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 99 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2024-08-29 |
The next step in deep learning-guided clinical trials
2022-Apr, Nature cardiovascular research
IF:9.4Q1
DOI:10.1038/s44161-022-00044-6
PMID:39196129
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 42 | 2024-08-28 |
Research on the Coordinate Attention Mechanism Fuse in a YOLOv5 Deep Learning Detector for the SAR Ship Detection Task
2022-Apr-28, Sensors (Basel, Switzerland)
DOI:10.3390/s22093370
PMID:35591063
|
研究论文 | 研究了将坐标注意力（CA）机制模块与YOLOv5检测器融合的问题，提出了一种新的轻量级端到端目标检测框架YOLO-CASS，用于SAR船舶目标检测任务 | 提出了一种新的轻量级端到端目标检测框架YOLO-CASS，该框架在YOLOv5的主干网络中合适位置融合了CA模块，显著提高了效率和性能 | NA | 优化轻量级模型，为SAR图像在轨处理提供解决方案 | SAR船舶目标检测任务 | 机器学习 | NA | 深度学习 | YOLOv5 | 图像 | 使用了SSDD合成孔径雷达（SAR）遥感图像进行实验 | NA | NA | NA | NA |
| 43 | 2024-08-28 |
LM-GVP: an extensible sequence and structure informed deep learning framework for protein property prediction
2022-04-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-10775-y
PMID:35477726
|
研究论文 | 本研究开发了一种名为LM-GVP的新型深度学习框架，结合蛋白质语言模型和图神经网络，用于基于蛋白质的序列和结构预测其性质 | LM-GVP框架能够利用蛋白质的1D氨基酸序列和3D结构信息，在多种性质预测任务中超越了现有技术 | NA | 开发一种能够利用蛋白质序列和结构信息预测其性质的深度学习框架 | 蛋白质的性质预测，包括荧光性、蛋白酶稳定性和基因本体论中的蛋白质功能 | 机器学习 | NA | 深度学习 | 图神经网络 | 序列和结构数据 | NA | NA | NA | NA | NA |
| 44 | 2024-08-28 |
Predicting perinatal health outcomes using smartphone-based digital phenotyping and machine learning in a prospective Swedish cohort (Mom2B): study protocol
2022-04-27, BMJ open
IF:2.4Q1
DOI:10.1136/bmjopen-2021-059033
PMID:35477874
|
研究论文 | 本研究旨在利用Mom2B智能手机应用中的数字表型数据，通过机器学习技术预测高风险孕妇的心理和身体并发症 | 利用智能手机应用收集的主动和被动数据来建立参与者的数字表型，并应用先进的机器学习和深度学习技术预测围产期抑郁症和早产 | NA | 预测高风险孕妇的心理和身体并发症，以便早期干预 | 瑞典语的孕妇或产后三个月内的女性 | 机器学习 | NA | 机器学习和深度学习 | 算法 | 多模态数据 | 至少5000名参与者 | NA | NA | NA | NA |
| 45 | 2024-08-28 |
Machine learning to predict pregnancy outcomes: a systematic review, synthesizing framework and future research agenda
2022-Apr-22, BMC pregnancy and childbirth
IF:2.8Q1
DOI:10.1186/s12884-022-04594-2
PMID:35546393
|
综述 | 本文综述了利用机器学习技术预测分娩方式和识别孕期潜在母体风险的研究进展 | 提出了一个概念框架，用于推进基于机器学习的母体健康护理系统，并探讨了未来研究方向，如利用无监督和深度学习算法进行预测，开发基于机器学习的临床决策支持系统等 | NA | 探索利用机器学习技术预测最佳分娩方式和检测分娩并发症的研究和发展视角 | 孕期结果和分娩并发症 | 机器学习 | NA | 机器学习 | NA | NA | 26篇文章 | NA | NA | NA | NA |
| 46 | 2024-08-28 |
CTT: CNN Meets Transformer for Tracking
2022-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s22093210
