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 2065 篇文献，本页显示第 161 - 180 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2025-03-27 |
MULTITASK LEARNING FOR IMPROVED LATE MECHANICAL ACTIVATION DETECTION OF HEART FROM CINE DENSE MRI
2023-Apr, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi53787.2023.10230782
PMID:40124116
|
研究论文 | 本文提出了一种多任务深度学习框架，用于同时估计心脏晚期机械激活（LMA）量并分类无疤痕的LMA区域，以提高心脏再同步治疗（CRT）的准确性 | 引入了辅助LMA区域分类子网络，提高了模型对心肌疤痕引起的复杂模式的鲁棒性，显著消除了LMA检测中的负面影响，并进一步改善了疤痕分类性能 | NA | 提高心脏晚期机械激活（LMA）区域的检测准确性，特别是在存在心肌疤痕的情况下 | 心脏的晚期机械激活（LMA）区域 | 医学影像分析 | 心血管疾病 | cine位移编码与受激回波（DENSE）磁共振成像（MRI） | 多任务深度学习框架 | 心脏MR图像 | NA |
| 162 | 2025-03-26 |
Deep Learning Methods for Omics Data Imputation
2023-Oct-07, Biology
DOI:10.3390/biology12101313
PMID:37887023
|
综述 | 本文综述了基于深度学习的组学数据插补方法，重点讨论了自编码器、变分自编码器、生成对抗网络和Transformer等深度生成模型架构在多组学数据插补中的应用 | 全面概述了当前可用的基于深度学习的组学数据插补方法，并探讨了深度学习在该领域带来的机遇和挑战 | 未提及具体的实验验证或实际应用案例 | 解决组学数据分析中的缺失值问题 | 组学数据 | 机器学习 | NA | NA | 自编码器、变分自编码器、生成对抗网络、Transformer | 组学数据 | NA |
| 163 | 2025-03-26 |
CLCLSA: Cross-omics Linked embedding with Contrastive Learning and Self Attention for multi-omics integration with incomplete multi-omics data
2023-May-02, Research square
DOI:10.21203/rs.3.rs-2768563/v1
PMID:37205427
|
research paper | 提出一种名为CLCLSA的深度学习方法，用于处理不完整多组学数据的整合问题 | 结合跨组学链接嵌入、对比学习和自注意力机制，动态识别多组学数据中最具信息量的特征 | 需要完整的多组学数据作为监督，可能在某些实际应用中受限 | 解决不完整多组学数据整合问题，提高疾病和表型理解的全面性 | 多组学数据 | machine learning | NA | multi-omics integration | autoencoders, contrastive learning, self-attention | multi-omics data | 四个公共多组学数据集 |
| 164 | 2025-03-26 |
Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors
2023-Mar-24, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.22.533829
PMID:36993233
|
研究论文 | 本文通过分子动力学模拟和深度学习技术，揭示了PPM1D磷酸酶中的一个隐秘结合口袋，解释了其变构抑制剂的结合位点和效力 | 利用AlphaFold预测结构和分子动力学模拟发现PPM1D中的隐秘结合口袋，并通过深度学习预测化合物结合姿态，提高了虚拟筛选的预测能力 | 研究依赖于预测结构和模拟数据，缺乏实验验证 | 探索蛋白质动力学在虚拟筛选中的应用，提高药物发现的预测能力 | PPM1D/Wip1磷酸酶及其变构抑制剂 | 计算生物学 | 癌症 | 分子动力学模拟, 深度学习, 虚拟筛选 | AlphaFold, 马尔可夫状态模型(MSM) | 蛋白质结构数据, 分子动力学模拟数据 | NA |
| 165 | 2025-03-26 |
Artificial intelligence-based locoregional markers of brain peritumoral microenvironment
2023-01-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-022-26448-9
PMID:36653382
|
