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 127 篇文献，本页显示第 81 - 100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 81 | 2024-09-17 |
Comprehensive benchmark and architectural analysis of deep learning models for nanopore sequencing basecalling
2023-04-11, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-02903-2
PMID:37041647
|
研究论文 | 本文对基于纳米孔测序的深度学习模型进行了全面的基准测试和架构分析 | 本文统一了现有的基准测试数据集并定义了一套严格的评估指标，对最新的七个碱基调用模型进行了基准测试和架构分析 | 物种偏差在训练中对性能有较大影响 | 标准化纳米孔测序碱基调用的基准测试过程，并分析不同模型的性能 | 纳米孔测序的碱基调用模型 | 机器学习 | NA | 纳米孔测序 | 循环神经网络（长短期记忆）和条件随机场解码器 | 电流信号 | 90种新架构 | NA | NA | NA | NA |
| 82 | 2024-09-17 |
Improving the generalizability of protein-ligand binding predictions with AI-Bind
2023-04-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37572-z
PMID:37031187
|
研究论文 | 本文介绍了一种名为AI-Bind的管道，通过结合基于网络的采样策略和无监督预训练来提高蛋白质-配体结合预测的泛化能力 | AI-Bind通过结合网络采样策略和无监督预训练，解决了现有深度学习模型在预测新蛋白质和配体结合时的泛化问题 | NA | 提高蛋白质-配体结合预测的泛化能力，加速药物发现过程 | 蛋白质-配体结合预测模型及其泛化能力 | 机器学习 | NA | 深度学习 | NA | 网络数据 | NA | NA | NA | NA | NA |
| 83 | 2024-09-17 |
A roadmap to establish a comprehensive platform for sustainable manufacturing of natural products in yeast
2023-04-06, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37627-1
PMID:37024483
|
研究论文 | 本文讨论了在酵母中可持续生产天然产物（NPs）的综合平台构建 | 提出了通过系统关联优化在酵母中可持续生产天然产物的综合平台，并利用深度学习连接多层次数据以识别关键代谢模块 | NA | 建立一个可持续生产天然产物的综合平台 | 天然产物（NPs）的生产 | 生物工程 | NA | 深度学习 | NA | 多层次数据 | NA | NA | NA | NA | NA |
| 84 | 2024-09-17 |
Enhancing travel time prediction with deep learning on chronological and retrospective time order information of big traffic data
2023-Apr-06, Annals of operations research
IF:4.4Q1
DOI:10.1007/s10479-023-05223-7
PMID:37361091
|
研究论文 | 本文提出了一种新的深度学习方法BDIGRU，用于增强交通数据的旅行时间预测 | 提出了双向等距门控循环单元（BDIGRU），结合深度学习框架进行旅行时间预测，并通过其自身的注意力机制从大数据中直接学习高级特征 | 未提及 | 提高智能交通规划中的旅行时间预测准确性 | 交通数据中的旅行时间预测和路线规划 | 机器学习 | NA | 深度学习 | 双向等距门控循环单元（BDIGRU） | 交通数据 | 未提及 | NA | NA | NA | NA |
| 85 | 2024-09-17 |
A Current Review of Machine Learning and Deep Learning Models in Oral Cancer Diagnosis: Recent Technologies, Open Challenges, and Future Research Directions
2023-Apr-05, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics13071353
PMID:37046571
|
综述 | 本文综述了机器学习和深度学习模型在口腔癌诊断中的应用，探讨了最新技术、开放挑战和未来研究方向 | 本文通过综述展示了深度学习模型在早期口腔癌检测中的潜力，并讨论了人工智能在口腔癌研究中的潜在应用 | 本文主要集中在综述现有技术和模型，未提出新的研究方法或模型 | 探讨机器学习和深度学习在口腔癌早期诊断中的应用，评估不同模型的性能，并提出未来研究方向 | 口腔癌及其早期诊断方法 | 机器学习 | 口腔癌 | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 86 | 2024-09-17 |
Explanatory predictive model for COVID-19 severity risk employing machine learning, shapley addition, and LIME
2023-04-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-31542-7
PMID:37015978
