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！
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。
当前共找到 24240 篇文献，本页显示第 13421 - 13440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13421 | 2024-10-24 |
Single-detector multiplex imaging flow cytometry for cancer cell classification with deep learning
2024-Sep, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24890
PMID:39101554
|
研究论文 | 开发了一种单探测器多重成像流式细胞术（mIFC），结合深度学习方法用于癌症细胞分类 | 采用空间波长分割多路复用技术，实现了单探测器同时获取明场和多色荧光图像，并设计了三种深度学习网络进行多重图像处理 | NA | 开发一种新的成像流式细胞术技术，并结合深度学习方法提高癌症细胞分类的准确性 | 卵巢细胞系（IOSE80正常细胞、A2780和OVCAR3癌细胞）的分类 | 数字病理学 | 卵巢癌 | 成像流式细胞术 | U-net、非常深度超分辨率和视觉几何组19 | 图像 | 三种类型的卵巢细胞系（IOSE80、A2780和OVCAR3） |
| 13422 | 2024-10-24 |
Clinical evaluation of deep learning-enhanced lymphoma pet imaging with accelerated acquisition
2024-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14390
PMID:38812107
|
研究论文 | 本研究评估了一种深度学习增强的两倍加速PET成像方法在淋巴瘤患者中的临床表现 | 提出了一种结合U2Net和注意力机制的SAU2Net模型，用于增强PET图像质量，并实现了50%的成像时间减少 | 仅评估了39例淋巴瘤患者的临床表现，样本量相对较小 | 评估深度学习增强的PET成像方法在淋巴瘤患者中的临床性能 | 淋巴瘤患者和PET成像方法 | 计算机视觉 | 淋巴瘤 | 深度学习 | SAU2Net | 图像 | 123例无淋巴瘤患者和39例确诊淋巴瘤患者 |
| 13423 | 2024-10-24 |
The impacts of positive selection on genomic variation in Drosophila serrata: Insights from a deep learning approach
2024-Sep, Molecular ecology
IF:4.5Q1
DOI:10.1111/mec.17499
PMID:39188068
|
研究论文 | 本研究通过深度学习算法分析了澳大利亚东部Drosophila serrata种群的110个全基因组序列，探讨了正选择对基因组变异的影响 | 本研究首次使用深度学习算法partialS/HIC来识别基因组中的选择性清除，并发现软清除比硬清除更常见 | 算法在区分中性区域与部分清除以及在人口统计学假设错误时区分相关区域方面存在挑战 | 探讨正选择对Drosophila serrata种群基因组变异的影响 | 澳大利亚东部Drosophila serrata种群的基因组变异 | 基因组学 | NA | 深度学习算法 | partialS/HIC | 基因组序列 | 110个Drosophila serrata种群的全基因组序列 |
| 13424 | 2024-10-24 |
Variational inference of single cell time series
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610389
PMID:39257806
|
研究论文 | 本文提出了一种名为SNOW的深度学习算法，用于将单细胞时间序列数据分解为时间依赖和时间独立的部分 | SNOW算法能够基于时间独立维度进行细胞类型注释，区分生物学时间变异和批次效应，并提供减少批次效应的方法，还能在单细胞水平上生成时间序列 | NA | 解决在基因表达同时受时间和细胞身份影响时，分析单细胞RNA测序数据（scRNA-seq）的挑战 | 单细胞时间序列数据 | 机器学习 | NA | scRNA-seq | 深度学习算法 | 基因表达数据 | 三个不同的时间序列scRNA-seq研究数据 |
| 13425 | 2024-10-24 |
Evaluation of a Deep Learning Based Approach to Computational Label Free Cell Viability Quantification
2024-Aug-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.29.610252
PMID:39257757
|
