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 24772 篇文献，本页显示第 13601 - 13620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13601 | 2024-10-30 |
Nutritional composition analysis in food images: an innovative Swin Transformer approach
2024, Frontiers in nutrition
IF:4.0Q2
DOI:10.3389/fnut.2024.1454466
PMID:39469326
|
研究论文 | 本文提出了一种结合EfficientNet、Swin Transformer和特征金字塔网络（FPN）的深度学习模型，用于提高食品营养成分识别的准确性和效率 | 本文的创新点在于整合了EfficientNet、Swin Transformer和FPN，以捕捉长距离依赖关系并进行多尺度特征融合，显著提升了食品营养成分识别的性能 | NA | 本文的研究目的是开发一种高效、非破坏性的方法来识别和量化食品中的营养成分，以支持饮食管理和健康监测 | 本文的研究对象是食品图像中的营养成分 | 计算机视觉 | NA | 深度学习 | EfficientNet、Swin Transformer、特征金字塔网络（FPN） | 图像 | Nutrition5k数据集和ChinaMartFood109数据集 |
| 13602 | 2024-10-30 |
Remote physiological signal recovery with efficient spatio-temporal modeling
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1428351
PMID:39469440
|
研究论文 | 本文提出了一种基于高效时空建模的远程生理信号恢复方法 | 引入3D中心差分卷积进行时间上下文建模，采用Huber损失进行鲁棒的强度级rPPG恢复，并设计了双分支结构和软注意力掩码，以及多任务设置进行联合心率和呼吸信号测量 | 未提及具体局限性 | 开发一种能够有效恢复远程生理信号的方法，特别是在存在运动和光照伪影的情况下 | 远程光电容积脉搏波（rPPG）信号 | 计算机视觉 | NA | 深度学习 | 3D中心差分卷积 | 视频 | 在三个公开数据库上进行了广泛实验 |
| 13603 | 2024-10-30 |
Study on Univariate Modeling and Prediction Methods Using Monthly HIV Incidence and Mortality Cases in China
2024, HIV/AIDS (Auckland, N.Z.)
DOI:10.2147/HIV.S476371
PMID:39469494
|
研究论文 | 本文使用ARIMA、SARIMA、Prophet、BP神经网络和LSTM五种单一模型对中国每月艾滋病发病和死亡病例进行建模和预测，并提出了LSTM-SARIMA组合模型以提高预测准确性 | 提出了LSTM-SARIMA组合模型，以提高艾滋病发病和死亡病例预测的准确性 | 由于艾滋病发病和死亡病例序列的特性不同，不同方法的性能略有差异 | 研究并优化中国每月艾滋病发病和死亡病例的预测方法 | 中国每月艾滋病发病和死亡病例 | 机器学习 | 艾滋病 | LSTM、ARIMA、SARIMA、Prophet、BP神经网络 | LSTM-SARIMA组合模型 | 时间序列数据 | 2010年1月至2024年2月的中国每月艾滋病发病和死亡病例数据，其中2010年1月至2021年2月用于建模，其余用于验证 |
| 13604 | 2024-10-30 |
VP-net: an end-to-end deep learning network for elastic wave velocity prediction in human skin in vivo using optical coherence elastography
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1465823
PMID:39469517
|
研究论文 | 本文提出了一种名为VP-Net的端到端深度学习网络，用于从光学相干弹性成像（OCE）数据中预测人体皮肤中的弹性波速度 | VP-Net能够从原始OCE数据中直接预测弹性波速度，显著简化了速度估计过程，提高了处理速度 | NA | 开发一种能够快速准确预测人体皮肤中弹性波速度的深度学习模型，以评估和治疗皮肤疾病 | 人体皮肤中的弹性波速度 | 机器学习 | 皮肤疾病 | 光学相干弹性成像（OCE） | 深度学习网络（VP-Net） | 图像 | 共使用了45,274个原始相位切片，包括16,424个来自1%到5%琼脂基组织模拟幻影的切片，28,270个来自16名参与者的人体皮肤切片，以及580个面部闭合粉刺切片 |
| 13605 | 2024-10-30 |
Modeling epithelial-mesenchymal transition in patient-derived breast cancer organoids
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1470379
PMID:39469640
|
研究论文 | 本文利用患者来源的乳腺肿瘤类器官模型研究上皮-间质转化过程 | 首次在患者来源的乳腺肿瘤类器官中成功模拟上皮-间质转化过程，并通过图像分析和深度学习算法量化了这一过程 | NA | 研究乳腺肿瘤细胞在上皮-间质转化过程中的可塑性 | 患者来源的乳腺肿瘤类器官 | 数字病理学 | 乳腺癌 | NA | 深度学习算法 | 图像 | 不同乳腺肿瘤患者的类器官样本 |
| 13606 | 2024-10-30 |
Benchmarking Scalable Epistemic Uncertainty Quantification in Organ Segmentation
2023-Oct, Uncertainty for safe utilization of machine learning in medical imaging : 5th international workshop, UNSURE 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 12, 2023, proceedings. UNSURE (Workshop) (5th : 2023...
