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 12029 篇文献，本页显示第 4961 - 4980 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4961 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA | NA | NA | NA | NA |
| 4962 | 2024-11-19 |
Machine learning-based prediction of off-pump coronary artery bypass grafting-associated acute kidney injury
2024-Jul-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-711
PMID:39144311
|
研究论文 | 本研究旨在基于机器学习方法建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 本研究创新性地结合了术前和术中数据，通过迁移学习和特征融合，提高了预测模型的准确性 | 本研究的数据来源于单一医院，样本量有限，可能影响模型的普适性 | 建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 非体外循环冠状动脉搭桥术相关急性肾损伤 | 机器学习 | 心血管疾病 | 机器学习 | 梯度提升决策树（GBDT） | 时间序列数据 | 1,041名患者 | NA | NA | NA | NA |
| 4963 | 2024-11-19 |
Insights into the Interaction Mechanisms of Peptide and Non-Peptide Inhibitors with MDM2 Using Gaussian-Accelerated Molecular Dynamics Simulations and Deep Learning
2024-Jul-18, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29143377
PMID:39064955
|
研究论文 | 本研究结合高斯加速分子动力学模拟、深度学习和结合自由能计算，探讨了非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用机制 | 本研究首次将高斯加速分子动力学模拟与深度学习相结合，成功识别了MDM2的关键功能域，并揭示了抑制剂对MDM2结构灵活性和集体运动的影响 | 本研究主要基于模拟和计算，缺乏实验验证 | 探讨抑制剂与MDM2的相互作用机制，为癌症治疗提供理论支持 | 非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用 | 机器学习 | NA | 高斯加速分子动力学模拟、深度学习、分子力学-广义波恩表面积（MM-GBSA）和溶剂化相互作用能（SIE）计算 | 深度学习 | 分子动力学轨迹 | 4种抑制剂（K23、0Y7、PDI6W、PDI）与MDM2的相互作用 | NA | NA | NA | NA |
| 4964 | 2024-11-19 |
Deep Learning Models for Abdominal CT Organ Segmentation in Children: Development and Validation in Internal and Heterogeneous Public Datasets
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.30931
PMID:38691411
|
研究论文 | 本文开发并验证了用于儿童腹部CT器官分割的深度学习模型，包括肝脏、脾脏和胰腺的分割 | 本文的创新点在于在儿童数据上验证了深度学习模型，并使用迁移学习方法在异质性公共数据集上进行预训练，然后在机构内部数据上进行微调，取得了优于仅使用内部数据训练的模型和公开模型的效果 | 本文的局限性在于胰腺分割的性能相对较差，尤其是在存在胰腺炎的情况下 | 本文的研究目的是开发和验证用于儿童腹部CT检查中肝脏、脾脏和胰腺分割的深度学习模型 | 本文的研究对象是儿童腹部CT图像中的肝脏、脾脏和胰腺 | 计算机视觉 | NA | 深度学习 | SegResNet, DynUNet, SwinUNETR | 图像 | 1731例CT检查（1504例用于训练，221例用于测试），包括来自三个内部机构儿科数据集（≤18岁，483例）和三个公共数据集（包括儿科和成人检查，1248例） | NA | NA | NA | NA |
| 4965 | 2024-08-11 |
Editorial Comment: Using Appropriate Training Data in Deep Learning Tissue and Organ Segmentations on CT
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31345
PMID:38691412
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4966 | 2024-08-11 |
Editorial Comment: Usefulness of a Deep Learning Model for Pediatric Abdominal Organ Segmentation
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31408
PMID:38748729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4967 | 2024-11-19 |
An automated multi-layer perceptron discriminative neural network based on Bayesian optimization achieves high-precision one-source single-snapshot direction-of-arrival estimation
2024-May-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60798-w
PMID:38704397
|
研究论文 | 本文提出了一种基于贝叶斯优化的自动化多层感知器判别神经网络，用于高精度单源单快照方向到达估计 | 首次将自动化机器学习算法应用于高精度稀疏水下方向到达估计，并将其视为分类预测任务 | NA | 开发一种高精度单源单快照方向到达估计方法 | 水下稀疏采样方向到达估计问题 | 机器学习 | NA | 贝叶斯优化 | 多层感知器判别神经网络 | 时间域信号 | NA | NA | NA | NA | NA |
