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 12101 篇文献，本页显示第 7001 - 7020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7001 | 2024-10-04 |
Diffusion Posterior Sampling for Nonlinear CT Reconstruction
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3007693
PMID:39238882
|
研究论文 | 本文提出了一种基于扩散后验采样的新方法，用于非线性CT图像重建 | 本文创新性地将扩散模型与非线性物理模型结合，实现了无需额外训练的通用非线性CT图像重建 | 当前方法仅依赖于线性化的X射线CT物理模型，本文方法解决了这一局限性 | 解决CT图像重建中的非线性问题 | CT图像重建 | 计算机视觉 | NA | 扩散模型 | 扩散模型 | 图像 | 在低剂量数据和稀疏视图几何中进行了验证 | NA | NA | NA | NA |
| 7002 | 2024-10-04 |
Leveraging Artificial Intelligence for Synergies in Drug Discovery: From Computers to Clinics
2024, Current pharmaceutical design
IF:2.6Q2
|
综述 | 本文综述了人工智能在药物发现和开发中的应用，涵盖了从分子识别到临床批准的全过程 | 探讨了人工智能在药物开发中的创新应用，如疫苗开发和纳米药物的靶向治疗 | NA | 探讨人工智能在药物发现和开发中的应用及其对科学研究的促进作用 | 人工智能在药物设计、发现和开发、中药、多组学数据整合、药物再利用和多药理学研究中的应用 | 机器学习 | NA | 机器学习 (ML)、深度学习 (DL)、神经网络 (NNs) | NA | 多组学数据 | NA | NA | NA | NA | NA |
| 7003 | 2024-10-04 |
Prompt-guided and multimodal landscape scenicness assessments with vision-language models
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307083
PMID:39348404
|
研究论文 | 本文探讨了使用视觉-语言模型（VLM）进行景观美景预测的潜力，通过零样本和少样本学习方法评估景观的美学质量 | 本文引入了景观提示集成（LPE）方法，通过文本描述获取景观美景评分，无需图像数据集 | 本文未提及具体的局限性 | 测试视觉-语言模型在景观美景预测中的应用潜力 | 景观的美学质量 | 计算机视觉 | NA | 视觉-语言模型（VLM） | 线性层 | 图像 | 数百个样本 | NA | NA | NA | NA |
| 7004 | 2024-10-04 |
Graph neural pre-training based drug-target affinity prediction
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1452339
PMID:39350770
|
研究论文 | 本文提出了一种基于图神经预训练的药物-靶点亲和力预测方法 | 本文创新性地结合了药物和靶点的预训练模型，通过图神经网络提取特征，并利用2D卷积神经网络进行高层次表示，最终预测药物-靶点亲和力 | 本文未详细讨论模型的可解释性和泛化能力 | 加速药物发现过程中的药物-靶点亲和力预测 | 药物-靶点亲和力 | 机器学习 | NA | 图神经网络 | 2D卷积神经网络 | 图数据 | 大量未标记的训练样本和部分标记的训练样本 | NA | NA | NA | NA |
| 7005 | 2024-10-04 |
Intelligent analysis and measurement of semicircular canal spatial attitude
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1396513
PMID:39350970
|
研究论文 | 本文提出了一种基于颅脑MRI的智能方法，用于解释和测量半规管的空间方向 | 本文创新性地使用了nnDetection深度学习算法进行半规管和眼球的自动分割，并通过点特征分析和奇异值分解方法计算半规管的法向量 | NA | 开发一种智能方法，用于构建精确的数学模型，准确表示半规管的空间方向 | 半规管的空间方向 | 计算机视觉 | NA | 深度学习 | nnDetection | 图像 | 115例颅脑MRI扫描 | NA | NA | NA | NA |
| 7006 | 2024-10-04 |
Assessing microvascular invasion in HBV-related hepatocellular carcinoma: an online interactive nomogram integrating inflammatory markers, radiomics, and convolutional neural networks
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1401095
