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 290 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-08-11 |
Artificial Intelligence in Stroke Imaging: A Comprehensive Review
2023-Dec-29, The Eurasian journal of medicine
DOI:10.5152/eurasianjmed.2023.23347
PMID:39109827
|
综述 | 本文全面回顾了人工智能在脑卒中影像学中的应用 | 介绍了多种人工智能方法在脑卒中管理中的应用，包括经典机器学习工具和深度学习模型 | 构建无偏模型需要收集大量、多样且高质量的数据，并确保训练和测试数据分布相似 | 探讨人工智能技术在脑卒中影像学中的应用及其对临床实践的影响 | 脑卒中影像学及其在临床管理中的应用 | 计算机视觉 | 脑血管疾病 | NA | 支持向量机、随机森林、逻辑回归、线性判别分析、卷积神经网络、循环神经网络、自编码器、U-Net | 医学图像 | NA | NA | NA | NA | NA |
| 242 | 2024-08-10 |
Developing Topics
2023-Dec, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.082896
PMID:39120921
|
研究论文 | 本文使用卷积神经网络（CNN）对前额叶痴呆（FTD）、阿尔茨海默病（AD）患者和健康对照（HC）的脑电图（EEG）数据集进行分类并评估其性能 | 本研究采用深度学习方法，无需专家设计的特征工程过程，实现了对痴呆患者EEG的高性能分类 | NA | 开发一种能够对痴呆患者EEG进行高精度分类的深度学习模型 | 前额叶痴呆、阿尔茨海默病患者和健康对照的脑电图数据 | 机器学习 | 神经退行性疾病 | 卷积神经网络（CNN） | CNN | 脑电图（EEG） | 88名受试者 | NA | NA | NA | NA |
| 243 | 2024-08-04 |
Deep learning in terrestrial conservation biology
2023-Dec, Biologia futura
IF:1.8Q3
DOI:10.1007/s42977-023-00200-4
PMID:38227170
|
评论 | 本文对保护生物学中深度学习技术的应用进行了回顾 | 强调了深度学习在保护生物学中的潜力和当前技术先进性 | 提出了当前技术在数据处理方面的缓慢问题 | 探索有效的方式监测生物多样性变化 | 涉及保护生物学中的生物数据监测 | 机器学习 | NA | 深度学习 | NA | 生物数据 | NA | NA | NA | NA | NA |
| 244 | 2024-08-04 |
Predicting Anti-inflammatory Peptides by Ensemble Machine Learning and Deep Learning
2023-12-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01602
PMID:38054927
|
研究论文 | 本文提出了一种通过集成机器学习和深度学习预测抗炎肽的方法 | 通过构建包含极随机树、门控循环单元和卷积神经网络的高级框架，实现了AIP预测的创新性探索 | 在独立测试集上的表现可能不代表其他广泛应用场景的预测精度 | 研究抗炎肽(AIP)的预测以加速抗炎疗法的发展 | 抗炎肽的特征和预测模型 | 机器学习 | NA | 集成机器学习，深度学习 | 极随机树，门控循环单元，卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 245 | 2024-08-04 |
An Uncertainty-Guided Deep Learning Method Facilitates Rapid Screening of CYP3A4 Inhibitors
2023-12-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01241
PMID:38055780
|
研究论文 | 本文提出了一种不确定性引导的深度学习方法，以便于快速筛选CYP3A4抑制剂 | 提出了一种不确定性引导的回归模型，能够准确预测CYP3A4活性的IC值，并通过整合分类模型的预测和引入证据不确定性方法提升了预测的可靠性 | 现有模型主要提供确定性分类结果，缺乏对抑制强度的精确预测，且预测可靠性不足 | 评估CYP3A4抑制剂以避免潜在的药物相互作用和不良反应 | CYP3A4抑制剂的预测与筛选 | 机器学习 | NA | NA | 回归模型 | 化合物数据 | 27,045个化合物，其中包含4395个具有明确IC值的化合物 | NA | NA | NA | NA |
| 246 | 2024-08-04 |
High-Temperature Polymer Dielectrics Designed Using an Invertible Molecular Graph Generative Model
2023-12-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01572
PMID:38061777
|
研究论文 | 本文利用可逆分子图生成模型生成高温聚合物介电材料 | 提出了一种基于可逆正规化流的分子图生成模型，用于高温聚合物介电材料的设计 | 使用的数据集主要是通过基于RNN的生成模型生成的，可能影响模型的普适性 | 高效设计高温聚合物介电材料 | 假设有前景的高温聚合物介电材料 | 材料科学 | NA | 深度生成模型 | 可逆图生成模型 | 分子图 | 包含250k个聚合物分子图 | NA | NA | NA | NA |
| 247 | 2024-08-04 |
GGNpTCR: A Generative Graph Structure Neural Network for Predicting Immunogenic Peptides for T-cell Immune Response
2023-12-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01293
PMID:37990917
|
研究论文 | 本研究提出了一种基于生成图结构的深度学习框架GGNpTCR，用于预测T细胞受体与肽的相互作用 | GGNpTCR模型能够有效预测训练数据集中未出现的新抗原的相互作用，并改善了现有的方法 | 未提及特定的局限性 | 研究T细胞受体与人类抗原之间的相互作用以推动疫苗和免疫治疗的发展 | 重点研究T细胞受体与外源性肽的相互作用 | 计算机视觉 | NA | 深度学习 | 生成图结构 | 序列信息 | 使用了大规模COVID-19数据集和多种数据集进行性能评估 | NA | NA | NA | NA |
