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 24644 篇文献，本页显示第 13881 - 13900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13881 | 2024-10-24 |
Assessing CT-based Volumetric Analysis via Transfer Learning with MRI and Manual Labels for Idiopathic Normal Pressure Hydrocephalus
2024-Jun-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.23.24309144
PMID:38978640
|
研究论文 | 本文通过迁移学习和手动标签，利用MRI数据改进CT图像中脑脊液的分割，并评估其在特发性正常压力脑积水诊断中的表现 | 利用MRI数据进行迁移学习，改进CT图像中脑脊液的自动分割，提高特发性正常压力脑积水的诊断准确性 | NA | 提高CT图像中脑脊液的分割精度，并评估其在特发性正常压力脑积水诊断中的应用 | 特发性正常压力脑积水患者和健康对照组的CT图像 | 计算机视觉 | 脑积水 | CT | U-Net | 图像 | 734例健康对照组和62例特发性正常压力脑积水患者的CT数据，以及来自德国和美国的外部临床图像 |
| 13882 | 2024-10-24 |
ViViEchoformer: Deep Video Regressor Predicting Ejection Fraction
2024-Jun-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.21.24309327
PMID:38947006
|
研究论文 | 本文介绍了一种基于深度学习的视频回归模型ViViEchoformer，用于从超声心动图视频中直接预测左心室射血分数（LVEF） | ViViEchoformer利用视频视觉变换器提取时空特征，实现了对左心室射血分数的自动准确预测，为超声心动图的解读提供了新的方法 | NA | 开发一种自动化的方法来准确测量超声心动图中的左心室射血分数，以辅助临床评估 | 左心室射血分数（LVEF） | 机器学习 | 心血管疾病 | 深度学习 | 视频视觉变换器 | 视频 | 10,030个来自斯坦福大学医院的四腔超声心动图视频 |
| 13883 | 2024-10-24 |
Prediction of Adolescents' Fluid Intelligence Scores based on Deep Learning with Reconstruction Regularization
2024-Jun-18, Research square
DOI:10.21203/rs.3.rs-4482953/v1
PMID:38946976
|
研究论文 | 本研究旨在利用深度学习方法，特别是基于重构正则化的自编码器模型，预测9-10岁儿童的流体智力分数 | 本研究首次使用基于重构正则化的自编码器模型来预测青少年的流体智力分数，并发现其在预测性能上显著优于多层感知机和经典机器学习模型 | 研究结果显示预测性能较弱，未来研究可能需要探索结合多种机器学习算法的集成回归策略以提高预测性能 | 开发一种预测9-10岁儿童未校正/实际流体智力分数的模型，并探索基于重构正则化的自编码器模型在青少年流体智力预测中的表现 | 9-10岁的青少年，特别是其流体智力分数和T1加权磁共振成像数据 | 机器学习 | NA | 磁共振成像（MRI） | 自编码器（AE） | 图像 | 11,534名青少年 |
| 13884 | 2024-10-24 |
De novo design of alpha-beta repeat proteins
2024-Jun-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.15.590358
PMID:38915539
|
研究论文 | 本文介绍了基于Rosetta和深度学习幻觉方法生成具有混合α螺旋和β链拓扑结构的新型重复蛋白质架构 | 本文提出了基于Rosetta和深度学习幻觉方法生成具有混合α螺旋和β链拓扑结构的新型重复蛋白质架构，并设计了25种高度稳定的α-β蛋白质 | NA | 设计新型重复蛋白质架构 | α-β重复蛋白质 | 生物信息学 | NA | Rosetta方法，深度学习幻觉方法 | 深度学习模型 | 蛋白质结构数据 | 25种新型α-β蛋白质 |
| 13885 | 2024-10-24 |
PSSR2: a user-friendly Python package for democratizing deep learning-based point-scanning super-resolution microscopy
2024-Jun-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.16.599221
PMID:38915557
|
