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 33074 篇文献，本页显示第 29341 - 29360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 29341 | 2024-08-04 |
Development of a diagnostic support system for the fibrosis of nonalcoholic fatty liver disease using artificial intelligence and deep learning
2024-Aug, The Kaohsiung journal of medical sciences
DOI:10.1002/kjm2.12850
PMID:38819013
|
研究论文 | 本研究开发了一个基于人工智能和深度学习的自动化诊断支持系统，用于评价非酒精性脂肪肝病的肝纤维化。 | 本研究提出了SMART AI-PATHO，这是泰国首个用于NAFLD肝组织分级的人工智能诊断工具，具备满意的性能。 | 样本规模相对较小，未来需要在更大样本上进行测试以提高准确性。 | 本研究旨在开发一种自动评估方法，以分析非酒精性脂肪肝病中的脂肪和纤维化。 | 研究对象为146名非酒精性脂肪肝病患者的核心活检样本。 | 人工智能 | 非酒精性脂肪肝病 | 人工智能、深度学习 | NA | 组织活检样本 | 146名参与者 | NA | NA | NA | NA |
| 29342 | 2024-08-04 |
EFG-CS: Predicting chemical shifts from amino acid sequences with protein structure prediction using machine learning and deep learning models
2024-Aug, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5096
PMID:38979954
|
研究论文 | 本文提出了一种新的网络服务器EFG-CS，用于从氨基酸序列中预测化学位移 | 本研究首次证明生成AI蛋白模型能够预测接近实验模型的NMR化学位移 | 依赖于预测的蛋白质结构，可能对某些特殊情况没有足够的预测能力 | 本研究旨在提高从氨基酸序列和蛋白质结构预测NMR化学位移的准确性 | 主要研究对象为氨基酸序列及其对应的NMR化学位移 | 机器学习 | NA | 机器学习 | 图神经网络 | 化学位移数据 | 用于研究的样本数量及其类型未提供 | NA | NA | NA | NA |
| 29343 | 2024-08-04 |
Predicting Emission Wavelengths in Benzobisoxazole-Based OLEDs with Gradient Boosted Ensemble Models
2024-Aug-01, The journal of physical chemistry. A
DOI:10.1021/acs.jpca.4c00077
PMID:39008894
|
研究论文 | 本文展示了使用梯度增强集成模型准确预测基于苯并噁唑的荧光发射器的发射波长 | 首次使用基于全交叉分子和其组成片段分子的机器学习模型进行发射波长预测，且准确性与最先进的深度学习模型相当 | 样本量较小，仅有50个分子，可能限制模型的泛化能力 | 预测苯并噁唑基OLED的发射波长 | 50个苯并噁唑基荧光发射分子 | 机器学习 | NA | 密度泛函理论（DFT） | 梯度增强模型 | 化学分子数据 | 50个分子 | NA | NA | NA | NA |
| 29344 | 2024-08-04 |
Machine and deep learning algorithms for classifying different types of dementia: A literature review
2024-Aug-01, Applied neuropsychology. Adult
DOI:10.1080/23279095.2024.2382823
PMID:39087520
|
文献综述 | 这篇文章讨论了使用机器学习和深度学习算法在不同类型痴呆症分类中的应用 | 比较和对比了不同的机器学习算法在痴呆症诊断中的优势和局限性 | 过分依赖机器学习和深度学习技术可能不够充分，需进一步证据支持 | 探讨机器学习和深度学习算法在痴呆症早期识别和治疗中的应用 | 讨论阿尔茨海默病、额颞叶痴呆、路易体痴呆和血管性痴呆 | 机器学习 | 痴呆症 | 机器学习 | 支持向量机、人工神经网络、决策树、随机森林 | NA | NA | NA | NA | NA | NA |
| 29345 | 2024-08-04 |
Efficient Deep Model Ensemble Framework for Drug-Target Interaction Prediction
2024-Aug-01, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01509
PMID:39038219
|
研究论文 | 提出了一种简单高效的药物-靶点相互作用预测模型EADTN。 | 创新的特征适应技术和基于Shapley值的方法提高了模型的可靠性和可解释性。 | 目前的深度学习方法在预测性能和假阴性方面存在不足。 | 准确预测药物-靶点相互作用，以促进药物开发。 | 药物与靶点之间的相互作用。 | 机器学习 | NA | NA | 集成模型 | 数据集 | NA | NA | NA | NA | NA |
