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 12171 篇文献，本页显示第 4881 - 4900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4881 | 2024-10-24 |
Rapid and accurate prediction of protein homo-oligomer symmetry with Seq2Symm
2024-Apr-26, Research square
DOI:10.21203/rs.3.rs-4215086/v1
PMID:38746169
|
研究论文 | 本文训练了几种蛋白质基础模型，包括ESM-MSA、ESM2和RoseTTAFold2，以预测同源寡聚体的对称性，并提出了一种名为Seq2Symm的最佳模型 | Seq2Symm模型利用ESM2，在预测同源寡聚体对称性方面优于现有的基于模板和深度学习方法 | NA | 解决当前机器学习模型在准确快速预测蛋白质同源寡聚体对称性方面的不足 | 蛋白质同源寡聚体的对称性 | 机器学习 | NA | 机器学习模型训练 | ESM2 | 蛋白质序列 | 应用于5个全蛋白质组和约350万条未标记的蛋白质序列 |
| 4882 | 2024-10-24 |
Revolutionizing Postoperative Ileus Monitoring: Exploring GRU-D's Real-Time Capabilities and Cross-Hospital Transferability
2024-Apr-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.24.24306295
PMID:38712199
|
研究论文 | 本文探讨了GRU-D模型在术后肠梗阻风险实时评估中的应用及其跨医院转移能力 | 首次探索了深度学习模型GRU-D在术后肠梗阻风险评估中的应用及其跨电子健康记录系统的转移能力 | 研究主要集中在术后肠梗阻的预测任务难度和病例发生率上，对训练数据和转移策略的影响关注较少 | 评估GRU-D模型在术后肠梗阻风险实时评估中的性能及其跨医院的转移能力 | 术后肠梗阻风险评估 | 机器学习 | NA | 深度学习 | GRU-D | 电子健康记录 | 7349例结直肠手术 |
| 4883 | 2024-10-24 |
Histopathological evaluation of abdominal aortic aneurysms with deep learning
2024-Apr-24, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.23.24306178
PMID:38712033
|
研究论文 | 本文评估了深度学习方法在分析腹主动脉瘤病理切片中的应用 | 首次全面评估计算病理学在血管疾病中的应用 | NA | 探索深度学习技术在血管病理学中的应用潜力 | 腹主动脉瘤的病理切片 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 图像 | 369名患者 |
| 4884 | 2024-10-24 |
Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design
2024-Apr-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.19.590222
PMID:38712216
|
研究论文 | 研究探讨了基于结构的深度学习方法在T细胞受体设计中的潜力 | 首次探索了两种基于结构的深度学习蛋白质设计方法（ProteinMPNN和ESM-IF）在固定骨架T细胞受体设计中的应用 | 研究中识别了现有方法的不足之处，需要进一步改进 | 探索基于结构的深度学习方法在设计T细胞受体以结合目标抗原肽方面的潜力 | T细胞受体及其与目标抗原肽的结合 | 机器学习 | 癌症 | 深度学习 | ProteinMPNN, ESM-IF | 蛋白质3D结构和序列 | NA |
| 4885 | 2024-10-24 |
Calculating Protein-Ligand Residence Times Through State Predictive Information Bottleneck based Enhanced Sampling
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.16.589710
PMID:38659748
|
研究论文 | 本文提出了一种半自动化的协议，通过基于深度学习的SPIB方法和增强采样技术metadynamics来计算蛋白质-配体复合物的停留时间 | 本文首次将深度学习方法SPIB与增强采样技术metadynamics结合，用于计算蛋白质-配体复合物的停留时间，并展示了其在多个蛋白质-配体复合物中的应用效果 | 本文仅在六个蛋白质-配体复合物上进行了验证，未来需要在更多样化的数据集上进行测试 | 提高药物疗效和理解生物化学中的目标识别机制 | 蛋白质-配体复合物的停留时间 | 生物化学 | 癌症 | 分子动力学模拟 | 深度学习模型 | 蛋白质-配体复合物数据 | 六个蛋白质-配体复合物，包括抗癌药物Imatinib（Gleevec）与野生型Abl激酶及其耐药突变体的解离 |
