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 2592 篇文献，本页显示第 2341 - 2360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2341 | 2024-08-05 |
HLA-II immunopeptidome profiling and deep learning reveal features of antigenicity to inform antigen discovery
2023-07-11, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2023.05.009
PMID:37301199
|
研究论文 | 本研究通过单等位基因免疫肽组学分析HLA-II结合体，结合深度学习，揭示抗原特征以辅助抗原发现 | 创新性地开发了基于深度学习的模型CAPTAn，用于预测与HLA-II亲和力相关的肽抗原 | 目前对影响抗原呈递的因素理解仍不完全，且在配体数据库中多样性等位基因的代表性不足 | 研究HLA-II抗原结合体的特征，以提供新的抗原发现工具 | 358,024个HLA-II结合肽，特别关注HLA-DQ和HLA-DP | 数字病理学 | NA | 单等位基因免疫肽组学 | 深度学习模型(CAPTAn) | PEPTIDES | NA | NA | NA | NA | NA |
| 2342 | 2024-08-05 |
In-silico generation of high-dimensional immune response data in patients using a deep neural network
2023-05, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24709
PMID:36507780
|
研究论文 | 本文提出了一种深度学习模型，用于在高维空间中生成患者的免疫反应数据 | 通过新的最佳时序细胞匹配和过完备自编码器管道，使用少量患者的数据预测整个患者的免疫反应 | 受限于仅使用小型患者样本，可能影响模型的普遍适用性 | 旨在理解免疫系统在各类疾病中的作用 | 分析手术前后1.08百万个细胞的数据 | 机器学习 | NA | 深度学习 | 自编码器 | 细胞数据 | 涉及1.08百万个细胞 | NA | NA | NA | NA |
| 2343 | 2024-08-05 |
A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Site Prediction
2023-12, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.03.007
PMID:37863385
|
综述 | 该综述组织了与磷酸化位点预测相关的知识，以促进该领域的未来研究 | 综述了磷酸化位点（p-site）预测的算法和机器学习方法，并提出重要的特征提取技术 | 在线p-site预测工具在未见过的蛋白质上的实际性能显著低于相关研究论文中报告的结果 | 整理和总结与磷酸化位点预测相关的知识 | 涉及磷酸化修饰及其在生物过程中的角色的蛋白质 | 机器学习 | 神经疾病和癌症 | NA | 传统和端到端深度学习方法 | 蛋白质数据 | 创建自2022年dbPTM数据库的新蛋白质的三个测试集 | NA | NA | NA | NA |
| 2344 | 2024-08-05 |
Protein Structure Prediction: Challenges, Advances, and the Shift of Research Paradigms
2023-10, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2022.11.014
PMID:37001856
|
综述 | 该文章综述了蛋白质结构预测领域的研究进展与研究范式的转变 | 强调了深度学习在蛋白质结构预测中的成功以及研究范式的转变 | 理论解释神经网络的机制和对蛋白质折叠的知识仍然高度缺乏 | 探讨蛋白质结构预测的不同研究范式及其演变 | 涉及多领域研究者对蛋白质结构预测的努力 | 计算机科学 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 2345 | 2024-08-05 |
Preclinical-to-clinical Anti-cancer Drug Response Prediction and Biomarker Identification Using TINDL
2023-06, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.01.006
PMID:36775056
|
研究论文 | 本研究开发了一种名为TINDL的深度学习框架，用于预测癌症患者对不同治疗的反应和识别药物反应的生物标志物 | 使用基于组织的归一化方法处理数据，使得该模型能够识别预测药物反应的小基因集合，并使深度学习黑箱可解释 | 本研究的实验主要基于癌症细胞系，是否能充分适用于临床患者仍需进一步验证 | 个性化医学中预测癌症患者对不同治疗反应和识别药物反应生物标志物的目标 | 预临床癌症细胞系和癌症肿瘤数据，这些数据用于训练和验证模型 | 机器学习 | 癌症 | 深度学习 | NA | 数据集 | 使用了来自两个大型数据库的癌症细胞系和肿瘤数据 | NA | NA | NA | NA |
| 2346 | 2024-08-05 |
Deep Learning-Based Dose Prediction for Automated, Individualized Quality Assurance of Head and Neck Radiation Therapy Plans
2023 May-Jun, Practical radiation oncology
IF:3.4Q1
DOI:10.1016/j.prro.2022.12.003
PMID:36697347
|
研究论文 | 本研究旨在利用基于深度学习的剂量预测来评估头颈部治疗计划的质量并识别不理想的计划 | 本研究采用3D Dense Dilated U-Net架构进行剂量预测，显示其在自动化、个性化评估头颈部放疗计划质量中的应用潜力 | 临床计划的OAR标记存在高的医师间变异性，且仅有83%的医师标记的OAR由其中一位医师提出 | 研究深度学习在头颈部放疗计划质量评估中的应用 | 245个体积调制弧治疗（VMAT）头颈部计划以及112个高质量计划 | 医学影像处理 | 头颈癌 | 深度学习 | 3D Dense Dilated U-Net | 计算机断层扫描图像 | 245个计划 | NA | NA | NA | NA |
| 2347 | 2024-08-07 |
Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-12-29, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8075
PMID:38164534
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2348 | 2024-08-05 |
Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model
2023-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.044072
PMID:37485663
|
研究论文 | 本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。 | 提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。 | 依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。 | 旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。 | 640名经历急性缺血性中风的患者。 | 数字病理学 | 缺血性中风 | 深度学习 | 融合模型 | 影像和临床数据 | 640名急性缺血性中风患者 | NA | NA | NA | NA |
| 2349 | 2024-08-07 |
Regarding "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7972
PMID:37591774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2350 | 2024-08-05 |
Radiomic and deep learning characterization of breast parenchyma on full field digital mammograms and specimen radiographs: a pilot study of a potential cancer field effect
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044501
PMID:37426053
|
研究论文 | 本研究探讨了乳腺组织的放射组学和深度学习特征与乳腺X线摄影图像之间的关系 | 首次将放射组学和深度学习特征应用于分析肿瘤与非肿瘤区域之间的潜在癌症场效应 | 本研究样本量较小，仅包括74名患者，可能影响结果的广泛适用性 | 研究乳腺X线摄影图像中的组织特征与潜在癌症场效应的关系 | 74名确诊为乳腺癌的女性患者的X线摄影图像和切除标本放射图像 | 数字病理学 | 乳腺癌 | 放射组学 | 深度学习 | 图像 | 74名患者的乳腺X线摄影图像和32名患者的切除标本放射图像 | NA | NA | NA | NA |
| 2351 | 2024-08-05 |
Heart-Brain 346-7 Score: the development and validation of a simple mortality prediction score for carbon monoxide poisoning utilizing deep learning
2023-07, Clinical toxicology (Philadelphia, Pa.)
DOI:10.1080/15563650.2023.2226817
PMID:37417305
|
研究论文 | 开发并验证了一种简单的死亡风险预测评分系统，针对一氧化碳中毒患者 | 提出并验证了Heart-Brain 346-7评分系统，以根据特定变量预测一氧化碳中毒患者的住院和长期死亡风险 | 本研究的有效性需要进一步验证，且主要依赖于电子病历数据 | 研究旨在识别患有一氧化碳中毒的患者的急性和长期死亡风险 | 研究对象为811名一氧化碳中毒的成人患者与462名验证队列患者 | 数字病理学 | NA | Firth逻辑回归 | NA | 电子病历数据 | 811名在开发队列中的患者和462名在验证队列中的患者 | NA | NA | NA | NA |
| 2352 | 2024-08-05 |
Multitask Deep Ensemble Prediction of Molecular Energetics in Solution: From Quantum Mechanics to Experimental Properties
2023-Jan-06, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.2c01024
PMID:36607141
|
研究论文 | 本文提出了一种多任务深度集成模型sPhysNet-MT-ens5，能够同时准确预测分子在气相、水相和辛醇相的电子能量及转移自由能 | 该模型通过任务集成，克服了传统特定任务模型的局限，能在各种条件下高效预测分子能量 | 模型的表现可能受限于所使用的量子力学计算水平和训练数据的多样性 | 研究目标是开发能同时进行多种分子能量预测的机器学习模型 | 研究对象为包含678,916个分子构象的Frag20-solv-678k数据集，以及相关的实验数据集 | 机器学习 | NA | 量子力学计算 | 深度学习 | 分子构象数据 | 678,916个分子构象 | NA | NA | NA | NA |
| 2353 | 2024-08-05 |
Calibrated geometric deep learning improves kinase-drug binding predictions
2023-Dec, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-023-00751-0
PMID:38962391
|
研究论文 | 本文提出了一种深度学习算法KDBNet，能够利用三维结构数据来预测激酶与药物的结合亲和力 | KDBNet结合了3D蛋白质和分子结构数据，利用图神经网络学习结合口袋和药物的几何和空间特征 | 目前的方法主要集中在局部特征的利用上，可能忽视结合过程的3D特性 | 探索激酶与化合物之间的相互作用并揭示新型结合活性 | 激酶和药物分子 | 机器学习 | 癌症 | 深度学习 | 图神经网络 | 3D蛋白质和分子结构数据 | NA | NA | NA | NA | NA |
| 2354 | 2024-08-05 |
A comprehensive multi-domain dataset for mitotic figure detection
2023-07-25, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-023-02327-4
PMID:37491536
|
研究论文 | 本文介绍了用于有丝分裂细胞检测的综合多领域数据集MIDOG++ | 该数据集是第一个基于不同肿瘤类型、实验室、全切片图像扫描仪和物种的广泛领域转移的有丝分裂细胞数据集 | 在单一领域训练中观察到显著差异，可能影响深度学习方法的性能 | 本文旨在自动化有丝分裂细胞检测任务，并评估领域转移的影响 | 本文研究对象为503个来自七种不同肿瘤类型的组织标本 | 数字病理学 | 乳腺癌, 肺癌, 淋巴肉瘤, 神经内分泌肿瘤, 皮肤肥大细胞肿瘤, 皮肤黑色素瘤, (亚)皮下软组织肉瘤 | 深度学习 | NA | 图像 | 503个组织标本 | NA | NA | NA | NA |
| 2355 | 2024-08-05 |
A Hybrid Intelligence Approach for Circulating Tumor Cell Enumeration in Digital Pathology by Using CNN and Weak Annotations
2023, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2023.3343701
PMID:38957613
|
研究论文 | 该论文提出了一种混合智能方法，通过结合细胞病理学家专业知识和深度学习卷积神经网络的效率，自动计数循环肿瘤细胞。 | 创新之处在于将蔡细胞病理学家的专业技能与深度学习技术相结合，实现了循环肿瘤细胞的自动计数。 | 此研究依赖于图像数据集，可能存在数据集的选择偏差和样本多样性不足的问题。 | 研究目的是通过混合智能方法提高循环肿瘤细胞的自动计数效率。 | 研究对象为循环肿瘤细胞（CTCs）。 | 数字病理学 | NA | 卷积神经网络（CNN）、支持向量机（SVM） | CNN | 图像 | 共收集了466张氟像图像用于CTC检测/定位，473张图像用于CTC分割，以及198张图像（包含323个CTC）作为独立数据集进行计数 | NA | NA | NA | NA |