|
研究论文 | 研究旨在利用机器学习、Shapley加法和LIME模型解释COVID-19严重程度的风险因素 | 采用Shapley加法解释（SHAP）和LIME模型来分析细胞因子风暴与COVID-19严重程度之间的关系 | 样本量较小，仅涉及87名参与者 | 探讨细胞因子对SARS-CoV-2感染严重程度的影响 | COVID-19患者的血浆细胞因子水平 | 机器学习 | COVID-19 | 机器学习、深度学习 | SHAP、LIME | 血浆细胞因子水平数据 | 87名COVID-19患者 | NA | NA | NA | NA |
| 87 | 2024-09-17 |
STGRNS: an interpretable transformer-based method for inferring gene regulatory networks from single-cell transcriptomic data
2023-04-03, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btad165
PMID:37004161
|
研究论文 | 本文提出了一种基于Transformer的可解释方法STGRNS，用于从单细胞转录组数据中推断基因调控网络 | STGRNS方法通过基因表达基序技术将基因对转换为连续子向量，避免了网络中缺失的阶段特异性调控，提高了GRN推断的准确性 | NA | 解决从单细胞转录组数据中推断基因调控网络时面临的细胞异质性问题 | 单细胞转录组数据中的基因调控网络 | 生物信息学 | NA | 单细胞RNA测序 | Transformer | 基因表达数据 | 21个静态和27个时间序列单细胞RNA测序数据集 | NA | NA | NA | NA |
| 88 | 2024-09-17 |
Heavy tails and pruning in programmable photonic circuits for universal unitaries
2023-Apr-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37611-9
PMID:37012281
|
研究论文 | 本文研究了可编程光子电路中旋转操作符的重尾分布特性，并通过设计修剪多余旋转操作符来实现高保真度的通用幺正操作 | 揭示了可编程光子电路中旋转操作符的重尾分布特性，并提出了通过修剪多余旋转操作符来提高幺正操作的保真度和能量效率 | NA | 开发高维幺正操作的硬件，以实现量子计算和深度学习加速 | 可编程光子电路中的旋转操作符及其分布特性 | 量子计算 | NA | 光子平台 | NA | NA | NA | NA | NA | NA | NA |
| 89 | 2024-09-17 |
MVDroid: an android malicious VPN detector using neural networks
2023-Apr-03, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-023-08512-1
PMID:37362571
|
研究论文 | 本文提出了一种基于神经网络的安卓恶意VPN检测器MVDroid，并通过实验验证了其高准确性 | 本文提出了一种优化的深度学习神经网络，用于基于应用权限识别虚假和感染恶意软件的VPN，并引入了一个新的恶意和良性安卓VPN数据集 | NA | 识别安卓设备上的恶意VPN | 安卓设备上的VPN应用 | 机器学习 | NA | 深度学习神经网络 | 神经网络 | 应用权限数据 | 包含恶意和良性VPN的新数据集 | NA | NA | NA | NA |
| 90 | 2024-09-17 |
Update on the Use of Artificial Intelligence in Hepatobiliary MR Imaging
2023-Apr-01, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.rev.2022-0102
PMID:36697024
|
综述 | 本文综述了机器学习和深度学习在肝胆MRI影像中的应用及其最新进展 | 本文旨在解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果 | 大多数临床医生对机器学习和深度学习不熟悉，且之前的相关研究较难理解 | 解释机器学习和深度学习的概念，并总结其在肝胆区域的最新应用成果 | 机器学习和深度学习在肝胆MRI影像中的应用 | 计算机视觉 | 肝胆疾病 | 机器学习 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 91 | 2024-09-17 |
A 3D Tumor-Mimicking In Vitro Drug Release Model of Locoregional Chemoembolization Using Deep Learning-Based Quantitative Analyses
2023-04, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202206195
PMID:36793129
|
研究论文 | 本文开发了一种基于深度学习的3D肿瘤模拟体外药物释放模型，用于局部化疗栓塞的定量分析 | 首次结合深度学习进行计算分析，定量评估局部药物释放的关键参数，并建立了与人体结果长达80天的体外-体内相关性 | NA | 开发一种新的体外模型，以深入了解肿瘤内药物释放行为 | 肝细胞癌（HCC）的局部化疗栓塞治疗 | 数字病理学 | 肝癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 92 | 2024-09-17 |
Unlocking the microbial studies through computational approaches: how far have we reached?
