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 32372 篇文献，本页显示第 30081 - 30100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30081 | 2024-08-05 |
Deep learning reconstruction algorithm for frequency-resolved optical gating
2024-Jul-01, Optics letters
IF:3.1Q2
DOI:10.1364/OL.519973
PMID:38950256
|
研究论文 | 提出一种基于深度学习的算法，用于重建超短激光脉冲 | 首次采用Seq2Seq模型及注意力机制精准重建超短脉冲 | 对非常有限的光谱图进行重建可能存在不确定性 | 研发高效的FROG技术用于超短激光脉冲的高速度测量 | 超短激光脉冲及其光谱图 | 光学技术 | NA | 深度学习 | Seq2Seq | 光谱图 | 整体测试数据集的样本 | NA | NA | NA | NA |
| 30082 | 2024-08-05 |
A comprehensive survey on deep active learning in medical image analysis
2024-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103201
PMID:38776841
|
综述 | 本文综述了深度主动学习在医学图像分析中的核心方法及其整合。 | 首次详细总结了主动学习与其他标签高效技术的整合，特别是针对医学图像分析的主动学习工作 | 未明确指出具体的实验限制 | 探讨主动学习在医学图像分析中的应用及未来趋势 | 医学图像分析中的主动学习方法 | 数字病理学 | NA | 深度学习 | NA | 医学图像 | NA | NA | NA | NA | NA |
| 30083 | 2024-08-05 |
Coronary plaque phenotype associated with positive remodeling
2024 Jul-Aug, Journal of cardiovascular computed tomography
IF:5.5Q1
DOI:10.1016/j.jcct.2024.04.009
PMID:38677958
|
研究论文 | 该文章研究了与冠状动脉正重塑相关的斑块表型 | 利用四种机器学习模型识别与冠状动脉正重塑紧密相关的特征 | NA | 探讨正重塑与冠状动脉斑块特征的关系 | 426名接受冠状动脉CTA和光学相干断层扫描(OCT)的患者 | 计算机视觉 | 心血管疾病 | 光学相干断层扫描(OCT) | 梯度提升机(GBM)、随机森林(RF)、深度学习(DL)、支持向量机(SVM) | NA | 426名患者 | NA | NA | NA | NA |
| 30084 | 2024-08-05 |
A deep learning model for translating CT to ventilation imaging: analysis of accuracy and impact on functional avoidance radiotherapy planning
2024-Jul, Japanese journal of radiology
IF:2.9Q2
DOI:10.1007/s11604-024-01550-2
PMID:38536558
|
研究论文 | 本文介绍了一种将规划CT影像直接转换为通气影像的深度学习模型 | 该研究提出了一种新颖的深度学习模型，可以将CT影像准确转换为通气影像 | 本研究的样本量较小，且需要进一步的前瞻性试验来验证结果 | 探讨功能性影像在放射治疗计划中的应用，旨在减少肺部毒性 | 研究对象为48名非小细胞肺癌患者的配对规划CT和4DCT扫描 | 数字病理学 | 肺癌 | 深度学习 | 3D U-Net | 影像 | 48名患者，测试集为7名患者 | NA | NA | NA | NA |
| 30085 | 2024-08-05 |
Image-Based Detection of Adulterants in Milk Using Convolutional Neural Network
2024-Jun-25, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.4c01274
PMID:38947804
|
研究论文 | 本研究展示了一种利用卷积神经网络检测牛奶掺假物质的方法 | 提出了一种基于蒸发模式的深度学习模型，能够高效识别不同类型和浓度的牛奶掺假物质 | 对某些掺假物质的检测可能受到浓度和类型的限制 | 研究牛奶中掺假物质的检测方法 | 氨基硫酸盐、尿素、油和表面活性剂等多种牛奶掺假物质 | 计算机视觉 | NA | 深度学习、卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 使用不同浓度的掺假牛奶样本进行实验 | NA | NA | NA | NA |