| 2356 | 2024-08-05 |
Benchmarking splice variant prediction algorithms using massively parallel splicing assays
2023-12-21, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03144-z
PMID:38129864
|
研究论文 | 本文基于大规模平行剪接检测评估了八种广泛使用的剪接效应预测算法 | 创新之处在于利用大规模平行剪接实验数据为算法性能提供实验验证，以解决当前常用算法性能不一致的问题 | 本文主要集中在已知基因集的变异上，可能限制了结果的普遍适用性 | 旨在评估和比较不同剪接变异预测算法的性能 | 研究对象为3616种变异，涉及五个基因的剪接效应 | 数字病理学 | NA | 大规模平行剪接检测（MPSAs） | 深度学习模型 | 变异数据 | 3616种变异 | NA | NA | NA | NA |
| 2357 | 2024-08-05 |
An end-to-end deep learning framework for translating mass spectra to de-novo molecules
2023-Jun-23, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-023-00932-3
PMID:37353554
|
研究论文 | 本文提出了一种深度学习框架Spec2Mol，用于根据质谱数据推荐分子结构 | 该研究首次应用类似Speech2Text的架构，将质谱直接转化为新分子的SMILES序列 | 该方法在参考数据库中无法找到分子结构信息时可能会存在局限性 | 研究旨在改善新分子结构的推荐过程 | 研究对象是通过质谱数据得出的化学分子结构 | 机器学习 | NA | 深度学习 | 编码器-解码器架构 | 质谱数据 | 使用了大量的化学结构数据进行预训练，但具体样本数量未明确 | NA | NA | NA | NA |
| 2358 | 2024-08-05 |
Low-dimensional organization of global brain states of reduced consciousness
2023-05-30, Cell reports
IF:7.5Q1
DOI:10.1016/j.celrep.2023.112491
PMID:37171963
|
研究论文 | 本文探讨了低维空间中意识状态的映射及其性质。 | 创新地结合了全脑建模、数据增强和深度学习方法，实现了对意识状态低维空间的表征。 | 本文未充分讨论高维空间与低维空间之间的具体映射机制。 | 研究意识状态与大脑配置之间的关系，探寻其低维表征。 | 研究涉及意识水平的变化，尤其是健康与脑损伤患者之间的状态。 | 计算机视觉 | 脑损伤 | 深度学习 | NA | 脑部配置数据 | NA | NA | NA | NA | NA |
| 2359 | 2024-08-05 |
Revealing hidden patterns in deep neural network feature space continuum via manifold learning
2023-Dec-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43958-w
PMID:38129376
|
研究论文 | 本文介绍了一种用于深度神经网络特征可视化的新方法 | 提出了一种流形发现与分析（MDA）方法，可有效可视化回归特征，并保留特征空间的局部几何形状 | 现有可视化技术仅适用于分类任务，回归任务的可视化仍面临挑战 | 开发一种可靠的框架和计算方法来可视化深度学习中的回归特征 | 深度神经网络提取的特征空间中的高维回归特征 | 计算机视觉 | NA | 深度神经网络 | NA | 特征数据 | NA | NA | NA | NA | NA |
| 2360 | 2024-08-05 |
Landmark Based Bronchoscope Localization for Needle Insertion Under Respiratory Deformation
2023-Oct, Proceedings of the ... IEEE/RSJ International Conference on Intelligent Robots and Systems. IEEE/RSJ International Conference on Intelligent Robots and Systems
DOI:10.1109/iros55552.2023.10342115
PMID:38947248
|
研究论文 | 本研究提出了一种实时摄像头方法，用于在呼吸变形下准确定位支气管镜 | 创新之处在于使用深度学习相对于解剖标志估计支气管镜的位置，克服了全局姿势估计的局限性 | 研究主要在模拟的数据集上进行，可能在真实应用中存在局限性 | 研究的目的是提高肺癌诊断时支气管镜定位的准确性 | 研究对象主要是支气管镜相对于计划穿刺位置的定位 | 计算机视觉 | 肺癌 | 深度学习 | NA | 模拟数据 | 在进行呼吸运动的肺部模拟数据集上进行评估 | NA | NA | NA | NA |