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 32705 篇文献，本页显示第 31941 - 31960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 31941 | 2024-08-07 |
Explainable semi-supervised deep learning shows that dementia is associated with small, avocado-shaped clocks with irregularly placed hands
2023-05-06, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-34518-9
PMID:37149670
|
研究论文 | 本研究使用相关性因子变分自编码器（RF-VAE）深度生成神经网络，对来自多个机构的数字化钟表绘图进行表征，以无监督方式识别钟表绘图的独特构造特征，并区分痴呆与非痴呆患者。 | 本研究首次使用RF-VAE网络在无监督情况下识别钟表绘图的独特构造特征，这些特征在先前研究中未被广泛探讨。 | NA | 研究目的是通过钟表绘图测试识别痴呆患者的独特构造特征。 | 研究对象为数字化钟表绘图，来自多个机构。 | 机器学习 | 痴呆 | 相关性因子变分自编码器（RF-VAE） | 变分自编码器（VAE） | 图像 | 多个机构的数字化钟表绘图 | NA | NA | NA | NA |
| 31942 | 2024-08-07 |
A unifying Bayesian framework for merging X-ray diffraction data
2022-12-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-022-35280-8
PMID:36522310
|
研究论文 | 本文提出了一种统一的贝叶斯框架，用于合并X射线衍射数据，通过深度学习和变分推断同时重新缩放和合并反射观测 | 利用深度学习和变分推断技术，提出了一种新的贝叶斯方法来处理和合并X射线衍射数据中的反射观测 | NA | 开发一种新的方法来处理和合并X射线衍射数据，以更准确地检测生物分子功能动态中的细微构象变化 | X射线衍射数据中的反射观测 | 计算机视觉 | NA | X射线衍射 | 深度学习 | 衍射数据 | NA | NA | NA | NA | NA |
| 31943 | 2024-08-07 |
Evaluation of Deep Learning to Augment Image-Guided Radiotherapy for Head and Neck and Prostate Cancers
2020-11-02, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究评估了深度学习技术在头颈和前列腺癌症图像引导放射治疗中的应用，旨在探索临床可接受的自动轮廓解决方案。 | 本研究开发了能够减少手动轮廓时间并保持与专家间变异性相当的临床准确性的模型。 | NA | 探索并实现临床可接受的自动轮廓解决方案，以优化放射治疗计划。 | 头颈和前列腺癌症患者的CT扫描图像。 | 机器学习 | 头颈癌, 前列腺癌 | 深度学习 | NA | 图像 | 519例前列腺癌患者和242例头颈癌患者的CT扫描图像。 | NA | NA | NA | NA |
| 31944 | 2024-08-07 |
Computational modeling for deciphering tissue microenvironment heterogeneity from spatially resolved transcriptomics
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.05.028
PMID:38800634
|
研究论文 | 本文探讨了从空间转录组学数据中解析组织微环境异质性的计算建模方法 | 文章分类并讨论了基于机器学习、概率模型和深度学习的三类计算方法，并展望了未来计算方法的发展方向 | NA | 开发计算方法以揭示空间转录组学数据中的组织微环境异质性 | 空间转录组学数据中的空间域检测和空间解卷积 | 生物信息学 | NA | 空间转录组学 | 机器学习、概率模型、深度学习 | 转录组学数据 | NA | NA | NA | NA | NA |
| 31945 | 2024-08-07 |
Contagious infection-free medical interaction system with machine vision controlled by remote hand gesture during an operation
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.05.006
PMID:38800692
|
研究论文 | 本文介绍了一种无接触感染的医疗交互系统，通过远程手势控制机器视觉在手术中操作医疗图像 | 开发了一种集成系统，包括手部地标检测、手部指向和手势识别三个关键模块，以及一种深度增强算法和地标几何约束算法 | NA | 旨在开发一种无接触感染的医疗交互系统，以减少手术中因直接接触设备而导致的感染风险 | 医疗图像操作和手势识别技术 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 31946 | 2024-08-07 |
From explainable to interpretable deep learning for natural language processing in healthcare: How far from reality?