| 29346 | 2024-08-04 |
The digital revolution in pathology: Towards a smarter approach to research and treatment
2024-Aug, Tumori
DOI:10.1177/03008916241231035
PMID:38606831
|
综述 | 这篇综述文章介绍了人工智能在肿瘤学中的应用与挑战 | 文章结构清晰，系统性地介绍了人工智能的基础知识及其在临床研究和医疗中的应用 | 没有深入探讨某些特定AI工具的实际临床效果和应用限制 | 旨在为研究人员、临床医生和政策制定者提供有关在肿瘤学中采用人工智能的信息与指导 | 研究对象包括人工智能在肿瘤学中的应用，特别是诊断影像和病理学 | 人工智能 | 肿瘤 | NA | 专家系统、经典机器学习与深度学习 | NA | NA | NA | NA | NA | NA |
| 29347 | 2024-08-04 |
Hierarchical multi-task deep learning-assisted construction of human gut microbiota reactive oxygen species-scavenging enzymes database
2024-Jul-30, mSphere
IF:3.7Q2
DOI:10.1128/msphere.00346-24
PMID:38995053
|
研究论文 | 本研究建立了人类肠道微生物群反应性氧种清除酶数据库 | 提出了一种系统工作流程，并采用分层多任务深度学习方法创建新数据库 | 目前数据库的应用和验证尚未详尽探讨 | 理解氧化应激机制并制定应对与“肠-脏器轴”相关疾病的策略 | 人类肠道微生物群中的反应性氧种清除酶 | 数字病理学 | NA | 深度学习 | 多任务深度学习 | 数据库 | 7,689个条目 | NA | NA | NA | NA |
| 29348 | 2024-08-04 |
Artificial intelligence assisted ultrasound for the non-invasive prediction of axillary lymph node metastasis in breast cancer
2024-Jul-29, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-12619-6
PMID:39075447
|
研究论文 | 本研究开发了一种人工智能辅助的超声系统用于非侵入性预测乳腺癌患者的腋下淋巴结转移 | 创新点在于使用深度学习模型与人工智能辅助技术相结合，为乳腺癌提供非侵入性的淋巴结状态评估方法 | 研究局限于回顾性研究，且样本量相对较小 | 本研究的目的在于开发一种非侵入性的方法，以有效预测乳腺癌患者的腋下淋巴结转移 | 研究对象为266名在北京协和医学院医院接受腺体生检和腋下淋巴结切除的乳腺癌患者 | 计算机视觉 | 乳腺癌 | 深度学习 | DeepLabV3+ 和卷积神经网络 | 超声图像 | 266名乳腺癌患者 | NA | NA | NA | NA |
| 29349 | 2024-08-04 |
Single-cell hdWGCNA reveals metastatic protective macrophages and development of deep learning model in uveal melanoma
2024-Jul-29, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05421-2
PMID:39075441
|
研究论文 | 本研究揭示了与转移性保护性巨噬细胞相关的关键基因及其在虹膜黑色素瘤中的作用 | 首次使用单细胞RNA测序和深度学习模型分析巨噬细胞亚群与转移性肿瘤之间的关系 | 转移机制及其对预后的影响仍未完全理解 | 探讨虹膜黑色素瘤的转移机制及巨噬细胞在其中的作用 | 虹膜黑色素瘤的转移性和原发性癌症患者的巨噬细胞亚群 | 数字病理学 | 虹膜黑色素瘤 | 单细胞RNA测序 | 卷积神经网络（CNN） | 基因表达数据 | NA | NA | NA | NA | NA |
| 29350 | 2024-08-04 |
Origami single-end capacitive sensing for continuous shape estimation of morphing structures
2024-Jul-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67149-9
PMID:39075071
|
研究论文 | 本文提出了一种新颖的单端变形电容传感方法FxC，用于形状追踪。 | 与其他折纸电容器不同，FxC仅使用每个通道的单个导电板，直接改变导电板的几何形状。 | NA | 研究如何通过电容信号实时估计变形结构的几何形状。 | 采用折纸结构及其结合的电容传感器进行形状追踪。 | NA | NA | 电容传感 | 深度神经网络 | 信号 | 多个折叠模式的实验结果，包括Accordion, Chevron, Sunray和V-Fold模式 | NA | NA | NA | NA |