研究论文 | 研究使用深度学习方法进行无标记细胞活力定量分析的可行性 | 提出了一种基于深度学习的无标记细胞活力定量方法，避免了传统染色方法对细胞的毒性影响 | 尚未提及 | 探索使用深度学习算法进行无标记细胞活力定量分析的可行性 | 人类细胞的形态变化和细胞活力 | 计算机视觉 | NA | 深度学习 | Resnet CNN | 图像 | NA |
| 13426 | 2024-10-24 |
AVN: A Deep Learning Approach for the Analysis of Birdsong
2024-Aug-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.10.593561
PMID:39229184
|
研究论文 | 开发了一种基于深度学习的鸟鸣分析方法AVN，用于斑胸草雀的鸣叫分析 | AVN方法无需额外训练数据即可在多个动物群体中进行高精度注释，并生成一系列可解释的特征来描述鸣叫的语法、时序和声学特性 | NA | 开发一种新的深度学习方法，用于分析斑胸草雀的鸣叫行为，并促进行为与神经过程之间的联系 | 斑胸草雀的鸣叫行为 | 机器学习 | NA | 深度学习 | NA | 音频 | 多个研究组和实验中的斑胸草雀 |
| 13427 | 2024-10-24 |
Deep Learning-driven Automatic Nuclei Segmentation of Label-free Live Cell Chromatin-sensitive Partial Wave Spectroscopic Microscopy Imaging
2024-Aug-21, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.20.608885
PMID:39229026
|
研究论文 | 本文介绍了一种基于深度学习的无标记活细胞染色质敏感部分波光谱显微镜图像的自动细胞核分割方法 | 提出了一种基于卷积神经网络和注意力机制的U-Net模型，用于自动分割染色质敏感部分波光谱显微镜图像中的细胞核 | NA | 开发一种自动化的方法来准确分割染色质敏感部分波光谱显微镜图像中的细胞核，以提高后续染色质分析研究的可靠性 | 染色质敏感部分波光谱显微镜图像中的细胞核 | 计算机视觉 | NA | 部分波光谱显微镜 | U-Net | 图像 | HCT116细胞 |
| 13428 | 2024-10-24 |
Towards Digital Quantification of Ploidy from Pan-Cancer Digital Pathology Slides using Deep Learning
2024-Aug-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.19.608555
PMID:39229200
|
研究论文 | 本文介绍了一种基于深度学习的肿瘤倍体量化方法PloiViT，通过数字病理切片直接进行快速且成本效益高的量化 | PloiViT是一种基于transformer的模型，优于传统的机器学习模型，并展示了在多个独立队列中的最佳预测性能 | NA | 开发一种快速且成本效益高的肿瘤倍体量化方法，作为下一代测序数据的补充 | 肿瘤倍体量化 | 数字病理 | NA | 深度学习 | transformer | 图像 | 训练数据集包括来自The Cancer Genome Atlas的十五种癌症类型，并在多个独立队列中验证了其性能 |
| 13429 | 2024-10-24 |
DeepSomatic: Accurate somatic small variant discovery for multiple sequencing technologies
2024-Aug-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.16.608331
PMID:39229187
|
研究论文 | 本文介绍了一种名为DeepSomatic的深度学习方法，用于从短读和长读数据中检测体细胞SNV和插入缺失（indels），适用于全基因组和外显子测序，并支持肿瘤-正常、肿瘤-仅和FFPE样本 | DeepSomatic在短读和长读数据上均表现出色，特别是在检测indels方面优于现有方法 | NA | 开发一种能够在多种测序技术上准确检测体细胞小变异的深度学习方法 | 体细胞单核苷酸变异（SNV）和插入缺失（indels） | 数字病理 | 癌症 | 测序技术（Illumina, PacBio HiFi, Oxford Nanopore Technologies） | 深度学习 | 基因组数据 | 五个匹配的肿瘤-正常细胞系对 |
| 13430 | 2024-10-24 |
Interpretable representation learning for 3D multi-piece intracellular structures using point clouds
2024-Aug-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.25.605164
PMID:39091871
|
