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 12390 篇文献，本页显示第 9781 - 9800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9781 | 2024-08-07 |
DeePNAP: A Deep Learning Method to Predict Protein-Nucleic Acid Binding Affinity from Their Sequences
2024-03-25, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01151
PMID:38458968
|
研究论文 | 提出了一种基于深度学习的模型DeePNAP，用于仅从序列预测蛋白质-核酸结合亲和力 | DeePNAP模型利用大量异构数据集进行训练，仅使用序列特征进行预测，提高了预测的多样性和通用性 | NA | 开发一种新的机器学习模型，用于从序列预测蛋白质-核酸结合亲和力 | 蛋白质-核酸结合亲和力和突变引起的自由能变化 | 机器学习 | NA | 深度学习 | 机器学习模型 | 序列 | 14,401个来自ProNAB数据库的野生型和突变型蛋白质-核酸复合物结合参数 | NA | NA | NA | NA |
| 9782 | 2024-08-07 |
Computational Chemistry in Structure-Based Solute Carrier Transporter Drug Design: Recent Advances and Future Perspectives
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01736
PMID:38294194
|
综述 | 本文综述了计算化学在基于结构的溶质载体转运蛋白药物设计中的最新进展和未来展望 | 利用计算化学，包括基于物理的分子建模和基于机器学习及深度学习的人工智能，为经典药物发现方法提供了一种替代和互补的方式 | 目前只有约9.8%的SLC超家族成员具有3D结构和特定结合位点 | 深入理解SLC超家族的结构和功能，以促进新型调节剂的理性设计 | 溶质载体转运蛋白（SLCs）及其在多种复杂疾病治疗中的应用 | 药物设计 | NA | 计算化学 | 人工智能（AI） | 蛋白质结构 | 约450种SLCs中仅有44种具有3D结构 | NA | NA | NA | NA |
| 9783 | 2024-08-07 |
AlphaFold2 Predicts Whether Proteins Interact Amidst Confounding Structural Compatibility
2024-03-11, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01805
PMID:38373070
|
research paper | 本文测试了AlphaFold2在预测结构兼容但非相互作用的蛋白质对时的预测能力 | AlphaFold2能够在蛋白质结构兼容的情况下有效区分相互作用和非相互作用的蛋白质 | 部分错误分类的情况可以通过重新审视输入序列来纠正，但也可能揭示数据集中的假阳性和假阴性 | 评估AlphaFold2在预测蛋白质相互作用中的应用潜力 | 蛋白质相互作用的预测 | machine learning | NA | AlphaFold2 | NA | 蛋白质结构数据 | 一个具有挑战性的数据集 | NA | NA | NA | NA |
| 9784 | 2024-08-07 |
Genetic Algorithm-Based Receptor Ligand: A Genetic Algorithm-Guided Generative Model to Boost the Novelty and Drug-Likeness of Molecules in a Sampling Chemical Space
2024-02-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.3c01964
PMID:38302422
|
研究论文 | 提出了一种基于遗传算法的生成模型GARel，用于设计具有新颖骨架和药物相似性的分子 | GARel模型通过遗传算法引导，能够生成具有更多样化和新颖骨架的分子，并具有更好的物理化学性质和有利的对接分数 | NA | 开发一种能够平衡新颖性和药物相似性的深度学习生成模型，以推动药物发现领域的发展 | 设计针对AA2AR、EGFR和SARS-Cov2的抑制剂分子 | 机器学习 | NA | 遗传算法 | 深度学习生成模型 | 分子结构 | 针对三个目标（AA2AR、EGFR和SARS-Cov2）设计抑制剂分子 | NA | NA | NA | NA |
| 9785 | 2024-08-07 |
Neighborhood structure-guided brain functional networks estimation for mild cognitive impairment identification
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17774
PMID:39099649
|