PMID:35590900
|
研究论文 | 本文提出了一种结合CNN和Transformer的跟踪器CTT，通过引入残差Transformer结构和自注意力机制，增强了目标跟踪中的全局和上下文依赖性 | 引入了包含自注意力机制的编码器-解码器结构的残差Transformer，替代传统的交叉相关性，增强了全局注意力信息的传递 | NA | 改进基于深度学习的目标跟踪算法，提高跟踪的准确性和鲁棒性 | 目标跟踪中的特征融合和特征匹配 | 计算机视觉 | NA | CNN, Transformer | CNN, Transformer | 图像 | 在GOT-10k, VOT2019, OTB-100, LaSOT, NfS, UAV123和TrackingNet等多个基准上进行了评估 | NA | NA | NA | NA |
| 47 | 2024-08-28 |
Deep-Learning-Assisted Focused Ion Beam Nanofabrication
2022-04-13, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.1c04604
PMID:35324209
|
研究论文 | 本文展示了利用深度学习从以往制造经验中预测聚焦离子束（FIB）铣削制造结构的后制造外观，准确率超过96% | 提出了一种利用深度学习技术预测FIB铣削制造结构后制造外观的方法，显著提高了优化过程的速度和可重复性 | NA | 探索深度学习在聚焦离子束纳米制造中的应用，以加速优化过程并提高可重复性 | 聚焦离子束铣削制造的结构及其后制造外观 | 机器学习 | NA | 聚焦离子束（FIB）铣削 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 48 | 2024-08-28 |
Harnessing Deep Learning for Optimization of Lennard-Jones Parameters for the Polarizable Classical Drude Oscillator Force Field
2022-Apr-12, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c00115
PMID:35362975
|
研究论文 | 本研究开发了一种基于深度学习的参数化框架，用于优化极化经典Drude振子力场中的Lennard-Jones参数，以提高分子模拟的准确性 | 利用深度学习技术优化Lennard-Jones参数，以更好地模拟实验凝聚相热力学性质，并提高分子模拟的准确性 | NA | 优化分子模拟中的Lennard-Jones参数，以提高计算化学和生物学研究的准确性 | 涉及四种不同组别的10种原子类型的Lennard-Jones参数 | 计算化学 | NA | 深度学习 | NA | 实验凝聚相热力学性质数据 | 涉及10种原子类型 | NA | NA | NA | NA |
| 49 | 2024-08-28 |
DGCyTOF: Deep learning with graphic cluster visualization to predict cell types of single cell mass cytometry data
2022-04, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1008885
PMID:35404970
|
研究论文 | 本文介绍了一种名为DGCyTOF的新型集成嵌入可视化方法，用于识别单细胞质谱流式数据中的经典和新细胞类型 | DGCyTOF结合了深度学习分类和层次稳定聚类方法，通过三层结构识别已知和新细胞类型，并开发了3D可视化平台显示细胞聚类 | NA | 开发一种新的集成嵌入可视化方法，用于提高单细胞质谱流式数据中细胞类型识别的准确性和速度 | 单细胞质谱流式数据中的细胞类型识别 | 机器学习 | NA | CyTOF | 深度学习模型 | 单细胞质谱流式数据 | 涉及两个基准CyTOF数据库，共4300万个细胞 | NA | NA | NA | NA |
| 50 | 2024-08-28 |
Deep neural network classification of in vivo burn injuries with different etiologies using terahertz time-domain spectral imaging
2022-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.452257
PMID:35519269
|
研究论文 | 本研究展示了使用太赫兹时域光谱成像技术结合深度神经网络分类算法，能够准确区分不同病因导致的活体烧伤程度 | 本研究首次使用太赫兹便携式手持光谱反射扫描仪结合深度神经网络算法，无需超光谱特征提取，直接利用预处理的太赫兹光谱进行烧伤分类 | NA | 旨在提高烧伤分类的准确性，以指导临床治疗计划 | 不同病因导致的活体烧伤 | 机器学习 | 烧伤 | 太赫兹时域光谱（THz-TDS） | 深度神经网络 | 光谱 | NA | NA | NA | NA | NA |
| 51 | 2024-08-28 |
A review on machine learning and deep learning for various antenna design applications
