深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 66 篇文献，本页显示第 61 - 66 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-08-19 |
Protein structure prediction using deep learning distance and hydrogen-bonding restraints in CASP14
2021-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26193
PMID:34331351
|
研究论文 | 本文报告了CASP14中两个最佳服务器（“Zhang-Server”和“QUARK”）的3D结构预测结果，这些服务器基于D-I-TASSER和D-QUARK算法，集成了四个新开发组件到经典的蛋白质折叠流程中 | 引入了新的多序列比对工具DeepMSA2、接触基域边界预测算法FUpred、基于残差卷积神经网络的方法DeepPotential以及优化的空间约束能量势，显著提高了蛋白质结构预测的准确性 | 当前流程在多域蛋白质建模和寡聚体复合物中的蛋白质域建模方面仍存在挑战，特别是域间距离预测的准确性较低 | 提高蛋白质结构预测的准确性 | 蛋白质的3D结构 | 机器学习 | NA | 深度学习 | 残差卷积神经网络 | 多序列比对数据 | 37个FM目标 | NA | NA | NA | NA |
| 62 | 2024-08-19 |
Protein inter-residue contact and distance prediction by coupling complementary coevolution features with deep residual networks in CASP14
2021-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26211
PMID:34382712
|
research paper | 本文报道并分析了在第14届蛋白质结构预测关键评估（CASP14）中，通过结合互补的共进化特征与深度残差网络进行蛋白质接触和距离预测的方法 | 采用了一种新的基于深度学习的接触/距离预测器，该预测器基于两个互补共进化特征的集成与深度残差网络的结合，并改进了多序列比对（MSA）生成协议 | NA | 旨在提高蛋白质接触和距离预测的准确性 | 蛋白质接触和距离预测 | machine learning | NA | 深度学习 | 深度残差网络 | 序列数据 | 22个CASP14自由建模（FM）目标和14个FM/模板辅助建模（TBM）目标 | NA | NA | NA | NA |
| 63 | 2024-08-07 |
Advanced Feature Extraction and Selection Approach Using Deep Learning and Aquila Optimizer for IoT Intrusion Detection System
2021-Dec-26, Sensors (Basel, Switzerland)
DOI:10.3390/s22010140
PMID:35009682
|
研究论文 | 本文开发了一种新的特征提取和选择方法，利用深度学习和Aquila优化器为物联网入侵检测系统提供支持 | 提出了一种基于群智能算法Aquila优化器的特征选择方法，并结合卷积神经网络进行特征提取 | NA | 开发新的特征提取和选择方法，提高物联网入侵检测系统的性能 | 物联网入侵检测系统 | 机器学习 | NA | 深度学习 | CNN | 数据集 | 使用了四个知名公共数据集：CIC2017, NSL-KDD, BoT-IoT, 和 KDD99 | NA | NA | NA | NA |
| 64 | 2024-08-07 |
Low-dose CT reconstruction with Noise2Noise network and testing-time fine-tuning
2021-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.15101
PMID:34791655
|
研究论文 | 本文提出了一种基于深度学习的低剂量CT图像重建算法，该算法无需使用正常剂量的图像进行训练 | 提出的Noise2Noise网络在迭代重建过程中进行微调，无需清洁图像进行网络训练，且在测试时进行微调以优化每次重建 | NA | 开发一种无需清洁图像进行训练的低剂量CT图像重建算法 | 低剂量CT图像重建 | 计算机视觉 | NA | Noise2Noise网络 | 深度神经网络 | 图像 | 使用2016年低剂量CT挑战数据集进行验证 | NA | NA | NA | NA |
| 65 | 2024-08-07 |
Open Source Software for Automatic Subregional Assessment of Knee Cartilage Degradation Using Quantitative T2 Relaxometry and Deep Learning
2021-12, Cartilage
IF:2.7Q1
DOI:10.1177/19476035211042406
PMID:34496667
|
研究论文 | 本文评估了一种全自动股骨软骨分割模型，用于测量T2弛豫值和纵向变化，并开发了一个开源的网络应用程序，用户可以拖放图像进行自动分割 | 开发了一个全自动的股骨软骨分割模型，并将其开源，提供了一个用户友好的网络应用程序 | NA | 评估全自动股骨软骨分割模型在测量T2弛豫值和纵向变化中的准确性 | 股骨软骨的分割和T2弛豫值的测量 | 计算机视觉 | NA | 多回波自旋回波（MESE）磁共振成像（MRI） | 神经网络 | 图像 | 28张测试图像，其中14张由第二位专家评估 | NA | NA | NA | NA |
| 66 | 2024-08-07 |
Patch individual filter layers in CNNs to harness the spatial homogeneity of neuroimaging data
2021-12-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-03785-9
PMID:34961762
|
研究论文 | 本文提出了一种新的卷积神经网络（CNN）架构，通过引入补丁个体滤波器（PIF）层来利用神经影像数据的 spatial homogeneity | 首次在CNN中引入先验的归纳偏置，以利用神经影像数据的 spatial homogeneity | NA | 探索如何通过新的CNN架构提高神经影像数据处理的效率和准确性 | 神经影像数据的性别分类、阿尔茨海默病检测和多发性硬化症检测 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | 使用了UK Biobank数据、ADNI数据和私人医院数据进行评估 | NA | NA | NA | NA |