 分析人工智能辅助数字病理学在肺癌研究中的趋势、热点和研究空白 | 过去二十年发表的197篇与数字病理学和肺癌相关的文献 | 数字病理学 | 肺癌 | 文献计量分析 | NA | 文献 | 197篇文献，涉及502个机构和39个国家 | NA | NA | NA | NA |
| 26959 | 2024-09-08 |
Comprehensive hepatotoxicity prediction: ensemble model integrating machine learning and deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1441587
PMID:39234116
|
研究论文 | 本文开发了一种集成模型，结合机器学习和深度学习算法，用于预测化学品和药物的肝毒性 | 本文创新性地采用了集成策略，将机器学习和深度学习算法结合，以提高肝毒性预测的准确性 | NA | 开发一种可靠的模型，用于预测化学品和药物对肝脏的潜在损害 | 化学品和药物的肝毒性 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | 集成模型 | 分子特征 | 2588种化学品和药物 | NA | NA | NA | NA |
| 26960 | 2024-09-08 |
Integrative deep learning analysis improves colon adenocarcinoma patient stratification at risk for mortality
2023-Aug, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104726
PMID:37499603
|
研究论文 | 本文开发并评估了结合福尔马林固定石蜡包埋（FFPE）全切片图像（WSIs）、临床变量和突变特征的深度学习模型，用于根据结肠腺癌（COAD）患者的死亡风险进行分层 | 本文的创新点在于整合了图像、临床和基因组特征，以提高结肠腺癌患者的风险分层效果 | 模型在预测中度风险（3年<OS<5年）患者的总体生存率方面效果较差 | 研究目的是通过整合图像、临床和基因组特征，提高结肠腺癌患者的风险分层效果 | 研究对象是结肠腺癌（COAD）患者 | 数字病理 | 结直肠癌 | 深度学习 | 深度学习模型 | 图像、临床变量、突变特征 | 训练数据集包含108名患者，外部验证数据集包含123名COAD患者和52名直肠腺癌（READ）患者 | NA | NA | NA | NA |