PMID:39351352
|
研究论文 | 研究开发了一种基于炎症标志物、放射组学和卷积神经网络的在线交互式诺模图，用于预测HBV相关肝细胞癌中的微血管侵犯 | 结合了炎症标志物、放射组学特征和深度学习特征，开发了一种新的在线交互式诺模图，用于术前预测微血管侵犯 | NA | 开发一种术前预测HBV相关肝细胞癌微血管侵犯的在线交互式诺模图 | HBV相关肝细胞癌患者的微血管侵犯 | 数字病理学 | 肝癌 | 放射组学、卷积神经网络 | 3D ResNet | 图像 | 173名HBV相关肝细胞癌患者 | NA | NA | NA | NA |
| 7007 | 2024-10-04 |
Classification of tomato seedling chilling injury based on chlorophyll fluorescence imaging and DBO-BiLSTM
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1409200
PMID:39354943
|
研究论文 | 本文利用叶绿素荧光图像集，通过蜣螂优化算法增强深度学习双向长短期记忆模型，提高番茄幼苗冷害分类预测的准确性 | 本文提出了一种基于蜣螂优化算法增强的双向长短期记忆模型，用于番茄幼苗冷害分类，显著提高了分类预测的准确性 | 本文未详细讨论模型在不同环境条件下的泛化能力 | 研究目的是通过叶绿素荧光成像技术，实现番茄幼苗冷害的自动分类和标记，为植物自身抗冷害研究和深度学习分类方法在精准农业中的应用奠定基础 | 研究对象是番茄幼苗的冷害分类 | 计算机视觉 | NA | 叶绿素荧光成像技术 | 双向长短期记忆模型（BiLSTM） | 图像 | 使用了番茄幼苗的叶绿素荧光图像集进行训练和测试 | NA | NA | NA | NA |
| 7008 | 2024-10-04 |
YOLO-CFruit: a robust object detection method for Camellia oleifera fruit in complex environments
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1389961
PMID:39354950
|
研究论文 | 提出了一种名为YOLO-CFruit的深度学习方法，用于在复杂环境中准确检测油茶果 | 结合了CBAM模块和CSP模块与Transformer，改进了YOLOv5的损失函数，提高了检测精度和速度 | 未提及具体限制 | 开发一种在自然环境中准确检测油茶果的鲁棒方法，为自动化采摘设备奠定基础 | 油茶果的检测 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 收集了油茶果的图像并创建了数据集，使用了数据增强方法增加数据多样性 | NA | NA | NA | NA |
| 7009 | 2024-10-04 |
Machine Learning Techniques to Predict Mental Health Diagnoses: A Systematic Literature Review
2024, Clinical practice and epidemiology in mental health : CP & EMH
|
综述 | 本研究通过系统文献综述方法，探讨了机器学习在预测大学生心理健康状况中的应用 | 本研究首次系统综述了多种机器学习模型在预测心理健康诊断中的应用，并强调了卷积神经网络（CNN）在双相情感障碍诊断中的高准确性 | 研究存在数据集不足、心理健康状况异质性考虑不足以及缺乏纵向数据等问题 | 探讨机器学习在预测大学生心理健康状况中的潜力与挑战 | 大学生的心理健康状况 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN）、随机森林（RF）、支持向量机（SVM）、深度神经网络、极限学习机（ELM） | 文本 | 30项相关研究 | NA | NA | NA | NA |
| 7010 | 2024-10-04 |
Enhanced classification and severity prediction of major depressive disorder using acoustic features and machine learning
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1422020
PMID:39355380
|
研究论文 | 本研究利用深度学习方法构建分类和预测模型，以提高对抑郁症和健康对照组的分类准确性 | 本研究采用深度学习方法，通过声学特征对抑郁症和健康对照组进行分类和严重程度预测，提高了分类准确性 | 研究结果可能受到焦虑共病的影响 | 提高抑郁症和健康对照组的分类准确性，并预测抑郁症的严重程度 | 抑郁症和健康对照组的分类及抑郁症严重程度的预测 | 机器学习 | 精神疾病 | 深度学习 | 神经网络 | 声学特征 | 120名年龄在16-25岁的参与者，包括64名抑郁症组和56名健康对照组 | NA | NA | NA | NA |
| 7011 | 2024-10-04 |
Predicting microbe-disease association based on graph autoencoder and inductive matrix completion with multi-similarities fusion
