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 25193 篇文献，本页显示第 14461 - 14480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 14461 | 2024-10-24 |
Artificial intelligence and big data integration in anterior segment imaging for glaucoma
2024 Jul-Sep, Taiwan journal of ophthalmology
IF:1.0Q4
DOI:10.4103/tjo.TJO-D-24-00053
PMID:39430364
|
综述 | 本文探讨了人工智能和大数据在前段影像中对青光眼诊断和管理的整合 | 本文介绍了人工智能和大数据在青光眼诊断和管理中的应用，特别是机器学习和深度学习在图像分析和自动化复杂过程中的作用 | 本文讨论了标准化和整合多样化数据集的挑战，并建议未来合作和技术进步可能显著改善青光眼的管理和研究 | 探讨人工智能和大数据在前段影像中对青光眼诊断和管理的应用 | 前段影像技术，如前段光学相干断层扫描、超声生物显微镜和角膜照相术，以及这些技术在识别闭角疾病中的作用 | 计算机视觉 | 青光眼 | NA | 机器学习, 深度学习 | 图像 | NA |
| 14462 | 2024-10-24 |
Hidden Structural States of Proteins Revealed by Conformer Selection with AlphaFold-NMR
2024-Jun-30, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.26.600902
PMID:38979209
|
研究论文 | 本文介绍了一种利用AlphaFold2和NMR数据选择蛋白质构象模型的新方法 | 提出了一种基于AI的增强采样方法生成蛋白质构象模型，并通过实验数据进行选择，替代传统的约束满足协议 | NA | 探索利用深度学习和NMR技术揭示蛋白质的动态结构 | Gaussia荧光素酶的NMR结构 | 计算机视觉 | NA | NMR | AlphaFold2 | 蛋白质结构数据 | NA |
| 14463 | 2024-10-24 |
Machine learning on multiple epigenetic features reveals H3K27Ac as a driver of gene expression prediction across patients with glioblastoma
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.25.600585
PMID:38979226
|
研究论文 | 使用机器学习方法分析多重表观遗传特征，揭示H3K27Ac在胶质母细胞瘤患者基因表达预测中的驱动作用 | 首次使用机器学习和深度学习模型分析跨患者的基因表达预测，并发现H3K27Ac是跨患者基因表达预测的最重要表观遗传特征 | 研究仅限于胶质母细胞瘤干细胞和神经嵴干细胞，未涵盖其他类型的癌症细胞 | 探究胶质母细胞瘤细胞表观遗传重编程对细胞可塑性和基因表达的影响 | 胶质母细胞瘤干细胞和神经嵴干细胞的表观遗传特征 | 机器学习 | 脑癌 | 机器学习、深度学习、ATAC-seq、CTCF ChIP-seq、RNAPII ChIP-seq、H3K27Ac ChIP-seq、RNA-seq | XGBoost | 表观遗传数据 | 多个胶质母细胞瘤患者来源的干细胞样本 |
| 14464 | 2024-10-24 |
Nutrient Signaling-Dependent Quaternary Structure Remodeling Drives the Catalytic Activation of metazoan PASK
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.28.599394
PMID:38979257
|
研究论文 | 研究通过进化尺度序列、域映射和基于深度学习的蛋白质结构分析，揭示了多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制 | 发现了PASK中先前未被识别的第三个PAS域（PAS-C），并通过实验验证了其营养响应性，揭示了PAS-C域组装在PASK中稳定激酶催化核心的作用 | NA | 揭示多细胞生物PAS域调控激酶（PASK）中信号调节的PAS和PAC亚域组装的新机制 | 多细胞生物PAS域调控激酶（PASK）的结构和功能 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列 | 鱼、鸟和哺乳动物的PASK同源物 |
| 14465 | 2024-10-24 |
Providing context: Extracting non-linear and dynamic temporal motifs from brain activity
2024-Jun-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.27.600937
PMID:38979316
|
研究论文 | 本文提出了一种生成式非线性深度学习模型，用于从脑活动数据中提取非线性和动态的时间模式 | 本文创新性地使用了分离变分自编码器（DSVAE）来分解窗口特定信息和时间步特定信息，从而捕捉多时间尺度的差异 | NA | 研究静息态功能磁共振成像（rs-fMRI）活动的动态特性，并探索其在精神疾病诊断中的应用 | 精神分裂症患者和对照组的脑活动数据 | 计算机视觉 | 精神分裂症 | 功能磁共振成像（fMRI） | 分离变分自编码器（DSVAE） | 图像 | 精神分裂症患者和对照组的脑活动数据 |
| 14466 | 2024-10-24 |
Brain clocks capture diversity and disparity in aging and dementia
2024-Jun-25, Research square
DOI:10.21203/rs.3.rs-4150225/v1
PMID:38978575
|
研究论文 | 研究分析了多模态数据对脑年龄差距的影响，并开发了一种深度学习架构来量化这种差距 | 首次探讨了多模态多样性对脑年龄差距的影响，并开发了一种基于fMRI和EEG数据的深度学习模型 | 研究主要集中在拉丁美洲和非拉丁美洲国家的数据，可能无法全面代表全球多样性 | 理解脑健康和疾病中脑年龄与实际年龄之间的差异 | 分析多模态数据对脑年龄差距的影响，并开发一种新的深度学习模型 | 神经科学 | 痴呆症 | 功能磁共振成像（fMRI）和脑电图（EEG） | 深度学习 | 图像和信号 | 5306名参与者，来自15个国家，包括健康对照组和患有轻度认知障碍、阿尔茨海默病和行为变异型额颞叶痴呆的患者 |
| 14467 | 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 |
| 14468 | 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 |
| 14469 | 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 |
| 14470 | 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 |
| 14471 | 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 |
| 14472 | 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 |
| 14473 | 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 |
| 14474 | 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 |
| 14475 | 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 |
| 14476 | 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 |
| 14477 | 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 |
| 14478 | 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 |
| 14479 | 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 |
| 14480 | 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 |