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 17212 篇文献，本页显示第 15261 - 15280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 15261 | 2024-08-05 |
Deep learning-based approach for 3D bone segmentation and prediction of missing tooth region for dental implant planning
2024-06-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64609-0
PMID:38880802
|
研究论文 | 本研究利用U-Net模型进行牙科CBCT扫描中缺失牙齿区域的骨骼分割和植牙位置预测 | 提出了一种基于深度学习的U-Net模型，针对牙科影像分析和植牙规划进行了创新应用 | 无相关限制信息 | 研究旨在提高牙科植牙规划的自动化水平 | 研究对象为Taibah大学牙科医院2018至2023年的CBCT数据集患者 | 数字病理 | NA | CBCT | U-Net | 影像 | NA |
| 15262 | 2024-08-05 |
Detection of Parkinson disease using multiclass machine learning approach
2024-06-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64004-9
PMID:38877028
|
研究论文 | 本研究使用机器学习和深度学习技术检测帕金森病。 | 提出了一种基于语音信号特征区分帕金森病患者和健康个体的方法，包括应用KNN和FNN模型。 | 样本数量相对较少，仅包含195个语音录音。 | 旨在通过声音信号的分析，及时检测帕金森病，以便有效管理疾病。 | 研究对象为31名帕金森病患者及其语音信号。 | 机器学习 | 帕金森病 | 机器学习、深度学习 | KNN、FNN | 语音 | 195个语音录音，来自31名患者 |
| 15263 | 2024-08-05 |
Deep cell phenotyping and spatial analysis of multiplexed imaging with TRACERx-PHLEX
2024-Jun-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48870-5
PMID:38879602
|
研究论文 | 本文介绍了一种名为TRACERx-PHLEX的深度细胞表型分析和空间分析的方法 | 该研究的创新点在于开发了一个基于深度学习的自动化计算管道，能够进行细胞分割、细胞类型注释和空间分析 | 在不同组织类型、固定条件、图像大小和抗体面板的评估中可能存在局限性 | 研究旨在提供一个可重复、全面且用户友好的多重成像计算管道 | 研究对象包括不同组织类型的细胞及其空间分布 | 数字病理学 | NA | 成像质谱细胞术 | 深度学习模型 | 图像 | NA |
| 15264 | 2024-08-05 |
Biomarker-based human and animal sperm phenotyping: the good, the bad and the ugly†
2024-Jun-12, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioae061
PMID:38640912
|
review | 本综述探讨了基于生物标志物的人类和动物精子表型分析的优缺点 | 文章创新地将下一代成像流式细胞术引入人类和动物精子分析中，结合机器学习和深度学习算法以提高诊断精度 | 文章中未详细论述每种生物标志物的临床应用案例 | 提高人类与经济重要动物精子的精子表型分析的精确度 | 人类及经济重要的牲畜动物的精子标志物 | 数字病理学 | NA | 流式细胞术，生物标志物成像 | NA | NA | NA |
| 15265 | 2024-08-05 |
Critical assessment of missense variant effect predictors on disease-relevant variant data
2024-Jun-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.06.06.597828
PMID:38895200
|
研究论文 | 该文章评估了用于预测错义变体致病性的计算工具的有效性 | 该研究引入了对错义变体效应预测工具的全面评估，并与旧有方法进行了比较 | 某些预测工具在区分致病变体和非常少见的良性变体时表现较差 | 评估错义变体效应预测工具的临床和研究实用性 | 评估来自疾病相关数据库的稀有错义变体数据集中的预测工具 | 数字病理学 | NA | 深度学习 | NA | 数据集中的变体信息 | NA |
| 15266 | 2024-08-05 |
A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes
2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13770
PMID:38881051
|
研究论文 | 本研究提出了一种新的深度学习框架，通过整合成像和基因组数据来诊断黑色素瘤 | 采用结合多模态成像和基因组数据的深度神经网络进行黑色素瘤分类，可能提供比现有医学方法更可靠的诊断 | 该框架的应用需要在更大规模上进行验证，并需要更多临床试验来确立其有效性和可行性 | 研究目的是改进黑色素瘤的早期和准确诊断方法 | 研究对象为皮肤癌黑色素瘤的诊断与分类 | 计算机视觉 | 皮肤癌 | 深度神经网络 | 卷积神经网络和图神经网络 | 图像和基因组数据 | 包含皮肤镜图像、组织病理切片和基因组资料的数据集 |
| 15267 | 2024-08-05 |
Application of a novel deep learning-based 3D videography workflow to bat flight
2024-Jun, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.15143