DOI:10.1007/978-3-031-44336-7_6
PMID:39469570
|
研究论文 | 本文对在器官分割中可扩展的认知不确定性量化方法进行了全面的基准测试 | 本文首次在医学图像分析背景下对多种认知不确定性量化方法进行了全面评估，并提供了未来改进的建议 | 本文未提及具体的局限性 | 评估和理解模型预测中的不确定性在临床应用中的重要性 | 器官分割中的认知不确定性量化方法 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 13607 | 2024-10-30 |
Employing Deep Learning Model to Evaluate Speech Information in Acoustic Simulations of Auditory Implants
2023-Jun-29, Research square
DOI:10.21203/rs.3.rs-3085032/v1
PMID:37461629
|
研究论文 | 本文提出了一种利用深度学习模型评估听觉植入设备声学模拟中语音信息的新方法 | 本文创新性地使用深度学习语音识别模型替代实际人类参与者进行听觉植入设备的声学模拟，显著提高了模拟效率并降低了成本 | 本文未详细讨论深度学习模型在极端条件下的表现，以及模型与真实人类感知之间的细微差异 | 旨在开发一种高效且准确的听觉植入设备声学模拟评估方法 | 听觉植入设备的声学模拟及其对语音感知的影响 | 机器学习 | NA | 深度学习 | 深度学习模型 | 语音 | NA |
| 13608 | 2024-10-30 |
Employing Deep Learning Model to Evaluate Speech Information in Vocoder Simulations of Auditory Implants
2023-May-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.23.541843
PMID:37292787
|
研究论文 | 本文提出了一种利用深度学习模型评估人工耳蜗编码器模拟中语音信息的新方法 | 本文的创新点在于使用OpenAI Whisper深度学习语音识别模型替代传统的人类参与者，评估编码器模拟对语音感知的影响 | 本文的局限性在于模型表现与人类表现的完全一致性尚未得到验证 | 本研究的目的是探索利用先进的深度学习语音识别模型在听觉假体研究中的潜力 | 本研究的对象是人工耳蜗编码器模拟对语音感知的影响 | 机器学习 | NA | 深度学习 | Whisper | 语音 | NA |
| 13609 | 2024-10-30 |
Deep ensemble learning for automated non-advanced AMD classification using optimized retinal layer segmentation and SD-OCT scans
2023-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.106512
PMID:36701964
|
研究论文 | 本文提出了一种基于优化视网膜层分割和深度集成学习的非高级AMD自动分类方法 | 结合图割算法和三次样条自动标注11个视网膜边界，并采用深度集成机制结合Bagged Tree和端到端深度学习分类器进行AMD检测 | NA | 提高AMD检测的准确性 | 视网膜层分割和AMD分类 | 计算机视觉 | 老年性黄斑变性 | 图割算法、三次样条、深度集成学习 | 深度集成模型 | 图像 | 内部和外部数据集 |
| 13610 | 2024-10-30 |
OrganoID: A versatile deep learning platform for tracking and analysis of single-organoid dynamics
2022-11, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1010584
PMID:36350878
|
研究论文 | 本文介绍了一个名为OrganoID的深度学习平台，用于自动识别、标记和跟踪单个类器官在明场和相衬显微镜实验中的动态变化 | OrganoID平台能够自动分析类器官的数量、大小和形态变化，无需手动调整参数，且在多种癌症类器官图像上验证了其准确性 | NA | 开发一个自动化的图像分析平台，以加速类器官在高通量、数据密集型生物医学应用中的使用 | 胰腺癌、肺癌、结肠癌和腺样囊性癌的类器官 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 13611 | 2024-10-30 |
Transfer learning-based channel estimation in orthogonal frequency division multiplexing systems using data-nulling superimposed pilots