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.05.004
PMID:38800693
|
综述 | 本文对医疗领域自然语言处理中可解释和可理解的深度学习进行了全面的范围审查 | 引入了“可解释和可理解的人工智能”（XIAI）这一术语，并分析了注意力机制作为最普遍的新兴IAI技术，以及结合深度学习与因果逻辑的潜力 | 大多数XIAI未探索“全局”建模过程，缺乏最佳实践和系统评估及基准 | 探讨在医疗自然语言处理中实现深度学习模型的可解释性和可理解性 | 深度学习在医疗自然语言处理中的应用及其可解释性和可理解性 | 自然语言处理 | NA | 注意力机制 | 深度学习模型 | 文本 | NA | NA | NA | NA | NA |
| 31947 | 2024-08-07 |
Deep learning-assisted monitoring of trastuzumab efficacy in HER2-Overexpressing breast cancer via SERS immunoassays of tumor-derived urinary exosomal biomarkers
2024-Aug-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116347
PMID:38723332
|
研究论文 | 本文介绍了一种基于表面增强拉曼光谱（SERS）免疫分析和深度学习的监测系统，用于评估HER2过表达乳腺癌中曲妥珠单抗的治疗效果 | 开发了一种新的深度学习辅助监测系统，通过SERS免疫分析检测尿液外泌体中的生物标志物，以评估药物疗效 | NA | 监测曲妥珠单抗在HER2过表达乳腺癌中的治疗效果 | HER2过表达的乳腺癌患者及小鼠模型 | 数字病理学 | 乳腺癌 | 表面增强拉曼光谱（SERS） | 深度学习算法 | 拉曼光谱信号 | 五种细胞来源的外泌体及曲妥珠单抗治疗的小鼠尿液外泌体 | NA | NA | NA | NA |
| 31948 | 2024-08-07 |
mRNA-CLA: An interpretable deep learning approach for predicting mRNA subcellular localization
2024-Jul, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.04.018
PMID:38705502
|
research paper | 提出了一种名为mRNA-CLA的可解释深度学习框架，用于预测mRNA的亚细胞定位 | 利用多标签亚细胞定位预测框架，结合多尺度卷积层和多头自注意力机制，提高了预测性能并增强了模型的可解释性 | NA | 改进和增强mRNA亚细胞定位预测方法 | mRNA序列及其亚细胞定位 | machine learning | NA | 深度学习 | CNN | 序列 | NA | NA | NA | NA | NA |
| 31949 | 2024-08-07 |
N-GlycoPred: A hybrid deep learning model for accurate identification of N-glycosylation sites
2024-Jul, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.05.002
PMID:38734394
|
研究论文 | 本文构建了一个基于双层卷积、配对注意力机制和BiLSTM的混合深度学习模型N-GlycoPred，用于准确识别N-糖基化位点 | 采用双层卷积、配对注意力机制和BiLSTM构建混合深度学习模型，提高了N-糖基化位点识别的准确性 | NA | 解决以往模型对不同物种预测结果差异显著的问题 | N-糖基化位点的准确识别 | 机器学习 | NA | 深度学习 | 混合深度学习模型 | 蛋白质序列 | 基于六个独立测试数据集 | NA | NA | NA | NA |
| 31950 | 2024-08-07 |
Natural language processing systems for extracting information from electronic health records about activities of daily living. A systematic review
2024-Jul, JAMIA open
IF:2.5Q3
DOI:10.1093/jamiaopen/ooae044
PMID:38798774
|
综述 | 本文通过系统综述方法，评估了自然语言处理（NLP）系统从电子健康记录（EHR）中提取日常生活活动（ADL）信息的状态、可用性和性能 | NLP系统在从非结构化EHR笔记中提取ADL信息方面显示出潜力 | 由于研究多样性和数据集挑战（如数据访问限制、文档不充分、缺乏粒度和小数据集），比较NLP系统的性能较为困难 | 旨在深入了解NLP系统从EHR中提取ADL信息的现状和性能 | NLP系统从EHR中提取ADL信息的能力 | 自然语言处理 | NA | 自然语言处理 | 深度学习与基于规则的方法或机器学习结合 | 文本 | 22项研究 | NA | NA | NA | NA |
| 31951 | 2024-08-07 |
Enhancing infectious diseases early warning: A deep learning approach for influenza surveillance in China