PMID:38652595
|
研究论文 | 本文提出了一种基于深度学习的3D视频拍摄流程，以研究飞行动物的生物力学细节 | 引入了深度学习驱动的自动数字化流程，结合质量指标进行过滤和纠正错误标记点 | 研究主要集中在蝙蝠的飞行上，可能不适用于其他动物的生物力学研究 | 提高飞行动物生物力学研究的数字化效率 | 主要研究对象为蝙蝠飞行 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 四只蝙蝠 |
| 15268 | 2024-08-05 |
Perfect Match: Radiomics and Artificial Intelligence in Cardiac Imaging
2024-Jun, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.123.015490
PMID:38889216
|
综述 | 本文探讨了放射组学与人工智能在心脏影像中的协同作用 | 提出了放射组学提取医疗影像中的定量特征与深度学习技术结合的潜力 | 讨论了使用放射组学和人工智能在临床应用中的挑战和局限性 | 增强心脏影像的诊断和预后能力 | 关注心血管疾病的影像学特征 | 数字病理学 | 心血管疾病 | 放射组学，深度学习 | 深度学习 | 医疗影像 | NA |
| 15269 | 2024-08-05 |
Emotion recognition for human-computer interaction using high-level descriptors
2024-05-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59294-y
PMID:38802373
|
研究论文 | 本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别 | 通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示 | 未提供关于数据集大小和多样性的详细信息 | 研究旨在提高对旁遮普语音信号情感的识别准确性 | 旁遮普语言使用者的语音 | 自然语言处理 | NA | 深度学习 | 卷积神经网络（CNN） | 语音 | 自定义数据集，来自多种旁遮普媒体来源 |
| 15270 | 2024-08-05 |
Deep learning for automatic detection of cephalometric landmarks on lateral cephalometric radiographs using the Mask Region-based Convolutional Neural Network: a pilot study
2024-05, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.02.003
PMID:38480069
|
研究论文 | 本研究探讨了使用Mask R-CNN在侧面头影测量放射线图像中自动检测颅面地标的有效性和可行性 | 首次应用深度学习的Mask R-CNN模型自动检测颅面地标，显著提高了检测效率和准确性 | 研究仅在侧面头影测量放射线图像上进行，可能无法推广到其他类型的影像数据 | 评估Mask R-CNN在颅面分析中自动检测地标的效果 | 使用400张侧面头影测量放射线图像及其手动标记的19个地标进行研究 | 计算机视觉 | NA | Mask R-CNN | 卷积神经网络 (CNN) | 图像 | 400张侧面头影测量放射线图像，标记了1520个地标 |
| 15271 | 2024-08-05 |
Distinct chemical environments in biomolecular condensates
2024-Mar, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-023-01432-0
PMID:37770698
|
研究论文 | 这篇文章探讨了生物分子凝聚体中的不同化学环境及其对分子分布的影响 | 文章首次表明不同的生物分子凝聚体具有独特的化学溶剂特性，并且可以通过深度学习方法预测探针在这些凝聚体内的选择性分配 | 在古典条件下对背景环境的影响未能详细探讨 | 研究无膜生物分子聚集体中分子的选择性包含机制 | 重点研究不同类型的生物分子凝聚体及其化学环境 | 数字病理学 | NA | 深度学习 | NA | 小分子探针 | NA |
| 15272 | 2024-08-05 |
Prediction of protein-ligand binding affinity via deep learning models
2024-Jan-22, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae081
PMID:38446737
|
评论 | 本文概述了用于预测蛋白质-配体结合亲和力的计算方法，特别是基于深度学习的模型 | 文章探讨了深度学习模型在蛋白质-配体结合亲和力预测中的应用及其面临的挑战 | 当前的深度学习模型由于数据库质量低、输入表示不准确和模型架构不合适而存在局限性 | 研究蛋白质-配体结合亲和力的预测方法，以优化药物筛选 | 主要研究蛋白质与配体之间的结合亲和力 | 计算机辅助药物设计 | NA | 深度学习 | NA | 数据表 | NA |
| 15273 | 2024-08-05 |
Corrigendum: Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1433346
PMID:38846979
|
更正 | 该文章更正了之前发表的有关深度学习或基于CT的放射组学在预测胃癌对新辅助化疗反应的研究 | NA | NA | NA | NA | NA | 胃癌 | NA | NA | NA | NA |
| 15274 | 2024-08-05 |
Classification of white blood cells (leucocytes) from blood smear imagery using machine and deep learning models: A global scoping review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0292026
