深度学习在生物医药领域中的应用

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,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!

Sample Image
添加微信请说明来意
Sample Image
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10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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 28794 篇文献,本页显示第 521 - 540 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
521 2025-07-20
A deep learning feature importance test framework for integrating informative high-dimensional biomarkers to improve disease outcome prediction
2024-Nov-22, Briefings in bioinformatics IF:6.8Q1
研究论文 本文提出了一种名为HdFIT的深度学习特征重要性测试框架,用于整合高维生物标志物以提升疾病结果预测 引入了HdFIT框架,结合特征筛选步骤和机器学习模型,有效识别关键生物标志物并提升预测准确性 未提及具体疾病类型的应用限制或框架在不同数据集上的泛化能力 提高疾病结果预测的准确性并理解疾病机制 行为、临床和高维分子特征 机器学习 NA 深度学习 深度神经网络 高维分子数据 蒙特卡洛实验和真实微生物组研究
522 2025-07-20
Comparison of Three Computational Tools for the Prediction of RNA Tertiary Structures
2024-Nov-08, Non-coding RNA IF:3.6Q2
研究论文 比较三种计算工具在预测RNA三级结构方面的效用 整合分子动力学原理到深度学习框架中的AlphaFold 3能够直接从RNA初级序列输入预测RNA三级结构,甚至接受几种常见的转录后修饰 三种计算工具在预测人类前微RNA和较大BioRNA分子的远端环时存在显著差异,且这些RNA的三维结构尚未通过实验表征 评估和比较三种先进计算工具在预测RNA三级结构方面的性能 非编码RNA(ncRNAs),包括小干扰RNA药物nedosiran和新型生物工程RNA(BioRNA)分子 计算生物学 NA RNAComposer, Rosetta FARFAR2, AlphaFold 3 深度学习 RNA初级序列 多种形式的RNA,包括nedosiran和BioRNA分子
523 2025-07-20
Preventing future zoonosis: SARS-CoV-2 mutations enhance human-animal cross-transmission
2024-Nov, Computers in biology and medicine IF:7.0Q1
研究论文 该研究探讨了SARS-CoV-2病毒突变对人类与动物间交叉传播的影响,并利用深度学习模型预测了可能增强传播的关键突变 提出了病毒在动物宿主中的适应性突变不一定增加人类传染性的假设,并构建了多任务深度学习模型MT-TopLap来预测跨物种传播的关键突变 研究主要关注RBD区域的突变,可能忽略了病毒其他区域突变对传播的影响 研究SARS-CoV-2病毒突变对人类与动物间交叉传播能力的影响 SARS-CoV-2病毒的受体结合域(RBD)突变 机器学习 COVID-19 深度突变扫描 MT-TopLap(多任务深度学习模型) 蛋白质序列数据 多种物种(人类、猫、蝙蝠、鹿、仓鼠)的ACE2受体数据
524 2025-07-20
N2GNet tracks gait performance from subthalamic neural signals in Parkinson's disease
2024-Oct-31, Research square
research paper 本研究提出了一种名为N2GNet的新型深度学习回归模型,能够从帕金森病患者的丘脑底核局部场电位(STN LFPs)中实时追踪步态表现 N2GNet利用全面的频带(不仅限于β波段)从STN LFPs中追踪步态表现,相比现有算法具有更强的相关性和性能优势 研究样本量较小(18名帕金森病患者),且仅在原地踏步任务中进行测试 开发一种能够实时追踪帕金森病患者步态表现的深度学习模型,以改善自适应深部脑刺激(DBS)疗法的效果 帕金森病患者的丘脑底核局部场电位和步态表现 machine learning Parkinson's disease 深部脑刺激(DBS),局部场电位(LFP)记录 深度学习回归模型(N2GNet) 神经信号(STN LFPs),地面反作用力数据 18名帕金森病患者
