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 8101 - 8120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8101 | 2024-09-01 |
Correction: YOLO-V5 based deep learning approach for tooth detection and segmentation on pediatric panoramic radiographs in mixed dentition
2024-Aug-28, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01410-5
PMID:39198729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8102 | 2024-09-01 |
Prediction of mutation-induced protein stability changes based on the geometric representations learned by a self-supervised method
2024-Aug-28, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05876-6
PMID:39198740
|
研究论文 | 本文介绍了一种基于自监督学习方法的几何表示来预测突变引起的蛋白质稳定性变化的深度学习框架mutDDG-SSM | mutDDG-SSM框架包括一个基于图注意力网络的蛋白质结构特征提取器和一个基于极端梯度提升模型的稳定性变化预测器，有效缓解了过拟合问题 | NA | 预测蛋白质结构-功能关系中的突变引起的蛋白质稳定性变化，对蛋白质工程和药物设计具有重要意义 | 突变引起的蛋白质稳定性变化 | 机器学习 | NA | 自监督学习 | 图注意力网络，极端梯度提升模型 | 蛋白质结构 | 使用了大规模高分辨率的蛋白质结构数据集进行训练和测试 | NA | NA | NA | NA |
| 8103 | 2024-09-01 |
Identify the most appropriate imputation method for handling missing values in clinical structured datasets: a systematic review
2024-Aug-28, BMC medical research methodology
IF:3.9Q1
DOI:10.1186/s12874-024-02310-6
PMID:39198744
|
综述 | 本研究通过系统综述方法，探讨了临床结构化数据集中处理缺失值的最合适插补方法 | 本研究构建了一个证据地图，根据缺失值的机制、模式和比例以及各种插补策略，推荐了适用于处理表格数据集中缺失值的合适插补方法 | NA | 旨在为临床数据预处理阶段选择最合适的插补方法提供指导 | 临床结构化数据集中的缺失值处理方法 | NA | NA | 插补技术 | NA | 表格数据 | 分析了58篇文章 | NA | NA | NA | NA |
| 8104 | 2024-09-01 |
Meta-analysis of the effectiveness of early endoscopic treatment of Acute biliary pancreatitis based on lightweight deep learning model
2024-Aug-28, BMC gastroenterology
IF:2.5Q2
DOI:10.1186/s12876-024-03361-1
PMID:39198766
|
meta-分析 | 本研究通过meta-分析评估早期内镜治疗急性胆源性胰腺炎的有效性，基于轻量级深度学习模型 | 采用轻量级深度学习模型进行分析，提供了新的技术手段 | 研究仅包括了8篇文章，可能存在样本量不足的问题 | 评估早期内镜逆行胰胆管造影（ERCP）治疗急性胆源性胰腺炎的安全性和有效性 | 急性胆源性胰腺炎患者 | NA | 急性胆源性胰腺炎 | NA | 轻量级深度学习模型 | NA | 8篇文章，共8,801名患者 | NA | NA | NA | NA |
| 8105 | 2024-09-01 |
COVID-19 severity detection using chest X-ray segmentation and deep learning
2024-08-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70801-z
PMID:39191941
|
研究论文 | 本文介绍了一种使用胸部X光图像分割和深度学习框架进行COVID-19分类和严重程度预测的方法 | 采用U-Net进行肺部分割，精度达到0.9924，并使用卷积胶囊网络进行分类，以及ResNet50、VGG-16和DenseNet201进行严重程度评估，其中DenseNet201显示出更高的准确性 | NA | 提高COVID-19的早期检测和严重程度评估，以改善临床环境中的患者管理和资源分配 | COVID-19的分类和严重程度预测 | 计算机视觉 | COVID-19 | 深度学习 | U-Net, Convulation-capsule network, ResNet50, VGG-16, DenseNet201 | 图像 | NA | NA | NA | NA | NA |
