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 24022 篇文献，本页显示第 19781 - 19800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19781 | 2024-08-07 |
Cascaded deep transfer learning on thoracic CT in COVID-19 patients treated with steroids
2021-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.8.S1.014501
PMID:33415179
|
研究论文 | 本文开发了一种机器智能方法，利用级联深度迁移学习从胸部CT扫描中提取特征，以辅助管理接受激素治疗的COVID-19患者 | 采用级联迁移学习方法，通过微调VGG19网络从胸部CT切片中提取量化特征，并使用支持向量机区分是否需要激素治疗的患者 | NA | 开发一种机器智能方法，用于辅助管理接受激素治疗的COVID-19患者 | COVID-19患者接受激素治疗的胸部CT扫描 | 计算机视觉 | COVID-19 | 迁移学习 | VGG19网络 | CT扫描图像 | NA |
| 19782 | 2024-08-07 |
Deep-learning based multi-modal retinal image registration for the longitudinal analysis of patients with age-related macular degeneration
2021-Jan-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.408573
PMID:33520392
|
研究论文 | 本研究报告了一种基于深度学习的注册算法，用于对来自纵向临床研究的多模态视网膜图像进行对齐，以实现对大规模临床数据中结构变化分析所需的准确性和鲁棒性 | 提出的深度学习方法在所有模态中实现了优越的整体性能，没有出现传统方法中的重大失败，并且在多模态注册中表现出更好的鲁棒性 | 深度学习方法在单模态纵向注册中的平均误差略高于传统特征点方法 | 开发一种能够准确且鲁棒地对齐多模态视网膜图像的深度学习算法，以促进对视网膜疾病进展的详细研究 | 多模态视网膜图像的注册 | 计算机视觉 | 年龄相关性黄斑变性 | 深度学习 | CNN | 图像 | 大规模临床数据 |
| 19783 | 2024-08-07 |
Acoustic and Language Based Deep Learning Approaches for Alzheimer's Dementia Detection From Spontaneous Speech
2021, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2021.623607
PMID:33613269
|
研究论文 | 本文通过重新实现使用CNN-LSTM架构的自然语言处理方法，并设计了一种端到端的深度学习解决方案，用于从患者的自发言语中进行阿尔茨海默病痴呆的二元分类 | 提出了一种结合声学特征的深度学习方法Speech-GRU，提高了分类准确率，并探讨了双模态方法在阿尔茨海默病分类中的应用 | 现有模型在ADReSS数据集上的准确率仅为72.92%，低于在DementiaBank数据集上的表现 | 早期检测阿尔茨海默病痴呆 | 从自发言语中检测阿尔茨海默病痴呆 | 自然语言处理 | 阿尔茨海默病 | CNN-LSTM架构 | CNN-LSTM, Speech-GRU | 自发言语 | 使用ADReSS数据集 |
| 19784 | 2024-08-07 |
Artificial Intelligence, Radiomics, and Deep Learning in Neuro-Oncology
2020-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdaa179
PMID:33521635
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19785 | 2024-08-07 |
Optical techniques, computed tomography and deep learning role in the diagnosis of COVID-19 pandemic towards increasing the survival rate of vulnerable populations
2020-09, Photodiagnosis and photodynamic therapy
IF:3.1Q2
DOI:10.1016/j.pdpdt.2020.101880
PMID:32562732
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19786 | 2024-08-07 |
Neural network-based identification of patients at high risk for intraoperative cerebrospinal fluid leaks in endoscopic pituitary surgery
2020-08-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2019.4.JNS19477
PMID:31226693
|
研究论文 | 研究使用基于神经网络的模型来识别内镜下经鼻蝶手术中高风险发生脑脊液漏的患者 | 开发了一种基于深度学习的预测模型，能够准确识别高风险患者，提高了预测的准确性和敏感性 | NA | 研究是否可以使用基于神经网络的模型可靠地识别高风险患者 | 内镜下经鼻蝶手术中发生脑脊液漏的风险 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | 154名接受内镜下经鼻蝶手术的患者 |
| 19787 | 2024-08-07 |
Artificial Intelligence in Dentistry: Chances and Challenges
2020-07, Journal of dental research
IF:5.7Q1
DOI:10.1177/0022034520915714
PMID:32315260
|