研究论文 | 本文提出了一种基于邻域结构引导的大脑功能网络估计方法，用于轻度认知障碍的识别 | 该方法通过考虑感兴趣区域（ROI）之间的空间邻域信息，利用K-最近邻（KNN）算法构建稀疏的大脑功能网络（BFN），克服了传统Pearson相关系数（PC）构建的密集网络与生物学先验的矛盾 | NA | 旨在提高轻度认知障碍（MCI）与健康个体之间的分类性能 | 大脑功能网络的构建与轻度认知障碍的识别 | 计算机视觉 | 神经退行性疾病 | 功能磁共振成像（fMRI） | K-最近邻（KNN） | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 9786 | 2024-08-07 |
Embedded-deep-learning-based sample-to-answer device for on-site malaria diagnosis
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1392269
PMID:39100623
|
研究论文 | 本研究提出了一种基于嵌入式深度学习的miLab™设备，用于现场疟疾诊断，该设备采用固体水凝胶染色法，确保血液涂片的一致性和高质量。 | miLab™设备通过使用可变形染色贴片，实现了在不同血细胞比容下的一致性血液涂片制备，并利用嵌入式深度学习技术从自动对焦的染色血细胞图像中检测和分类疟原虫。 | NA | 开发一种在细胞水平上准确且临床表现良好的疟疾诊断方法。 | 疟疾诊断方法及其在实际应用中的性能。 | 数字病理学 | 疟疾 | 深度学习算法 | 嵌入式深度学习 | 图像 | 临床验证在马拉维进行，总体百分比一致性为92.21%。 | NA | NA | NA | NA |
| 9787 | 2024-08-07 |
Surrogate modelling of heartbeat events for improved J-peak detection in BCG using deep learning
2024, Frontiers in network physiology
DOI:10.3389/fnetp.2024.1425871
PMID:39099720
|
研究论文 | 本文提出了一种基于深度学习的方法，用于改进BCG信号中的J峰检测，通过模拟离散参考心跳事件来提高检测精度 | 首次采用核函数编码时间事件，并系统比较了多种事件编码用于事件检测的回归序列到序列模型 | NA | 提高BCG信号中J峰检测的准确性 | BCG信号中的心跳事件检测 | 机器学习 | NA | 深度学习 | 回归序列到序列模型 | 时间序列 | 17晚，共134小时的数据，使用嵌入在床垫中的惯性测量单元(IMUs)收集 | NA | NA | NA | NA |
| 9788 | 2024-08-07 |
Generalising electrocardiogram detection and delineation: training convolutional neural networks with synthetic data augmentation
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1341786
PMID:39100388
|
研究论文 | 本文介绍了一种使用合成数据增强训练卷积神经网络的方法，用于心电图检测和 delineation | 开发了一种合成数据生成方案，从现有数据库中提取基本段落并概率性地构建未见过的心电图轨迹，同时提出了两种基于分割的损失函数 | NA | 解决心电图检测和 delineation 中传统方法难以泛化到多样心电图模式的问题 | 心电图检测和 delineation | 机器学习 | NA | 卷积神经网络 | CNN | 心电图数据 | 使用了三个多样化的自由可用数据库（QT, LU, 和 Zhejiang） | NA | NA | NA | NA |
| 9789 | 2024-08-07 |
Hybrid healthcare unit recommendation system using computational techniques with lung cancer segmentation
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1429291
PMID:39099589
|
研究论文 | 本研究针对医学健康应用中精确分割的关键需求，特别是在使用计算机断层扫描（CT）进行肺结节检测方面，提出了一种混合医疗单元推荐系统，利用计算技术进行肺癌分割。 | 本研究提出了一种结合U-Net和双参数逻辑分布的学习架构，称为U-Net++，并利用对比度受限自适应直方图均衡化（CLAHE）在5,000组CT扫描图像上进行精确图像分割。 | NA | 研究目的是提高医学健康应用中肺结节检测的准确性，特别是在CT扫描图像的分割方面。 | 研究对象为肺结节，特别是其粒子组成，这是诊断和治疗计划的重要方面。 | 数字病理学 | 肺癌 | 深度学习 | U-Net++ | 图像 | 5,000组CT扫描图像 | NA | NA | NA | NA |
| 9790 | 2024-08-07 |
Bibliometric analysis of electroencephalogram research in Parkinson's disease from 2004 to 2023
