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 451 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-09-11 |
CRNet: a multimodal deep convolutional neural network for customer revisit prediction
2023, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-022-00674-4
PMID:36618886
|
研究论文 | 本文介绍了一种用于预测客户再次光顾的多模态深度卷积神经网络CRNet | CRNet在客户再次光顾预测任务中表现优于当前最先进的多模态框架，准确率和F1分数显著提高 | 未来的研究应考虑引入其他资源（如元数据信息）以进一步增强该框架 | 开发一种高效的多模态深度学习模型，用于预测客户再次光顾 | 客户再次光顾行为 | 机器学习 | NA | 深度卷积神经网络 | CNN | 多模态数据 | 两个数据集：客户回购数据集（CRD）和移动食品配送再次光顾数据集（MFDRD） | NA | NA | NA | NA |
| 402 | 2024-09-11 |
Swin-textural: A novel textural features-based image classification model for COVID-19 detection on chest computed tomography
2023, Informatics in medicine unlocked
DOI:10.1016/j.imu.2022.101158
PMID:36618887
|
研究论文 | 提出了一种基于纹理特征的图像分类模型swin-textural，用于在胸部CT图像上自动诊断COVID-19 | 结合了基于swin的补丁划分和纹理特征提取，提出了一种新的图像分类模型swin-textural，用于COVID-19的自动诊断 | NA | 评估swin架构在特征工程中的性能 | 胸部CT图像上的COVID-19检测 | 计算机视觉 | COVID-19 | 局部二值模式和局部相位量化 | swin-textural | 图像 | 4171张胸部CT图像，来自210名受试者 | NA | NA | NA | NA |
| 403 | 2024-09-11 |
Identifying Thematics in a Brain-Computer Interface Research
2023, Computational intelligence and neuroscience
DOI:10.1155/2023/2793211
PMID:36643889
|
综述 | 本文综述了脑机接口（BCI）研究主题的转变，从医疗进步和系统开发转向教育、营销、游戏、安全和安全等应用领域 | 本文揭示了BCI研究从理解脑功能和接口模式转向更多应用研究的新领域，包括人工智能、机器学习、预处理和深度学习 | 本文未探讨BCI软件和硬件开发的具体领域 | 理解脑机接口研究主题的转变 | 脑机接口（BCI）研究的主题和应用领域 | NA | NA | NA | NA | NA | 92篇BCI综述文章 | NA | NA | NA | NA |
| 404 | 2024-09-11 |
Artifact-free fat-water separation in Dixon MRI using deep learning
2023, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-022-00677-1
PMID:36686622
|
研究论文 | 本文提出了一种使用深度学习进行Dixon MRI中脂肪-水分离的方法，以消除脂肪-水交换伪影 | 将脂肪-水分离问题转化为风格迁移问题，并引入了一种新的生成器模型损失函数 | NA | 开发一种鲁棒的方法，以准确分离大规模数据集（如UK Biobank）中的脂肪和水体积 | Dixon MRI中的脂肪和水信号 | 计算机视觉 | 代谢性疾病 | Dixon MRI | 条件生成对抗网络 | 图像 | 超过100,000名参与者 | NA | NA | NA | NA |
| 405 | 2024-09-11 |
Dysarthria detection based on a deep learning model with a clinically-interpretable layer
2023-01, JASA express letters
IF:1.2Q3
DOI:10.1121/10.0016833
PMID:36725533
|
研究论文 | 本文提出了一种基于深度学习模型并包含临床可解释层的构音障碍检测方法 | 该模型通过瓶颈层同时学习分类标签和四个临床可解释特征，提高了分类准确性和临床可解释性 | NA | 开发一种能够同时提高分类准确性和临床可解释性的构音障碍检测方法 | 构音障碍患者和对照组 | 机器学习 | NA | 深度神经网络 (DNN) | 深度学习模型 | 语音数据 | 涉及两种构音障碍亚型的评估 | NA | NA | NA | NA |
