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 142 篇文献，本页显示第 141 - 142 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 141 | 2024-08-07 |
Development and Verification of Time-Series Deep Learning for Drug-Induced Liver Injury Detection in Patients Taking Angiotensin II Receptor Blockers: A Multicenter Distributed Research Network Approach
2023-Jul, Healthcare informatics research
IF:2.3Q3
DOI:10.4258/hir.2023.29.3.246
PMID:37591680
|
研究论文 | 本研究开发并验证了一种基于多中心、多模型的时序深度学习模型，用于预测服用血管紧张素II受体阻滞剂（ARBs）患者的药物性肝损伤（DILI） | 采用多中心分布式研究网络方法，利用韩国六家医院的电子健康记录（EHRs），开发了一种可解释的时序模型，用于分析DILI的发生率和相关变量的时间模式 | NA | 开发并验证一种用于预测服用ARBs患者DILI的时序深度学习模型 | 服用血管紧张素II受体阻滞剂（ARBs）的患者及其药物性肝损伤（DILI） | 机器学习 | 肝损伤 | 深度学习 | 时序分类模型 | 电子健康记录（EHRs） | 10,852名患者 |
| 142 | 2024-08-07 |
Interpretable deep learning for improving cancer patient survival based on personal transcriptomes
2023-07-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-38429-7
PMID:37443344
|
研究论文 | 本文开发了一种可解释的神经网络模型，用于基于药物处方和个人转录组数据预测癌症患者的生存率 | 该模型能够通过分析个人转录组数据和药物处方，提高癌症患者的生存预测准确性，并揭示决策过程中的关键通路 | NA | 提高癌症患者的生存预测准确性并揭示药物选择的关键通路 | 癌症患者的生存率和药物选择 | 机器学习 | 癌症 | 深度学习 | 神经网络 | 转录组数据 | 涉及的患者数量未明确提及 |