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1433583
PMID:39099632
|
研究论文 | 本文通过文献计量分析方法，研究了2004年至2023年间帕金森病中脑电图研究的全球趋势和主要贡献者 | 应用机器学习、深度学习和任务分析技术为未来脑电图和帕金森病的研究提供了新的方向 | NA | 分析帕金森病中脑电图研究的全球趋势和主要贡献者 | 帕金森病中的脑电图研究 | 神经科学 | 帕金森病 | 脑电图（EEG） | NA | 文献数据 | 1,559篇相关出版物 | NA | NA | NA | NA |
| 9791 | 2024-08-07 |
Utilizing deep learning models in an intelligent eye-tracking system for autism spectrum disorder diagnosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1436646
PMID:39099594
|
研究论文 | 本研究利用深度学习模型开发了一种智能眼动追踪系统，用于自闭症谱系障碍的诊断 | 本研究采用了先进的图像重采样方法来扩展训练数据集，并开发了基于MobileNet、VGG19、DenseNet169及MobileNet-VGG19混合模型的自动化分类器，这些模型在准确性上超过了现有系统 | NA | 旨在开发一种快速、高效且精确的自闭症谱系障碍诊断方法 | 自闭症谱系障碍的早期评估 | 机器学习 | 自闭症谱系障碍 | 深度学习算法 | MobileNet, VGG19, DenseNet169, MobileNet-VGG19 | 眼动追踪数据 | 547个眼动追踪系统数据，包括328名典型发育儿童和219名自闭症儿童 | NA | NA | NA | NA |
| 9792 | 2024-08-07 |
Corrigendum: A novel approach for sports injury risk prediction: based on time-series image encoding and deep learning
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1441107
PMID:39105083
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9793 | 2024-08-07 |
Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.05.024
PMID:38827235
|
评论 | 本文综述了基于深度学习的分子对接姿势选择的最新进展与挑战 | 提出了两种新开发的基于深度学习的姿势选择器 | 当前对接程序使用的评分函数参数化的设计限制了正确识别配体本征结合构象的能力 | 探讨基于深度学习的对接姿势选择方法的发展及未来方向 | 本文讨论了分子对接中配体与其靶标结合方式的选择 | 数字病理学 | NA | 深度学习 | NA | 结构数据 | NA | NA | NA | NA | NA |
| 9794 | 2024-08-06 |
An efficient method for disaster tweets classification using gradient-based optimized convolutional neural networks with BERT embeddings
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102843
PMID:39101121
|
研究论文 | 提出了一种基于BERT嵌入的卷积神经网络（CNN）模型，用于有效分类与灾难相关的推特 | 提出了结合BERT嵌入和基于梯度的优化技术的CNN模型，以提高灾难推特分类的准确性 | 目前所用的模型和方法可能在其他非灾难推特的分类上表现不佳 | 研究旨在开发有效的方法以分类与灾难相关的真实和虚假推特 | 研究对象为在Twitter平台上讨论的关于灾难情景的推特 | 自然语言处理 | NA | BERT嵌入 | CNN | 文本 | NA | NA | NA | NA | NA |
| 9795 | 2024-08-06 |
Corrigendum to "Addressing docking pose selection with structure-based deep learning: Recent advances, challenges and opportunities" [Comput Struct Biotechnol J vol. 23 (2024) 2141-2151]
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.07.001
PMID:39100805
|
更正 | 这篇文章是对之前论文的更正。 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9796 | 2024-08-07 |
