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 32922 篇文献，本页显示第 30641 - 30660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30641 | 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 |
| 30642 | 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 |
| 30643 | 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 |
| 30644 | 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 |
| 30645 | 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 |
| 30646 | 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 |
| 30647 | 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 |
| 30648 | 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 |
| 30649 | 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 |
| 30650 | 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 |
| 30651 | 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 |
| 30652 | 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 |
| 30653 | 2024-08-05 |
Recent advancements in machine learning for bone marrow cell morphology analysis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402768
PMID:38947236
|
综述 | 本文回顾了机器学习在骨髓细胞形态分析中的最新进展 | 探讨了基于机器学习的骨髓细胞形态分析的潜力与吸引力，并提供了自动化算法的推荐 | 尽管人工智能在临床诊断中有潜力，但手动分析仍是金标准，存在一定的局限性 | 为血液学家提供选择合适的机器学习算法以自动化骨髓细胞形态检查的建议 | 六个骨髓细胞形态处理过程的自动化分析 | 机器学习 | 血液病 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 30654 | 2024-08-05 |
A deep learning-based system to identify originating mural layer of upper gastrointestinal submucosal tumors under EUS
2023 Nov-Dec, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000029
PMID:38948124
|
研究论文 | 本研究提出了一种名为SMT Master的系统，用于在EUS下确定上消化道黏膜下肿瘤的来源壁层 | 开发了三种深度卷积神经网络模型来实现病变分割、壁层分割和来源壁层分类的自动化 | 研究模型的验证仅限于特定患者样本，可能影响结果的广泛适用性 | 旨在提高EUS程序中对黏膜下肿瘤来源壁层的识别准确性 | 基于2721张EUS图像和多个患者的图像进行模型训练和验证 | 机器学习 | NA | 深度卷积神经网络 (DCNN) | DCNN | 图像 | 2721张EUS图像，来自201名患者 | NA | NA | NA | NA |
| 30655 | 2024-08-05 |
Automatic Measuring of Finger Joint Space Width on Hand Radiograph using Deep Learning and Conventional Computer Vision Methods
2023-Jul, Biomedical signal processing and control
IF:4.9Q1
DOI:10.1016/j.bspc.2023.104713
PMID:37213678
|
研究论文 | 本文提出了两种方法自动测量手部X光片上的关节间隙宽度（JSW） | 提出了基于传统计算机视觉和深度学习的两种新方法来自动化JSW测量 | 目前方法需要标记真实的JSW数据，可能影响结果的普适性 | 自动化测量手部关节间隙宽度以提高评估效率 | 3,591张手部X光图像和10,845个指间关节 | 计算机视觉 | 关节炎 | 深度学习，传统计算机视觉 | VGG-19，U-Net | 图像 | 3,591张手部X光片 | NA | NA | NA | NA |
| 30656 | 2024-08-05 |
High-fidelity Database-free Deep Learning Reconstruction for Real-time Cine Cardiac MRI
2023-07, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference
DOI:10.1109/EMBC40787.2023.10340709
PMID:38083374
|
研究论文 | 本研究提出了一种无数据库的深度学习重建方法，用于实时cine心脏MRI。 | 采用零-shot自监督物理引导深度学习重建，克服了需要数据库学习的挑战，允许特定患者的训练。 | 该方法在复杂的呼吸和心动模式下的广泛应用仍然面临挑战。 | 旨在通过改进重建技术提高实时cine心脏MRI的成像质量。 | 研究对象为心脏MRI成像中的患者群体。 | 数字病理学 | 心血管疾病 | 深度学习重建 | 无数据库学习模型 | 影像 | 未提供样本大小的具体信息 | NA | NA | NA | NA |
| 30657 | 2024-08-05 |
An artificial intelligence platform provides an accurate interpretation of esophageal motility from Functional Lumen Imaging Probe Panometry studies
2023-07, Neurogastroenterology and motility
IF:3.5Q2
DOI:10.1111/nmo.14549
PMID:36808777
|
研究论文 | 本研究旨在开发和测试一个能够解读FLIP Panometry研究的自动化人工智能平台 | 该研究首次提出使用深度学习AI模型生成FLIP Panometry热图并进行食管运动标签的分配 | 研究仅在一个中心进行，可能影响结果的广泛适用性 | 开发一个能够准确解读FLIP Panometry研究的人工智能平台 | 678名连续患者和35名无症状对照进行FLIP Panometry检查 | 机器学习 | 食管疾病 | 人工智能 | 卷积神经网络(CNN) | 图像 | 678名患者和35名对照 | NA | NA | NA | NA |
| 30658 | 2024-08-05 |
Interleaved signal multiplexing readout in depth encoding Prism-PET detectors
2023-Jul, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16456
PMID:37191309
|
研究论文 | 本文介绍了一种交错信号复用方案，利用深度编码Prism-PET探测器模块的光共享特性。 | 提出了iMux复用方案，实现了16比1的晶体到读出复用而不明显降低性能。 | 研究中未提及复用的实际应用限制或潜在的问题。 | 研究的目的是优化临床正电子发射断层扫描仪中的信号读出，以降低复杂性和成本。 | 研究对象为使用iMux方案的Prism-PET探测器模块及其深度学习去复用模型。 | 计算机视觉 | NA | 深度学习 | NA | 信号 | 16×16阵列的LYSO闪烁晶体和8×8阵列的SiPM像素 | NA | NA | NA | NA |
| 30659 | 2024-08-05 |
Deep Learning Approaches for Glioblastoma Prognosis in Resource-Limited Settings: A Study Using Basic Patient Demographic, Clinical, and Surgical Inputs
2023-07, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2023.04.072
PMID:37088416
|
研究论文 | 本研究评估了不同新型深度学习模型在资源有限环境中对胶质母细胞瘤预后的预测能力 | 提出了一种基于简单临床、人口统计和手术变量的新型深度学习模型 | 研究模型的准确性可能受到健康基础设施受限区域的影响 | 研究旨在提高胶质母细胞瘤患者的预后预测准确性 | 分析了37,095名胶质母细胞瘤患者的数据 | 机器学习 | 胶质母细胞瘤 | 深度学习 | 概率矩阵分解、多任务逻辑回归、逻辑风险模型 | 临床和人口统计数据 | 37,095名患者 | NA | NA | NA | NA |
| 30660 | 2024-08-05 |
HiDeNN-FEM: A seamless machine learning approach to nonlinear finite element analysis
2023-Jul, Computational mechanics
IF:3.7Q1
DOI:10.1007/s00466-023-02293-z
PMID:38107347
|
研究论文 | 本文提出了一种基于HiDeNN近似的非线性有限元框架 | 引入了三种基本构建模块，实现了非线性有限元分析的深度学习网络应用 | 未提及具体的限制 | 开发一种无缝的机器学习方法用于非线性有限元分析 | 研究采用HiDeNN近似的非线性有限元模型 | 机器学习 | NA | 深度学习 | NA | 数值数据 | 2D和3D的数值示例 | NA | NA | NA | NA |