| 30086 | 2024-08-05 |
A deep learning based encoder-decoder model for speed planning of autonomous electric truck platoons
2024-Jun-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31836
PMID:38947471
|
研究论文 | 本文提出了一种基于深度学习的编码器-解码器模型，用于优化自主电动卡车编队的速度规划 | 创新点在于使用序列到序列编码器-解码器模型考虑多种约束条件来获得自主电动卡车编队的速度轮廓 | 现有对卡车编队的数据驱动解决方案的研究较为有限，且基于第一原则的解决方案仍然具有挑战性 | 研究旨在优化电动卡车编队的速度规划，以提高长途操作中的能源利用效率 | 研究对象为自主电动卡车编队及其在不同约束条件下的速度规划 | 机器学习 | NA | 深度学习 | 编码器-解码器模型 | 时间序列数据 | 使用各种已知高速公路驾驶循环进行模型训练 | NA | NA | NA | NA |
| 30087 | 2024-08-05 |
A two-stage transformer based network for motor imagery classification
2024-06, Medical engineering & physics
IF:1.7Q3
DOI:10.1016/j.medengphy.2024.104154
PMID:38697881
|
研究论文 | 本论文提出了一种基于两级变换器的架构，用于运动意象分类。 | 提出了一种新颖的通道集群交换数据增强技术，以及两级深度学习架构的组合。 | 样本数量有限，可能影响深度学习架构的训练效果。 | 提高基于脑-机接口的运动意象分类性能。 | 电生理信号（EEG）用于分类受试者的运动意图。 | 机器学习 | 神经退行性疾病 | EEG信号处理和深度学习 | 变换器模型，EEGNet以及TabNet | 电生理信号 | NA | NA | NA | NA | NA |
| 30088 | 2024-08-05 |
Personalized surgical recommendations and quantitative therapeutic insights for patients with metastatic breast cancer: Insights from deep learning
2024-Jun, Cancer innovation
DOI:10.1002/cai2.119
PMID:38947759
|
研究论文 | 这项研究旨在为转移性乳腺癌患者提供个性化的手术建议和定量治疗见解 | 引入了一种深度生存回归模型，整合了多种因果推断方法，能够个性化推荐手术 | 未提及具体的局限性 | 识别最适用的深度学习模型，以确定能从手术中受益的转移性乳腺癌患者 | 5269名女性转移性乳腺癌患者 | 深度学习 | 转移性乳腺癌 | 深度生存回归与混合效应模型 | 深度学习模型 | 临床数据 | 5269名女性转移性乳腺癌患者 | NA | NA | NA | NA |
| 30089 | 2024-08-05 |
A Chronological Overview of Using Deep Learning for Leukemia Detection: A Scoping Review
2024-May, Cureus
DOI:10.7759/cureus.61379
PMID:38947677
|
综述 | 本文综述了利用深度学习对白血病进行检测的相关文献 | 总结了深度学习模型在白血病检测中的应用进展，并指出了从专业方法到通用方法的转变 | 缺乏现实场景下的验证研究来确认深度学习模型对白血病诊断的影响 | 探讨深度学习在白血病诊断中的应用及其潜力 | 分析了2010年至2023年间与深度学习和白血病诊断相关的文献 | 数字病理学 | 白血病 | 深度学习 | 卷积神经网络 | 文献 | 20篇文献 | NA | NA | NA | NA |
| 30090 | 2024-08-05 |
DANCE: a deep learning library and benchmark platform for single-cell analysis
2024-03-19, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03211-z
PMID:38504331
|
研究论文 | DANCE是首个标准化、通用和可扩展的单细胞分析基准平台 | 提供了一个集成的深度学习架构和工具，支持多种单细胞分析任务的基准评估 | 目前仅支持3个模块和8个流行任务 | 旨在评估和比较计算方法在单细胞分析中的表现 | 涉及多种单细胞分析任务的基准数据集和算法 | 数字病理学 | NA | 深度学习 | NA | 基准数据集 | 21个基准数据集，32种最先进的方法 | NA | NA | NA | NA |