综述 | 本文综述了人工智能在牙科诊断、治疗规划和执行中的应用、局限性和未来潜力 | 探讨了人工智能在牙科领域的应用如何简化护理流程，减轻牙科工作者的日常劳动，提高健康水平并降低成本 | 当前人工智能解决方案在牙科常规实践中应用有限，主要原因包括数据可用性、结构和全面性的限制，方法学严谨性和标准的缺乏，以及实际应用中的价值和有用性问题 | 探讨人工智能在牙科领域的应用及其未来发展 | 牙科诊断、治疗规划、执行以及牙科研究和发现 | 机器学习 | NA | 深度学习 | 多层数学操作 | 图像 | NA |
| 19788 | 2024-08-07 |
Artifact removal from neurophysiological signals: impact on intracranial and arterial pressure monitoring in traumatic brain injury
2020-06-01, Journal of neurosurgery
IF:3.5Q1
DOI:10.3171/2019.2.JNS182260
PMID:31075774
|
研究论文 | 本文通过深度学习技术消除神经生理信号中的伪影，特别是颅内压和动脉血压监测中的伪影，以提高创伤性脑损伤患者临床参数的预测能力 | 提出了一种基于堆叠卷积自编码器和卷积神经网络的模型，有效消除了颅内压和动脉血压信号中的伪影 | NA | 消除颅内压和动脉血压监测中的信号伪影，评估伪影消除后临床参数的预测能力变化 | 创伤性脑损伤患者的颅内压和动脉血压信号 | 机器学习 | 创伤性脑损伤 | 深度学习 | 堆叠卷积自编码器和卷积神经网络 | 信号 | 309名创伤性脑损伤患者 |
| 19789 | 2024-08-07 |
Artificial Intelligence in COPD: New Venues to Study a Complex Disease
2020 May-Dec, Barcelona respiratory network reviews
DOI:10.23866/BRNRev:2019-0014
PMID:33521399
|
综述 | 本文综述了人工智能（AI）在慢性阻塞性肺疾病（COPD）研究中的应用及其带来的新机遇 | AI在临床决策自动化、放射学解释和预测方面的显著成果，以及在COPD复杂系统理解与建模中的应用 | 讨论了AI在COPD应用中的挑战和局限性 | 探索AI在COPD研究中的应用及其潜力 | COPD这一复杂且异质性疾病 | 机器学习 | 慢性阻塞性肺疾病 | AI | 深度学习 | 临床数据、影像数据和分子数据 | NA |
| 19790 | 2024-08-07 |
Preliminary development of a deep learning-based automated primary headache diagnosis model using Japanese natural language processing of medical questionnaire
2020, Surgical neurology international
DOI:10.25259/SNI_827_2020
PMID:33500813
|
研究论文 | 本文初步开发了一种基于深度学习的自动化原发性头痛诊断模型，使用日本自然语言处理技术处理医疗问卷中的非结构化句子 | 该模型通过深度学习框架处理医疗问卷中的非结构化句子，旨在减少医生和患者的时间和负担，并提高他们的生活质量 | NA | 解决日本原发性头痛治疗中医疗资源不足的问题 | 原发性头痛患者 | 自然语言处理 | 头痛 | 深度学习 | DL框架 | 文本 | 848名原发性头痛患者（495名女性和353名男性） |
| 19791 | 2024-08-07 |
A Deep Learning-Based Approach for Identifying the Medicinal Uses of Plant-Derived Natural Compounds
2020, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2020.584875
PMID:33519445
|
研究论文 | 本文提出了一种基于深度学习的方法，用于识别植物衍生天然化合物的药用用途 | 利用深度学习处理大量异构药物和天然化合物数据，有效利用异构特征缓解信息不完整问题 | NA | 开发一种新方法以减少确认天然化合物生物活性所需的时间和成本 | 植物衍生天然化合物及其药用用途 | 机器学习 | NA | 深度学习 | 深度学习模型 | 数据 | 4,507种天然化合物和2,882种已批准和研究中的药物 |
| 19792 | 2024-08-07 |
The Era of Radiogenomics in Precision Medicine: An Emerging Approach to Support Diagnosis, Treatment Decisions, and Prognostication in Oncology
2020, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2020.570465
PMID:33575207
|
研究论文 | 本文综述了放射基因组学在精准医学中的应用，探讨了其在肿瘤诊断、治疗决策和预后评估中的作用 | 放射基因组学结合了大量从医学图像中提取的定量数据与个体基因组表型，通过深度学习构建预测模型，为个性化医疗提供了新的科学方法 | 放射基因组学的工作流程标准和国际统一的统计方法指南需要进一步确认 | 探讨放射基因组学在肿瘤学中的应用，支持诊断、治疗决策和预后评估 | 放射基因组学在不同类型肿瘤中的预测价值 | 数字病理学 | 肿瘤 | 深度学习 | 深度学习模型 | 医学图像数据和基因组数据 | NA |
| 19793 | 2024-08-07 |
Descriptor Free QSAR Modeling Using Deep Learning With Long Short-Term Memory Neural Networks
2019, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2019.00017
PMID:33733106
|
研究论文 | 本研究探索了在不使用预计算描述符的情况下，利用长短期记忆（LSTM）神经网络构建高质量可解释的QSAR模型的前景 | 使用LSTM神经网络直接从SMILES代码或新开发的线性分子表示法中训练模型，提高了对训练集中不相似化合物的预测能力 | NA | 研究使用LSTM神经网络构建无需预计算描述符的QSAR模型的可行性 | QSAR模型的构建方法及其在不同数据集上的应用 | 机器学习 | NA | LSTM神经网络 | LSTM | 文本 | 训练集包含7,866至31,919个化合物 |
| 19794 | 2024-08-07 |
Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.05.024