2022-Apr, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2022.e09317
PMID:35520616
|
综述 | 本文详细讨论了机器学习和深度学习在多种天线设计应用中的应用 | 机器学习和深度学习在天线设计中的应用提高了覆盖范围和频谱效率，加速了设计过程，减少了模拟次数，并提高了计算可行性 | NA | 探讨机器学习和深度学习在不同天线设计应用中的可行性和效果 | 毫米波、体中心、太赫兹、卫星、无人机、全球定位系统和纺织品等天线应用 | 机器学习 | NA | 机器学习, 深度学习 | NA | 数据 | NA | NA | NA | NA | NA |
| 52 | 2024-08-28 |
Real-world analysis of manual editing of deep learning contouring in the thorax region
2022-Apr, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2022.04.008
PMID:35602549
|
研究论文 | 评估深度学习轮廓技术在胸部区域放射治疗中的用户调整情况，以了解临床实践中实际编辑的情况 | 识别了胸部区域每个危及器官的具体调整区域，并发现针对特定临床指征需要单独的模型，这与训练数据不同 | NA | 评估深度学习轮廓技术在临床实践中的实际表现 | 肺部和乳腺癌患者的危及器官自动轮廓技术后的手动调整 | 数字病理学 | 肺部和乳腺癌 | 深度学习轮廓技术 | NA | 影像 | 350名肺部癌症患者和362名乳腺癌患者 | NA | NA | NA | NA |
| 53 | 2024-08-27 |
Continuous monitoring of surgical bimanual expertise using deep neural networks in virtual reality simulation
2022-Apr-26, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-022-00596-8
PMID:35473961
|
research paper | 本文介绍了一种智能连续技能监控系统（ICEMS），利用深度学习技术在虚拟现实模拟中以0.2秒间隔评估外科手术双手操作技能 | ICEMS系统能够成功区分不同训练阶段的外科医生和学生，并能进行关键指标的辅导和风险评估 | NA | 开发一种连续评估外科手术技能的系统，以提供实时反馈和错误避免指导 | 外科手术双手操作技能的评估 | machine learning | NA | deep learning | LSTM | virtual reality simulation data | 156个虚拟模拟肿瘤切除任务，144个手术程序 | NA | NA | NA | NA |
| 54 | 2024-08-27 |
AutoCoV: tracking the early spread of COVID-19 in terms of the spatial and temporal patterns from embedding space by K-mer based deep learning
2022-Apr-25, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-022-04679-x
PMID:35468739
|
研究论文 | 本文提出了一种基于K-mer的深度学习方法AutoCoV，用于追踪COVID-19早期传播的空间和时间模式 | AutoCoV是首个从基因组序列中学习病毒传播模式的方法 | NA | 追踪COVID-19早期传播的空间和时间模式 | COVID-19病毒的传播模式 | 机器学习 | COVID-19 | 深度学习 | 深度学习方法 | 基因组序列 | 来自NCBI和GISAID数据集的SARS-CoV-2序列 | NA | NA | NA | NA |
| 55 | 2024-08-27 |
Prediction of multiple pH compartments by deep learning in magnetic resonance spectroscopy with hyperpolarized 13C-labelled zymonic acid
2022-Apr-23, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-022-00894-y
PMID:35460436
|
研究论文 | 本文研究了使用深度学习方法在超极化13C标记的酒石酸磁共振波谱中预测多个pH隔室的可行性 | 提出使用卷积神经网络（CNN）和多层感知器（MLP）来改进超极化酒石酸波谱中多个pH隔室的预测，相较于传统线性拟合方法，CNN表现出更优越的性能 | 超极化13C-MRSI数据集通常较小，这可能限制了深度学习模型的训练效果 | 探索深度学习方法在超极化磁共振波谱成像（MRSI）中对多个pH隔室的预测能力 | 超极化13C标记的酒石酸波谱中的多个pH隔室 | 机器学习 | NA | 超极化磁共振波谱成像（MRSI） | 卷积神经网络（CNN）和多层感知器（MLP） | 波谱数据 | 从健康小鼠肾脏获取的八个真实数据集和合成数据集 | NA | NA | NA | NA |