2024-Jul, Preventive medicine reports
IF:2.4Q2
DOI:10.1016/j.pmedr.2024.102761
PMID:38798906
|
研究论文 | 本研究旨在开发一种普遍适用的、基于反馈的自激发注意力残差网络（SEAR）模型，用于动态适应疾病趋势和监测系统变化，从而提高早期预警系统的有效性 | 提出了一种新型的自激发注意力残差网络（SEAR）模型，该模型通过深度学习算法动态适应疾病趋势和监测系统变化，增强早期预警系统的有效性 | 模型的预警性能随着早期预警值和预警天数的增加而下降，尽管在所有场景中ROC值保持在0.7以上 | 开发一种普遍适用的、基于反馈的自激发注意力残差网络（SEAR）模型，用于增强传染病早期预警系统 | 流感样疾病（ILI）的监测数据，包括中国北方、南方、北京和云南等地区 | 机器学习 | 传染病 | 深度学习算法 | 自激发注意力残差网络（SEAR） | 监测数据 | 包括中国北方、南方、北京和云南等地区的流感样疾病（ILI）监测数据 | NA | NA | NA | NA |
| 31952 | 2024-08-07 |
Enhancing tropical cyclone intensity forecasting with explainable deep learning integrating satellite observations and numerical model outputs
2024-Jun-21, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109905
PMID:38799561
|
研究论文 | 本研究提出了一种结合卫星观测数据和数值模型输出的混合卷积神经网络（hybrid-CNN），用于提高热带气旋强度预测的准确性 | 本研究的创新点在于使用hybrid-CNN模型，有效结合了卫星空间特征和数值预测模型输出，显著提高了热带气旋强度预测的准确性 | NA | 本研究旨在提高热带气旋强度预测的准确性，并探索其在气象预报领域的应用潜力 | 本研究的研究对象是热带气旋的强度变化 | 机器学习 | NA | 混合卷积神经网络（hybrid-CNN） | CNN | 卫星观测数据和数值模型输出 | NA | NA | NA | NA | NA |
| 31953 | 2024-08-07 |
Non-invasive assessment of response to transcatheter arterial chemoembolization for hepatocellular carcinoma with the deep neural networks-based radiomics nomogram
2024-Jun, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241229185
PMID:38489805
|
研究论文 | 研究开发了一种基于深度神经网络的诺模图，用于非侵入性且精确地预测肝细胞癌患者对经导管动脉化疗栓塞术的反应 | 研究首次采用深度神经网络结合拉索回归（DNN_LASSO）模型，提高了预测肝细胞癌患者对经导管动脉化疗栓塞术反应的准确性 | 研究为回顾性分析，样本量相对较小，未来需进行更大规模的前瞻性研究以验证结果的普遍性 | 开发一种非侵入性的方法，用于精确预测肝细胞癌患者对经导管动脉化疗栓塞术的反应 | 肝细胞癌患者对经导管动脉化疗栓塞术的反应 | 机器学习 | 肝细胞癌 | NA | 深度神经网络（DNN） | 影像数据 | 110名接受经导管动脉化疗栓塞术的肝细胞癌患者 | NA | NA | NA | NA |
| 31954 | 2024-08-07 |
Transcatheter Aortic Valve Replacement and Coronary Protection Guided by Deep Learning and 3-Dimensional Printing
2024-Jun, Surgical innovation
IF:1.2Q3
DOI:10.1177/15533506241244571
PMID:38565982
|
案例报告 | 本文讨论了深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术围手术期的辅助作用 | 利用深度学习和三维打印技术进行术前评估和模拟，指导手术策略的制定 | NA | 探讨深度学习和三维打印技术在经导管主动脉瓣置换术和冠状动脉支架植入术中的应用 | 一名68岁男性患者，患有严重主动脉瓣狭窄合并反流和胸腔积液 | 数字病理学 | 心血管疾病 | 深度学习, 三维打印 | 深度学习模型 | 影像数据 | 1名患者 | NA | NA | NA | NA |
| 31955 | 2024-08-07 |
The value of CT radiomics combined with deep transfer learning in predicting the nature of gallbladder polypoid lesions
2024-Jun, Acta radiologica (Stockholm, Sweden : 1987)
DOI:10.1177/02841851241245970
PMID:38623640
|
