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 24356 篇文献，本页显示第 13541 - 13560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13541 | 2024-10-24 |
Comparison of Explainable AI Models for MRI-based Alzheimer's Disease Classification
2024-Sep-17, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.17.613560
PMID:39345522
|
研究论文 | 本文比较了可解释AI模型在基于MRI的阿尔茨海默病分类中的应用 | 本文引入了遮挡敏感性分析（OSA）和梯度加权类激活映射（Grad-CAM）来提高深度学习模型的可解释性 | 研究主要基于北美和欧洲祖先的数据集，未充分考虑其他种族的数据 | 评估在不同数据集上训练的深度学习模型在阿尔茨海默病分类中的泛化能力和可解释性 | 基于3D T1加权脑部MRI扫描的阿尔茨海默病分类 | 计算机视觉 | 阿尔茨海默病 | 遮挡敏感性分析（OSA）、梯度加权类激活映射（Grad-CAM） | 卷积神经网络（CNN） | MRI图像 | 包括来自阿尔茨海默病神经影像学倡议（ADNI）、国家阿尔茨海默病协调中心（NACC）和印度NIMHANS队列的数据集 |
| 13542 | 2024-10-24 |
G2PDeep-v2: a web-based deep-learning framework for phenotype prediction and biomarker discovery using multi-omics data
2024-Sep-13, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.10.612292
PMID:39314346
|
研究论文 | G2PDeep-v2 是一个基于深度学习的网络平台，用于从多组学数据中进行表型预测和生物标志物发现 | 提供了一个交互式界面，用户可以通过该界面创建深度学习模型，并使用自动化超参数调优算法在高性能计算资源上训练这些模型 | NA | 开发一个基于深度学习的平台，用于从多组学数据中进行表型预测和生物标志物发现 | 人类、植物、动物和病毒的多组学数据 | 机器学习 | NA | 深度学习 | 深度学习模型 | 多组学数据 | NA |
| 13543 | 2024-10-24 |
Robust Real-time Segmentation of Bio-Morphological Features in Human Cherenkov Imaging during Radiotherapy via Deep Learning
2024-Sep-09, ArXiv
PMID:39314506
|
研究论文 | 本文提出了一种基于深度学习的实时生物形态特征分割框架，用于放射治疗期间的人体切伦科夫成像 | 首次将深度学习应用于切伦科夫成像中的生物形态特征分割，实现了视频帧率处理，并采用了迁移学习策略以解决标注数据有限的问题 | 研究样本量较小，仅包括19名乳腺癌患者的治疗数据 | 开发一种能够在放射治疗期间实时分割生物形态特征的深度学习框架 | 放射治疗期间切伦科夫成像中的生物形态特征，如血管、皮下静脉、疤痕和色素皮肤 | 计算机视觉 | 乳腺癌 | 深度学习 | ResNet | 图像 | 19名乳腺癌患者的1,483张切伦科夫图像 |
| 13544 | 2024-10-24 |
Enhancing Vaxign-DL for Vaccine Candidate Prediction with added ESM-Generated Features
2024-Sep-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.09.04.611295
PMID:39282385
|
研究论文 | 本研究通过添加ESM生成的特征，改进了Vaxign-DL疫苗候选预测模型 | 首次展示了蛋白质折叠特征在疫苗抗原预测中的附加价值 | NA | 改进疫苗候选预测模型的性能 | 细菌保护性抗原的预测 | 机器学习 | NA | 深度学习 | DL | 蛋白质序列 | 10种细菌病原体 |
| 13545 | 2024-10-24 |
Enhancing rural healthcare through internet-based remote collaborative outpatient services: A comprehensive evaluation in Changzhi, Shanxi Province
2024-Sep-06, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000039614
PMID:39252255
|
研究论文 | 本文评估了基于互联网的远程协作门诊服务在山西省长治市农村地区的应用效果 | 通过整合云计算和移动健康技术，提出了基于互联网的协作门诊服务，以改善农村地区的医疗保健 | NA | 评估基于互联网的远程协作门诊服务在农村地区的可行性和效果 | 山西省长治市4个县的495个农村社区和5000多名农村居民 | NA | NA | 深度学习算法 | 深度学习 | 医疗数据 | 5000多名农村居民 |
| 13546 | 2024-10-24 |
Study of obesity research using machine learning methods: A bibliometric and visualization analysis from 2004 to 2023
2024-Sep-06, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000039610
PMID:39252327
|
研究论文 | 本研究通过文献计量学和可视化分析，系统评估了2004年至2023年间使用机器学习方法进行肥胖研究的出版物 | 首次利用文献计量学工具揭示了机器学习在肥胖研究中的内在关系和发展模式 | 仅限于英文出版物，可能忽略了其他语言的重要研究 | 量化、可视化和分析使用机器学习方法进行肥胖研究的出版物 | 2004年至2023年间使用机器学习方法进行肥胖研究的出版物 | 机器学习 | 肥胖 | 文献计量学 | NA | 文本 | 3286篇符合条件的出版物 |
| 13547 | 2024-10-24 |
Machine learning-based estimation of patient body weight from radiation dose metrics in computed tomography
2024-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14467
PMID:39042480
|
研究论文 | 本研究开发并评估了基于机器学习的体重预测模型，使用从计算机断层扫描（CT）中获得的11个辐射剂量特征 | 本研究提出的机器学习方法在体重预测方面优于现有方法，具有高精度和实用性 | NA | 开发和评估基于机器学习的体重预测模型，以改善辐射剂量管理 | 从CT扫描中获得的辐射剂量特征 | 机器学习 | NA | 计算机断层扫描（CT） | 梯度提升机 | 图像 | 3996名患者 |
| 13548 | 2024-10-24 |
A quantitative analysis of the improvement provided by comprehensive annotation on CT lesion detection using deep learning
2024-Sep, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14434
PMID:39078867
|
研究论文 | 本文研究了在CT图像中使用深度学习进行病变检测时，全面注释对性能提升的影响 | 本文通过创建不同注释程度的DeepLesion数据集，量化了注释比例对病变检测算法性能的影响 | 本文仅研究了注释比例对性能的影响，未探讨其他可能影响性能的因素 | 量化分析CT图像中注释比例对通用病变检测算法性能的影响 | CT图像中的病变检测 | 计算机视觉 | NA | 深度学习 | 多视图特征金字塔网络（MVP-Net） | 图像 | 使用了包含32,735个病变（原始数据集）、34,317个病变（增强数据集）和54,510个病变（联合数据集）的CT图像 |
| 13549 | 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） |
| 13550 | 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 |
| 13551 | 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 |
| 13552 | 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 |
| 13553 | 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 |
| 13554 | 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 |
| 13555 | 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 |
| 13556 | 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 |
| 13557 | 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 |
| 13558 | 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 |
| 13559 | 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 |
| 13560 | 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 |