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 1879 篇文献，本页显示第 661 - 680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 661 | 2024-12-12 |
In silico models of the macromolecular NaV1.5-KIR2.1 complex
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1362964
PMID:38468705
|
研究论文 | 本文通过刚体蛋白质-蛋白质对接程序和基于深度学习的AlphaFold-Multimer软件生成了Na1.5-K2.1的3D模型，揭示了这两个通道在整个跨膜区域上的物理相互作用 | 首次通过3D建模揭示了Na1.5和K2.1通道在整个跨膜区域上的物理相互作用，并发现了疾病相关突变的热点区域 | 仅通过计算机模拟生成模型，未进行实验验证 | 研究Na1.5和K2.1通道在心肌细胞中的相互作用及其在心血管疾病中的潜在作用 | Na1.5和K2.1通道及其形成的宏分子复合物 | 心血管疾病 | 心血管疾病 | AlphaFold-Multimer | AlphaFold-Multimer | 蛋白质结构 | NA | NA | NA | NA | NA |
| 662 | 2024-12-12 |
BioDeepfuse: a hybrid deep learning approach with integrated feature extraction techniques for enhanced non-coding RNA classification
2024-01, RNA biology
IF:3.6Q2
DOI:10.1080/15476286.2024.2329451
PMID:38528797
|
研究论文 | 本文提出了一种名为BioDeepFuse的混合深度学习框架，结合卷积神经网络（CNN）或双向长短期记忆网络（BiLSTM）与手工特征提取技术，用于增强非编码RNA分类的准确性 | 创新点在于将CNN或BiLSTM与手工特征提取技术相结合，以优化非编码RNA序列的空间和序列特征的利用 | NA | 旨在提高非编码RNA分类的准确性，并深化对非编码RNA在细胞过程和疾病表现中的理解 | 非编码RNA序列 | 机器学习 | NA | 卷积神经网络（CNN），双向长短期记忆网络（BiLSTM），手工特征提取技术 | 混合深度学习框架 | 序列 | 使用基准数据集和来自细菌生物的实际RNA样本进行评估 | NA | NA | NA | NA |
| 663 | 2024-12-12 |
A review of the applications of generative adversarial networks to structural and functional MRI based diagnostic classification of brain disorders
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1333712
PMID:38686334
|
综述 | 本文综述了生成对抗网络（GAN）在基于结构和功能磁共振成像（MRI）的脑部疾病诊断分类中的应用 | GAN通过学习数据分布来增强数据，为解决神经影像数据稀缺和不平衡问题提供了潜在解决方案 | 本文指出了方法学和可解释性方面的不足，并提出了未来研究的方向 | 探讨GAN在神经影像数据分类中的应用，并提出未来研究的方向 | 基于结构和功能MRI的脑部疾病诊断分类 | 机器学习 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | NA | NA | NA | NA | NA |
| 664 | 2024-12-11 |
Multi-site benchmark classification of major depressive disorder using machine learning on cortical and subcortical measures
2024-01-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-47934-8
PMID:38212349
|
研究论文 | 本文使用机器学习技术对多站点样本进行大规模分类，评估了浅层线性和非线性模型在区分重度抑郁症与健康对照中的表现 | 本文采用了迄今为止最大的多站点样本（N=5365），并使用标准化ENIGMA分析管道中的脑测量数据，提供了一个可推广的机器学习分类基准 | 尽管使用了大规模样本，分类准确率仍然较低，尤其是在数据调和后，准确率接近随机水平 | 评估现有机器学习算法在区分重度抑郁症与健康对照中的诊断预测能力 | 重度抑郁症患者与健康对照 | 机器学习 | 精神疾病 | 机器学习 | 浅层线性和非线性模型 | 脑成像数据 | 5365名参与者 | NA | NA | NA | NA |
| 665 | 2024-12-11 |
The applications of anterior segment optical coherence tomography in glaucoma: a 20-year bibliometric analysis