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1438942
PMID:39355422
|
研究论文 | 本文提出了一种基于图自编码器和归纳矩阵补全的多相似性融合方法，用于预测微生物与疾病之间的关联 | 通过多相似性融合策略改进了预测性能，并使用图自编码器和归纳矩阵补全技术构建了一个端到端的深度学习框架 | 未提及具体的局限性 | 旨在开发一种高效准确的方法来识别微生物与疾病之间的潜在关联 | 微生物与疾病之间的关联 | 机器学习 | NA | 图自编码器和归纳矩阵补全 | 深度学习模型 | 微生物与疾病关联数据 | 使用了3个数据集（HMDAD, Disbiome, 和 multiMDA） | NA | NA | NA | NA |
| 7012 | 2024-10-04 |
Forbidden Neurds: A Neuroscience Word Game
2024, Journal of undergraduate neuroscience education : JUNE : a publication of FUN, Faculty for Undergraduate Neuroscience
DOI:10.59390/PAHQ2595
PMID:39355667
|
research paper | 本文介绍了一种基于游戏的神经科学词汇学习工具的开发、实施和评估 | 设计了一种名为Forbidden Neurds的卡牌游戏，通过禁止使用特定词汇来帮助学生更好地掌握神经科学术语 | NA | 研究基于游戏的学习方法在神经科学课程中的应用效果 | 神经科学课程中的学生 | NA | NA | NA | NA | NA | 在一个小型公立文理学院的200级神经科学基础课程中进行了评估，涉及的学生数量未明确提及 | NA | NA | NA | NA |
| 7013 | 2024-10-03 |
Advances in Oral Exfoliative Cytology: From Cancer Diagnosis to Systemic Disease Detection
2024-Nov, Diagnostic cytopathology
IF:1.0Q4
DOI:10.1002/dc.25400
PMID:39219248
|
综述 | 本文综述了口腔脱落细胞学在癌症诊断和系统性疾病检测中的应用及最新进展 | 本文介绍了细胞采集和制备方法的改进、分子标记和DNA分析的整合、系统性疾病检测的新应用以及计算机辅助分析和深度学习算法的潜力 | 标准化和广泛临床应用仍面临挑战 | 评估口腔脱落细胞学在口腔和系统性疾病诊断中的当前状态和未来潜力 | 口腔脱落细胞学技术及其在癌症和系统性疾病检测中的应用 | NA | NA | 口腔脱落细胞学 | 深度学习 | 细胞 | NA | NA | NA | NA | NA |
| 7014 | 2024-10-03 |
Accurate nuclear quantum statistics on machine-learned classical effective potentials
2024-Oct-07, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0226764
PMID:39352405
|
研究论文 | 本文利用深度学习和多尺度粗粒化技术，通过机器学习势能来准确表示对经典势能的修正，从而显著降低路径积分分子动力学模拟中核量子效应的计算成本 | 本文提出了一种利用机器学习势能来准确表示对经典势能的修正的方法，显著降低了模拟核量子效应的计算成本 | NA | 旨在通过机器学习技术减轻路径积分分子动力学模拟中核量子效应的计算负担 | 氢键系统的核量子效应，包括生物分子 | 机器学习 | NA | 路径积分分子动力学 (PIMD) | 深度学习模型 | 势能 | 四个不同系统：Morse势、Zundel阳离子、单个水分子和大量水 | NA | NA | NA | NA |
| 7015 | 2024-10-03 |
Advancing the Prediction of MS/MS Spectra Using Machine Learning
2024-Oct-02, Journal of the American Society for Mass Spectrometry
IF:3.1Q1
DOI:10.1021/jasms.4c00154
PMID:39258761
|
研究论文 | 本文探讨了使用机器学习技术预测串联质谱（MS/MS）谱图的挑战和改进策略 | 本文提出了使用机器学习和深度学习技术来提高MS/MS谱图预测的速度和准确性 | 现有方法在处理广泛的小分子时面临速度和准确性的挑战，且通用机器学习基准策略可能导致误导性的准确性评分 | 提高MS/MS谱图预测的准确性和速度 | 串联质谱（MS/MS）谱图 | 机器学习 | NA | 串联质谱（MS/MS） | 机器学习模型 | 谱图数据 | 广泛的小分子 | NA | NA | NA | NA |
| 7016 | 2024-10-03 |
Effectiveness of data-augmentation on deep learning in evaluating rapid on-site cytopathology at endoscopic ultrasound-guided fine needle aspiration