研究论文 | PSSR2是一个用户友好的Python包，旨在推广基于深度学习的点扫描超分辨率显微技术 | PSSR2改进了先前的PSSR工作流程，增加了同时超分辨率和去噪功能，并通过集成CLI和Napari插件，使得没有编程经验的用户也能轻松使用 | NA | 推广和简化基于深度学习的点扫描超分辨率显微技术 | 点扫描超分辨率显微数据 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 13886 | 2024-10-24 |
Iterative deep learning-design of human enhancers exploits condensed sequence grammar to achieve cell type-specificity
2024-Jun-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.14.599076
PMID:38915713
|
研究论文 | 本文应用迭代深度学习设计具有细胞类型特异性的合成增强子 | 本文首次应用迭代深度学习方法设计合成增强子，并通过实验验证和优化，实现了增强子在不同细胞系中的特异性表达 | 本文仅在两个人类细胞系中验证了增强子的特异性，尚未在更多细胞类型中进行广泛验证 | 设计具有细胞类型特异性的合成增强子 | 合成增强子的设计和优化 | 合成生物学 | NA | 迭代深度学习 | NA | 序列数据 | 两个人类细胞系 |
| 13887 | 2024-10-24 |
Predicting the effort required to manually mend auto-segmentations
2024-Jun-13, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.06.12.24308779
PMID:38947045
|
研究论文 | 研究如何评估自动分割结果在临床实践中所需的修正努力，并探讨使用深度学习模型预测修正努力的可行性 | 提出了一种新的混合指标Mendability Index (MI)，并初步探索了使用深度学习模型预测修正努力的可行性 | 初步探索了深度学习模型的可行性，但未深入讨论其应用细节和潜在问题 | 研究如何更好地评估自动分割结果在临床实践中的修正需求 | 自动分割结果的修正时间和修正努力 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 7个来自三个不同机构的对象，包含原始CT图像、真实分割、自动分割、修正分割和记录的修正时间 |
| 13888 | 2024-10-24 |
Ribonanza: deep learning of RNA structure through dual crowdsourcing
2024-Jun-11, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.24.581671
PMID:38464325
|
研究论文 | 本文介绍了通过众包收集的RNA结构化学映射数据集Ribonanza，并利用该数据集训练和评估了多种深度神经网络模型 | 提出了Ribonanza数据集，并通过Kaggle挑战赛训练和评估了多种深度神经网络模型，最终整合成一个名为RibonanzaNet的自包含模型 | NA | 解决RNA结构从序列预测的问题，并提高模型在RNA结构建模中的性能 | RNA序列及其结构 | 机器学习 | NA | 深度学习 | 深度神经网络 | RNA序列数据 | 两百万个多样化的RNA序列 |
| 13889 | 2024-10-24 |
A Hybrid Deep Learning Classification of Perimetric Glaucoma Using Peripapillary Nerve Fiber Layer Reflectance and Other OCT Parameters from Three Anatomy Regions
2024-Jun-06, ArXiv
PMID:38883241
|
研究论文 | 研究使用混合深度学习模型结合视网膜神经纤维层反射和其他OCT参数来提高青光眼诊断的准确性 | 提出了一种混合深度学习模型，结合视网膜神经纤维层反射和其他OCT参数，显著提高了青光眼的诊断准确性 | 研究样本量相对较小，可能需要进一步验证在大规模数据集上的表现 | 探讨深度学习模型是否能有效结合视网膜神经纤维层反射和其他OCT参数用于青光眼诊断 | 视网膜神经纤维层反射、OCT参数、青光眼患者和正常受试者 | 计算机视觉 | 眼科疾病 | OCT | 混合深度学习模型（FCN和CNN） | 图像 | 106名正常受试者和164名青光眼患者 |
| 13890 | 2024-10-24 |
Artificial intelligence-based morphologic classification and molecular characterization of neuroblastic tumors from digital histopathology
2024-Jun-04, Research square
DOI:10.21203/rs.3.rs-4396782/v1