| 4968 | 2024-11-19 |
Deep learning reduces data requirements and allows real-time measurements in imaging FCS
2024-03-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.11.3403
PMID:38050354
|
研究论文 | 本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量 | 提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估 | NA | 减少荧光相关光谱成像中的数据需求，并实现实时测量 | 荧光相关光谱成像中的相关性和强度轨迹分析 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 模拟数据 | NA | NA | NA | NA |
| 4969 | 2024-11-19 |
Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images
2024-03-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/kead366
PMID:37471602
|
研究论文 | 研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当 | NA | 探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒） | 计算机视觉 | 类风湿性关节炎 | 深度学习 | ResNet | 图像 | 1244张图像用于模型训练，152张和354张分别用于两个测试集 | NA | NA | NA | NA |
| 4970 | 2024-11-19 |
MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad120
PMID:38280188
|
研究论文 | 介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换 | 提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术 | 未提及具体限制 | 开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术 | 生物医学图像分析中的图像到图像变换任务 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过10种不同的生物医学问题 | NA | NA | NA | NA |
| 4971 | 2024-11-19 |
Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad109
PMID:38217407
|
研究论文 | 本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果 | 首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果 | 目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索 | 评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性 | 超分辨率结构化照明显微镜（SR-SIM）图像的去噪 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平 | NA | NA | NA | NA |
| 4972 | 2024-11-19 |
IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae018
PMID:38649300
|
研究论文 | 本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络 | IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法 | NA | 开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒 | 原核和真核病毒的识别与分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 4973 | 2024-11-19 |
Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae057
PMID:39185700
|
研究论文 | 本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来 | 本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域 | NA | 研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用 | 胶质母细胞瘤的数字病理图像和分子亚型 | 数字病理 | 脑癌 | 深度学习 | Xception卷积神经网络 | 图像 | 276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证 | NA | NA | NA | NA |
| 4974 | 2024-11-19 |
Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity
2024, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2023.2254379
PMID:37672314
|
综述 | 本文综述了不同色谱技术中基于人工智能的保留时间预测方法 | 深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠 | 由于缺乏总结性文献，本文旨在提供一个全面的文献综述 | 探索不同色谱技术中基于人工智能的保留时间预测方法 | 不同色谱技术中的化合物保留时间预测 | 化学信息学 | NA | 色谱技术 | 深度学习模型、支持向量机神经网络 | 化合物数据 | NA | NA | NA | NA | NA |
| 4975 | 2024-11-18 |
Decoding lower-limb kinematic parameters during pedaling tasks using deep learning approaches and EEG