2024-09-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72312-3
PMID:39341885
|
研究论文 | 研究数据增强技术在深度学习评估内镜超声引导下细针穿刺细胞学快速现场评估中的效果 | 开发了一种基于人工智能的ROSE-AI系统，并通过数据增强技术提高了其诊断准确性 | 某些数据增强技术反而降低了诊断能力 | 探讨数据增强技术对ROSE-AI系统诊断能力的影响 | 内镜超声引导下细针穿刺细胞学快速现场评估 | 计算机视觉 | 胰腺癌 | 数据增强技术 | 深度学习模型 | 图像 | 4059张EUS-FNA切片图像，来自45名患者 | NA | NA | NA | NA |
| 7017 | 2024-10-03 |
Combining 2.5D deep learning and conventional features in a joint model for the early detection of sICH expansion
2024-09-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73415-7
PMID:39341957
|
研究论文 | 研究通过结合2.5D深度学习和传统特征，建立联合模型用于早期检测sICH扩展 | 首次将2.5D深度学习特征与临床特征、放射学标志和放射组学签名结合，建立联合模型用于早期sICH扩展的预测 | 研究为回顾性，样本量有限，需进一步前瞻性研究和多中心验证 | 评估联合模型在早期sICH扩展预测中的性能，并比较其与其他模型的表现 | sICH患者的早期扩展风险 | 机器学习 | 脑血管疾病 | 2.5D深度学习 | 联合模型 | 图像 | 254名sICH患者 | NA | NA | NA | NA |
| 7018 | 2024-10-03 |
Microbe-drug association prediction model based on graph convolution and attention networks
2024-09-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71834-0
PMID:39333143
|
研究论文 | 本文提出了一种基于图卷积和注意力网络的微生物-药物关联预测模型 | 该模型结合了图卷积网络和图注意力网络，旨在通过学习相关特征揭示微生物与药物之间的潜在关系，从而提高预测的效率和准确性 | NA | 解决传统实验方法在预测潜在微生物-药物关联中的不足 | 微生物与药物之间的关联 | 机器学习 | NA | 图卷积网络（GCN）和图注意力网络（GAT） | GCNATMDA | 微生物-药物关联矩阵 | NA | NA | NA | NA | NA |
| 7019 | 2024-10-03 |
Deep learning domain adaptation to understand physico-chemical processes from fluorescence spectroscopy small datasets and application to the oxidation of olive oil
2024-09-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73054-y
PMID:39333249
|
研究论文 | 本文提出了一种利用领域适应和预训练视觉模型的新方法，结合新颖的可解释性算法，来分析荧光光谱数据中的物理化学过程 | 本文的创新点在于利用领域适应和预训练视觉模型，结合新颖的可解释性算法，将深度学习应用于荧光光谱数据分析，使其从黑箱转变为理解复杂生物和化学过程的工具 | 本文的局限性在于所使用的数据集通常较小且稀疏，且荧光激发-发射矩阵（EEMs）的高维度和重叠光谱特征增加了分析难度 | 本文的研究目的是通过深度学习方法分析荧光光谱数据，特别是荧光激发-发射矩阵（EEMs），以理解物理化学过程 | 本文的研究对象是荧光光谱数据，特别是橄榄油氧化过程中的荧光激发-发射矩阵（EEMs） | 机器学习 | NA | 深度学习 | 神经网络 | 光谱数据 | 小数据集 | NA | NA | NA | NA |
| 7020 | 2024-10-03 |
A novel hybrid deep learning IChOA-CNN-LSTM model for modality-enriched and multilingual emotion recognition in social media
2024-09-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-73452-2
PMID:39333289
|
研究论文 | 本文提出了一种新的混合深度学习模型IChOA-CNN-LSTM，用于社交媒体中的多模态和多语言情感识别 | 引入了IChOA-CNN-LSTM混合模型，结合CNN进行精确的图像特征提取，LSTM网络进行序列数据分析，以及改进的Chimp优化算法进行有效的特征融合 | NA | 通过多模态数据分析，理解公众在COVID-19疫情中的情感状态 | 从Twitter等平台获取的文本、图像、音频和视频数据 | 自然语言处理 | NA | NA | CNN, LSTM | 文本, 图像, 音频, 视频 | NA | NA | NA | NA | NA |