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 319 篇文献，本页显示第 281 - 300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 281 | 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 |
| 282 | 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 |
| 283 | 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 |
| 284 | 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 |
| 285 | 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 |
| 286 | 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 |
| 287 | 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 |
| 288 | 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 |
| 289 | 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 |
| 290 | 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 |
| 291 | 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 |
| 292 | 2024-08-05 |
A Review of Machine Learning and Algorithmic Methods for Protein Phosphorylation Site Prediction
2023-12, Genomics, proteomics & bioinformatics
DOI:10.1016/j.gpb.2023.03.007
PMID:37863385
|
综述 | 该综述组织了与磷酸化位点预测相关的知识，以促进该领域的未来研究 | 综述了磷酸化位点（p-site）预测的算法和机器学习方法，并提出重要的特征提取技术 | 在线p-site预测工具在未见过的蛋白质上的实际性能显著低于相关研究论文中报告的结果 | 整理和总结与磷酸化位点预测相关的知识 | 涉及磷酸化修饰及其在生物过程中的角色的蛋白质 | 机器学习 | 神经疾病和癌症 | NA | 传统和端到端深度学习方法 | 蛋白质数据 | 创建自2022年dbPTM数据库的新蛋白质的三个测试集 | NA | NA | NA | NA |
| 293 | 2024-08-07 |
Response to Letter Regarding the Article "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-12-29, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A8075
PMID:38164534
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 294 | 2024-08-05 |
Calibrated geometric deep learning improves kinase-drug binding predictions
2023-Dec, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-023-00751-0
PMID:38962391
|
研究论文 | 本文提出了一种深度学习算法KDBNet，能够利用三维结构数据来预测激酶与药物的结合亲和力 | KDBNet结合了3D蛋白质和分子结构数据，利用图神经网络学习结合口袋和药物的几何和空间特征 | 目前的方法主要集中在局部特征的利用上，可能忽视结合过程的3D特性 | 探索激酶与化合物之间的相互作用并揭示新型结合活性 | 激酶和药物分子 | 机器学习 | 癌症 | 深度学习 | 图神经网络 | 3D蛋白质和分子结构数据 | NA | NA | NA | NA | NA |
| 295 | 2024-08-05 |
Benchmarking splice variant prediction algorithms using massively parallel splicing assays
2023-12-21, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-03144-z
PMID:38129864
|
研究论文 | 本文基于大规模平行剪接检测评估了八种广泛使用的剪接效应预测算法 | 创新之处在于利用大规模平行剪接实验数据为算法性能提供实验验证，以解决当前常用算法性能不一致的问题 | 本文主要集中在已知基因集的变异上，可能限制了结果的普遍适用性 | 旨在评估和比较不同剪接变异预测算法的性能 | 研究对象为3616种变异，涉及五个基因的剪接效应 | 数字病理学 | NA | 大规模平行剪接检测（MPSAs） | 深度学习模型 | 变异数据 | 3616种变异 | NA | NA | NA | NA |
| 296 | 2024-08-05 |
Revealing hidden patterns in deep neural network feature space continuum via manifold learning
2023-Dec-21, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-43958-w
PMID:38129376
|
研究论文 | 本文介绍了一种用于深度神经网络特征可视化的新方法 | 提出了一种流形发现与分析（MDA）方法，可有效可视化回归特征，并保留特征空间的局部几何形状 | 现有可视化技术仅适用于分类任务，回归任务的可视化仍面临挑战 | 开发一种可靠的框架和计算方法来可视化深度学习中的回归特征 | 深度神经网络提取的特征空间中的高维回归特征 | 计算机视觉 | NA | 深度神经网络 | NA | 特征数据 | NA | NA | NA | NA | NA |
| 297 | 2024-08-07 |
Moving From PQRST to AI: Advancing Transparency, Reliability, and Clinical Translation in ECG Deep Learning
2023-Dec, JACC. Advances
DOI:10.1016/j.jacadv.2023.100682
PMID:38938477
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 298 | 2024-08-05 |
Clinical Applications, Methodology, and Scientific Reporting of Electrocardiogram Deep-Learning Models: A Systematic Review
2023-Dec, JACC. Advances
DOI:10.1016/j.jacadv.2023.100686
PMID:38288263
|
研究论文 | 本文对电心电图深度学习模型的临床应用、方法学和科学报告进行了系统性回顾 | 该研究定义了临床相关ECG深度学习模型的现状，并考察了这些研究的科学报告实践 | 方法学报告存在高度变异，无法重现模型的完整信息的出版物较少 | 探讨电心电图深度学习模型的现状及其科学报告的实践 | 临床相关的电心电图深度学习模型 | 机器学习 | 心血管疾病 | 深度学习 | NA | NA | 44篇文献，包含53个独特的、临床相关的ECG深度学习模型 | NA | NA | NA | NA |
| 299 | 2024-08-05 |
3DCNN predicting brain age using diffusion tensor imaging
2023-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-023-02915-x
PMID:37672142
|
研究论文 | 这篇文章提出了一种基于扩散张量成像的3DCNN模型来预测大脑年龄 | 首次利用扩散张量成像（DTI）数据来预测大脑年龄，并使用3D卷积神经网络模型 | 未提及具体的限制 | 研究如何通过神经影像学技术预测大脑年龄 | 分析来自六个公开数据集的2406个样本（年龄范围为17-60岁） | 计算机视觉 | NA | 扩散张量成像（DTI） | 3D卷积神经网络（3DCNN） | 影像 | 2406个样本 | NA | NA | NA | NA |
| 300 | 2024-08-05 |
A Comprehensive Evaluation of Generalizability of Deep Learning-Based Hi-C Resolution Improvement Methods
2023-12-29, Genes
IF:2.8Q2
DOI:10.3390/genes15010054
PMID:38254945
|
研究论文 | 本研究评估了现有Hi-C分辨率提升方法的可泛化性。 | 提出了一个框架Hi-CY，使用多种评估指标比较现有的Hi-C分辨率提升方法，并强调了现有方法在稀疏Hi-C数据集上的性能不足。 | 现有深度学习方法在实验生成的稀疏Hi-C数据集上泛化能力差，性能降低高达57%。 | 研究Hi-C分辨率提升方法的可泛化性，并识别改进的方向。 | 评估七个实验生成的低分辨率Hi-C数据集，分析不同稀疏程度的读取情况。 | 机器学习 | NA | Hi-C | 深度学习方法 | Hi-C数据集 | 七个实验生成的低分辨率Hi-C数据集 | NA | NA | NA | NA |