| 30091 | 2024-08-05 |
The application of artificial intelligence in EUS
2024 Mar-Apr, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000053
PMID:38947752
|
研究论文 | 本文讨论了人工智能在超声内镜诊断中的应用及其价值 | 探讨了机器学习和深度学习算法在超声内镜诊断中的先进应用 | 目前的人工智能算法存在过拟合和偏见，诊断可靠性较差，且需要大量高质量训练数据 | 研究人工智能在超声内镜诊断中提供辅助的潜力和面临的挑战 | 聚焦于胰腺肿瘤、慢性胰腺炎、胃肠道间质肿瘤及其他相关病变 | 数字病理学 | 胰腺癌 | 机器学习和深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 30092 | 2024-08-05 |
SSBlazer: a genome-wide nucleotide-resolution model for predicting single-strand break sites
2024-02-12, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03179-w
PMID:38347618
|
研究论文 | 本文提出了一种用于预测单链断裂位点的深度学习框架SSBlazer | SSBlazer是一种轻量级且可扩展的模型，具有强大的泛化能力，适用于多种物种 | 未提及具体的模型局限性 | 揭示单链断裂在基因组中的重要性并进行预测 | 针对单链断裂位点进行预测 | 数字病理学 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 30093 | 2024-08-05 |
AnnoPRO: a strategy for protein function annotation based on multi-scale protein representation and a hybrid deep learning of dual-path encoding
2024-02-01, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03166-1
PMID:38303023
|
研究论文 | 提出了一种基于多尺度蛋白质表示和混合深度学习的蛋白质功能注释策略AnnoPRO | 该研究通过序列基础的多尺度蛋白质表示和双路径蛋白质编码等创新方法解决了长尾问题 | 未在摘要中提供具体的局限性信息 | 改善蛋白质功能注释的准确性和效率 | 对于不同基准的各种案例研究 | 计算生物学 | NA | 深度学习 | 长短时记忆网络（LSTM） | 序列数据 | 多种基准的案例研究样本数量未明确说明 | NA | NA | NA | NA |
| 30094 | 2024-08-05 |
DeepVelo: deep learning extends RNA velocity to multi-lineage systems with cell-specific kinetics
2024-01-19, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03148-9
PMID:38243313
|
研究论文 | DeepVelo通过深度学习扩展了RNA速度估计方法以适应多谱系系统和细胞特异性动力学 | DeepVelo创新性地将RNA速度推广到具有时间相关动力学和多个谱系的细胞群体 | 该方法依赖于图卷积网络，可能在特定情况下受到网络结构的限制 | 研究复杂的细胞分化和谱系选择事件 | 异质性单细胞RNA测序数据中的细胞群体 | 数字病理学 | NA | 图卷积网络 | NA | 单细胞RNA测序数据 | NA | NA | NA | NA | NA |
| 30095 | 2024-08-05 |
Potential for artificial intelligence in medicine and its application to male infertility
2024 Jan-Dec, Reproductive medicine and biology
IF:2.7Q2
DOI:10.1002/rmb2.12590
PMID:38948339
|
综述 | 本文回顾了人工智能在医学领域中的应用，特别是男性不育症的研究 | 建立了基于人工智能的Johnsen评分预测模型和非梗阻性无精症的精子获取预测模型 | 没有详细说明研究的样本量和具体数据 | 探讨人工智能在男科不育症中的应用 | 男性不育症相关的人工智能模型 | 医学人工智能 | 男性不育症 | 无代码人工智能 | 预测模型 | NA | NA | NA | NA | NA | NA |
| 30096 | 2024-08-05 |