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.18611
PMID:39619196
|
研究论文 | 本文通过文献计量学方法分析了过去20年AS-OCT在青光眼领域的研究热点和趋势 | 首次对AS-OCT在青光眼领域的研究进行了全面的文献计量学分析，揭示了该领域的研究热点和趋势 | 仅基于文献数据进行分析，未涉及实际临床应用效果 | 探讨AS-OCT在青光眼领域的研究热点和趋势 | AS-OCT在青光眼领域的研究文献 | NA | 青光眼 | 文献计量学 | NA | 文献 | 931篇文献 | NA | NA | NA | NA |
| 666 | 2024-12-11 |
Enhanced related-key differential neural distinguishers for SIMON and SIMECK block ciphers
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2566
PMID:39650359
|
研究论文 | 本文提出了一种增强的相关密钥差分神经区分器框架，用于SIMON和SIMECK分组密码 | 引入了加权偏差分数方法来高效选择输入差异，并提出了利用两个输入差异的改进方案，显著提高了区分器的准确性 | NA | 改进相关密钥差分神经区分器，以提高对SIMON和SIMECK分组密码的攻击效果 | SIMON和SIMECK分组密码 | 密码学 | NA | 深度学习 | 神经网络 | NA | NA | NA | NA | NA | NA |
| 667 | 2024-12-09 |
Classifying forensically important flies using deep learning to support pathologists and rescue teams during forensic investigations
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314533
PMID:39637032
|
研究论文 | 本文提出使用计算机视觉和深度学习技术对法医重要蝇类进行分类，以支持法医调查和救援团队 | 利用深度学习模型对蝇类进行高效准确的分类，特别是在危机情况下使用无人机进行搜索 | NA | 开发一种深度学习模型，用于在法医昆虫学中对蝇类进行分类，以支持法医调查和救援行动 | 法医重要蝇类，包括Calliphoridae、Sarcophagidae、Rhiniidae及其属Chrysomya、Lucilia、Sarcophaga、Rhiniinae和Stomorhina | 计算机视觉 | NA | 深度学习 | MobileNetV3-Large和VGG19 | 图像 | NA | NA | NA | NA | NA |
| 668 | 2024-12-09 |
Effective feature selection based HOBS pruned- ELM model for tomato plant leaf disease classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315031
PMID:39637070
|
研究论文 | 本文提出了一种基于HOBS修剪的ELM模型，用于番茄植物叶片病害的实时分类 | 采用大象群优化算法选择相关特征，并结合HOBS和修剪的ELM优化网络参数，显著减少了计算复杂性和模型大小 | NA | 构建一种轻量级的卷积神经网络架构，用于番茄植物叶片病害的实时分类 | 番茄植物叶片的病害分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 8000张番茄植物叶片图像，涵盖10个不同类别 | NA | NA | NA | NA |
| 669 | 2024-12-09 |
geodl: An R package for geospatial deep learning semantic segmentation using torch and terra
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315127
PMID:39637071
|
研究论文 | 介绍了一个名为geodl的R包，用于在R语言环境中进行地理空间深度学习语义分割 | geodl是首个在R语言中实现地理空间深度学习的包，基于torch和terra包，简化了软件环境需求 | NA | 开发一个在R语言中实现地理空间深度学习的工具包 | 地理空间数据和地球科学数据 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 670 | 2024-12-09 |
Managing linguistic obstacles in multidisciplinary, multinational, and multilingual research projects
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311967
PMID:39637194
|
研究论文 | 本文通过实证方法探讨了多学科、多国和多语言研究项目中术语混淆的来源及其影响 | 本文通过对比两个不同团队的经验，识别并分类了术语障碍，并提出了六项改进建议 | 本文的建议基于单一经验，需要进一步讨论和测试 | 探讨多学科、多国和多语言研究项目中的术语障碍及其解决方案 | 多学科、多国和多语言研究团队中的术语障碍 | 自然语言处理 | NA | 深度学习（人工智能） | NA | 文本 | 两个团队的经验 | NA | NA | NA | NA |
| 671 | 2024-12-09 |
A comprehensive review of the recent advances on predicting drug-target affinity based on deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1375522
PMID:38628639
|
综述 | 本文综述了基于深度学习的药物-靶点亲和力预测的最新进展 | 深度学习在计算生物学中的应用，特别是药物-靶点亲和力预测方面的新方法 | NA | 帮助研究人员理解现有方法的优缺点，并开发高精度的药物-靶点亲和力预测工具 | 药物-靶点亲和力预测 | 机器学习 | NA | 深度学习 | CNN, RNN, Transformer, GNN | 序列和结构数据 | NA | NA | NA | NA | NA |
| 672 | 2024-12-09 |
GSB: GNGS and SAG-BiGRU network for malware dynamic detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0298809
PMID:38635682
|
研究论文 | 本文提出了一种基于GNGS和SAG-BiGRU网络的恶意软件动态检测方法 | 创新点在于使用GNGS算法构建新的平衡数据集，并通过SAG-BiGRU网络提取局部和全局特征，提高少数类别恶意软件的检测率 | NA | 解决恶意软件检测中数据分布不平衡问题，提高少数类别恶意软件的检测率 | 恶意软件及其变种的动态检测 | 机器学习 | NA | GNGS, SAG, BiGRU | SAG-BiGRU网络 | 数据集 | 使用阿里巴巴云数据集进行恶意软件多分类实验 | NA | NA | NA | NA |
| 673 | 2024-12-09 |
Computational Language Modeling and the Promise of In Silico Experimentation
2024, Neurobiology of language (Cambridge, Mass.)
DOI:10.1162/nol_a_00101
PMID:38645624
|
研究论文 | 本文讨论了基于深度学习的编码模型在语言神经科学中的应用，提出了一种新的计算实验范式 | 提出了基于深度学习的编码模型，结合了受控实验的可解释性和自然刺激实验的广泛适用性 | 讨论了该方法的优缺点，指出其局限性 | 探讨计算语言建模和计算机实验在语言神经科学中的潜力 | 语言神经科学中的实验范式 | 自然语言处理 | NA | 深度学习 | 编码模型 | 文本 | NA | NA | NA | NA | NA |
| 674 | 2024-12-08 |
Deep learning methods improve genomic prediction of wheat breeding
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1324090
PMID:38504889
|
研究论文 | 研究探讨了深度学习模型在小麦育种基因组预测中的应用，并与传统的GBLUP模型进行了比较 | 本研究首次在适度大规模数据集上应用深度学习模型，并展示了其在基因组预测中的优越性 | 研究仅限于五个特定性状的预测，且未探讨更大规模数据集上的表现 | 评估深度学习模型在小麦育种基因组预测中的准确性，并探讨其在适度大规模数据集上的应用潜力 | 小麦育种中的基因组预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因组数据 | 适度大规模数据集 | NA | NA | NA | NA |
| 675 | 2024-12-08 |
Multiscale effective connectivity analysis of brain activity using neural ordinary differential equations
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314268
PMID:39630698
|
研究论文 | 本文介绍了一种名为msDyNODE的神经生物学驱动的深度学习模型，用于分析大脑活动的多尺度有效连接 | 提出了msDyNODE模型，用于描述多尺度大脑通信，成功捕捉了多尺度活动，并展示了其在神经生理实验中的应用 | NA | 开发一种新的多尺度动态模型，用于研究神经过程 | 大脑活动的多尺度有效连接 | 机器学习 | NA | 神经普通微分方程 | 深度学习模型 | 神经信号 | NA | NA | NA | NA | NA |
| 676 | 2024-12-08 |
Deep learning analysis of fMRI data for predicting Alzheimer's Disease: A focus on convolutional neural networks and model interpretability
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312848
PMID:39630834
|
研究论文 | 本文探讨了使用深度学习方法，特别是卷积神经网络（CNN），通过功能磁共振成像（fMRI）数据来预测阿尔茨海默病（AD） | 本文展示了深度学习在医学影像中预测AD的潜力，并强调了多模态医学数据集整合的复杂性 | 研究数据集存在样本量小和类别不平衡的问题 | 早期检测阿尔茨海默病以实现有效干预和管理 | 阿尔茨海默病及其相关遗传风险因素和fMRI数据 | 计算机视觉 | 阿尔茨海默病 | 功能磁共振成像（fMRI） | 卷积神经网络（CNN） | 图像 | 使用来自阿尔茨海默病神经影像学倡议（ADNI）的数据，样本量小且类别不平衡 | NA | NA | NA | NA |
| 677 | 2024-12-08 |
Recognition of parasitic helminth eggs via a deep learning-based platform
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1485001
PMID:39633811
|
研究论文 | 本研究利用YOLOv4深度学习算法开发了一个用于识别寄生虫卵的平台 | 首次将人工智能技术应用于寄生虫卵的检测和分类，显著提高了诊断效率和准确性 | 在复杂诊断场景中，识别准确率仍有提升空间 | 开发一种高效、准确的寄生虫卵检测方法，以改善传统诊断方法的不足 | 不同种类的寄生虫卵，包括蛔虫、鞭虫、蛲虫、钩虫、日本血吸虫、肺吸虫、姜片虫、华支睾吸虫和绦虫 | 计算机视觉 | 寄生虫病 | YOLOv4深度学习算法 | YOLOv4 | 图像 | 涉及9种寄生虫卵的单物种和混合样本 | NA | NA | NA | NA |
| 678 | 2024-12-08 |
Enhancing early Alzheimer's disease classification accuracy through the fusion of sMRI and rsMEG data: a deep learning approach
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1480871
PMID:39633895
|
研究论文 | 本文提出了一种基于深度学习的多模态分类框架，通过融合sMRI和rsMEG数据来提高阿尔茨海默病早期分类的准确性 | 本文创新性地提出了InterFusion方法，通过融合sMRI和rsMEG数据，显著提高了阿尔茨海默病早期分类的准确性 | NA | 提高阿尔茨海默病早期分类的准确性 | sMRI和rsMEG数据 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | NA | 图像 | 307个样本，包括163个轻度认知障碍病例和144个认知健康的对照组 | NA | NA | NA | NA |
| 679 | 2024-12-08 |
YOLO-SDL: a lightweight wheat grain detection technology based on an improved YOLOv8n model
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1495222
PMID:39634063
|
研究论文 | 本文提出了一种基于改进的YOLOv8n模型的轻量级小麦谷物检测技术YOLO-SDL | YOLO-SDL模型在YOLOv8n的基础上，结合了ShuffleNetV2架构和深度可分离卷积（DWConv）与大分离核注意力（LSKA）机制，显著提高了检测速度和准确性 | NA | 实现高效的小麦谷物检测 | 小麦谷物的质量检测 | 计算机视觉 | NA | 深度学习 | YOLOv8n | 图像 | 包含完美、发芽、患病和受损谷物图像的高质量小麦谷物数据集 | NA | NA | NA | NA |
| 680 | 2024-12-08 |
Moving Beyond Medical Statistics: A Systematic Review on Missing Data Handling in Electronic Health Records
2024, Health data science
DOI:10.34133/hds.0176
PMID:39635227
|
综述 | 本文系统回顾了电子健康记录中缺失数据处理方法的研究现状 | 比较了传统统计方法和机器学习方法在不同缺失场景下的表现，发现机器学习方法在处理电子健康记录中的缺失数据方面具有显著潜力 | 没有一种方法能提供普遍适用的解决方案，标准化基准分析对于评估这些方法在不同缺失场景下的表现至关重要 | 探讨电子健康记录中缺失数据处理方法的现状及其在不同场景下的表现 | 电子健康记录中的缺失数据处理方法 | 机器学习 | NA | 机器学习方法，如生成对抗网络（GAN）和k近邻（KNN）分类 | 生成对抗网络（GAN），k近邻（KNN） | 电子健康记录数据 | 46项研究，涵盖2010年至2024年发表的文献 | NA | NA | NA | NA |