| 4886 | 2024-10-24 |
Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.15.589602
PMID:38659907
|
研究论文 | 本文探讨了在非人类基因组中使用基于人类基因组训练的深度学习模型进行变异检测的局限性，并提出了TrioTrain方法来克服这些限制 | 首次引入多物种DeepVariant模型，通过TrioTrain方法自动扩展DeepVariant以适应无Genome In A Bottle资源的物种，并使用区域洗牌技术来缓解SLURM集群的障碍 | 受限于不完美的标签，多物种、基于三联体的训练方法在某些情况下仍存在局限性 | 评估基于人类基因组训练的模型在其他物种中的适用性，并开发一种新的方法来扩展深度学习模型以适应多物种基因组 | 牛、牦牛和野牛的基因组 | 生物信息学 | NA | 深度学习 | DeepVariant | 基因组数据 | 使用了牛、牦牛和野牛的三联体样本，共进行了30次模型迭代 |
| 4887 | 2024-10-24 |
Design of the COMEBACK and BACKHOME Studies, Longitudinal Cohorts for Comprehensive Deep Phenotyping of Adults with Chronic Low-Back Pain (cLBP): a part of the BACPAC Research Program
2024-Apr-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.09.24305574
PMID:38645207
|
研究论文 | 本文介绍了COMEBACK和BACKHOME两个纵向队列研究的设计，旨在对慢性腰背痛（cLBP）成人进行全面深度表型分析 | 本文提出了两个大型纵向队列研究，旨在通过深度表型分析定义慢性腰背痛的亚型和疼痛机制，以推动个性化治疗的发展 | NA | 定义慢性腰背痛的表型和疼痛机制，以推动个性化治疗的发展 | 慢性腰背痛（cLBP）成人 | NA | 腰背痛 | 深度学习方法 | NA | 传统数据分析 | COMEBACK研究涉及450名成人，BACKHOME研究涉及约3000名美国成人 |
| 4888 | 2024-10-24 |
The detection of absence seizures using cross-frequency coupling analysis with a deep learning network
2024-Apr-10, Research square
DOI:10.21203/rs.3.rs-4178484/v1
PMID:38659733
|
研究论文 | 本文介绍了一种使用深度学习网络和跨频率耦合分析来检测失神发作的方法 | 利用堆叠稀疏自编码器（SSAE）识别头皮脑电图中的跨频率模式，以自动检测失神发作 | 仅使用了Temple University Hospital数据库中的数据，样本量相对较小 | 开发一种自动检测失神发作的方法 | 失神发作和背景活动的脑电图记录 | 机器学习 | NA | 跨频率耦合分析 | 堆叠稀疏自编码器（SSAE） | 脑电图（EEG） | 12名患者的94次失神发作和背景活动记录 |
| 4889 | 2024-10-24 |
A Review on Low-Dose Emission Tomography Post-Reconstruction Denoising with Neural Network Approaches
2024-Apr, IEEE transactions on radiation and plasma medical sciences
IF:4.6Q1
DOI:10.1109/trpms.2023.3349194
PMID:39429805
|
综述 | 本文综述了低剂量发射断层扫描（ET）后重建去噪的现有技术，重点介绍了深度神经网络（NN）方法 | 探讨了深度学习在提升低剂量ET图像质量和分辨率方面的潜力 | NA | 综述低剂量发射断层扫描后处理技术，特别是深度神经网络方法，并探讨未来发展方向 | 低剂量发射断层扫描图像的去噪技术 | 计算机视觉 | NA | 深度神经网络 | NN | 图像 | NA |
| 4890 | 2024-10-24 |
Parametric optimization and comparative study of machine learning and deep learning algorithms for breast cancer diagnosis
2024, Breast disease
DOI:10.3233/BD-240018
PMID:39331085
|
研究论文 | 本文研究了多种机器学习和深度学习算法在乳腺癌诊断中的性能，并进行了参数优化和比较 | 本文探讨了人工神经网络方法与传统机器学习技术在乳腺癌诊断中的对比，并强调了超参数调优和提升算法在处理数据复杂性和非线性方面的重要性 | 本文主要基于Wisconsin乳腺癌（原始）数据集进行研究，未涉及其他数据集的验证 | 研究不同机器学习和深度学习算法在乳腺癌诊断中的表现，找出最有效的模型 | 乳腺癌的早期诊断 | 机器学习 | 乳腺癌 | 机器学习算法 | SVM, 决策树, CART, ANN, ELM ANN, XGBoost, Adaboost, 梯度提升 | 数据集 | Wisconsin乳腺癌（原始）数据集 |