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0268952
PMID:35622869
|
研究论文 | 本文结合数据空洞叠加导频（DNSP）和深度学习（DL），提出了一种基于迁移学习的正交频分复用（OFDM）系统信道估计方法 | 本文提出了一种轻量级迁移学习网络，用于解决深度学习模型在无线场景变化时的模型失配问题，从而提高了信道估计的准确性 | NA | 提高正交频分复用系统中信道估计的准确性和鲁棒性 | 正交频分复用系统中的信道估计问题 | 无线通信 | NA | 深度学习 | 卷积神经网络（CNN） | 信号 | NA |
| 13612 | 2024-10-29 |
Utilizing artificial intelligence for precision exploration of N protein targeting phenanthridine sars-cov-2 inhibitors: A novel approach
2024-Dec-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116885
PMID:39307103
|
研究论文 | 本研究利用深度学习模型优化苯并菲啶类化合物结构，以靶向SARS-CoV-2的N蛋白，并验证其抗病毒活性 | 首次采用深度学习模型EMPIRE和DeepFrag优化苯并菲啶类化合物，靶向SARS-CoV-2的N蛋白，并验证其抗病毒活性 | NA | 开发靶向SARS-CoV-2 N蛋白的抗COVID-19药物 | SARS-CoV-2的N蛋白及苯并菲啶类化合物 | 机器学习 | COVID-19 | 深度学习模型 | EMPIRE, DeepFrag | 化合物结构 | 超过10,000个小分子化合物，最终合成44个化合物 |
| 13613 | 2024-10-29 |
Publicly available datasets of breast histopathology H&E whole-slide images: A scoping review
2024-Dec, Journal of pathology informatics
DOI:10.1016/j.jpi.2024.100363
PMID:38405160
|
综述 | 本文综述了公开可用的乳腺组织病理学H&E全切片图像数据集，旨在帮助研究人员选择合适的乳腺癌计算病理学数据集 | 首次系统性地综述了公开可用的乳腺H&E染色全切片图像数据集，并提供了图像元数据和特征，以辅助研究人员选择合适的数据集 | 仅28%的纳入文章使用了多个数据集，14%使用了外部验证集，表明其他开发模型的性能可能被高估；TCGA-BRCA数据集存在显著的选择偏倚，可能影响算法的鲁棒性和泛化性；缺乏一致的元数据报告，需要建立明确的指南来记录乳腺WSI数据集的特征和元数据 | 识别和综述公开可用的乳腺H&E染色全切片图像数据集，以促进乳腺癌诊断和治疗中的深度学习模型开发 | 公开可用的乳腺H&E染色全切片图像数据集及其元数据和特征 | 数字病理学 | 乳腺癌 | NA | 深度学习模型 | 图像 | 17个公开数据集，包含10385张H&E全切片图像 |
| 13614 | 2024-10-29 |
Computational pathology: A survey review and the way forward
2024-Dec, Journal of pathology informatics
DOI:10.1016/j.jpi.2023.100357
PMID:38420608
|
综述 | 本文对计算病理学（CPath）进行了全面的综述，涵盖了从问题设计到应用和实施的各个方面 | 本文通过审查超过800篇论文，详细分析了CPath领域的关键工作和面临的挑战，为未来的技术发展和临床整合提供了方向 | 尽管本文提供了详细的综述，但仍存在将这些算法在临床实践中采用和整合的显著差距 | 旨在开发数字诊断的基础设施和工作流程，作为临床病理学的辅助CAD系统，促进癌症诊断和治疗的变革性变化 | 计算病理学（CPath）及其在癌症图像分析中的应用 | 数字病理学 | 癌症 | NA | NA | 图像 | 超过800篇论文 |
| 13615 | 2024-08-07 |
Leveraging deep learning for more accurate prediction of lung microwave ablation zones
2024-Nov, European radiology
IF:4.7Q1
DOI:10.1007/s00330-024-10995-y
PMID:39075303
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13616 | 2024-10-29 |
Breast cancer survival prediction using an automated mitosis detection pipeline