| 8106 | 2024-09-01 |
Predicting gastric cancer response to anti-HER2 therapy or anti-HER2 combined immunotherapy based on multi-modal data
2024-Aug-26, Signal transduction and targeted therapy
IF:40.8Q1
DOI:10.1038/s41392-024-01932-y
PMID:39183247
|
研究论文 | 本研究利用多模态数据预测HER2阳性胃癌患者对单一抗HER2治疗或联合免疫治疗的反应 | 引入了一种名为MuMo的深度学习模型，该模型整合了影像学、病理学和临床信息，以提高治疗反应预测的准确性 | 研究未提及具体的模型局限性或数据集的潜在偏差 | 旨在通过综合分析方法准确预测HER2阳性胃癌患者对抗HER2治疗或联合免疫治疗的反应 | HER2阳性胃癌患者 | 机器学习 | 胃癌 | 深度学习 | MuMo | 多模态数据 | 429名患者，其中310名接受抗HER2治疗，119名接受抗HER2联合抗PD-1/PD-L1抑制剂免疫治疗 | NA | NA | NA | NA |
| 8107 | 2024-09-01 |
Impact of Gold-Standard Label Errors on Evaluating Performance of Deep Learning Models in Diabetic Retinopathy Screening: Nationwide Real-World Validation Study
2024-Aug-14, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/52506
PMID:39141915
|
研究论文 | 本研究评估了自定义深度学习算法在分类糖尿病视网膜病变（DR）中的准确性，并展示了标签错误如何影响全国性DR筛查计划中的评估 | 研究揭示了人类图像分级中的标签错误对深度学习算法在实际DR筛查中性能评估的显著影响 | 研究仅限于分析全国性DR筛查计划中的眼底照片，可能未涵盖所有可能的标签错误情况 | 评估深度学习算法在糖尿病视网膜病变筛查中的准确性，并探讨标签错误对其性能评估的影响 | 糖尿病视网膜病变（DR）的分类及标签错误的识别与纠正 | 机器学习 | 糖尿病视网膜病变 | 深度学习 | 深度学习算法 | 图像 | 736,083张图像，来自237,824名参与者 | NA | NA | NA | NA |
| 8108 | 2024-09-01 |
Identification and Design of Novel Potential Antimicrobial Peptides Targeting Mycobacterial Protein Kinase PknB
2024-Aug, The protein journal
DOI:10.1007/s10930-024-10218-9
PMID:39014259
|
研究论文 | 本研究旨在通过分子对接和分子动力学模拟，设计针对结核杆菌蛋白激酶PknB的新型抗菌肽 | 研究揭示了除了肽链长度外，组成氨基酸的组合在肽类抑制剂生成中的重要作用 | 研究主要集中在体外分析，临床应用前需要进行细致的体内分析 | 确定一种能够有效抑制PknB的抗菌肽 | 5626种来自公共数据库的抗菌肽 | NA | 结核病 | 分子对接，分子动力学模拟，弹性网络模型 | NA | 肽序列 | 5626种抗菌肽，最终选择了5种进行进一步分析 | NA | NA | NA | NA |
| 8109 | 2024-09-01 |
Prediction of Endocrine-Disrupting Chemicals Related to Estrogen, Androgen, and Thyroid Hormone (EAT) Modalities Using Transcriptomics Data and Machine Learning
2024-Jul-26, Toxics
IF:3.9Q1
DOI:10.3390/toxics12080541
PMID:39195643
|
研究论文 | 本研究利用转录组数据和机器学习技术，开发了预测与雌激素、雄激素和甲状腺激素（EAT）模式相关的内分泌干扰化学物质（EDCs）的QGexAR模型 | 本研究通过整合多种特征选择方法和分类算法，包括CATBoost、XGBoost、随机森林、SVM、逻辑回归、AutoKeras、TPOT和深度学习模型，优化了预测协议，并实现了对EAT模式的预测 | NA | 开发用于快速检测有害化学物质的计算模型，以有效支持毒理学评估 | 预测化学物质对雌激素、雄激素和甲状腺激素模式的干扰倾向 | 机器学习 | NA | 机器学习 | 深度学习模型 | 转录组数据 | 使用LINCS数据库中的基因表达数据，测试了MCF7（乳腺癌细胞系）和A549（人肺泡基底上皮腺癌细胞系）两种细胞系 | NA | NA | NA | NA |
| 8110 | 2024-09-01 |
Proposal and validation of a new approach in tele-rehabilitation with 3D human posture estimation: a randomized controlled trial in older individuals with sarcopenia
2024-Jul-08, BMC geriatrics