| 29351 | 2024-08-04 |
Explainable lung cancer classification with ensemble transfer learning of VGG16, Resnet50 and InceptionV3 using grad-cam
2024-Jul-19, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01345-x
PMID:39030496
|
研究论文 | 本研究提出了一种集成深度学习方法，以提高医学影像诊断的准确性，专注于肺癌检测 | 结合预训练模型VGG16、ResNet50和InceptionV3，采用统一框架进行肺癌分类，改善了诊断的准确性 | 未提及具体的限制 | 提高医学影像中肺癌检测的诊断准确性 | 利用统一格式的数据集进行肺癌影像分类 | 计算机视觉 | 肺癌 | 深度学习 | 集成模型 | 影像 | IQ-OTH/NCCD肺癌数据集，数据来自伊拉克肿瘤医院/国家癌症疾病中心，样本量未具体说明 | NA | NA | NA | NA |
| 29352 | 2024-08-04 |
Affordable and real-time antimicrobial resistance prediction from multimodal electronic health records
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66812-5
PMID:39013934
|
研究论文 | 本研究首次利用深度学习技术和多模态电子健康记录数据预测抗微生物抵抗性。 | 引入了一种多模态融合方法，将时间不变和时间序列数据合并以预测抗微生物抵抗性。 | 缺乏关于算法性能在不同人群或不同抗生素的广泛验证信息 | 旨在通过数据驱动模型预测抗微生物抵抗性，以帮助临床医生和微生物学家。 | 基于MIMIC-IV数据库的多模态数据，特别是患者的电子健康记录。 | 机器学习 | NA | 深度学习 | NA | 电子健康记录 | 使用了MIMIC-IV数据库中的患者数据 | NA | NA | NA | NA |
| 29353 | 2024-08-04 |
Deep learning pose detection model for sow locomotion
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62151-7
PMID:39013897
|
研究论文 | 本研究旨在开发一个用于自动识别母猪体特定部位的计算机视觉模型，从而帮助检测跛行。 | 提出了一种结合深度学习的自动识别和追踪母猪特定身体区域的模型，支持精准的畜牧生产管理。 | 当前系统依赖于先前训练的模型，可能无法处理未见过的姿势或运动方式。 | 开发一个自动化系统，以利用深度学习技术提高母猪跛行的检测精度。 | 母猪，特别是不同跛行评分的个体。 | 计算机视觉 | NA | 深度学习 | LEAP架构 | 视频 | 使用了来自不同跛行评分母猪的视频图像数据库 | NA | NA | NA | NA |
| 29354 | 2024-08-04 |
Deep learning application of vertebral compression fracture detection using mask R-CNN
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67017-6
PMID:39009647
|
研究论文 | 本研究开发了一种基于深度学习的椎体压缩骨折检测模型 | 创新点在于将Mask R-CNN应用于椎体压缩骨折的检测，并与其他三种流行模型进行了比较 | 研究的样本仅限于487张侧位X光片，且只涵盖了L1-T11椎骨 | 旨在提供一种工具以改进椎体压缩骨折的早期诊断 | 研究对象为胸腰椎区域的椎体压缩骨折 | 数字病理学 | NA | 深度学习 | Mask R-CNN | 影像 | 487张侧位X光片，包含598个骨折 | NA | NA | NA | NA |
| 29355 | 2024-08-04 |
Predicting Obstructive Sleep Apnea Based on Computed Tomography Scans Using Deep Learning Models
2024-07-15, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202304-0767OC
PMID:38471111
|
研究论文 | 通过计算机断层扫描(CT)预测阻塞性睡眠呼吸暂停(OSA)及其严重性。 | 提出了一种新型的深度学习模型，结合了多模态深度学习和气道高亮预处理算法，以提高OSA诊断的准确性。 | 研究的样本主要来源于特定的CT图像，可能影响模型的普遍适用性。 | 利用CT扫描数据预测阻塞性睡眠呼吸暂停的发生及其严重程度。 | 涉及798名参与者的内部数据集以及135和85名参与者的两个外部数据集。 | 数字病理学 | 阻塞性睡眠呼吸暂停 | 深度学习 | 多模态深度学习模型 | 图像 | 内部数据集798名参与者，包括92名正常参与者和706名不同严重程度的OSA患者 | NA | NA | NA | NA |
| 29356 | 2024-08-04 |
Efficient segmentation of active and inactive plaques in FLAIR-images using DeepLabV3Plus SE with efficientnetb0 backbone in multiple sclerosis
2024-07-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67130-6
PMID:39009636
|
研究论文 | 本文介绍了一种高效的FLAIR图像内活动和非活动斑块的分割方法 | 该研究采用了DeepLabV3Plus SE和EfficientNetB0骨干网的卷积神经网络模型，并显示出优于其他CNN架构的性能 | 未提及具体的限制 | 研究FLAIR图像中斑块的分割能力 | 研究对象为100名患有活动性脑斑块的多发性硬化症患者 | 数字病理学 | 多发性硬化症 | 卷积神经网络（CNN） | DeepLabV3Plus SE | MRI切片图像 | 分析了100名患者，使用了1500个标记切片进行深度学习 | NA | NA | NA | NA |
| 29357 | 2024-08-04 |
Automatic 3D reconstruction of vertebrae from orthogonal bi-planar radiographs
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65795-7
PMID:39003269
|
研究论文 | 本文提出了一种基于正交双平面X光片的自动化脊椎3D重建方法 | 提出了一种新的深度学习框架ReVerteR，通过自注意力机制和特殊设计的损失函数来缓解重建过程中的样本不平衡问题 | 尚未详细说明当前方法在不同临床场景下的适用性和局限性 | 旨在通过自动化和定制化的3D脊柱重建来提高临床决策支持 | 主要研究对象为脊椎的3D重建 | 数字病理学 | NA | 深度学习 | NA | 图像 | 基于VerSe 2019和VerSe 2020两个基准数据集构建的数据集进行的广泛实验 | NA | NA | NA | NA |
| 29358 | 2024-08-04 |
Predictive value of MRI-based deep learning model for lymphovascular invasion status in node-negative invasive breast cancer
2024-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67217-0
PMID:39003325
|
研究论文 | 评估基于乳腺 MRI 的深度学习模型在预测侵袭性乳腺癌患者预operative 淋巴血管侵犯状态的有效性 | 提出了一种结合放射组学特征与临床放射学信息的深度学习模型，显著提高了对淋巴血管侵犯状态的预测准确性 | 研究是回顾性的，未涉及多中心样本，可能影响模型的推广性和普适性 | 旨在预测侵袭性乳腺癌患者的淋巴血管侵犯状态，以帮助临床决策 | 280 名接受乳腺 MRI 的侵袭性乳腺癌患者，包括148名 LVI 阳性和141名 LVI 阴性病灶 | 数字病理学 | 乳腺癌 | MRI | 多层感知器 (MLP) | 影像 | 280 名患者 | NA | NA | NA | NA |
| 29359 | 2024-08-04 |
Establishment of a corneal ulcer prognostic model based on machine learning
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66608-7
PMID:38997339
|
研究论文 | 本文建立了一种基于机器学习的角膜溃疡预后模型 | 提出了一种全自动的预后模型系统，包括机器学习算法用于角膜溃疡患者的分割和分类 | 仅包含4973个角膜溃疡患者的裂隙灯图像和240个临床病例数据，样本量相对有限 | 分析角膜溃疡患者的角膜穿孔和视觉损害风险，以制定早期治疗策略 | 研究对象为角膜溃疡患者的临床数据和裂隙灯图像 | 机器学习 | NA | 机器学习算法，包括XGBoost和LightGBM | 深度学习模型 | 图像和临床数据 | 4973个裂隙灯图像和240个临床病例数据 | NA | NA | NA | NA |
| 29360 | 2024-08-04 |
Medical intelligence using PPG signals and hybrid learning at the edge to detect fatigue in physical activities
2024-07-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66839-8
PMID:38997404
|
研究论文 | 本研究提出了一种创新的深度学习框架，用于实时预测运动学生的疲劳。 | 创新点在于采用深度学习和边缘计算技术实时监测学生的生理疲劳，且比较了多种深度学习模型的效果。 | 研究面临的挑战是使用有限的训练数据来确定PPG信号的最佳参数。 | 旨在提高对运动学生疲劳状态的监测精度。 | 研究对象为参与体育活动的学生。 | 机器学习 | NA | 光电容积脉搏波 (PPG) | 深度残差网络卷积神经网络 (ResNetCNN), Xception架构, 双向长短期记忆 (BILSTM) | 信号 | 在本研究中使用了多个PPG信号的数据集进行训练 | NA | NA | NA | NA |