研究论文 | 研究结合CT影像组学和深度迁移学习在预测胆囊息肉病变性质中的应用 | 首次使用CT影像组学结合深度迁移学习来识别术前未充分评估的胆固醇性和腺瘤性胆囊息肉 | 研究为回顾性分析，且样本量相对较小 | 探讨结合影像组学和深度迁移学习的多种机器学习模型在预测胆固醇性和腺瘤性胆囊息肉性质中的潜力 | 胆固醇性和腺瘤性胆囊息肉 | 机器学习 | 胆囊疾病 | CT影像组学，深度迁移学习 | 机器学习算法 | 影像数据 | 100名经手术和病理证实的胆固醇性或腺瘤性息肉患者 | NA | NA | NA | NA |
| 31956 | 2024-08-07 |
AI model to detect contact relationship between maxillary sinus and posterior teeth
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31052
PMID:38799758
|
研究论文 | 本文提出了一种基于全景X光片的深度学习网络（MSF-MPTnet），用于自动评估上颌窦底与上颌后牙之间的关系，并比较了MSF-MPTnet与牙医和放射科医生识别接触关系的准确性 | 本文创新性地开发了MSF-MPTnet模型，提高了上颌窦底与上颌后牙之间关系的检测准确性，减少了伪接触关系的发生，并降低了CBCT的使用频率 | NA | 研究目的是建立一种新的深度学习网络，用于自动评估上颌窦底与上颌后牙之间的关系，并比较其与牙医和放射科医生的准确性 | 研究对象为上颌窦底与上颌后牙之间的关系 | 计算机视觉 | NA | 深度学习 | 深度学习网络（MSF-MPTnet） | 图像 | 共收集了1035张全景X光片和1035张锥形束计算机断层扫描（CBCT）图像，其中350张全景X光片作为测试数据集 | NA | NA | NA | NA |
| 31957 | 2024-08-07 |
Effective prediction of human skin cancer using stacking based ensemble deep learning algorithm
2024-May-28, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2346608
PMID:38804548
|
研究论文 | 本文提出了一种基于堆叠集成深度学习算法的皮肤癌诊断模型 | 采用堆叠集成深度学习方法，结合LSTM作为元分类器，提高了皮肤癌诊断的准确性 | NA | 开发一种自动化的皮肤癌诊断方法 | 皮肤癌的诊断 | 计算机视觉 | 皮肤癌 | NA | CNN, DNN, LSTM | 图像 | NA | NA | NA | NA | NA |
| 31958 | 2024-08-07 |
Meta learning based residual network for industrial production quality prediction with limited data
2024-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62174-0
PMID:38796529
|
研究论文 | 本文提出了一种基于元学习的残差网络模型（MLRN），用于在数据有限的情况下预测工业生产质量 | 引入了基于元学习的残差网络模型，并采用有效通道注意力（ECA）机制和多批次多任务数据输入方法，以提高模型在有限数据下的性能 | NA | 旨在解决在实际工业环境中收集大量生产质量数据困难的问题，并提高深度学习网络在训练过程中的模型性能 | 工业生产质量预测 | 机器学习 | NA | 元学习 | 残差网络（Residual Network） | 数值和图形数据 | 有限数据 | NA | NA | NA | NA |
| 31959 | 2024-08-07 |
Autophagy and machine learning: Unanswered questions
2024-May-25, Biochimica et biophysica acta. Molecular basis of disease
DOI:10.1016/j.bbadis.2024.167263
PMID:38801963
|
review | 本文综述了自噬与机器学习技术在生物学过程中的应用 | 讨论了深度学习领域的新进展为跨学科合作带来的新机遇 | 未提及具体的研究限制 | 促进自噬研究与计算机科学的联合努力 | 自噬在细胞生存、生物能量稳态、生物体发育和细胞死亡调控中的作用 | machine learning | cancers, neurodegenerative diseases | machine learning (ML) | NA | NA | NA | NA | NA | NA | NA |
| 31960 | 2024-08-07 |
Personalized Stress Detection Using Biosignals from Wearables: A Scoping Review
2024-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s24103221
PMID:38794074
|
综述 | 本文通过综述个性化压力检测模型使用可穿戴技术，系统分析了相关文献 | 综述展示了生物信号，特别是EDA和PPG，在多模态设置中用于压力检测的潜在可靠性，并发现了深度学习模型的趋势 | 文献中对深度学习模型与传统方法的比较有限，需要进一步研究；同时存在数据集代表性和实际部署可穿戴技术的挑战 | 探讨使用可穿戴技术进行个性化压力检测的方法和挑战 | 生物信号、人工智能方法、数据集、可穿戴设备及实际应用中的挑战 | NA | NA | 深度学习 | 深度学习模型 | 生物信号数据 | NA | NA | NA | NA | NA |