2024-Nov, The journal of pathology. Clinical research
DOI:10.1002/2056-4538.70008
PMID:39466133
|
研究论文 | 本文研究了一种全自动的细胞分裂检测流程，用于乳腺癌患者的生存预测 | 本文提出了一种新的自动区域选择方法，用于找到最佳的有丝分裂热点并计算每2mm的细胞分裂计数 | NA | 验证全自动细胞分裂计数AI算法在乳腺癌患者中的预后价值 | 乳腺癌患者的细胞分裂计数和生存预测 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 912例乳腺癌患者 |
| 13617 | 2024-10-29 |
Decoding the impact of neighboring amino acids on ESI-MS intensity output through deep learning
2024-Oct-30, Journal of proteomics
IF:2.8Q2
DOI:10.1016/j.jprot.2024.105322
PMID:39341565
|
研究论文 | 本文通过深度学习模型研究了邻近氨基酸对ESI-MS强度输出的影响 | 本文首次使用带有注意力机制的编码器-解码器深度学习模型，分析了二肽基序对MS1强度的影响，并识别了与低响应和高响应肽段相关的特定二肽基序 | 本文仅研究了二肽基序对MS1强度的影响，未涵盖更长的氨基酸序列或更复杂的肽段结构 | 探讨氨基酸序列与MS1强度输出之间的关系，提高对质谱分析中肽段响应的理解 | 氨基酸对（二肽基序）及其对MS1强度的影响 | 机器学习 | NA | 质谱分析（MS） | 带有注意力机制的编码器-解码器深度学习模型 | 肽段序列数据 | 约200,000个独特肽段 |
| 13618 | 2024-10-29 |
NBCR-ac4C: A Deep Learning Framework Based on Multivariate BERT for Human mRNA N4-Acetylcytidine Sites Prediction
2024-Oct-28, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01415
PMID:39367830
|
研究论文 | 提出了一种基于多元BERT的深度学习框架NBCR-ac4C，用于预测人类mRNA中的N4-乙酰胞苷位点 | 利用Nucleotide Transformer和DNABERT2构建核苷酸序列的上下文嵌入，结合CNN和ResNet18提取浅层和深层知识，显著提高了预测准确性 | NA | 开发一种高效且准确的深度学习方法来预测mRNA中的N4-乙酰胞苷位点 | 人类mRNA中的N4-乙酰胞苷位点 | 机器学习 | NA | 深度学习 | CNN, ResNet18 | 序列 | NA |
| 13619 | 2024-10-29 |
Improving Predictive Efficacy for Drug Resistance in Novel HIV-1 Protease Inhibitors through Transfer Learning Mechanisms
2024-Oct-28, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01037
PMID:39393002
|
研究论文 | 本文提出了一种新的药物-隔离-折叠变化（DIF）模型框架，通过迁移学习机制提高新型HIV-1蛋白酶抑制剂的耐药性预测效果 | 本文创新性地采用了迁移学习方法，通过预训练图神经网络（GNN）模型来提高DIF模型的分子学习能力，从而改善耐药性预测的准确性 | NA | 提高HIV-1蛋白酶抑制剂耐药性预测的准确性 | HIV-1蛋白酶抑制剂的耐药性 | 机器学习 | HIV感染 | 迁移学习 | 图神经网络（GNN） | 蛋白质序列和抑制剂表示 | 4855种HIV-1蛋白酶抑制剂 |
| 13620 | 2024-10-29 |
Deep-Learning Empowered Customized Chiral Metasurface for Calibration-Free Biosensing
2024-Oct-27, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202411490
PMID:39463055
|
研究论文 | 本文提出了一种基于深度学习的数据迭代策略，结合全局优化网络，用于定制化设计手性超表面，实现无校准生物传感 | 本文创新性地提出了基于深度学习的数据迭代策略，显著提高了手性结构的数量和质量，实现了对手性分子的精确识别 | NA | 本文旨在解决传统手性超表面设计方法的局限性，提出一种智能设计策略，实现无校准生物传感 | 本文研究对象为手性超表面及其在生物传感中的应用 | 光学 | NA | 深度学习 | 深度学习模型 | 手性结构数据 | NA |