研究论文 | 本文介绍了一种使用3D旋转不变自编码器和点云的形态学适当表示学习框架，用于学习复杂多片段细胞内结构的独立于方向、紧凑且易于解释的表示 | 本文提出的框架能够无监督地发现每个结构的子簇，并展示了其在药物扰动后的核仁图像数据集上的表型分析应用 | NA | 量化具有复杂多片段形态的细胞内结构的客观、稳健和可推广的解释性测量 | 具有点状形态（如DNA复制焦点）和多态形态（如核仁）的细胞内结构 | 计算机视觉 | NA | 3D旋转不变自编码器 | 自编码器 | 点云 | 涉及多个细胞内结构数据集，包括一个具有预定义组织规则的合成数据集 |
| 13431 | 2024-10-24 |
Genetics of Cardiac Aging Implicate Organ-Specific Variation
2024-Aug-06, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.08.02.24310874
PMID:39148824
|
研究论文 | 研究使用视频深度学习模型分析心脏MRI数据，以预测心脏年龄并探讨心脏年龄加速的遗传因素 | 提出了一种基于视频的深度学习模型，使用心脏MRI数据中的心脏掩码来捕捉心脏衰老的丰富且特定于心脏的特征 | 当前方法在特征丰富度或心脏特异性方面存在局限，导致难以理解遗传对年龄加速的贡献 | 探讨心脏年龄加速的遗传因素及其与心脏结构和功能的关系 | 61,691名UK Biobank参与者的心脏MRI数据 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 视频 | 61,691名参与者 |
| 13432 | 2024-10-24 |
Fast Whole-Brain MR Multi-Parametric Mapping with Scan-Specific Self-Supervised Networks
2024-Aug-06, ArXiv
PMID:39148933
|
研究论文 | 本文提出了一种快速的全脑MR多参数映射技术，通过扫描特定的自监督网络加速参数映射过程 | 本文提出了一种更快的Joint MAPLE版本，结合线圈压缩、随机切片选择、参数特定学习率和迁移学习，将重建时间缩短至原来的1/700，并在映射性能上优于标准和最先进的技术 | NA | 加速全脑MR多参数映射技术，使其在临床和研究中更实用 | 全脑MR多参数映射技术 | 计算机视觉 | NA | MRI | 自监督网络 | 图像 | NA |
| 13433 | 2024-10-24 |
Harnessing the power of longitudinal medical imaging for eye disease prognosis using Transformer-based sequence modeling
2024-Jul-30, ArXiv
PMID:39371086
|
研究论文 | 本文提出了一种基于Transformer的序列建模方法，用于从纵向医学影像中预测眼科疾病的预后 | 本文提出了Longitudinal Transformer for Survival Analysis (LTSA)模型，能够从纵向医学影像中动态预测疾病预后，超越了传统的单张影像基线方法 | NA | 开发一种能够从纵向医学影像中预测眼科疾病预后的深度学习模型 | 年龄相关性黄斑变性（AMD）和原发性开角型青光眼（POAG） | 计算机视觉 | 眼科疾病 | Transformer | Transformer | 影像 | 使用了来自Age-Related Eye Disease Study (AREDS)和Ocular Hypertension Treatment Study (OHTS)的纵向影像数据 |
| 13434 | 2024-10-24 |
Single-sequence protein-RNA complex structure prediction by geometric attention-enabled pairing of biological language models
2024-Jul-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.27.605468
PMID:39091736
|
研究论文 | 介绍了一种名为ProRNA3D-single的新深度学习框架，用于仅使用单序列输入预测蛋白质-RNA复合物的结构 | 通过几何注意力机制结合生物语言模型，实现了对蛋白质-RNA相互作用图的预测，并将其转化为多尺度几何约束，用于3D结构的建模 | NA | 开发一种新的方法来准确预测蛋白质-RNA复合物的结构，特别是在缺乏进化信息的情况下 | 蛋白质-RNA复合物的结构 | 机器学习 | NA | 深度学习 | 几何注意力机制 | 序列数据 | NA |
| 13435 | 2024-10-24 |
Fully Automated MRI-based Analysis of the Locus Coeruleus in Aging and Alzheimer's Disease Dementia using ELSI-Net
2024-Jul-26, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.26.605356
PMID:39091766
|