| 4891 | 2024-10-24 |
Deep learned triple-tracer multiplexed PET myocardial image separation
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1379647
PMID:39381030
|
研究论文 | 本文提出了一种基于深度学习的PET心肌图像分离方法，用于分离三重示踪剂的多重PET图像 | 该方法无需明确知道动脉输入函数，通过使用动态三重示踪剂噪声MLEM重建作为网络输入，动态单示踪剂噪声MLEM重建作为训练标签，实现了三重示踪剂PET图像的分离 | NA | 开发一种新的方法来分离多重PET扫描中的信号，以同时观察不同放射性示踪剂的生理和病理信息 | 三重示踪剂的多重PET心肌图像 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA |
| 4892 | 2024-10-24 |
Decoding the application of deep learning in neuroscience: a bibliometric analysis
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1402689
PMID:39429248
|
研究论文 | 本研究通过文献计量分析，探讨了深度学习在神经科学中的应用及其发展趋势 | 揭示了深度学习技术在神经科学中的应用热点和主题演变，强调了分类算法、模型和神经网络在神经科学中的关键作用 | NA | 分析深度学习在神经科学中的应用趋势，并为未来研究提供战略路线图 | 深度学习在神经科学中的应用及其对神经机制和神经疾病的理解 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 神经数据 | 421篇文章 |
| 4893 | 2024-10-24 |
Multiple Representations in geospatial databases, the brain's spatial cells, and deep learning algorithms
2024, Cartography and geographic information science
IF:2.6Q1
DOI:10.1080/15230406.2023.2264758
PMID:39429547
|
综述 | 本文综述了地理信息系统、大脑空间细胞和深度学习算法中多重表示的研究进展 | 探讨了多重表示在地理复杂性编码和解码中的新视角 | NA | 回顾和整合多重表示在空间数据库、空间认知和深度学习中的研究 | 地理信息系统、大脑海马体和深度学习中的多重表示 | 计算机视觉 | NA | 深度学习 | NA | 空间数据 | NA |
| 4894 | 2024-10-24 |
Universal neural networks for real-time earthquake early warning trained with generalized earthquakes
2024, Communications earth & environment
IF:8.1Q1
DOI:10.1038/s43247-024-01718-8
PMID:39430424
|
研究论文 | 本文提出了一种利用深度学习技术进行地震早期预警的通用神经网络模型 | 通过数据重组方法创建泛化的地震数据用于神经网络训练，使其能够适应不同地区和监测设置 | NA | 提升地震监测能力，实现全球范围内的实时地震早期预警 | 地震监测和参数评估 | 机器学习 | NA | 深度学习 | 神经网络 | 地震波形数据 | 涉及日本和加利福尼亚（美国）的大量地震序列 |
| 4895 | 2024-10-24 |
Journey tracker: driver alerting system with a deep learning approach
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1433795
PMID:39430550
|
研究论文 | 本文设计了一种基于深度学习的驾驶员警示系统，通过自定义的EfficientNet模型架构检测驾驶员的疲劳状态，以提高公共交通的安全性 | 采用自定义的EfficientNet模型架构，结合个性化数据和瞳孔检测进行交叉验证，提高了检测的准确性和可靠性 | 系统依赖于初始10分钟的基线行为学习，可能对新驾驶员的适应性有限 | 开发一种能够实时监测驾驶员疲劳状态并发出警示的系统，以提高公共交通安全 | 公共交通驾驶员的疲劳状态 | 计算机视觉 | NA | 深度学习 | EfficientNet | 图像 | 使用Media Research Lab (MRL)眼数据集进行训练和测试 |
| 4896 | 2024-10-24 |
A deep learning algorithm model to automatically score and grade obstructive sleep apnea in adult polysomnography