525 2025-07-20
Artificial Intelligence Applications in Oral Cancer and Oral Dysplasia
2024-Oct, Tissue engineering. Part A
综述 本文综述了人工智能在口腔癌和口腔上皮异型增生中的应用,旨在开发预测性生物标志物以改善诊断和治疗效果 利用人工智能技术开发预测性生物标志物,包括S100A7和深度学习数字病理学,以预测口腔上皮异型增生转化为口腔鳞状细胞癌的风险及治疗效果 目前尚无可靠的临床、病理、组织学或分子生物标志物来预测口腔上皮异型增生和口腔鳞状细胞癌的个体风险和治疗效果 探索人工智能在预测口腔上皮异型增生转化为口腔鳞状细胞癌及预测口腔鳞状细胞癌死亡率和治疗反应中的应用 口腔鳞状细胞癌(OSCC)和口腔上皮异型增生(OED)患者 数字病理学 口腔癌 机器学习、深度学习、多重免疫组织化学、表观基因组学 深度学习(DL) 图像、表观遗传数据 NA
526 2025-07-20
Patient-specific deep learning for 3D protoacoustic image reconstruction and dose verification in proton therapy
2024-Oct, Medical physics IF:3.2Q1
研究论文 本研究开发了一种患者特异性深度学习方法,用于改进质子治疗中原声成像的重建质量和剂量验证的准确性 采用两阶段深度学习方法,结合群体模型和患者特异性数据增强,显著提高了原声成像的重建质量和剂量验证的准确性 研究仅基于10名前列腺癌患者的数据,样本量有限,需要进一步临床验证 改进质子治疗中原声成像的重建质量和剂量验证的准确性 前列腺癌患者 数字病理 前列腺癌 深度学习、数据增强 深度学习网络 CT图像、原声信号 10名前列腺癌患者
527 2025-07-20
Artificial Intelligence vs. Doctors: Diagnosing Necrotizing Enterocolitis on Abdominal Radiographs
2024-Oct, Journal of pediatric surgery IF:2.4Q2
研究论文 本研究比较了深度学习模型与资深外科住院医师在腹部X光片上诊断坏死性小肠结肠炎(NEC)的准确性 使用预训练的ResNet-50深度卷积神经网络(DCNN)和Grad-CAM热力图技术,首次在NEC诊断中实现与资深外科住院医师相当的准确性 研究样本量有限(494张X光片),且缺乏普遍应用的'金标准'作为对照 评估深度学习模型在NEC影像诊断中的临床应用价值 新生儿腹部X光片(494张,其中214张为NEC病例) 数字病理学 坏死性小肠结肠炎 迁移学习 ResNet-50 DCNN 图像 494张新生儿腹部X光片(214例NEC,280例其他)
528 2025-07-20
Colour fusion effect on deep learning classification of uveal melanoma
2024-Oct, Eye (London, England)
研究论文 本研究验证了深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的应用,并评估了颜色融合选项对分类性能的影响 研究了不同颜色融合选项(早期融合、中期融合和晚期融合)对深度学习分类性能的影响,并发现红色通道图像在单色学习中表现最佳,中期融合在多色学习中表现最优 研究为回顾性研究,样本量相对有限,且仅使用了超宽视野视网膜图像 验证深度学习在葡萄膜黑色素瘤和脉络膜痣分类中的有效性,并评估颜色融合选项对分类性能的影响 葡萄膜黑色素瘤和脉络膜痣患者 数字病理学 葡萄膜黑色素瘤 深度学习图像分类 CNN 图像 438名患者的798张超宽视野视网膜图像(157名葡萄膜黑色素瘤患者和281名脉络膜痣患者)
529 2025-07-20
PheW2P2V: a phenome-wide prediction framework with weighted patient representations using electronic health records
2024-Oct, JAMIA open IF:2.5Q3
研究论文 提出了一种基于电子健康记录(EHR)的加权患者表示框架PheW2P2V,用于表型组范围内的预测 PheW2P2V通过加权患者向量,针对特定表型进行个性化预测,减少了冗余和病例对照错误分类 需要进一步研究评估嵌入在不同数据库间的可迁移性 开发一种高效、灵活的预测工具,用于早期诊断高风险疾病 电子健康记录(EHR)中的患者数据 机器学习 多种临床疾病表型 Phecode映射 NA 电子健康记录(EHR) MIMIC-III数据库中的942个表型范围预测
530 2025-07-20
Automated image transcription for perinatal blood pressure monitoring using mobile health technology