| 56 | 2024-08-27 |
CRISPR-Cas9 gRNA efficiency prediction: an overview of predictive tools and the role of deep learning
2022-Apr-22, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkac192
PMID:35349718
|
研究论文 | 本文综述了CRISPR-Cas9系统中gRNA效率预测的计算工具，并重点讨论了深度学习在此领域的应用 | 探讨了新的深度学习工具在gRNA效率预测中的应用，并对其进行了系统评估 | 尽管有许多工具可用，但对其应用场景和性能基准的评估有限 | 旨在评估和讨论CRISPR-Cas9系统中gRNA设计的计算工具及其应用 | CRISPR-Cas9系统中的gRNA效率预测工具 | 生物信息学 | NA | CRISPR-Cas9 | 深度学习 | 序列数据 | NA | NA | NA | NA | NA |
| 57 | 2024-08-27 |
Fast anther dehiscence status recognition system established by deep learning to screen heat tolerant cotton
2022-Apr-21, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-022-00884-0
PMID:35449108
|
研究论文 | 本文通过深度学习技术建立了快速识别棉花花药开裂状态的系统，以筛选耐热棉花品种 | 首次应用深度学习技术替代人工方法，快速筛选耐热棉花品种 | NA | 开发深度学习模型以快速准确地识别棉花花药开裂状态，促进棉花遗传育种研究 | 棉花花药的开裂状态 | 计算机视觉 | NA | 深度学习 | Faster R-CNN 和 YOLOv5 | 图像 | 30种随机选择的棉花品种 | NA | NA | NA | NA |
| 58 | 2024-08-27 |
Data-driven discovery of cardiolipin-selective small molecules by computational active learning
2022-Apr-20, Chemical science
IF:7.6Q1
DOI:10.1039/d2sc00116k
PMID:35656132
|
研究论文 | 本文介绍了一种数据驱动的计算活性学习方法，结合深度学习、粗粒度分子动力学模拟和自由能计算，用于发现能够选择性渗透含心磷脂膜的小分子化合物 | 通过使用可转移的粗粒度模型，高效地探索了分子量小于约500 Da的小有机分子的全原子设计空间，并发现了比常用的心磷脂探针10-壬基吖啶橙具有更高心磷脂选择性的分子 | NA | 旨在发现能够选择性渗透含心磷脂膜的小分子化合物 | 心磷脂膜的选择性小分子染料 | 计算生物学 | NA | 粗粒度分子动力学模拟 | 深度学习 | 分子结构数据 | 仅模拟了粗粒度搜索空间的0.42% | NA | NA | NA | NA |
| 59 | 2024-08-27 |
Deep learning-based approach for identification of diseases of maize crop
2022-04-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-10140-z
PMID:35428845
|
研究论文 | 本文提出了一种基于深度学习的玉米病害图像识别方法，通过采集自ICAR-IIMR实验田的图像，针对三种重要病害进行识别 | 采用旋转增强和亮度增强方法生成人工图像以解决类别不平衡问题，并使用基于'Inception-v3'网络的三种不同架构进行训练，实现了95.99%的分类准确率和95.96%的平均召回率 | NA | 开发一种有效的深度学习方法，用于识别田间玉米病害图像 | 玉米病害图像，包括Maydis Leaf Blight、Turcicum Leaf Blight和Banded Leaf and Sheath Blight | 计算机视觉 | 农作物病害 | 深度学习 | Inception-v3 | 图像 | 从ICAR-IIMR实验田采集的病害图像，以及通过旋转增强和亮度增强生成的人工图像 | NA | NA | NA | NA |
| 60 | 2024-08-27 |
A Principal Neighborhood Aggregation-Based Graph Convolutional Network for Pneumonia Detection
2022-Apr-15, Sensors (Basel, Switzerland)
DOI:10.3390/s22083049
PMID:35459035
|
研究论文 | 本文提出了一种基于主要邻域聚合的图卷积网络（PNA-GCN）用于肺炎检测 | PNA-GCN通过利用转移学习技术提取特征并构建图，结合多重聚合函数和度标量，有效捕捉图结构的基本属性 | NA | 设计一个自动化的分类系统来检测肺炎 | 肺炎检测 | 机器学习 | 肺部疾病 | 图卷积网络 | PNA-GCN | 图像 | 使用真实世界数据集进行实验 | NA | NA | NA | NA |