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241291707
PMID:39430691
|
研究论文 | 本文研究了一种基于深度学习的算法模型，用于自动评分和分级成人多导睡眠图中的阻塞性睡眠呼吸暂停 | 本文提出了一种基于深度学习的自动评分系统，用于睡眠呼吸障碍患者呼吸事件的评分，相比传统的手动评分方法，提高了效率和准确性 | 本文仅使用了1000例多导睡眠图数据进行模型训练和验证，样本量相对较小，可能影响模型的泛化能力 | 研究目的是评估一种基于深度学习的自动评分系统在睡眠呼吸障碍患者中的应用效果 | 研究对象是1000例多导睡眠图数据，包括简单打鼾、轻度、中度和重度阻塞性睡眠呼吸暂停患者 | 机器学习 | 阻塞性睡眠呼吸暂停 | 深度学习 | LSTM | 多导睡眠图数据 | 1000例多导睡眠图数据，其中700例用于训练，200例用于验证，100例用于测试 |
| 4897 | 2024-10-24 |
Transformer-based active learning for multi-class text annotation and classification
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241287357
PMID:39430702
|
研究论文 | 本文介绍了一种基于Transformer的深度主动学习框架，用于多类文本注释和分类，特别是使用SOAP框架进行临床笔记的自动注释 | 利用Transformer深度学习技术自动注释临床笔记，显著减轻了手动劳动并提高了分类性能 | 未来研究将整合多模态数据和大型语言模型以增强临床文本分析的丰富性和准确性 | 开发一种新的深度主动学习框架，以促进多类文本分类的注释过程 | 临床笔记的多类文本分类 | 自然语言处理 | NA | Transformer深度学习技术 | Transformer | 文本 | 426份临床笔记 |
| 4898 | 2024-10-24 |
Maize yield prediction with trait-missing data via bipartite graph neural network
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1433552
PMID:39430895
|
研究论文 | 本文提出了一种基于二部图神经网络的模型，用于处理缺失特征数据并预测玉米产量 | 本文创新性地使用二部图神经网络来挖掘不同样本数据、不同气象特征与特征以及不同特征之间的关联，并提出了一种基于梯度平衡机制的损失函数来解决样本不平衡问题 | 现有方法通常忽略了玉米种植数据中的广泛关联性，如相邻种植地点的玉米产量关联以及气象特征与玉米特征对玉米产量的综合影响 | 旨在通过机器学习和深度学习方法，在收获前及时准确地预测玉米产量，以支持粮食安全和农业政策发展 | 玉米产量预测 | 机器学习 | NA | 二部图神经网络 | 二部图神经网络 | 数据 | 涉及多个种植地点的玉米种植数据 |
| 4899 | 2024-10-24 |
DPNet: Scene text detection based on dual perspective CNN-transformer
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309286
PMID:39432472
|
研究论文 | 本文提出了一种基于双视角CNN-transformer的场景文本检测方法，通过集成通道增强自注意力模块和空间增强自注意力模块，改进了传统ResNet骨干网络，提高了模型对不同类型文本检测的鲁棒性 | 本文创新性地将通道增强自注意力模块和空间增强自注意力模块集成到传统ResNet骨干网络中，有效促进了全局上下文信息和文本位置关系的学，并引入特征解码器来细化特征图中的有效文本信息 | NA | 提高场景文本检测的准确性和鲁棒性 | 场景中的文本检测 | 计算机视觉 | NA | CNN, transformer | CNN-transformer | 图像 | Total-Text数据集, ICDAR 2015数据集, MSRA-TD500数据集 |
| 4900 | 2024-10-24 |
3D CNN for neuropsychiatry: Predicting Autism with interpretable Deep Learning applied to minimally preprocessed structural MRI data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0276832
PMID:39432512
|
研究论文 | 本文介绍了一种可解释的深度学习方法，用于通过3D CNN模型预测自闭症诊断，基于最小预处理的结构MRI数据 | 本文的创新点在于使用3D深度学习模型进行自闭症诊断，同时避免了数据归一化到模板空间的需求，从而减少了偏差并提高了对结构变化的敏感性 | 本文的局限性包括自闭症临床异质性和站点效应等挑战 | 本文的研究目的是开发一种可解释的预测模型，用于通过结构MRI数据预测自闭症诊断 | 本文的研究对象是自闭症患者和对照组的结构MRI数据 | 计算机视觉 | 神经精神疾病 | 3D CNN | 3D CNN | 图像 | 1329个样本，分为训练集、验证集和测试集 |