2023-Apr, Environmental science and pollution research international
DOI:10.1007/s11356-023-26220-0
PMID:36920617
|
综述 | 本文综述了计算方法在微生物研究中的应用进展 | 本文介绍了人工智能（特别是机器学习和深度学习）在微生物学中的应用，包括疾病预测、环境污染物追踪和环境质量评估 | NA | 探讨计算方法在微生物基因组学、蛋白质组学、功能多样性、疫苗开发和药物设计中的应用 | 微生物基因组、蛋白质组、功能多样性、疫苗和药物设计 | 机器学习 | NA | 机器学习（ML）和深度学习（DL） | NA | 基因组序列和蛋白质组数据 | NA | NA | NA | NA | NA |
| 93 | 2024-09-17 |
Automatic measurement of anterior chamber angle parameters in AS-OCT images using deep learning
2023-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.481419
PMID:37078037
|
研究论文 | 本文提出了一种基于深度学习的自动测量前房角参数的方法，用于AS-OCT图像中的虹膜根部和巩膜突的检测 | 本文创新性地结合了卷积神经网络和Transformer模型，以捕捉局部和全局特征，从而提高了前房角参数测量的准确性 | NA | 开发一种自动检测AS-OCT图像中虹膜根部和巩膜突的深度学习方法，以测量前房角参数 | AS-OCT图像中的虹膜根部和巩膜突 | 计算机视觉 | 青光眼 | 深度学习 | 卷积神经网络和Transformer模型 | 图像 | 3305张AS-OCT图像，来自362只眼睛和203名患者 | NA | NA | NA | NA |
| 94 | 2024-09-17 |
Quantifying the drug response of patient-derived organoid clusters by aggregated morphological indicators with multi-parameters based on optical coherence tomography
2023-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.486666
PMID:37078050
|
研究论文 | 开发了一种基于光学相干断层扫描（OCT）的无标记、连续跟踪成像和定量分析药物疗效的方法，用于患者来源的类器官（PDOs） | 引入了一种基于深度学习网络（EGO-Net）的类器官分割和形态定量分析方法，并结合主成分分析（PCA）建立了综合形态指标（AMI），用于定量评估PDOs对药物梯度浓度和组合的响应 | NA | 开发一种高效的方法来定量评估患者来源的类器官（PDOs）对药物的响应 | 患者来源的类器官（PDOs）及其对药物的响应 | 数字病理学 | NA | 光学相干断层扫描（OCT） | 深度学习网络（EGO-Net） | 图像 | NA | NA | NA | NA | NA |
| 95 | 2024-09-16 |
ChimeraNet: U-Net for Hair Detection in Dermoscopic Skin Lesion Images
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00740-6
PMID:36385676
|
研究论文 | 本文提出了一种新的深度学习技术ChimeraNet，用于检测皮肤镜图像中的毛发和标尺标记 | ChimeraNet采用预训练的EfficientNet作为编码器，并在解码器中使用挤压和激励残差结构，显著提高了毛发检测的准确性 | NA | 提高皮肤镜图像中毛发和标尺标记的检测准确性 | 皮肤镜图像中的毛发和标尺标记 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了公开的HAM10000皮肤病变数据集，并在25张额外的测试图像上进行了评估 | NA | NA | NA | NA |
| 96 | 2024-09-16 |
Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00732-6
PMID:36417026
|