| 406 | 2024-09-10 |
Artificial Intelligence and Machine Learning in Prediction of Surgical Complications: Current State, Applications, and Implications
2023-Jan, The American surgeon
DOI:10.1177/00031348221101488
PMID:35562124
|
综述 | 本文综述了人工智能（AI）在预测手术并发症中的应用现状，重点介绍了机器学习和深度学习算法在手术风险分层中的作用 | AI驱动的模型能够准确识别高风险患者，并克服传统统计风险计算器的局限性 | NA | 探讨AI在预测手术并发症中的应用及其对未来基于个体患者因素的知情同意讨论的影响 | 手术并发症的预测和患者风险分层 | 机器学习 | NA | 机器学习和深度学习算法 | NA | NA | NA | NA | NA | NA | NA |
| 407 | 2024-09-10 |
A Surgeon's Guide to Artificial Intelligence-Driven Predictive Models
2023-Jan, The American surgeon
DOI:10.1177/00031348221103648
PMID:35588764
|
研究论文 | 本文为外科医生提供了人工智能驱动的预测模型的基本理解 | 介绍了常见的机器学习和深度学习算法、模型开发、性能指标和解释 | 未提及具体的研究限制 | 帮助外科医生理解人工智能驱动的预测模型 | 外科医生和人工智能驱动的预测模型 | 机器学习 | NA | 机器学习 | 机器学习和深度学习算法 | NA | NA | NA | NA | NA | NA |
| 408 | 2024-09-10 |
Advanced deep learning approaches to predict supply chain risks under COVID-19 restrictions
2023-Jan, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2022.118604
PMID:35999828
|
研究论文 | 本文提出了一种基于深度学习的方法来预测在COVID-19限制下的供应链风险 | 本文提出了两种深度学习模型变体（RNN和TCN）来预测供应链风险，并展示了TCN模型在预测风险方面的100%准确率 | NA | 预测在COVID-19限制下的供应链风险，以提高供应链的韧性 | 供应链中的货物运输风险 | 机器学习 | NA | 深度学习 | RNN（LSTM、BiLSTM、GRU）和TCN | 在线数据集 | NA | NA | NA | NA | NA |
| 409 | 2024-09-10 |
SARS-CoV-2 virus classification based on stacked sparse autoencoder
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.12.007
PMID:36530948
|
研究论文 | 本文提出了一种基于堆叠稀疏自编码器（SSAE）的SARS-CoV-2病毒分类方法 | 使用图像表示的完整基因组序列作为SSAE的输入，实现了高效的病毒分类 | 未在训练过程中使用SARS-CoV-2样本，仅在后续测试中使用 | 开发一种高效的病毒基因组分类方法，特别是针对SARS-CoV-2 | SARS-CoV-2病毒的基因组序列 | 机器学习 | NA | 堆叠稀疏自编码器（SSAE） | 堆叠稀疏自编码器（SSAE） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 410 | 2024-09-10 |
Intelligent lead-based bidirectional long short term memory for COVID-19 sentiment analysis
2023, Social network analysis and mining
IF:2.3Q3
DOI:10.1007/s13278-022-01005-4
PMID:36532863
|
研究论文 | 本文介绍了一种基于智能引导的双向长短期记忆网络（BiLSTM）用于COVID-19情感分析 | 通过引入智能引导优化，减少了分类器在学习数据时的损失，提高了情感分析的准确性 | 未提及具体限制 | 识别COVID-19相关推特数据中人们的情感 | COVID-19相关推特数据 | 自然语言处理 | NA | NA | 双向长短期记忆网络（BiLSTM） | 文本 | 未提及具体样本数量 | NA | NA | NA | NA |
| 411 | 2024-09-10 |
Evaluating GPCR modeling and docking strategies in the era of deep learning-based protein structure prediction