2024-Oct, PLOS digital health
研究论文 本文介绍了一种自动图像转录技术,用于将血压设备读数转录到医疗健康记录或数据库中,特别是在低识字率人群中 开发了一种基于深度学习的自动图像转录技术,结合YOLO目标检测模型和CNN数字识别模型,有效提高了血压数据的可访问性和可用性 研究主要针对特定设备和特定人群(低资源环境和低识字率人群),可能在其他设备和人群中的适用性有限 解决自测血压数据转录到医疗记录中的挑战,特别是在低识字率人群中 孕妇和产后妇女的血压数据 数字病理 心血管疾病 深度学习 YOLO, CNN 图像 来自危地马拉的1697名和584名孕妇,以及来自乔治亚州的23名和49名非洲裔美国产后妇女
531 2025-07-20
Permethrin exposure primes neuroinflammatory stress response to drive depression-like behavior through microglial activation in a mouse model of Gulf War Illness
2024-Sep-13, Journal of neuroinflammation IF:9.3Q1
research paper 该研究探讨了氯菊酯暴露如何通过小胶质细胞激活在模拟海湾战争疾病的小鼠模型中引发抑郁样行为 揭示了氯菊酯暴露通过小胶质细胞激活引发抑郁样行为的机制,并利用单细胞RNA测序分析了相关转录网络 研究仅在小鼠模型中进行,尚未在人类中验证 评估氯菊酯暴露是否会导致神经炎症应激反应并引发与海湾战争疾病相关的精神症状 海湾战争疾病小鼠模型 神经科学 海湾战争疾病 单细胞RNA测序 DREADD受体 RNA序列数据 21,566个来自小鼠海马区的单细胞核
532 2025-07-20
Detecting suicide risk among U.S. servicemembers and veterans: a deep learning approach using social media data
2024-Sep-09, Psychological medicine IF:5.9Q1
研究论文 本研究开发了一种深度学习算法,用于在军事特定社交媒体平台上检测包含自杀相关内容的帖子 利用RoBERTa模型结合帖子文本和元数据,以较高敏感性和特异性检测自杀风险 研究仅基于公开分享的社交媒体帖子,可能无法涵盖所有风险人群 识别现役军人和退伍军人的自杀风险 军事特定社交媒体平台上的公开帖子 自然语言处理 心理健康 深度学习 RoBERTa 文本 8449条社交媒体帖子
533 2025-07-20
Deep Learning Model for Predicting Lung Adenocarcinoma Recurrence from Whole Slide Images
2024-Sep-06, Cancers IF:4.5Q1
research paper 提出了一种基于深度学习的模型,用于从全切片图像中预测肺腺癌的5年复发风险 引入了创新的双重注意力架构,显著提高了计算效率,并在复发风险分层中表现出色 未提及样本量是否足够大或模型在其他数据集上的泛化能力 提高肺腺癌复发预测的准确性和效率,以改善治疗决策 肺腺癌患者的全切片图像 digital pathology lung cancer NA deep learning-based model with dual-attention architecture whole slide images (WSIs) NA
534 2025-07-20
Derivation, external and clinical validation of a deep learning approach for detecting intracranial hypertension
2024-Sep-05, NPJ digital medicine IF:12.4Q1
研究论文 开发并验证了一种基于深度学习的非侵入性颅内高压检测方法 利用常规收集的颅外波形数据开发人工智能生物标志物(aICP),减少对侵入性监测的需求 外部验证数据集仅来自单一医院,可能影响结果的普适性 开发非侵入性颅内高压检测方法以改善神经预后 成年患者 数字病理学 神经系统疾病 深度学习 NA 波形数据 来自MIMIC-III波形数据库(2000-2013)和西奈山医院独立数据集(2020-2022)的患者数据
535 2025-07-20
Automatic detection of the third molar and mandibular canal on panoramic radiographs based on deep learning
2024-09, Journal of stomatology, oral and maxillofacial surgery