研究论文 | 本文介绍了一种基于深度学习的LC分割和特征提取方法ELSI-Net，并应用于健康衰老和AD痴呆数据集，评估了其与专家评分和已发表LC图谱的一致性 | 提出了ELSI-Net方法，用于全自动MRI分析LC，并应用于AD痴呆和健康衰老数据集 | 需要进一步在更多临床队列的多样化数据集上进行评估，以全面评估ELSI-Net的通用性 | 研究LC在衰老和AD痴呆中的完整性，并探索其与AD病理CSF生物标志物的相关性 | LC的MRI特征及其在衰老和AD痴呆中的变化 | 计算机视觉 | 阿尔茨海默病 | MRI | 深度学习 | 图像 | 健康衰老和AD痴呆数据集 |
| 13436 | 2024-10-24 |
Deep Learning-based Modeling for Preclinical Drug Safety Assessment
2024-Jul-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.20.604430
PMID:39091793
|
研究论文 | 本文介绍了一种基于深度学习的TRACE模型，用于加速和自动化毒理病理学评估 | TRACE模型能够处理多种诊断任务，并在独立阅读研究中表现优于兽医病理学家 | NA | 加速从临床前研究到早期临床试验的药物安全评估 | 毒理学肝脏病理学评估 | 数字病理学 | NA | 深度学习 | TRACE | 图像 | 1500万张病理图像，来自46,734个数字化组织切片，涉及157项临床前研究 |
| 13437 | 2024-10-24 |
predicTTE: An accessible and optimal tool for time-to-event prediction in neurological diseases
2024-Jul-23, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.20.604416
PMID:39091819
|
研究论文 | 本文介绍了一个名为predicTTE的工具，用于神经疾病中的时间到事件预测，并提供了一个在线门户和应用程序，供非专业用户使用 | 本文提出了一个集成深度学习和样条模型的工具，用于时间到事件预测，并优化了数据插补和模型训练流程 | NA | 开发一个易于使用且优化的工具，用于神经疾病中的时间到事件预测 | 神经疾病中的时间到事件预测 | 机器学习 | 神经疾病 | 深度学习 | 集成模型 | 时间到事件数据 | NA |
| 13438 | 2024-10-24 |
Deep learning guided design of dynamic proteins
2024-Jul-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.17.603962
PMID:39071443
|
研究论文 | 本文介绍了一种基于深度学习的动态蛋白质设计方法 | 提出了一种新的深度学习引导的蛋白质动态变化设计方法，能够在原子级别上精确模拟自然界中常见的开关机制 | NA | 开发一种新的方法来设计具有动态变化的蛋白质结构 | 蛋白质的动态变化和结构设计 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构 | 4个验证设计的构象结构 |
| 13439 | 2024-10-24 |
Robust deep learning estimation of cortical bone porosity from MR T1-weighted images for individualized transcranial focused ultrasound planning
2024-Jul-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.07.18.24310644
PMID:39072036
|
研究论文 | 本文提出了一种基于深度学习的方法，从T1加权MRI图像中估计皮质骨孔隙度，用于个性化经颅聚焦超声规划 | 本文创新性地使用深度学习方法从T1加权MRI图像中估计皮质骨孔隙度，避免了使用辐射诱导的CT扫描 | NA | 开发一种无需CT扫描的个性化经颅聚焦超声规划方法 | 皮质骨孔隙度估计和经颅聚焦超声治疗规划 | 计算机视觉 | NA | 深度学习 | cGAN | 图像 | 数千个光束传播场景 |
| 13440 | 2024-10-24 |
Multi-dataset Integration and Residual Connections Improve Proteome Prediction from Transcriptomes using Deep Learning
2024-Jul-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.07.08.602560
PMID:39026798
|
研究论文 | 本文通过深度学习模型和残差连接，提高了从转录组数据预测蛋白质组的准确性 | 使用神经架构搜索（NAS）设计的深度学习模型，结合残差连接，显著提高了从转录组数据预测蛋白质组的准确性 | NA | 提高从转录组数据预测蛋白质组的准确性 | 转录组和蛋白质组数据 | 机器学习 | NA | 深度学习 | 深度学习模型 | 转录组数据 | 使用Clinical Proteomics Tumor Analysis Consortium的公开数据 |