研究论文 | 该研究开发了一种基于人工智能的标记物，用于定量评估恶性原发性脑肿瘤周围区域的浸润异质性 | 利用DTI自由水体积分数图提取基于深度学习的肿瘤周围微环境指数（PMI），并从中提取AI标记物以捕捉浸润异质性的不同方面 | 研究样本仅限于275例成人型弥漫性胶质瘤（CNS WHO 4级），可能不适用于其他类型肿瘤 | 开发定量评估肿瘤周围浸润异质性的标记物，以辅助临床决策 | 恶性原发性脑肿瘤的周围区域 | 数字病理学 | 脑肿瘤 | Diffusion Tensor Imaging (DTI) | 深度学习 | 医学影像 | 275例成人型弥漫性胶质瘤（CNS WHO 4级） |
| 166 | 2025-03-26 |
Discovery of a cryptic pocket in the AI-predicted structure of PPM1D phosphatase explains the binding site and potency of its allosteric inhibitors
2023, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2023.1171143
PMID:37143823
|
研究论文 | 本文探讨了通过考虑蛋白质动力学来提高虚拟筛选预测能力的方法，并以癌症药物靶点PPM1D磷酸酶为例，发现了一个隐秘的结合口袋 | 利用AlphaFold预测的结构和分子动力学模拟构建的马尔可夫状态模型(MSM)揭示了PPM1D中的一个隐秘结合口袋，这为靶向该蛋白的药物发现提供了新策略 | 研究仅针对PPM1D磷酸酶，该方法在其他蛋白系统中的应用效果尚需验证 | 提高虚拟筛选在结构数据有限情况下的预测能力，并探索PPM1D抑制剂的结合机制 | PPM1D/Wip1磷酸酶及其变构抑制剂 | 计算生物学 | 癌症 | 虚拟筛选、AlphaFold结构预测、分子动力学模拟、马尔可夫状态模型(MSM)、深度学习 | AlphaFold、MSM | 蛋白质结构数据 | NA |
| 167 | 2025-03-23 |
SHINE: protein language model-based pathogenicity prediction for short inframe insertion and deletion variants
2023-01-19, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbac584
PMID:36575831
|
研究论文 | 本文介绍了一种基于蛋白质语言模型的短框内插入和缺失变异（indel）致病性预测工具SHINE | SHINE利用预训练的蛋白质语言模型从蛋白质序列和多序列比对中构建indel及其蛋白质背景的潜在表示，并通过监督机器学习模型进行致病性预测，相比现有方法在预测性能上有显著提升 | 由于已知致病性变异数量有限，训练数据可能存在不足 | 提高短框内插入和缺失变异的致病性预测准确性 | 短框内插入和缺失变异 | 自然语言处理 | NA | 蛋白质语言模型 | 监督机器学习模型 | 蛋白质序列 | 来自ClinVar和gnomAD的训练数据，以及两个不同来源的测试数据集 |
| 168 | 2025-03-21 |
A full-stack platform for spiking deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00565-5
PMID:38177599
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 169 | 2025-03-21 |
Accurately predicting molecular spectra with deep learning
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00553-9
PMID:38177595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 170 | 2025-03-21 |
A deep learning model for predicting selected organic molecular spectra
2023-Nov, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-023-00550-y
PMID:38177591
|
研究论文 | 本文开发了一种名为DetaNet的深度学习模型，用于预测分子光谱，提高了效率和准确性 | 结合E(3)-等变群和自注意力机制，通过传递高阶几何张量信息，能够生成多种分子属性，达到量子化学计算的精度 | NA | 提高分子光谱模拟的准确性和效率，以促进物质发现和结构识别 | 分子光谱 | 机器学习 | NA | 深度学习 | DetaNet | 分子光谱数据 | 130,000种分子物种的QM9S数据集 |
| 171 | 2025-03-21 |
High-throughput property-driven generative design of functional organic molecules
2023-Feb, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-022-00391-1
PMID:38177626
|
研究论文 | 本文提出了一种结合生成深度学习模型和监督深度学习模型的方法，用于预测具有最优特性的有机分子 | 通过结合生成模型和监督模型，实现了对分子电子结构的预测和优化，避免了量子化学计算，适用于高通量筛选 | 未提及具体局限性 | 设计具有定制特性的有机分子，特别是用于有机电子应用 | 有机分子 | 机器学习 | NA | 生成深度学习模型，监督深度学习模型 | 生成模型，监督模型 | 分子结构数据 | 未提及具体样本数量 |
| 172 | 2025-03-19 |
Forest fuel type classification: Review of remote sensing techniques, constraints and future trends
2023-09-15, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2023.118315
PMID:37290304
|
综述 | 本文综述了用于森林燃料类型分类的遥感技术，探讨了其限制因素和未来发展趋势 | 本文综合了最新的遥感技术进展，并强调了深度学习算法与遥感数据源集成的研究方向 | 遥感技术在燃料类型分类中仍面临挑战，如燃料属性的高度可变性和复杂性 | 提高对森林火灾风险和行为的理解，以增强生物多样性保护和规划有效的风险缓解活动 | 森林燃料类型 | 遥感 | NA | 遥感数据获取与融合技术 | 深度学习算法 | 遥感数据 | NA |
| 173 | 2025-03-19 |
A generalizable framework to comprehensively predict epigenome, chromatin organization, and transcriptome
2023-07-07, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkad436
PMID:37224527
|
研究论文 | 本文提出了一种名为EPCOT的深度学习框架，能够通过预训练和微调的方法，仅需细胞类型特定的染色质可及性数据，即可准确预测包括表观基因组、染色质组织、转录组和增强子活性在内的多种模态 | EPCOT框架的创新之处在于其能够跨预测任务和细胞类型泛化，且能够预测多种昂贵的实验数据（如Micro-C和ChIA-PET），并提供跨基因组模态的生物学见解 | 未明确提及具体局限性 | 开发一个通用的深度学习框架，用于预测表观基因组、染色质组织和转录组等多种基因组模态 | 表观基因组、染色质组织、转录组和增强子活性 | 机器学习 | NA | 深度学习 | 预训练和微调框架 | 染色质可及性数据 | 未明确提及样本数量 |
| 174 | 2025-03-19 |
Explainable artificial intelligence (XAI) for interpreting the contributing factors feed into the wildfire susceptibility prediction model
2023-06-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.163004
PMID:36965733
|
研究论文 | 本文探讨了可解释人工智能（XAI）在解释野火易发性预测模型中的贡献因素的应用 | 使用Shapley加性解释（SHAP）模型来解释深度学习（DL）模型的结果，以识别影响预测模型的关键参数及其相对重要性 | 模型可能受到训练过程和输入变量数量及质量等多种不确定性来源的影响 | 通过可解释的AI技术提高野火易发性预测模型的可解释性和准确性 | 野火易发性预测模型 | 机器学习 | NA | Shapley加性解释（SHAP） | 深度学习（DL） | 地形、土地覆盖/植被、气象数据 | NA |
| 175 | 2025-03-19 |
Deep Learning Initialized Compressed Sensing (Deli-CS) in Volumetric Spatio-Temporal Subspace Reconstruction
2023-Mar-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.03.28.534431
PMID:37034586
|
研究论文 | 本文提出了一种名为Deli-CS的深度学习方法，用于加速时空MRI数据的重建，同时减少深度学习引起的幻觉风险 | 提出了Deli-CS框架，通过深度学习生成的起点来“启动”迭代重建，从而减少重建时间 | 需要大量训练数据，且在不强制数据一致性的情况下可能产生与采集数据不匹配的结果 | 减少时空MRI数据的重建时间，同时限制深度学习引起的幻觉风险 | 全脑多参数映射的时空MRI数据 | 医学影像处理 | NA | 深度学习，压缩感知 | 深度学习模型 | 时空MRI数据 | NA |
| 176 | 2025-03-18 |
An improved beluga whale optimizer-Derived Adaptive multi-channel DeepLabv3+ for semantic segmentation of aerial images