GraphEGFR: Multi-task and transfer learning based on molecular graph attention mechanism and fingerprints improving inhibitor bioactivity prediction for EGFR family proteins on data scarcity
2024-Sep-05, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27388
PMID:38713612
|
研究论文 | 本研究介绍了GraphEGFR，一个用于增强分子表示和模型架构的深度学习回归模型，以预测针对EGFR家族蛋白的抑制剂生物活性 | 创新点在于使用图注意力机制与深度卷积神经网络相结合，提升了小规模数据下的生物活性预测能力 | 深度学习在小数据集上的应用面临过拟合风险，这是本研究的局限之一 | 研究旨在解决与EGFR家族蛋白相关的癌症药物发现中的挑战 | 研究对象包括野生型和突变型EGFR家族蛋白的抑制剂 | 机器学习 | 肿瘤 | 深度学习 | 图神经网络 | 分子图 | NA | NA | NA | NA | NA |
| 9797 | 2024-08-07 |
Revolutionizing breast cancer Ki-67 diagnosis: ultrasound radiomics and fully connected neural networks (FCNN) combination method
2024-Sep, Breast cancer research and treatment
IF:3.0Q2
DOI:10.1007/s10549-024-07375-x
PMID:38853220
|
研究论文 | 本研究评估了超声肿瘤栖息地子区域的放射组学特征参数在乳腺癌Ki-67状态诊断中的价值 | 结合L1,2范数与全连接神经网络(FCNN)算法的使用，提供了一种新的诊断方法 | 目前的研究仅限于特定医院的数据，样本的多样性可能影响结果的推广性 | 研究乳腺癌患者中Ki-67状态的诊断价值 | 528例和232例来自两个不同医院的女性乳腺癌患者的超声图像 | 数字病理学 | 乳腺癌 | 深度学习 | 全连接神经网络(FCNN) | 图像 | 528例和232例乳腺癌患者的超声图像 | NA | NA | NA | NA |
| 9798 | 2024-08-07 |
Comprehensive mapping and modelling of the rice regulome landscape unveils the regulatory architecture underlying complex traits
2024-Aug-03, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-50787-y
PMID:39095348
|
研究论文 | 本文呈现了水稻的综合调控组图谱，揭示了复杂性状背后的调控结构 | 提出了水稻的调控组图谱，发现了117,176个独特的开放染色质区域，及其与基因的关联 | 研究仅限于三种代表性水稻品种，可能无法全面适用于所有水稻品种 | 揭示调控复杂性状的调控机制，以促进作物改良 | 水稻（Oryza sativa）的23种不同组织 | 数字基因组学 | NA | RNA-seq | 深度学习模型 | 基因组数据 | 23种组织 | NA | NA | NA | NA |
| 9799 | 2024-08-07 |
Robotic scrub nurse to anticipate surgical instruments based on real-time laparoscopic video analysis
2024-Aug-02, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00581-0
PMID:39095639
|
研究论文 | 本文介绍了一种机器人消毒护士系统，旨在通过实时腹腔镜视频分析预测并交付所需的手术器械 | 提出了一种三阶段深度学习架构，能够基于实时视频分析有效预测手术器械 | 样本量相对较小，仅在62例腹腔镜胆囊切除术中训练和测试模型 | 提高手术的质量和效率，缓解医护人员短缺问题 | 腹腔镜胆囊切除术中的手术器械预测 | 机器人技术 | NA | 深度学习 | 三阶段深度学习模型 | 视频 | 62例腹腔镜胆囊切除术 | NA | NA | NA | NA |
| 9800 | 2024-08-07 |
Real-time tracking of structural evolution in 2D MXenes using theory-enhanced machine learning
2024-Aug-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-66902-4
PMID:39095485
|
研究论文 | 本文提出了一种机器学习框架，用于实时评估和表征操作中电子能量损失谱图像 | 该研究创新性地采用变分自编码器将计算产生的MXenes结构与实验数据集结合，预测结构演变 | 此研究可能在样本多样性和复杂性上存在局限，未讨论具体的影响因素 | 旨在理解和控制二维MXenes的原子级结构转变 | 研究对象为二维MXenes材料系统 | 机器学习 | NA | 电子能量损失谱学（EELS）、透射电子显微镜（TEM） | 变分自编码器（VAE） | 谱图像数据 | NA | NA | NA | NA | NA |