A transformer-based multi-task deep learning model for simultaneous T-stage identification and segmentation of nasopharyngeal carcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1377366
PMID:38947898
|
研究论文 | 本研究开发了一个基于变换器的多任务深度学习模型，可以同时识别鼻咽癌的T分期和肿瘤轮廓。 | 提出了一种新型的多任务深度学习模型，能够同时进行肿瘤轮廓勾勒和T分期识别，填补了以往研究的空白。 | 由于采用的图像数据是回顾性收集，可能存在选择偏倚。 | 旨在提高鼻咽癌的精准放射治疗中肿瘤勾勒和T分期的准确性。 | 研究对象为320名鼻咽癌患者的对比增强T1加权成像数据。 | 数字病理学 | 鼻咽癌 | 对比增强T1加权成像 | 变换器模型 | 图像 | 300名鼻咽癌患者的对比增强T1加权图像数据 | NA | NA | NA | NA |
| 30097 | 2024-08-05 |
An encoding framework for binarized images using hyperdimensional computing
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1371518
PMID:38946939
|
研究论文 | 本文提出了一种新的轻量级方法，仅依赖原生的超维算术向量运算来编码二值图像 | 提出了一种新的编码框架，能够保持近邻位置模式的相似性 | 没有提到具体的限制 | 探讨如何有效地编码二值图像以提高超维计算的性能 | 二值图像，使用MNIST和Fashion-MNIST数据集进行测试 | 机器学习 | NA | 超维计算 | NA | 图像 | 包含MNIST和Fashion-MNIST数据集的测试集 | NA | NA | NA | NA |
| 30098 | 2024-08-05 |
[Direct Positron Emission Imaging Using Ultrafast Timing Performance Detectors]
2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.44.2_29
PMID:38945880
|
研究论文 | 本文阐述了如何使用超快速计时性能探测器实现直接正电子发射成像。 | 提出了直接正电子发射成像（dPEI）的概念，并开发了超快速辐射探测器，突破了传统成像的几何限制。 | 尽管提高了CTR，但仍需解决一些限制以使dPEI更具实用性。 | 研究如何通过直接正电子发射成像技术改善医学成像。 | 开发和展示不同类型的模体下的dPEI，以及研究其局限性。 | 医学成像 | NA | 超快速辐射探测器 | 深度学习信号处理 | 图像 | 不同类型的模体 | NA | NA | NA | NA |
| 30099 | 2024-08-05 |
DKPE-GraphSYN: a drug synergy prediction model based on joint dual kernel density estimation and positional encoding for graph representation
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1401544
PMID:38948360
|
研究论文 | 本文介绍了一种名为DKPE-GraphSYN的药物协同预测模型，用于预测癌症药物的联合治疗效果 | 该模型结合了双核密度估计和位置编码，以捕捉基因表达的加权概率密度和空间分布信息 | 目前的研究方法通常忽视数据中的复杂非线性关系，不充分利用癌症药物的结构信息 | 研究旨在提高癌症药物组合治疗的预测准确性 | 研究对象为癌症药物及其对细胞系的协同作用 | 数字病理学 | 癌症 | 双核密度估计和位置编码 | 图神经网络 | 基因表达数据 | 综合癌症药物和细胞系协同数据集 | NA | NA | NA | NA |
| 30100 | 2024-08-05 |
Application of Deep Learning for Studying NMDA Receptors
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3830-9_16
PMID:38727914
|
research paper | 本文介绍了基于大型预训练模型的三个在线工具，用于药物开发，特别是针对NMDA受体的工具 | 提出了三种易于访问的在线工具，促进了AI技术与NMDA受体专家之间的联系 | 对于非专业人士在使用和部署AI及预训练模型方面仍存在挑战 | 研究如何利用深度学习促进神经系统疾病药物开发 | 针对NMDA受体的药物开发 | 计算机视觉 | 中枢神经系统疾病 | 深度学习 | 大型预训练模型 | 化学数据 | NA | NA | NA | NA | NA |