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 385 篇文献，本页显示第 381 - 385 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 381 | 2024-08-07 |
Deep learning on graphs for multi-omics classification of COPD
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0284563
PMID:37083575
|
研究论文 | 本研究利用卷积图神经网络（ConvGNN）结合蛋白质相互作用（PPI）网络和多组学数据，开发了一种慢性阻塞性肺疾病（COPD）分类预测模型 | 首次使用AhGlasso算法重建COPD相关的PPI网络，并扩展ConvGNN方法以整合PPI、蛋白质组学和转录组学数据，提高了分类准确性 | 深度神经网络模型，尤其是图神经网络，在决策过程中难以解释，难以识别对预测贡献最大的特征 | 开发一种结合PPI网络信息和多组学数据的深度学习方法，用于提高COPD的分类准确性 | COPD相关的PPI网络、蛋白质组学和转录组学数据 | 机器学习 | 慢性阻塞性肺疾病 | 卷积图神经网络（ConvGNN） | 卷积图神经网络（ConvGNN） | 蛋白质相互作用网络、蛋白质组学数据、转录组学数据 | 包括COPD病例和对照组的独立转录组学数据集 |
| 382 | 2024-08-07 |
XMR: an explainable multimodal neural network for drug response prediction
2023, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2023.1164482
PMID:37600972
|
研究论文 | 本文开发了一种名为XMR的可解释多模态神经网络模型，用于预测药物反应，结合了可见神经网络和图神经网络来学习基因组和药物结构特征 | XMR模型通过多模态融合层整合了可见神经网络和图神经网络，提供了更好的生物学解释性，并提高了预测性能 | NA | 开发一种可解释的多模态神经网络模型，以提高癌症药物反应预测的准确性和生物学解释性 | 三阴性乳腺癌的药物反应预测 | 机器学习 | 乳腺癌 | NA | 多模态神经网络 | 基因组数据和药物分子结构数据 | NA |
| 383 | 2024-08-07 |
Neuropsychiatric Symptoms and Commonly Used Biomarkers of Alzheimer's Disease: A Literature Review from a Machine Learning Perspective
2023, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-221261
PMID:36872783
|
综述 | 本文从机器学习角度对阿尔茨海默病（AD）及其相关神经精神症状（NPS）的常用生物标志物进行了全面的文献回顾 | 探讨了机器学习方法在分析NPS和AD生物标志物方面的应用潜力 | 目前针对NPS的机器学习研究数量有限 | 描绘机器学习在AD和NPS研究中的现状和潜力 | 阿尔茨海默病及其相关神经精神症状的生物标志物 | 机器学习 | 阿尔茨海默病 | NA | 统计机器学习方法和深度学习方法 | 多模态数据集 | 共包含38篇文章 |
| 384 | 2024-08-07 |
Retrospective T2 quantification from conventional weighted MRI of the prostate based on deep learning
2023, Frontiers in radiology
DOI:10.3389/fradi.2023.1223377
PMID:37886239
|
研究论文 | 开发一种基于深度学习的方法，从常规的T1和T2加权MRI图像中回顾性地量化前列腺的T2值 | 该方法能够从临床获取的T1和T2加权图像中回顾性地估计前列腺T2图，有助于改善前列腺癌的诊断和特征描述，无需额外扫描 | NA | 开发一种深度学习方法，用于从常规MRI图像中回顾性地量化前列腺的T2值 | 前列腺T2值的量化 | 数字病理学 | 前列腺癌 | MRI | U-Net | 图像 | 25名受试者用于训练，38名前列腺癌患者用于验证 |
| 385 | 2024-08-07 |
Public mental health through social media in the post COVID-19 era
2023, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2023.1323922
PMID:38146469
|
研究论文 | 本文提出了一种基于微表情识别心理障碍的方法，使用深度学习模型HybridMicroNet进行情感识别 | 提出了一种基于卷积神经网络的深度学习模型HybridMicroNet，用于从微表情中识别情感 | 仅在CASME和SAMM数据集上进行了验证，可能需要更多数据集来验证模型的泛化能力 | 探索通过社交媒体中的微表情自动检测心理障碍的方法 | 心理障碍的自动检测 | 机器学习 | NA | 深度学习 | CNN | 图像 | CASME数据集上的准确率为99.08%，SAMM数据集上的准确率为97.62% |