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03147-3
PMID:39028484
|
研究论文 | 本研究通过比较分析两种基于人工神经网络（ANN）的解码器，评估其在基于脑电图（EEG）的脑机接口（BCI）系统中估计下肢踏车任务中的运动学参数的能力 | 本研究首次使用深度学习方法（如LSTM）从EEG信号中重建下肢运动学参数，并展示了其在识别踏车和休息期方面的潜力 | 研究中发现踏车速度与解码器性能之间存在负线性相关，表明在较慢速度下运动学参数更容易估计 | 评估基于深度学习的解码器在脑机接口系统中估计下肢运动学参数的可行性 | 下肢踏车任务中的运动学参数，包括踝关节和膝关节在x轴和y轴的位置以及膝关节角度 | 机器学习 | NA | 脑电图（EEG） | 长短期记忆网络（LSTM） | 脑电信号 | NA | NA | NA | NA | NA |
| 4976 | 2024-11-18 |
DNN-BP: a novel framework for cuffless blood pressure measurement from optimal PPG features using deep learning model
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03157-1
PMID:38963467
|
研究论文 | 本文提出了一种基于深度神经网络（DNN）和光体积描记（PPG）信号的无袖带血压测量新框架 | 本文创新性地结合了深度神经网络和集成特征选择技术，显著提高了基于PPG信号的血压估计精度 | NA | 开发一种基于PPG信号的无袖带连续血压监测算法 | PPG信号和血压值 | 机器学习 | 心血管疾病 | 深度神经网络（DNN） | DNN | 信号 | 125名受试者的218条记录 | NA | NA | NA | NA |
| 4977 | 2024-11-18 |
Evaluation of Neonatal Cerebral Circulation Under Hypoxic Ischemic Risk Factors Based on Quantitative Analysis of Cerebral Veins with Magnetic Resonance Susceptibility Weighted Imaging
2024-Dec, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-024-01432-0
PMID:38922421
|
研究论文 | 本文通过磁共振磁敏感加权成像（SWI）和图像分割算法，量化分析了新生儿大脑深部髓静脉（DMVs）的数量、宽度和曲率，以评估新生儿在缺氧缺血风险下的脑循环自我调节能力 | 首次使用图像分割算法量化新生儿大脑深部髓静脉，为评估新生儿脑循环自我调节提供了新的方法 | 样本量有限，且仅限于特定风险因素下的新生儿 | 评估新生儿在缺氧缺血风险下的脑循环自我调节能力 | 新生儿大脑深部髓静脉的数量、宽度和曲率 | 医学影像 | NA | 磁共振磁敏感加权成像（SWI） | 图像分割算法 | 图像 | 317名新生儿 | NA | NA | NA | NA |
| 4978 | 2024-11-18 |
Hybrid deep learning based prediction for water quality of plain watershed
2024-Dec-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.119911
PMID:39233036
|
研究论文 | 本文评估了传统机器学习模型与深度学习模型在预测平原流域水质方面的效果，并提出了一种新的混合深度学习模型以提高预测准确性 | 提出了混合Bayes-LSTM-GRU模型，显著提高了预测准确性，平均RMSE降低了18.1% | 未提及具体限制 | 评估不同模型在平原流域水质预测中的效果，并开发新的混合模型以提高预测准确性 | 平原流域的水质 | 机器学习 | NA | NA | LSTM, GRU | 时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 4979 | 2024-11-18 |
Conv-RGNN: An efficient Convolutional Residual Graph Neural Network for ECG classification
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108406
PMID:39241329
|
研究论文 | 本文提出了一种用于心电图分类的高效卷积残差图神经网络（Conv-RGNN） | 该方法通过将12导联心电图映射到图结构中，同时提取时间序列和空间特征，解决了传统方法忽略导联间空间关系的问题 | NA | 提高心血管疾病诊断的自动化水平 | 12导联心电图信号 | 机器学习 | 心血管疾病 | 卷积神经网络，图神经网络 | Conv-RGNN | 时间序列数据 | 涉及两个多标签数据集和一个单标签数据集 | NA | NA | NA | NA |
| 4980 | 2024-11-18 |
ViT-MAENB7: An innovative breast cancer diagnosis model from 3D mammograms using advanced segmentation and classification process
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108373
PMID:39276667
|
研究论文 | 本文提出了一种基于3D乳腺X光图像的创新性乳腺癌诊断模型ViT-MAENB7，通过先进的分割和分类过程实现肿瘤的准确检测 | 本文创新性地结合了Vision Transformer和Multiscale Adaptive EfficientNetB7模型，并使用Modified Garter Snake Optimization Algorithm优化参数，显著提高了乳腺癌诊断的准确性 | NA | 开发一种高精度的乳腺癌诊断模型，以提高早期乳腺癌检测的准确性和患者的生存率 | 3D乳腺X光图像中的肿瘤检测 | 计算机视觉 | 乳腺癌 | Adaptive Thresholding with Region Growing Fusion Model (AT-RGFM), Modified Garter Snake Optimization Algorithm (MGSOA) | Vision Transformer-based Multiscale Adaptive EfficientNetB7 (ViT-MAENB7) | 图像 | 从互联网收集的3D乳腺X光图像 | NA | NA | NA | NA |