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.11.057
PMID:36544468
|
研究论文 | 本文评估了在深度学习时代下，GPCR建模和对接策略在基于结构的药物发现中的应用 | 本文展示了通过深度学习技术改进蛋白质结构预测后，对接和虚拟筛选的显著提升 | 本文的研究结果主要基于70个GPCR复合物的数据集，可能无法完全代表所有GPCR的情况 | 探讨如何将深度学习在蛋白质结构预测领域的革命性进展转化为基于结构的药物发现领域的进步 | 70个与小分子或肽结合的GPCR复合物 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构数据 | 70个GPCR复合物 | NA | NA | NA | NA |
| 412 | 2024-09-10 |
PSTCNN: Explainable COVID-19 diagnosis using PSO-guided self-tuning CNN
2023, Biocell : official journal of the Sociedades Latinoamericanas de Microscopia Electronica ... et. al
IF:0.8Q4
DOI:10.32604/biocell.2021.0xxx
PMID:36570878
|
研究论文 | 本文提出了一种基于粒子群优化（PSO）引导的自调优卷积神经网络（PSTCNN），用于可解释的COVID-19诊断 | 引入了粒子群优化算法来自动调整卷积神经网络的超参数，减少了人工干预，并能更稳定地接近全局最优解 | 未提及 | 开发一种高效的深度学习模型，用于COVID-19的自动诊断，以缓解全球医疗资源不足的压力 | COVID-19的诊断 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 未提及 | NA | NA | NA | NA |
| 413 | 2024-09-10 |
EpiCas-DL: Predicting sgRNA activity for CRISPR-mediated epigenome editing by deep learning
2023, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.11.034
PMID:36582444
|
研究论文 | 本文开发了一种深度学习框架EpiCas-DL，用于预测CRISPR介导的表观基因组编辑中sgRNA的活性 | EpiCas-DL在sgRNA活性预测方面具有高准确性，并优于其他现有方法 | NA | 优化sgRNA设计以提高CRISPR介导的表观基因组编辑效率 | sgRNA的活性及其在基因沉默和激活中的应用 | 机器学习 | NA | CRISPR | 深度学习框架 | 实验数据 | 数千个实验验证的靶点 | NA | NA | NA | NA |
| 414 | 2024-09-10 |
The PANDORA Software for Anchor-Restrained Peptide:MHC Modeling
2023, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3239-0_18
PMID:37258920
|
研究论文 | 本文介绍了PANDORA软件的协议，该软件用于生成锚定约束的肽:MHC三维结构模型 | PANDORA利用MHC分子用于锚定肽的结构知识，提供锚定位置作为约束来指导建模过程，能够在约5分钟内生成二十个3D模型 | NA | 开发一种能够快速准确生成肽:MHC三维结构模型的软件 | 肽:MHC复合物的三维结构 | 生物信息学 | NA | NA | NA | 结构模型 | NA | NA | NA | NA | NA |
| 415 | 2024-09-07 |
Deep Learning to Predict Mortality After Cardiothoracic Surgery Using Preoperative Chest Radiographs
2023-01, The Annals of thoracic surgery
DOI:10.1016/j.athoracsur.2022.04.056
PMID:35609650
|
研究论文 | 本文开发了一种深度学习模型，用于预测心脏手术后的死亡风险，基于术前胸部X光片 | 提出的深度学习模型CXR-CTSurgery在预测心脏手术后死亡风险方面具有与STS-PROM相似的区分度，并且在校准方面表现更好 | NA | 开发一种基于术前胸部X光片的深度学习模型，用于预测心脏手术后的死亡风险 | 心脏手术患者及其术前胸部X光片 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 9283名患者用于模型开发，3615名患者用于内部测试，2840名患者用于外部测试 | NA | NA | NA | NA |
| 416 | 2024-09-06 |
Consonant-Vowel Transition Models Based on Deep Learning for Objective Evaluation of Articulation