PMID:38883758
|
研究论文 | 开发了一种基于注意力机制的多实例学习和自监督学习的深度学习模型，用于从数字病理学图像中对神经母细胞瘤进行形态学分类和分子特征分析 | 首次将注意力机制的多实例学习和自监督学习应用于神经母细胞瘤的病理分类和分子特征分析 | NA | 开发一种自动化诊断和精确分类神经母细胞瘤的工具 | 神经母细胞瘤的病理分类和分子特征分析 | 数字病理学 | NA | 深度学习 | 注意力机制的多实例学习 (aMIL) 和自监督学习 (SSL) | 图像 | 外部测试数据集 |
| 13891 | 2024-10-24 |
Chemical signatures delineate heterogeneous amyloid plaque populations across the Alzheimer's disease spectrum
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.03.596890
PMID:38895368
|
研究论文 | 本文利用先进的化学成像工具和深度学习算法，研究了阿尔茨海默病中不同类型淀粉样斑块的化学特征 | 首次使用空间生物化学技术对不同斑块形态进行表征，揭示了斑块的异质性及其与疾病病理的关联 | NA | 研究阿尔茨海默病中淀粉样斑块的异质性及其与疾病病理的关联 | 阿尔茨海默病中的淀粉样斑块 | 数字病理 | 阿尔茨海默病 | 功能性淀粉样显微镜结合MALDI质谱成像(MSI) | 深度学习算法 | 图像 | NA |
| 13892 | 2024-10-24 |
Human motion data expansion from arbitrary sparse sensors with shallow recurrent decoders
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.01.596487
PMID:38895371
|
研究论文 | 本文开发了一种深度学习架构，利用浅层循环解码器网络将有限（稀疏）的传感器数据映射到全面的（密集）配置，从而推断未监测的身体部位的运动 | 本文的创新点在于利用传感器的时间历史信息，通过浅层循环解码器网络将稀疏传感器数据扩展为密集配置，即使只有一个传感器也能重建全面的时间序列测量 | 本文未提及具体的局限性 | 研究目的是通过深度学习和稀疏传感技术扩展人体运动数据，以提高数字生物标志物估计的准确性和可用性 | 研究对象包括控制运动任务、步态模式探索和自由移动环境中的数据 | 机器学习 | NA | 深度学习 | 浅层循环解码器网络 | 时间序列数据 | 涉及多种数据集，包括控制运动任务、步态模式探索和自由移动环境 |
| 13893 | 2024-10-24 |
Automated classification of cellular expression in multiplexed imaging data with Nimbus
2024-Jun-03, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.02.597062
PMID:38895405
|
研究论文 | 本文介绍了使用Nimbus深度学习模型对多重成像数据中的细胞表达进行自动分类 | 开发了Nimbus模型，该模型无需重新训练即可预测不同细胞类型和组织来源的多重成像数据中的标记物表达 | NA | 开发一种能够准确预测多重成像数据中标记物表达的深度学习模型 | 多重成像数据中的细胞表达和标记物表达 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 包含197亿个标记物表达注释的Pan-Multiplex数据集，涵盖15种不同细胞类型 |
| 13894 | 2024-10-24 |
Deep Learning without Weight Symmetry
2024-May-31, ArXiv
PMID:38855537
|
研究论文 | 本文介绍了一种名为产品反馈对齐（PFA）的算法，该算法在深度卷积网络中避免了显式的权重对称性，同时实现了与反向传播（BP）相当的性能 | 提出了产品反馈对齐（PFA）算法，解决了长期存在的权重对称性问题，使得深度卷积网络的学习更加生物学上合理 | 文章未明确提及PFA算法在实际应用中的局限性 | 解决深度学习中权重对称性的问题，提高算法的生物学合理性 | 深度卷积网络中的权重对称性问题 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | NA | NA |
| 13895 | 2024-10-24 |
Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases
2024-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.14.594252
PMID:38798507
|