PMID:38885231
|
评论 | 本文综述了机器学习和深度学习在血液涂片图像中白血球分类中的应用 | 首次系统评估机器学习和深度学习技术在白血球分类中的比较与选择 | 缺乏适当的数据集仍然是主要挑战，且对计算机科学研究人员的医学培训不够充分 | 全面识别、探索和对比白血球分类的机器学习和深度学习方法 | 136项关于白血球分类的基础研究 | 机器学习 | 血液疾病 | NA | CNN | 图像 | 136项研究，涵盖26个国家 |
| 15275 | 2024-08-05 |
Biomarkers and computational models for predicting efficacy to tumor ICI immunotherapy
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1368749
PMID:38524135
|
综述 | 本文综合评述了肿瘤免疫检查点抑制剂（ICI）免疫治疗的预测性生物标志物和计算模型的最新进展 | 强调了增强程序性死亡蛋白1（PD-1）/程序性死亡配体1（PD-L1）和细胞毒性T淋巴细胞抗原4（CTLA-4）抑制剂疗法的有效性的生物标志物，并讨论了相关技术和模型 | 未提及具体研究限制 | 探索ICI免疫治疗的预测性生物标志物和计算模型 | 生物标志物来源于肿瘤细胞、肿瘤免疫微环境、体液、肠道微生物和代谢产物 | 数字病理学 | 肿瘤 | NA | 知识基础机制模型和数据基础机器学习模型 | NA | NA |
| 15276 | 2024-08-05 |
Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1363812
PMID:38601765
|
meta-analysis | 本研究评估了人工智能模型、临床模型和综合模型在预测胃癌患者对新辅助化疗反应的准确性 | 比较了AI模型、临床模型和综合模型在预测胃癌化疗反应中的效果，并分析了各模型的灵敏度和特异性 | 该研究的限制在于异质性分析结果可能受到多个因素的影响，如预测反应的方法和标准的选择 | 研究的目的是识别AI模型的诊断测试，并通过比较各种模型的准确性来优化预测方法 | 研究对象为3313名胃癌患者，涉及9项研究 | 机器学习 | 胃癌 | CT | 人工智能模型 | 数据集 | 3313名患者，7项头对头对比研究涉及2699名患者 |
| 15277 | 2024-08-05 |
Deep learning-based fast volumetric imaging using kV and MV projection images for lung cancer radiotherapy: A feasibility study
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16377
PMID:36939395
|
研究论文 | 该研究提出了一种快速体积成像方法，用于肺癌放射治疗，旨在减少获取时间并提高治疗的准确性 | 创新点在于结合了2D和3D网络，以快速生成高质量的3D成像，并增强了图像的一致性和准确性 | 结果基于模拟数据和真实设备的幻影结果，未进行在临床环境下的全面验证 | 研究旨在开发一种有效的体积成像方法，以提高肺癌放射治疗的准确性和效率 | 研究对象为50名肺癌患者，通过对每个相位的CT进行射线追踪生成正交的kV和MV成像对 | 数字病理 | 肺癌 | 正交kV/MV成像 | 结合2D和3D网络的模型 | 图像 | 50名肺癌患者 |
| 15278 | 2024-08-05 |
An X-Ray C-Arm Guided Automatic Targeting System for Histotripsy
2023-02, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2022.3198600
PMID:35984807
|
研究论文 | 本研究提出了一种基于CBCT的自动靶向系统用于非侵入性治疗癌症的Histotripsy技术。 | 提出了一种替代超声成像的X射线C臂靶向方法，结合深度学习和数字模型提高靶点定位精度。 | 实验主要在验证物模型上进行，临床应用的准确性和效果尚待进一步验证。 | 探讨CBCT在Histotripsy靶向中的应用，提升靶点定位的准确性和自动化程度。 | 研究主要针对肿瘤靶点的精准定位与治疗技术。 | 数字病理学 | 癌症 | CBCT | 深度学习 | 影像 | 在虚拟模型实验中评估了靶向精度 |
| 15279 | 2024-08-05 |
Spatial transcriptomics inferred from pathology whole-slide images links tumor heterogeneity to survival in breast and lung cancer
2020-11-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-020-75708-z
PMID:33139755
|
研究论文 | 该文章探讨了如何利用病理全切片图像的数字分析来链接肿瘤异质性与乳腺癌和肺癌的生存率 | 提出了一种通过深度学习模型空间解析mRNA和miRNA表达水平的方法，并开发了肿瘤异质性指标（HTI） | 现有的分析方法对训练样本数量和复杂流程的依赖性较高 | 研究肿瘤异质性如何影响癌症预后和治疗反应 | 乳腺癌和肺癌切片 | 数字病理学 | 乳腺癌, 肺癌 | 深度学习 | NA | 病理全切片图像 | 使用少量训练样本对两个癌症队列进行评估 |
| 15280 | 2024-08-05 |
A primer on deep learning in genomics
2019-01, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-018-0295-5
PMID:30478442
|
研究论文 | 本论文提供了深度学习在基因组学应用的概述和入门指南 | 探讨了深度学习方法在调控基因组学、变异调用和致病性评分中的成功应用 | 未提及具体的限制 | 研究深度学习在基因组分析中的应用 | 涵盖了基因组分析相关的深度学习应用 | 机器学习 | NA | 深度学习 | NA | 大数据集 | NA |