研究论文 | 本文提出了一种用于局部晚期宫颈癌（LACC）的跨分次器官变形模拟框架，结合了深度学习技术进行非刚性图像配准 | 本文提出了一种基于深度学习的非刚性图像配准方法，用于高剂量率近距离放射治疗中的跨分次宫颈癌治疗，该方法优于传统算法 | NA | 研究目的是开发一种用于局部晚期宫颈癌的跨分次器官变形模拟框架，以提高高剂量率近距离放射治疗的精度 | 研究对象包括57名局部晚期宫颈癌患者的CT扫描数据，以及膀胱、宫颈和直肠等关键器官的分割数据 | 计算机视觉 | 宫颈癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | 57名局部晚期宫颈癌患者的CT扫描数据，共7202张2D切片，分为训练集（42名患者）和测试集（15名患者） | NA | NA | NA | NA |
| 97 | 2024-09-16 |
Novel prediction models for hyperketonemia using bovine milk Fourier-transform infrared spectroscopy
2023-Apr, Preventive veterinary medicine
IF:2.2Q1
DOI:10.1016/j.prevetmed.2023.105860
PMID:36724618
|
研究论文 | 本文研究了使用牛乳傅里叶变换红外光谱（FTIR）预测酮症的新模型 | 本文评估了更多样化的建模选项，如深度学习、梯度提升机模型和模型集成，用于酮症分类 | NA | 评估不同建模选项在预测奶牛酮症中的表现 | 奶牛酮症 | 机器学习 | NA | 傅里叶变换红外光谱（FTIR） | 卷积神经网络（CNN） | 光谱数据 | 大量异质数据集，包括牛奶FTIR和同时采集的血液样本 | NA | NA | NA | NA |
| 98 | 2024-09-16 |
Preparing for the Artificial Intelligence Revolution in Nuclear Cardiology
2023-Apr, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-021-00733-3
PMID:36998588
|
研究论文 | 本文探讨了人工智能在核心脏病学中的应用，特别是深度学习在减少注射剂量、图像重建和过滤、SPECT衰减校正、特征提取和功能测量等方面的进展 | 本文介绍了深度学习和机器学习在核心脏病学中的多种创新应用，如减少注射剂量、图像重建、SPECT衰减校正等 | 尽管这些应用具有显著潜力，但大多数尚未广泛商业化，主要由于其开发时间较短 | 探讨人工智能在核心脏病学中的应用，并准备迎接即将到来的AI革命 | 核心脏病学中的深度学习和机器学习应用 | 机器学习 | 心血管疾病 | 深度学习 (DL), 机器学习 (ML) | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 99 | 2024-09-16 |
An integrative machine learning framework for classifying SEER breast cancer
2023-04-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-32029-1
PMID:37005484
|
研究论文 | 本文提出了一种集成机器学习框架，用于分类SEER乳腺癌数据集中的生存和死亡状态 | 采用两步特征选择方法（方差阈值和主成分分析）来选择特征，并使用多种监督和集成学习技术进行分类 | 未提及具体限制 | 分类乳腺癌患者的生存和死亡状态 | SEER乳腺癌数据集 | 机器学习 | 乳腺癌 | 机器学习和深度学习 | 决策树 | 数据集 | 未提及具体样本数量 | NA | NA | NA | NA |
| 100 | 2024-09-15 |
Applications of generative adversarial networks in neuroimaging and clinical neuroscience
2023-04-01, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.119898
PMID:36702211
|
综述 | 本文综述了生成对抗网络（GANs）在神经影像学和临床神经科学中的应用 | GANs在捕捉空间复杂、非线性和潜在细微的疾病效应方面比传统生成方法更具优势 | 本文讨论了GANs在神经影像学应用中的主要挑战和开放问题 | 旨在弥合高级深度学习方法与神经学研究之间的差距，展示GANs如何支持临床决策并促进对脑疾病结构和功能模式的更好理解 | 阿尔茨海默病、脑肿瘤、脑老化和多发性硬化症等神经系统疾病 | 机器学习 | NA | 生成对抗网络（GANs） | GAN | 影像 | NA | NA | NA | NA | NA |