2023, IEEE/ACM transactions on audio, speech, and language processing
DOI:10.1109/taslp.2022.3209937
PMID:36712557
|
研究论文 | 本文提出了一种基于深度学习的辅音-元音过渡模型，用于客观评估发音 | 提出了一个名为客观发音测量（OAM）的新指标，通过分析辅音-元音过渡区域来评估发音的准确性 | NA | 开发一种客观测量发音准确性的方法 | 辅音-元音过渡区域的发音准确性 | 自然语言处理 | NA | 卷积神经网络 | CNN | 语音 | 包括成人构音障碍语音、唇腭裂儿童语音以及母语为普通话和西班牙语的英语口音语音的数据库 | NA | NA | NA | NA |
| 417 | 2024-09-05 |
Artificial Intelligence-Enabled Software Prototype to Inform Opioid Pharmacovigilance From Electronic Health Records: Development and Usability Study
2023 Jan-Dec, JMIR AI
DOI:10.2196/45000
PMID:37771410
|
研究论文 | 开发了一种基于人工智能的软件原型，用于从电子健康记录中提取与阿片类药物相关的药物不良事件信号，以增强美国食品药品监督管理局（FDA）的药物安全性和研究活动 | 利用自然语言处理和其他人工智能技术，从电子健康记录中自动提取临床有用信息，提高药物安全信号检测的效率 | 需要进一步优化用户界面和功能，以满足不同用户的需求 | 开发一种新型人工智能驱动的软件原型，用于从电子健康记录的自由文本出院总结中识别药物不良事件安全信号，以增强阿片类药物的安全性和研究活动 | 阿片类药物的药物不良事件安全信号 | 自然语言处理 | NA | 自然语言处理（NLP） | 深度学习 | 文本 | 15名FDA工作人员 | NA | NA | NA | NA |
| 418 | 2024-09-05 |
Self-Supervised Electroencephalogram Representation Learning for Automatic Sleep Staging: Model Development and Evaluation Study
2023 Jan-Dec, JMIR AI
DOI:10.2196/46769
PMID:38090533
|
研究论文 | 本研究开发并评估了一种自监督学习模型ContraWR，用于从大量未标记的脑电图（EEG）信号中学习鲁棒的向量表示，以自动化睡眠分期任务。 | 提出了一种新的自监督模型ContraWR，该模型使用数据集的全局统计信息（即平均表示）来区分不同睡眠阶段的信号，而不是使用一组负样本。 | 未来的研究方向包括探索任务特定的数据增强和将自监督方法与监督方法结合，以进一步提高性能。 | 旨在从大量未标记的EEG信号中学习鲁棒的向量表示，以提高睡眠分期任务的预测性能。 | EEG信号的向量表示学习。 | 机器学习 | NA | 自监督学习 | ContraWR | EEG数据 | 3个大型EEG数据集 | NA | NA | NA | NA |
| 419 | 2024-08-29 |
Integrated mRNA sequence optimization using deep learning
2023-01-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbad001
PMID:36642413
|
研究论文 | 本文开发了一种名为iDRO的新算法，利用深度学习技术优化mRNA序列，以适应人类细胞 | 首次引入深度学习方法进行mRNA序列的综合优化 | NA | 优化外源基因如严重急性呼吸综合征冠状病毒2刺突蛋白的mRNA序列，以适应人类细胞 | mRNA序列优化 | 机器学习 | NA | 深度学习 | BiLSTM-CRF, RNA-Bart | 序列数据 | NA | NA | NA | NA | NA |
| 420 | 2024-08-28 |
HistoPerm: A permutation-based view generation approach for improving histopathologic feature representation learning
2023, Journal of pathology informatics
DOI:10.1016/j.jpi.2023.100320
PMID:37457594
|
研究论文 | 本文介绍了一种基于排列的视图生成方法HistoPerm，用于改进组织学图像的特征表示学习 | HistoPerm通过排列增强视图来提高分类性能，无需大量标记图像 | NA | 旨在解决深度学习方法在数字病理学中需要大量标记图像的问题 | HistoPerm方法在乳糜泻和肾细胞癌数据集上的有效性 | 数字病理学 | 肾细胞癌 | NA | 联合嵌入架构 | 图像 | 两个组织学图像数据集 | NA | NA | NA | NA |