| 248 | 2024-08-04 |
Ensemble Geometric Deep Learning of Aqueous Solubility
2023-12-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01536
PMID:37990484
|
研究论文 | 这个文章探讨了几何深度学习在预测分子特性如水溶性方面的应用 | 提出了基于谱卷积和空间卷积的图神经网络架构的两个集成模型 | 在对巨噬细胞迁移抑制因子抑制剂的测试中表现出模型的局限性 | 本研究旨在利用几何深度学习来改进药物候选分子的药物动力学 | 207个分子的验证集以及系列的苯酰脲衍生物和苯二氮卓衍生物 | 数字病理学 | NA | 图神经网络 | SolNet-GCN和SolNet-GAT | 分子特性数据 | 207个分子 | NA | NA | NA | NA |
| 249 | 2024-08-04 |
A Multimodal Deep Learning Framework for Predicting PPI-Modulator Interactions
2023-12-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01527
PMID:38037990
|
研究论文 | 本研究提出了一种基于序列的深度学习框架MultiPPIMI，用于预测PPI靶标与调节剂之间的相互作用 | 本研究的创新点在于MultiPPIMI能够在不需要靶标结构或参考调节剂的情况下，预测任意给定PPI靶标与调节剂之间的相互作用 | 本研究未提供对所有PPI调节剂的全面评估 | 本研究旨在开发一种新的框架来识别PPI介导的相互作用 | 本研究的对象为蛋白质相互作用靶标和调节剂 | 机器学习 | NA | 深度学习 | 双线性注意力网络 | 基准数据集 | NA | NA | NA | NA | NA |
| 250 | 2024-08-04 |
Ab Initio Prediction of 3-D Conformations for Protein Long Loops with High Accuracy and Applications to Antibody CDRH3 Modeling
2023-12-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01051
PMID:38018130
|
研究论文 | 本研究开发了新的方法来预测蛋白质长环的三维构象，具有高精度和应用于抗体CDRH3建模。 | 提出了一种结合原子和残基级别术语的新方法来计算残基原子之间的相互作用能 | 未明确考虑还原侧链与主链原子的相互作用能 | 开发高精度的蛋白质长环的构象预测方法 | 蛋白质长环和抗体CDRH3环 | 数字病理学 | NA | NA | OSCAR-loop | NA | 49个抗体靶点 | NA | NA | NA | NA |
| 251 | 2024-08-04 |
Discovery Viewer (DV): Web-Based Medical AI Model Development Platform and Deployment Hub
2023-Dec-06, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10121396
PMID:38135987
|
研究论文 | 该论文介绍了Discovery Viewer（DV）平台，一个基于网络的医学人工智能模型开发和部署中心 | 提供一个适应性环境，允许非人工智能专家学习、开发和分享深度学习概念，促进模型的持续改进 | 未提及具体的技术细节和模型限制 | 旨在使医疗人工智能模型的开发更加便捷，促进技术在临床环境中的应用 | 针对肌肉骨骼疾病的AI项目进行开发和测试，涵盖分割、回归和分类任务 | 机器学习 | NA | 深度学习 | NA | 样本数据 | 参与项目的样本占80%，剩余样本由志愿者进行注释和训练 | NA | NA | NA | NA |
| 252 | 2024-08-05 |
Potential added value of an AI software with prediction of malignancy for the management of incidental lung nodules
2023-Dec, Research in diagnostic and interventional imaging
DOI:10.1016/j.redii.2023.100031
PMID:39076687
|
研究论文 | 本文研究了一种人工智能软件在意外发现的肺结节管理中的潜在价值 | 研究展示了使用深度学习算法的人工智能软件在预测肺结节恶性程度中的有效性及其高阴性预测值 | 样本量较小，仅包括83名患者的90个肺结节的回顾性分析 | 旨在评估人工智能软件在意外发现的肺结节管理中的影响 | 对在急诊CT扫描中意外发现的肺结节进行评估 | 计算机视觉 | 肺癌 | 深度学习算法 | NA | 影像 | 90个肺结节，涉及83名患者 | NA | NA | NA | NA |
| 253 | 2024-08-05 |
Building Prediction Models for 30-Day Readmissions Among ICU Patients Using Both Structured and Unstructured Data in Electronic Health Records
2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm58861.2023.10385612
PMID:39055130
|
研究论文 | 本研究构建并评估了多个机器学习模型，以预测ICU患者的30天再入院率 | 该研究结合了结构化和非结构化数据，展示了利用机器学习和深度学习预测ICU再入院的潜力 | 该研究可能受到MIMIC-III数据库的特定限制 | 预测ICU患者的30天再入院率 | ICU患者的电子健康记录数据 | 机器学习 | NA | 机器学习 | 逻辑回归 | 结构化和非结构化数据 | 使用MIMIC-III数据库中的数据 | NA | NA | NA | NA |
| 254 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-Dec, Advances in neural information processing systems