IF:3.4Q2
DOI:10.1186/s12877-024-05188-7
PMID:38977995
|
随机对照试验 | 本研究通过随机对照试验，比较了基于深度学习的3D人体姿态估计技术的AI远程训练组与面对面传统训练组和一般远程训练组在老年肌少症患者中的训练效果 | 本研究首次验证了基于深度学习的3D人体姿态估计技术在远程康复训练中的应用效果 | 研究样本仅来自长春市的社区组织，可能限制了结果的普遍性 | 评估基于AI的远程训练方法与传统面对面训练方法在老年肌少症患者中的康复效果 | 60-75岁患有肌少症的老年人 | NA | 老年疾病 | 3D人体姿态估计技术 | 深度学习 | NA | 75名老年肌少症患者 | NA | NA | NA | NA |
| 8111 | 2024-09-01 |
Structure-aware deep learning model for peptide toxicity prediction
2024-Jul, Protein science : a publication of the Protein Society
IF:4.5Q1
DOI:10.1002/pro.5076
PMID:39196703
|
研究论文 | 本文介绍了一种名为tAMPer的新型多模态深度学习模型，用于通过整合氨基酸序列组成和三维结构来预测肽的毒性 | tAMPer模型采用基于图的表示方法，结合图神经网络和循环神经网络，有效提取结构特征和序列依赖性，提高了预测性能 | NA | 加速抗菌肽的发现和开发，减少对繁琐毒性筛选实验的依赖 | 抗菌肽的毒性预测 | 机器学习 | NA | 深度学习 | 图神经网络, 循环神经网络 | 图, 序列 | 使用了公开的蛋白质毒性基准数据集和我们生成的抗菌肽溶血数据 | NA | NA | NA | NA |
| 8112 | 2024-09-01 |
IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra
2024-Jan-18, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00804-5
PMID:38238779
|
研究论文 | 本文介绍了一个名为IDSL_MINT的深度学习框架，该框架能够将串联质谱（MS/MS）数据转换为分子指纹描述符，从而提高未标记代谢组学和暴露组学研究中的注释率 | IDSL_MINT框架利用transformer模型处理质谱数据，类似于大型语言模型，并支持用户自定义的分子指纹描述符，提高了未标记MS/MS谱的注释率 | NA | 开发一个易于使用且可定制的深度学习框架，用于训练和利用新模型预测分子指纹，以改进化合物注释流程 | 串联质谱（MS/MS）数据及其在代谢组学和暴露组学中的应用 | 机器学习 | NA | 串联质谱（MS/MS） | transformer模型 | 质谱数据 | 使用LipidMaps数据库进行基准测试 | NA | NA | NA | NA |
| 8113 | 2024-09-01 |
Artificial Intelligence for the Management of Breast Cancer: An Overview
2024, Current drug discovery technologies
|
综述 | 本文综述了人工智能和机器学习在乳腺癌管理中的应用，包括早期检测、诊断、预后、药物发现、高级图像分析、精准医学、预测建模和个性化治疗计划 | 介绍了多种算法如卷积神经网络、支持向量机、决策树和深度学习方法在乳腺癌数据分析中的应用 | NA | 探讨人工智能和机器学习在乳腺癌管理中的应用，以提高诊断和治疗的准确性和个性化 | 乳腺癌的早期检测、诊断、预后、药物发现、图像分析、精准医学、预测建模和个性化治疗 | 机器学习 | 乳腺癌 | NA | 卷积神经网络 | 临床数据、基因组数据和影像数据 | NA | NA | NA | NA | NA |
| 8114 | 2024-09-01 |
An end-to-end framework for private DGA detection as a service
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304476
PMID:39196905
|
研究论文 | 本文提出了一种端到端的隐私保护框架，用于将域名分类为DGA（恶意）或非DGA（良性）域名，通过结合安全多方计算和差分隐私技术实现 | 首次提出了一种端到端的隐私保护框架，结合了安全多方计算和差分隐私技术，确保在分类过程中不泄露域名信息和模型细节，并提供了差分隐私保证 | NA | 开发一种隐私保护的DGA检测服务框架 | 域名分类为DGA或非DGA | 机器学习 | NA | 安全多方计算（MPC），差分隐私（DP） | 深度学习模型 | 域名 | NA | NA | NA | NA | NA |
| 8115 | 2024-08-31 |
Gra-CRC-miRTar: The pre-trained nucleotide-to-graph neural networks to identify potential miRNA targets in colorectal cancer
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.07.014
PMID:39171252
|
