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 134 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 | 2024-09-19 |
Hierarchical multi-omics data integration and modeling predict cell-specific chemical proteomics and drug responses
2023-04-24, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2023.100452
PMID:37159671
|
研究论文 | 开发了一种端到端的深度学习框架TransPro，用于预测未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和相应表型 | 提出了TransPro框架，通过分层整合多组学数据来预测蛋白质组学特征和药物反应，填补了蛋白质组学数据稀缺和缺失值问题的空白 | NA | 开发一种计算方法来推断药物诱导的蛋白质组学模式，以促进系统药理学的发展 | 未表征细胞或组织类型在未表征化学物质干扰下的蛋白质组学特征和药物反应 | 机器学习 | NA | 深度学习 | 深度学习框架 | 多组学数据 | NA | NA | NA | NA | NA |
| 82 | 2024-09-19 |
Revolutionizing the Early Detection of Alzheimer's Disease through Non-Invasive Biomarkers: The Role of Artificial Intelligence and Deep Learning
2023-Apr-22, Sensors (Basel, Switzerland)
DOI:10.3390/s23094184
PMID:37177386
|
研究论文 | 本文探讨了通过非侵入性生物标志物结合人工智能和深度学习技术，实现阿尔茨海默病早期检测的潜力 | 本文提出了一种结合非侵入性技术和人工智能深度学习的方法，用于阿尔茨海默病的早期检测，这在当前研究中是一个创新点 | 本文未详细讨论具体的模型或技术细节，以及实际应用中的可行性和效果 | 研究目的是通过非侵入性方法和人工智能技术，实现阿尔茨海默病的早期检测 | 研究对象是阿尔茨海默病及其早期检测方法 | 机器学习 | 阿尔茨海默病 | 人工智能和深度学习 | 深度学习模型 | 生物数据 | NA | NA | NA | NA | NA |
| 83 | 2024-09-19 |
Deployment of Real-time Natural Language Processing and Deep Learning Clinical Decision Support in the Electronic Health Record: Pipeline Implementation for an Opioid Misuse Screener in Hospitalized Adults
2023-Apr-20, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/44977
PMID:37079367
|
研究论文 | 本文详细介绍了一个医院范围内实时自然语言处理和深度学习临床决策支持工具的部署流程，并描述了一个以用户为中心的设计框架 | 本文首次在临床环境中实施了实时自然语言处理管道，用于医疗保健交付 | 网络安全审批和保护健康信息交换是管道开发中最长的延迟原因 | 旨在详细描述一个医院范围内的实时自然语言处理驱动的临床决策支持工具的实施流程，并提供一个实施框架 | 医院范围内的实时自然语言处理驱动的临床决策支持工具 | 自然语言处理 | NA | 自然语言处理 | 卷积神经网络 | 文本 | 100名成年患者 | NA | NA | NA | NA |
| 84 | 2024-09-17 |
Collaborative training of medical artificial intelligence models with non-uniform labels
2023-04-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33303-y
PMID:37055456
|
研究论文 | 本文提出了一种灵活的联邦学习（FFL）方法，用于在具有非均匀标签的医疗数据上进行协作训练 | 本文的创新点在于提出了灵活的联邦学习（FFL）方法，以解决传统联邦学习在处理非均匀标签数据时的局限性 | 本文的局限性在于仅在胸部X光片数据上进行了验证，尚未在其他类型的医疗数据上进行测试 | 本文的研究目的是改进医疗人工智能模型的训练方法，使其能够有效利用具有非均匀标签的多方数据 | 本文的研究对象是胸部X光片数据，特别是肺炎和肺部转移的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 695,000张胸部X光片，来自全球五个机构 | NA | NA | NA | NA |
| 85 | 2024-09-17 |
Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms
2023-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-32838-4
PMID:37045898
|
研究论文 | 提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量 | 创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合 | NA | 开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法 | 干旱地区的月蒸发量 | 机器学习 | NA | 长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数 | LSTM | 气象数据 | NA | NA | NA | NA | NA |
| 86 | 2024-09-17 |
Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality
2023-04-12, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02151-1
PMID:37046259
|
研究论文 | 研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响 | 探讨了Covid-19疫情导致的协变量突变对模型性能的影响 | 过早重新训练模型可能导致预测准确性下降 | 阐明Covid-19疫情对模型性能的影响 | Covid-19疫情前后的围手术期死亡率预测模型 | 机器学习 | NA | XGBoost, 深度学习神经网络 | XGBoost, 深度学习神经网络 | 围手术期数据 | 包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月 | NA | NA | NA | NA |
| 87 | 2024-09-17 |
Learning naturalistic driving environment with statistical realism
2023-Apr-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37677-5
PMID:37041129
|
研究论文 | 本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程 | 首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下 | NA | 开发和测试自动驾驶车辆的模拟工具 | 多智能体交互行为和安全关键事件 | 计算机视觉 | NA | 深度学习 | 神经网络 | 轨迹数据 | NA | NA | NA | NA | NA |
| 88 | 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 |
| 89 | 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 |
| 90 | 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 |
| 91 | 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 |
| 92 | 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 |
| 93 | 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 |
| 94 | 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 |
| 95 | 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 |
| 96 | 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 |
| 97 | 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 |
| 98 | 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 |
| 99 | 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 |
| 100 | 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 |