2023, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0290624
PMID:37903154
|
研究论文 | 本文提出了一种改进的白鲸鲸优化算法驱动的自适应多通道DeepLabv3+模型，用于航空图像的语义分割 | 采用改进的白鲸鲸优化算法（IBWO）优化多通道DeepLabv3+的超参数，显著提高了分割精度和计算效率 | 未提及具体的数据集规模或多样性限制 | 提高航空图像语义分割的准确性和效率 | 航空图像 | 计算机视觉 | NA | 深度学习 | AMC-Deeplabv3+, IBWO | 图像 | 未提及具体样本数量 |
| 177 | 2025-03-15 |
Discrimination of benign and malignant breast lesions on dynamic contrast-enhanced magnetic resonance imaging using deep learning
2023-Dec-01, Journal of cancer research and therapeutics
IF:1.4Q4
DOI:10.4103/jcrt.jcrt_325_23
PMID:38156926
|
研究论文 | 本文评估了深度迁移学习（DTL）和微调方法在区分乳腺动态对比增强磁共振成像（DCE-MRI）中良恶性病变的能力 | 使用VGG19、ResNet50和DenseNet201模型进行对比，并通过微调策略提升模型性能，验证了VGG19模型在识别良恶性乳腺病变中的有效性 | 研究样本量有限，仅包含50个额外病变用于验证集，可能影响模型的泛化能力 | 评估深度迁移学习和微调方法在乳腺DCE-MRI中区分良恶性病变的能力 | 乳腺动态对比增强磁共振成像（DCE-MRI）中的良恶性病变 | 计算机视觉 | 乳腺癌 | 深度迁移学习（DTL）和微调方法 | VGG19, ResNet50, DenseNet201 | 图像 | 50个额外病变用于验证集 |
| 178 | 2025-03-15 |
Deep Learning-Based Diagnostic System for Velopharyngeal Insufficiency Based on Videofluoroscopy in Patients With Repaired Cleft Palates
2023 Nov-Dec 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009560
PMID:37815288
|
研究论文 | 本文开发了一种基于深度学习的诊断系统，用于评估修复腭裂患者的腭咽功能不全（VPI） | 首次将深度学习技术应用于VPI的诊断，并与人类专家的诊断结果进行比较 | 研究为回顾性分析，可能存在选择偏差 | 开发一种基于深度学习的诊断系统，用于评估修复腭裂患者的VPI | 修复腭裂患者 | 计算机视觉 | 腭咽功能不全 | 深度学习 | VGGNet, ResNet, Xception, ResNext, DenseNet, SENet | 视频 | 714例（2010年1月至2019年6月） |
| 179 | 2025-03-15 |
Using a New Deep Learning Method for 3D Cephalometry in Patients With Cleft Lip and Palate
2023 Jul-Aug 01, The Journal of craniofacial surgery
IF:1.0Q3
DOI:10.1097/SCS.0000000000009299
PMID:36944601
|
研究论文 | 本研究应用了一种基于3D点云图卷积神经网络的新深度学习方法，用于预测和定位唇腭裂患者的标志点 | 首次将深度学习方法应用于唇腭裂患者的3D头影测量标志点预测和定位 | 未来若扩大唇腭裂训练集，可能会获得更准确的结果 | 开发适用于唇腭裂患者的3D头影测量系统 | 唇腭裂患者 | 计算机视觉 | 唇腭裂 | 3D点云图卷积神经网络 | PointNet++ | 3D图像 | 150名患者 |
| 180 | 2025-03-14 |
Exploring the application of deep learning methods for polygenic risk score estimation
2023-Dec-15, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.12.14.23299972
PMID:38168416
|
研究论文 | 本文探讨了深度学习在估计多基因风险评分（PRS）中的应用 | 使用单一模型生成多个PRS，并探索了机器学习在PRS生成中的潜力，特别是在处理缺失数据时的表现 | 模型的进一步改进可能需要额外的输入数据 | 研究机器学习如何改进多基因风险评分的生成 | UK Biobank数据中的已知PRS | 机器学习 | NA | 深度学习 | MLP | 基因数据 | UK Biobank数据 |