研究论文 | 本文提出了一种名为Gra-CRC-miRTar的预训练核酸到图神经网络框架，用于识别结直肠癌中的潜在miRNA靶点 | 构建了两个预训练模型来编码RNA序列并将其转换为de Bruijn图，使用不同的图神经网络学习潜在表示，并通过多层感知器（MLP）进行预测任务 | NA | 旨在改进现有的治疗干预措施，通过识别结直肠癌中失调的miRNA靶点 | 结直肠癌中的miRNA靶点 | 机器学习 | 结直肠癌 | 图神经网络 | 多层感知器（MLP） | RNA序列 | 201个实验验证的miRNA-mRNA对 | NA | NA | NA | NA |
| 8116 | 2024-08-31 |
Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks
2024-Oct-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122160
PMID:39096816
|
research paper | 本文介绍了一种创新的深度学习预测模型ChloroFormer，通过整合Transformer网络和傅里叶分析，利用沿海现场数据预测叶绿素-a浓度 | 该模型在捕捉叶绿素-a浓度的短期和中长期依赖模式方面表现优异，特别是在极端和频繁藻华情况下，能准确预测峰值叶绿素-a浓度 | NA | 提高沿海水域叶绿素-a浓度的预测准确性 | 叶绿素-a浓度及其对沿海生态和经济的影响 | machine learning | NA | Transformer networks, Fourier analysis | Transformer | in-situ data | 两个不同研究区域的沿海现场数据 | NA | NA | NA | NA |
| 8117 | 2024-08-31 |
A personal view on the history of toxins: From ancient times to artificial intelligence
2024-Sep, Toxicon : official journal of the International Society on Toxinology
IF:2.6Q3
DOI:10.1016/j.toxicon.2024.108034
PMID:39038662
|
综述 | 本文回顾了从古代到现代，特别是结合人工智能技术，在生物活性物质发现和特性研究方面的进展 | 文章介绍了使用高端仪器和基于深度学习的人工智能计算方法的突破 | NA | 探讨生物活性物质的历史发展和当前的研究进展 | 植物、微生物和动物中的生物活性物质 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 8118 | 2024-08-31 |
Characterizing Sentinel Lymph Node Status in Breast Cancer Patients Using a Deep-Learning Model Compared With Radiologists' Analysis of Grayscale Ultrasound and Lymphosonography
2024-Sep-01, Ultrasound quarterly
IF:0.7Q4
DOI:10.1097/RUQ.0000000000000683
PMID:38958999
|
研究论文 | 本研究使用深度学习模型来区分乳腺癌患者中良性和恶性的前哨淋巴结（SLNs），并与放射科医生的评估进行比较 | 本研究采用AutoML开发的图像分类模型，展示了在平衡数据集上的改进诊断性能 | 放射科医生的表现并未受到数据集分布的影响，且读者间的一致性较低 | 评估深度学习模型在乳腺癌患者前哨淋巴结状态识别中的表现 | 乳腺癌患者的前哨淋巴结 | 机器学习 | 乳腺癌 | 超声检查 | AutoML | 图像 | 79名乳腺癌患者，217个前哨淋巴结 | NA | NA | NA | NA |
| 8119 | 2024-08-07 |
Predicting tumour origin with cytology-based deep learning: hype or hope?
2024-Sep, Nature reviews. Clinical oncology
DOI:10.1038/s41571-024-00906-x
PMID:38773339
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 8120 | 2024-08-31 |
Visual interpretability of image-based classification models by generative latent space disentanglement applied to in vitro fertilization
2024-Aug-27, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51136-9
PMID:39191720
|
研究论文 | 本文介绍了一种名为DISCOVER的生成模型，旨在通过解耦潜在空间来提高基于图像的分类模型的可解释性 | DISCOVER模型能够学习解耦的潜在表示，每个潜在特征编码一个独特的分类驱动视觉属性，从而实现“人在回路”的解释 | NA | 提高深度学习模型在图像分类任务中的可解释性 | 体外受精胚胎形态质量的分类 | 计算机视觉 | NA | 生成模型 | 生成模型 | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |