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 42805 篇文献，本页显示第 30341 - 30360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30341 | 2024-12-14 |
Differentiating atypical parkinsonian syndromes with hyperbolic few-shot contrastive learning
2024-Dec-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120940
PMID:39586345
|
研究论文 | 本文提出了一种新的少样本学习框架，用于在有限的训练数据下区分多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP） | 本文引入了超曲面空间嵌入技术，通过识别非目标分类类别的铁积累模式特征区域，增强了模型的稳定性 | 本文的实验结果主要基于特定的数据集和模型，可能需要进一步验证其在其他数据集和场景中的泛化能力 | 解决在有限训练数据下区分非典型帕金森综合征（APS）中不同亚型的挑战 | 多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP） | 机器学习 | 神经退行性疾病 | 少样本学习 | 对比学习 | 图像 | 少量数据样本 | NA | NA | NA | NA |
| 30342 | 2024-12-14 |
Identification, characterization, and design of plant genome sequences using deep learning
2024-Dec-12, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.17190
PMID:39666835
|
综述 | 本文综述了深度学习在植物基因组序列分析中的应用，包括基因表达预测、染色质相互作用和表观遗传特征的识别，并详细阐述了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成 | 本文详细介绍了基于生成对抗网络、大模型和注意力机制的基序挖掘和功能组件设计与合成，并讨论了深度学习在蛋白质结构和功能预测、基因组预测和大模型应用方面的进展 | NA | 探讨深度学习在植物生物学中的应用及其未来发展前景 | 植物基因组序列、基因表达、染色质相互作用、表观遗传特征、蛋白质结构和功能、基因组预测 | 机器学习 | NA | 深度学习 | 生成对抗网络、大模型、注意力机制 | 基因组序列 | NA | NA | NA | NA | NA |
| 30343 | 2024-12-13 |
Improved Prediction of Ligand-Protein Binding Affinities by Meta-modeling
2024-Dec-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01116
PMID:39576762
|
研究论文 | 本文开发了一个框架，通过元建模方法整合基于力场的经验对接模型和基于序列的深度学习模型，以提高配体-蛋白质结合亲和力的预测准确性 | 本文的创新点在于通过元建模方法整合多种模型，显著提高了结合亲和力的预测性能，并展示了更好的数据库扩展性和灵活性 | NA | 提高配体-蛋白质结合亲和力的预测准确性 | 配体-蛋白质结合亲和力 | 机器学习 | NA | 元建模 | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 30344 | 2024-12-14 |
Digital Image Processing to Detect Adaptive Evolution
2024-Dec-06, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msae242
PMID:39565932
|
研究论文 | 本文探讨了利用数字图像处理技术，特别是α-分子方法，从单倍型比对的图像表示中提取特征，以检测基因组中的适应性进化 | 本文引入了α-分子技术，如小波分解和曲线分解，这些技术能够从图像中提取多尺度特征，并结合卷积神经网络自动提取重要特征 | NA | 研究目的是通过数字图像处理技术检测基因组中自然选择的区域 | 研究对象是基因组数据中的单倍型比对图像 | 计算机视觉 | NA | 数字图像处理 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 30345 | 2024-12-14 |
Artificial intelligence-driven quantification of antibiotic-resistant Bacteria in food by color-encoded multiplex hydrogel digital LAMP
2024-Dec-04, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.142304
PMID:39667227
|
研究论文 | 本文开发了一种基于人工智能的颜色编码多重水凝胶数字LAMP系统，用于食品中抗生素抗性细菌的定量检测 | 首次在多重数字LAMP中引入未掺入扩增信号报告物淬灭（QUASR），并利用深度学习模型自动识别和量化荧光点 | NA | 开发一种新方法用于食品中抗生素抗性细菌的定量检测 | 食品中的耐甲氧西林金黄色葡萄球菌和耐碳青霉烯类大肠杆菌 | NA | NA | 数字LAMP | 深度学习模型 | 图像 | 真实水果和蔬菜样本 | NA | NA | NA | NA |
| 30346 | 2024-09-24 |
Validation of a deep learning model for classification of pediatric pneumonia in Hong Kong
2024-Dec-02, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2024.126370
PMID:39307024
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30347 | 2024-12-14 |
Evaluation of deep learning based dose prediction in head and neck cancer patients using two different types of input contours
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14519
PMID:39285649
|
研究论文 | 本研究评估了基于深度学习的剂量预测方法在头颈癌患者中的应用，使用两种不同类型的输入轮廓 | 本研究首次使用两种不同类型的输入轮廓（8通道和10通道模型）来评估深度学习在头颈癌患者剂量预测中的表现，并发现10通道模型在某些剂量指标上表现更优 | 研究样本量较小，仅包括75名患者，且测试集只有10个病例 | 评估深度学习在头颈癌患者剂量预测中的准确性和可行性 | 头颈癌患者的剂量预测 | 机器学习 | 头颈癌 | 深度学习 | U-net | 图像 | 75名头颈癌患者 | NA | NA | NA | NA |
| 30348 | 2024-12-14 |
Ranking attention multiple instance learning for lymph node metastasis prediction on multicenter cervical cancer MRI
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14547
PMID:39369718
|
研究论文 | 本文开发了一种基于排名注意力多实例学习（RA-MIL）模型的方法，用于从多中心宫颈癌MRI中预测淋巴结转移 | 提出了集成卷积神经网络（CNN）和排名注意力池化的RA-MIL模型，用于从T2 MRI中诊断淋巴结转移，并通过可视化信息区域增强模型的可解释性 | 研究是回顾性的，样本量相对较小，且仅使用了T2加权MRI | 开发一种非侵入性且术前预测淋巴结转移的方法 | 宫颈癌患者的淋巴结转移预测 | 计算机视觉 | 宫颈癌 | 卷积神经网络（CNN） | RA-MIL | 图像 | 300名接受T2加权磁共振成像（MRI）扫描和病理诊断的宫颈癌女性患者 | NA | NA | NA | NA |
| 30349 | 2024-12-14 |
A review of deep learning approaches for multimodal image segmentation of liver cancer
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14540
PMID:39374312
|
综述 | 本文综述了深度学习技术在肝癌多模态图像分割中的最新进展 | 探讨了深度学习方法在多模态图像融合分割中的应用，并讨论了各种深度学习架构如卷积神经网络（CNN）和U-Net的优势 | 强调了当前研究中的挑战，如数据不平衡、模型泛化能力和模型可解释性 | 探讨深度学习技术在肝癌多模态图像分割中的应用，以提高临床决策的准确性和效率 | 肝癌的多模态图像分割 | 计算机视觉 | 肝癌 | 深度学习 | 卷积神经网络（CNN）、U-Net | 图像 | NA | NA | NA | NA | NA |
| 30350 | 2024-12-14 |
GeneCompass: deciphering universal gene regulatory mechanisms with a knowledge-informed cross-species foundation model
2024-Dec, Cell research
IF:28.1Q1
DOI:10.1038/s41422-024-01034-y
PMID:39375485
|
研究论文 | 本文构建了一个跨物种的基础模型GeneCompass，用于解析普遍的基因调控机制 | GeneCompass通过整合四种先验生物学知识，在自监督学习中增强了基因调控机制的理解，并在多个下游任务中超越了现有模型 | NA | 解析跨物种的普遍基因调控机制，促进基础生命过程研究和临床应用 | 人类和小鼠的单细胞转录组数据，以及基因调控机制 | 机器学习 | NA | 单细胞测序，深度学习 | 基础模型 | 单细胞转录组数据 | 12000万个人类和小鼠的单细胞转录组数据，经过预处理后得到101768420个单细胞转录组数据 | NA | NA | NA | NA |
| 30351 | 2024-12-14 |
A Cluster-Based Deep Learning Model Perceiving Series Correlation for Accurate Prediction of Phonon Spectrum
2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202406183
PMID:39422637
|
研究论文 | 本文开发了一种基于晶格动力学理论的机器学习模型CSGN，用于预测晶体材料的声子态密度谱 | 提出了基于簇的序列图网络（CSGN）模型，通过多原子簇表示和混合高斯过程与动态时间规整机制，实现了对复杂谱的准确预测 | NA | 开发一种能够感知序列相关性的深度学习模型，以准确预测声子谱 | 晶体材料的声子态密度谱 | 机器学习 | NA | 混合高斯过程，动态时间规整 | 簇基序列图网络（CSGN） | 声子态密度谱 | NA | NA | NA | NA | NA |
| 30352 | 2024-12-14 |
Artificial intelligence as an auxiliary tool in pediatric otitis media diagnosis
2024-Dec, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2024.112154
PMID:39547107
|
研究论文 | 本文探讨了使用卷积神经网络和深度学习技术作为辅助工具，用于儿科中耳炎的诊断 | 开发了儿科中耳炎分类器，通过AI技术将诊断准确率提高到98%以上，远超人类医生的诊断准确率 | 未提及具体的局限性 | 促进AI技术在儿科中耳炎诊断中的应用，提高诊断准确率 | 儿科中耳炎的诊断 | 计算机视觉 | 儿科疾病 | 卷积神经网络 | CNN | 图像 | 大量急性中耳炎（AOM）、分泌性中耳炎（OME）和正常耳镜图像 | NA | NA | NA | NA |
| 30353 | 2024-12-14 |
A review of AutoML optimization techniques for medical image applications
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了用于医学图像应用的AutoML优化技术 | 本文系统地回顾了现有的AutoML方法，并对其进行了分类和详细分析 | 本文未提供具体的实验结果或数据，而是侧重于方法的综述和分类 | 探讨AutoML技术在医学图像分析中的应用及其优化策略 | 医学图像分析任务中的AutoML技术 | 计算机视觉 | NA | AutoML | NA | 图像 | NA | NA | NA | NA | NA |
| 30354 | 2024-12-14 |
HyperMPNN-A general strategy to design thermostable proteins learned from hyperthermophiles
2024-Dec-01, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.26.625397
PMID:39651244
|
研究论文 | 本文提出了一种基于超嗜热菌蛋白质结构数据的自监督学习方法HyperMPNN，用于设计高度耐热蛋白质 | 通过重新训练的HyperMPNN网络，成功恢复了超嗜热菌蛋白质的独特氨基酸组成，并将其应用于非超嗜热菌蛋白质的设计，显著提高了蛋白质的耐热性 | NA | 开发一种新的方法来设计高度耐热蛋白质 | 超嗜热菌蛋白质和非超嗜热菌蛋白质 | NA | NA | 自监督学习 | HyperMPNN | 蛋白质结构 | NA | NA | NA | NA | NA |
| 30355 | 2024-12-14 |
Automated confidence estimation in deep learning auto-segmentation for brain organs at risk on MRI for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14513
PMID:39284283
|
研究论文 | 本文提出了一种名为AutoConfidence（ACo）的新型AI驱动质量保证方法，用于在磁共振成像（MRI）上进行脑部危及器官的自动分割，以评估每个体素的分割置信度 | 创新点在于无需金标准分割即可在每个体素基础上估计分割置信度，从而实现自动分割的稳健和高效审查 | 研究仅在胶质瘤病例中进行了验证，且未提及在其他类型肿瘤或不同成像模式中的应用 | 开发一种无需金标准分割的自动分割质量保证方法，以提高放射治疗中自动分割的可靠性和效率 | 脑部危及器官的自动分割在MRI上的置信度评估 | 计算机视觉 | 脑肿瘤 | 深度学习 | 生成对抗网络（GAN） | 图像 | 32例回顾性胶质瘤病例用于训练，9例用于测试 | NA | NA | NA | NA |
| 30356 | 2024-12-14 |
Deep learning based ultra-low dose fan-beam computed tomography image enhancement algorithm: Feasibility study in image quality for radiotherapy
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14560
PMID:39540681
|
研究论文 | 研究了基于深度学习的超低剂量kV-扇形束CT图像增强算法在腹部和盆腔肿瘤放疗中的临床应用可行性 | 提出了基于CycleGAN的图像增强模型，显著提高了超低剂量CT图像的质量，接近正常剂量CT图像 | 研究仅在腹部和盆腔肿瘤患者中进行，样本量相对较小，可能需要进一步验证在其他类型肿瘤中的适用性 | 评估深度学习增强的超低剂量CT图像在放疗中的临床应用可行性 | 腹部和盆腔肿瘤患者 | 计算机视觉 | 肿瘤 | CycleGAN | GAN | 图像 | 76名腹部和盆腔肿瘤患者 | NA | NA | NA | NA |
| 30357 | 2024-12-14 |
Commentator Discussion: Deep learning-based prediction of nodal metastasis in lung cancer using endobronchial ultrasound
2024-Dec, JTCVS techniques
IF:1.7Q2
DOI:10.1016/j.xjtc.2024.10.003
PMID:39669331
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30358 | 2024-12-14 |
UPicker: a semi-supervised particle picking transformer method for cryo-EM micrographs
2024-Nov-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae636
PMID:39658205
|
研究论文 | 本文提出了一种名为UPicker的半监督变压器方法，用于冷冻电镜显微图像中的自动单粒子挑选 | UPicker通过无监督预训练和监督微调的两阶段训练过程，减少了对手动标注数据的依赖，并采用对比去噪训练策略和混合数据增强策略来提高模型性能 | NA | 解决冷冻电镜结构重建中自动单粒子挑选的挑战 | 冷冻电镜显微图像中的单粒子 | 计算机视觉 | NA | 深度学习 | 变压器（Transformer） | 图像 | 模拟数据集和实验数据集 | NA | NA | NA | NA |
| 30359 | 2024-12-14 |
Pan-Cancer Drug Sensitivity Prediction from Gene Expression using Deep Learning
2024-Nov-15, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.15.623715
PMID:39605429
|
研究论文 | 本文开发了一种基于深度学习的生物信息学工具，用于预测癌症药物敏感性，并优先考虑小分子化合物和基因依赖性，以推动靶向治疗的发展 | 本文首次采用监督深度学习方法，结合基线癌细胞系基因表达和细胞系无关的扰动-响应共识签名来预测药物敏感性 | NA | 开发一种能够预测癌症药物敏感性的生物信息学工具，以推动靶向治疗的发展 | 癌症药物敏感性、小分子化合物和基因依赖性 | 机器学习 | NA | 深度学习 | 深度学习架构 | 基因表达数据 | 前列腺癌细胞系 | NA | NA | NA | NA |
| 30360 | 2024-12-14 |
Using spatial video and deep learning for automated mapping of ground-level context in relief camps
2024-Nov-05, International journal of health geographics
IF:3.0Q2
DOI:10.1186/s12942-024-00382-7
PMID:39501276
|
研究论文 | 本文提出了一种基于空间视频和深度学习的解决方案，用于自动绘制救援营地的地面环境 | 首次提出使用空间视频和深度学习进行动态映射，并开发了空间过滤方法来提高定位精度 | 研究仅在刚果民主共和国的戈马地区进行，结果的普适性有待验证 | 开发一种自动化的方法来绘制救援营地的空间特征，以应对数据收集和可持续性方面的挑战 | 救援营地的空间特征和微环境变化 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 视频 | 来自刚果民主共和国戈马地区的空间视频数据集 | NA | NA | NA | NA |