research paper 本研究开发了一种基于深度学习的全自动框架,用于在全景X光片上自动检测下颌第三磨牙与下颌管的位置关系 提出的RPIFormer模型在分割下颌第三磨牙和下颌管时平均Dice系数达到92.56%,比之前最佳研究提高了3.06%,且无需人工裁剪即可实现自动检测 NA 辅助医生评估和规划适当的手术干预方案 下颌第三磨牙(M3)和下颌管(MC)在全景X光片(PRs)中的位置关系 digital pathology oral health deep learning RPIFormer, CycleGAN image 450张全景X光片(253张来自医院,197张来自在线平台)
536 2025-07-20
Visceral and Subcutaneous Abdominal Fat Predict Brain Volume Loss at Midlife in 10,001 Individuals
2024-Aug-01, Aging and disease IF:7.0Q1
研究论文 该研究通过MRI扫描和深度学习技术,探讨了腹部脂肪与脑容量损失之间的关系 首次在大规模人群(10,001人)中系统分析了内脏和皮下腹部脂肪对多个脑区体积的影响,并发现其作为可调节因素对脑健康的重要性 研究为横断面设计,无法确定因果关系;仅使用1.5T MRI可能影响成像精度 探究不同类型腹部脂肪与中年人群脑容量损失的关系 10,001名健康参与者(平均年龄52.9岁,52.8%男性) 数字病理学 老年疾病 MRI成像,深度学习分割 FastSurfer(基于CNN的模型) MRI图像 10,001名健康参与者
537 2025-07-20
Unsupervised denoising of photoacoustic images based on the Noise2Noise network
2024-Aug-01, Biomedical optics express IF:2.9Q2
研究论文 本研究实现了一种基于Noise2Noise网络的无监督深度学习方法,用于改进基于线性阵列的光声成像 与需要无噪声地面实况的监督学习不同,Noise2Noise网络可以从一对噪声图像中学习噪声模式,这对于无法获取地面实况的体内光声成像尤为重要 NA 改进基于线性阵列的光声成像质量 光声图像 计算机视觉 NA Noise2Noise网络 深度学习 图像 NA
538 2025-07-20
Probabilistic volumetric speckle suppression in OCT using deep learning
2024-Aug-01, Biomedical optics express IF:2.9Q2
research paper 提出了一种基于条件生成对抗网络(cGAN)的深度学习框架,用于光学相干断层扫描(OCT)中的体积斑点噪声抑制 利用OCT数据的体积性质,网络以部分OCT体积作为输入,实现无伪影的去斑体积,同时在所有三个维度上表现出优异的斑点噪声减少和分辨率保持 训练数据仅由三个OCT体积组成,可能限制了模型的泛化能力 开发一种高效、高质量的OCT体积斑点噪声抑制方法 光学相干断层扫描(OCT)数据 computer vision NA 深度学习,条件生成对抗网络(cGAN) cGAN volumetric OCT数据 三个OCT体积
539 2025-07-20
TUnA: an uncertainty-aware transformer model for sequence-based protein-protein interaction prediction
2024-Jul-25, Briefings in bioinformatics IF:6.8Q1
研究论文 本文提出了一种基于Transformer的不确定性感知模型TUnA,用于从序列数据预测蛋白质-蛋白质相互作用 TUnA结合了ESM-2嵌入和Transformer编码器,并引入了谱归一化神经高斯过程,能够评估未见序列的不确定性 未明确提及具体局限性 解决现有深度学习模型在蛋白质-蛋白质相互作用预测中泛化能力不足和缺乏不确定性估计的问题 蛋白质-蛋白质相互作用 生物信息学 NA ESM-2嵌入, 谱归一化神经高斯过程 Transformer 序列数据 NA
540 2025-07-20
Assessing spectral effectiveness in color fundus photography for deep learning classification of retinopathy of prematurity
2024-Jul, Journal of biomedical optics IF:3.0Q2
研究论文 评估彩色眼底摄影中光谱对深度学习分类早产儿视网膜病变的有效性 研究发现仅使用绿色或红色图像即可有效分类ROP阶段,从而可以排除对光毒性更敏感的蓝色图像 未提及样本来源的多样性或模型在其他数据集上的泛化能力 评估彩色眼底摄影中不同颜色通道对ROP诊断的影响 早产儿视网膜病变(ROP)的眼底图像 数字病理 早产儿视网膜病变 彩色眼底摄影 CNN 图像 未明确提及具体数量
回到顶部