PMID:38827235
|
评论 | 本文综述了基于深度学习的分子对接姿势选择的最新进展与挑战 | 提出了两种新开发的基于深度学习的姿势选择器 | 当前对接程序使用的评分函数参数化的设计限制了正确识别配体本征结合构象的能力 | 探讨基于深度学习的对接姿势选择方法的发展及未来方向 | 本文讨论了分子对接中配体与其靶标结合方式的选择 | 数字病理学 | NA | 深度学习 | NA | 结构数据 | NA |
| 19795 | 2024-08-06 |
An efficient method for disaster tweets classification using gradient-based optimized convolutional neural networks with BERT embeddings
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102843
PMID:39101121
|
研究论文 | 提出了一种基于BERT嵌入的卷积神经网络（CNN）模型，用于有效分类与灾难相关的推特 | 提出了结合BERT嵌入和基于梯度的优化技术的CNN模型，以提高灾难推特分类的准确性 | 目前所用的模型和方法可能在其他非灾难推特的分类上表现不佳 | 研究旨在开发有效的方法以分类与灾难相关的真实和虚假推特 | 研究对象为在Twitter平台上讨论的关于灾难情景的推特 | 自然语言处理 | NA | BERT嵌入 | CNN | 文本 | NA |
| 19796 | 2024-08-06 |
Corrigendum to "Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities" [Comput Struct Biotechnol J vol. 23 (2024) 2141-2151]
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.07.001
PMID:39100805
|
更正 | 这篇文章是对之前论文的更正。 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19797 | 2024-08-07 |
GraphEGFR: Multi-task and transfer learning based on molecular graph attention mechanism and fingerprints improving inhibitor bioactivity prediction for EGFR family proteins on data scarcity
2024-Sep-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27388
PMID:38713612
|
研究论文 | 本研究介绍了GraphEGFR，一个用于增强分子表示和模型架构的深度学习回归模型，以预测针对EGFR家族蛋白的抑制剂生物活性 | 创新点在于使用图注意力机制与深度卷积神经网络相结合，提升了小规模数据下的生物活性预测能力 | 深度学习在小数据集上的应用面临过拟合风险，这是本研究的局限之一 | 研究旨在解决与EGFR家族蛋白相关的癌症药物发现中的挑战 | 研究对象包括野生型和突变型EGFR家族蛋白的抑制剂 | 机器学习 | 肿瘤 | 深度学习 | 图神经网络 | 分子图 | NA |
| 19798 | 2024-08-07 |
Revolutionizing breast cancer Ki-67 diagnosis: ultrasound radiomics and fully connected neural networks (FCNN) combination method
2024-Sep, Breast cancer research and treatment
IF:3.0Q2
DOI:10.1007/s10549-024-07375-x
PMID:38853220
|
研究论文 | 本研究评估了超声肿瘤栖息地子区域的放射组学特征参数在乳腺癌Ki-67状态诊断中的价值 | 结合L1,2范数与全连接神经网络(FCNN)算法的使用，提供了一种新的诊断方法 | 目前的研究仅限于特定医院的数据，样本的多样性可能影响结果的推广性 | 研究乳腺癌患者中Ki-67状态的诊断价值 | 528例和232例来自两个不同医院的女性乳腺癌患者的超声图像 | 数字病理学 | 乳腺癌 | 深度学习 | 全连接神经网络(FCNN) | 图像 | 528例和232例乳腺癌患者的超声图像 |
| 19799 | 2024-08-07 |
Enhancing the reliability of deep learning-based head and neck tumour segmentation using uncertainty estimation with multi-modal images
2024-Aug-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad682d
PMID:39059432
|
研究论文 | 本研究探讨了使用多模态图像的不确定性估计方法在提高头颈部肿瘤自动分割可靠性的效果 | 本研究引入了不确定性估计方法，通过提供校准的置信区间来提高深度学习在头颈部癌症自动分割中的可靠性 | 研究中未提及具体的局限性 | 研究目的是评估不同不确定性估计方法在提高头颈部癌症肿瘤分割可靠性方面的效果 | 研究对象为567名头颈部癌症患者的多模态图像及其临床肿瘤轮廓 | 计算机视觉 | 头颈部癌症 | 深度学习 | nnUNet 3D分割模型 | 多模态图像（CT、PET、T1-和T2-加权MRI） | 567名头颈部癌症患者 |
| 19800 | 2024-08-07 |
Comprehensive mapping and modelling of the rice regulome landscape unveils the regulatory architecture underlying complex traits
2024-Aug-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50787-y
PMID:39095348
|
研究论文 | 本文呈现了水稻的综合调控组图谱，揭示了复杂性状背后的调控结构 | 提出了水稻的调控组图谱，发现了117,176个独特的开放染色质区域，及其与基因的关联 | 研究仅限于三种代表性水稻品种，可能无法全面适用于所有水稻品种 | 揭示调控复杂性状的调控机制，以促进作物改良 | 水稻（Oryza sativa）的23种不同组织 | 数字基因组学 | NA | RNA-seq | 深度学习模型 | 基因组数据 | 23种组织 |