PMID:39005944
|
研究论文 | 本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性 | 模型的应用可能局限于特定的行为状态和视觉输入类型 | 研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系 | 自由移动的小鼠及其视觉皮层活动 | 计算机视觉 | NA | 递归神经网络 | 多模态递归神经网络 | 视觉数据 | NA | NA | NA | NA | NA |
| 255 | 2024-08-05 |
Deep Clustering of Electronic Health Records Tabular Data for Clinical Interpretation
2023-Dec, ... IEEE International Conference on Telecommunications and Photonics. IEEE International Conference on Telecommunications and Photonics
DOI:10.1109/ictp60248.2023.10490723
PMID:39027675
|
研究论文 | 本研究提出了一种基于临床变量的患者分层策略，并评估了聚类性能。 | 创新点在于提出了一种基于临床变量进行患者分层的新策略，并采用深度学习方法改善了聚类效果。 | 本研究局限于使用传统聚类算法进行比较，未涉及其他复杂模型的应用。 | 本研究旨在提高对患者数据的理解和分析，特别是在没有明确诊断标签的情况下。 | 研究对象为高血压患者群体，通过聚类分析识别了不同患者簇。 | 机器学习 | NA | 深度学习 | NA | 表格数据 | NA | NA | NA | NA | NA |
| 256 | 2024-08-05 |
ASD-GResTM: Deep Learning Framework for ASD classification using Gramian Angular Field
2023-Dec, Proceedings. IEEE International Conference on Bioinformatics and Biomedicine
DOI:10.1109/bibm58861.2023.10385743
PMID:39021439
|
研究论文 | 本文设计并开发了一个深度学习框架，用于基于功能磁共振成像(fMRI)数据分类自闭症谱系障碍(ASD)与神经典型大脑 | 引入了一种新策略，将提取的时间序列数据转化为Gramian Angular Field (GAF)，并锁定了数据中的时间和空间模式 | 未提及特定的局限性 | 旨在通过深度学习方法提高自闭症的分类准确性 | 基于功能磁共振成像(fMRI)数据的自闭症与神经典型脑的分类 | 计算机视觉 | 自闭症谱系障碍 | fMRI | 卷积神经网络(CNN)及长短期记忆网络(LSTM) | 图像 | 使用了公开的ABIDE-I基准数据集进行训练、验证和测试 | NA | NA | NA | NA |
| 257 | 2024-08-05 |
Enhancing Opioid Bioactivity Predictions through Integration of Ligand-Based and Structure-Based Drug Discovery Strategies with Transfer and Deep Learning Techniques
2023-12-21, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.3c05306
PMID:38084046
|
研究论文 | 本研究通过整合基于配体和基于结构的药物发现策略，利用迁移学习和深度学习技术提高阿片类药物的生物活性预测 | 本文创新性在于应用迁移学习构建稳健的深度学习模型，以增强对每种阿片受体亚型的配体生物活性预测 | 本研究的局限性在于可能仍面临训练样本不足的问题，影响预测性能 | 研究旨在寻找更好的阿片类药物，降低成瘾潜力，以应对阿片类药物危机 | 研究对象为阿片类药物及其对应的受体亚型 | 机器学习 | NA | 深度学习 | NA | 生物活性数据 | 大型生物活性数据集 | NA | NA | NA | NA |
| 258 | 2024-08-05 |
Adaptive Sampling Methods for Molecular Dynamics in the Era of Machine Learning
2023-12-21, The journal of physical chemistry. B
DOI:10.1021/acs.jpcb.3c04843
PMID:38081185
|
评论 | 本文探讨了在分子动力学中应用的自适应采样算法 | 提出了一种仅通过在特定种子上重新启动MD轨迹来增强采样的自适应采样算法 | 本文讨论了自适应采样方法的不足之处 | 研究旨在改善分子动力学中蛋白质构象变化的采样 | 重点关注自适应采样算法及其在真实系统中的应用 | 计算机视觉 | NA | 深度学习技术 | NA | NA | NA | NA | NA | NA | NA |
| 259 | 2024-08-07 |
Exploring infection clinicians' perceptions of bias in Large Language Models (LLMs) like ChatGPT: A deep learning study
2023-12, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2023.09.006
PMID:37743022
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 260 | 2024-08-05 |
Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual Prostheses
2023-Dec, Advances in neural information processing systems
PMID:38984104
|
研究论文 | 本研究提出了一种结合深度学习和贝叶斯优化的新方法，用于视觉假体中的刺激编码优化。 | 提出了一种新的深度编码网络来为个体患者生成最佳刺激，并采用偏好贝叶斯优化策略进行个性化参数优化 | 尽管方法有效，但存在对高维刺激的处理能力不足的问题 | 旨在提高视觉假体患者的感知体验 | 研究视觉假体患者的个性化刺激编码 | 数字病理学 | NA | 深度学习，贝叶斯优化 | 深度编码网络 | 刺激参数数据 | NA | NA | NA | NA | NA |