研究论文 | 本文介绍了一种名为scPRS的几何深度学习模型，利用单细胞染色质可及性数据构建单细胞分辨率的PRS，以增强复杂疾病的生物发现和预测能力 | scPRS不仅能够预测疾病风险，还能揭示与疾病相关的细胞类型，并识别细胞类型特异性的遗传基础 | NA | 开发一种新的方法来解构复杂疾病的单细胞多基因风险评分，以揭示细胞和分子异质性 | 单细胞多基因风险评分（scPRS）在复杂疾病中的应用，包括2型糖尿病、肥厚型心肌病和阿尔茨海默病 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 单细胞染色质可及性数据 | 涉及多种复杂疾病的多个样本 |
| 13896 | 2024-10-24 |
drGAT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network
2024-May-14, ArXiv
PMID:38800657
|
研究论文 | 本文介绍了一种名为drGAT的图深度学习模型，用于药物反应预测和药物机制阐释 | drGAT通过利用药物-细胞-基因异构网络，实现了药物反应的二元敏感性预测和药物机制的阐释，性能优于现有模型 | NA | 提高药物反应预测模型的可解释性，并阐释药物机制 | 药物反应预测和药物机制阐释 | 机器学习 | NA | 图深度学习 | 图注意力网络（GAT） | 异构网络 | 269种DNA损伤化合物 |
| 13897 | 2024-10-24 |
Virtual Screening of Molecules via Neural Fingerprint-based Deep Learning Technique
2024-May-09, Research square
DOI:10.21203/rs.3.rs-4355625/v1
PMID:38766198
|
研究论文 | 开发并优化了一种基于卷积神经网络指纹的机器学习药物筛选技术 | 提出了一种新的基于神经网络指纹的分子虚拟筛选技术，相比传统的固定Morgan指纹，在药物-靶点结合亲和力的二分类任务中表现更优 | 仅在六个不同的目标蛋白上进行了评估，样本量较小 | 开发和优化一种高效的分子虚拟筛选技术 | 药物-靶点结合亲和力的二分类任务 | 机器学习 | NA | 卷积神经网络 | CNN | 分子指纹 | 使用ZINC15数据库中的随机选择的小分子进行训练，涉及六个不同的目标蛋白 |
| 13898 | 2024-10-24 |
Filling the gaps: leveraging large language models for temporal harmonization of clinical text across multiple medical visits for clinical prediction
2024-May-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.06.24306959
PMID:38765975
|
研究论文 | 本文探讨了利用大型语言模型对临床文本进行时间同步，以提高跨多次医疗访问的临床预测准确性 | 提出使用大型语言模型（LLMs）进行临床笔记的时间同步，以填补数据中的时间间隔 | 未提及 | 提高长期临床预测（如慢性病和死亡率）的准确性 | 临床笔记的时间同步和跨多次访问的数据整合 | 自然语言处理 | NA | 大型语言模型（LLMs） | 深度学习模型 | 文本 | 未提及 |
| 13899 | 2024-10-24 |
Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration
2024-May-04, ArXiv
PMID:38745706
|
研究论文 | 本文提出了一种基于微分同胚变换器的深度学习模型，用于腹部MRI-CT图像的可变形图像配准 | 本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并使用微分同胚变形假设来保持拓扑结构 | 本文仅在50个肝脏病例上进行了回顾性研究，未来需要在更大规模和多样化的数据集上验证模型的泛化能力 | 开发一种新的深度学习模型，用于直接估计腹部MRI-CT图像的变形向量场，以提高立体定向体部放疗（SBRT）的治疗计划精度 | 腹部MRI-CT图像的可变形图像配准 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 50个肝脏病例 |
| 13900 | 2024-10-24 |
ntEmbd: Deep learning embedding for nucleotide sequences
2024-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.30.591806
PMID:38746190
|
研究论文 | 介绍了一种名为ntEmbd的深度学习嵌入工具，用于捕获核苷酸序列中不同特征之间的依赖关系，并学习给定序列的潜在表示 | ntEmbd能够隐式学习输入序列特征，解决了长序列中特征间长期依赖关系难以捕捉的问题 | NA | 开发一种能够有效处理长核苷酸序列的深度学习嵌入方法 | 核苷酸序列的特征嵌入 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |