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 336 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-10-29 |
Personalized Deep Learning for Substance Use in Hawaii: Protocol for a Passive Sensing and Ecological Momentary Assessment Study
2024-Feb-07, JMIR research protocols
IF:1.4Q3
DOI:10.2196/46493
PMID:38324375
|
研究论文 | 研究旨在通过Fitbit设备收集夏威夷原住民、菲律宾和太平洋岛民社区的生物信号数据，开发个性化深度学习模型以实时预测甲基苯丙胺的渴望事件 | 首次针对夏威夷原住民、菲律宾和太平洋岛民社区进行个性化AI模型开发，利用自监督学习方法优化模型性能 | 研究样本量较小，且仅限于特定社区，可能影响模型的普适性 | 探讨在夏威夷原住民、菲律宾和太平洋岛民社区中进行连续远程数字监测和生态瞬时评估的可行性，并开发个性化AI模型 | 夏威夷原住民、菲律宾和太平洋岛民社区的甲基苯丙胺使用和渴望预测 | 机器学习 | NA | 自监督学习 | 神经网络 | 生物信号 | 40名来自夏威夷原住民、菲律宾和太平洋岛民社区的个体 | NA | NA | NA | NA |
| 222 | 2024-10-29 |
Integrating Artificial Intelligence for Drug Discovery in the Context of Revolutionizing Drug Delivery
2024-Feb-07, Life (Basel, Switzerland)
DOI:10.3390/life14020233
PMID:38398742
|
研究论文 | 本文探讨了人工智能在药物发现中的多方面作用，包括药物输送设计、新药发现和新型AI技术的开发 | 本文介绍了人工智能在药物发现中的创新应用，包括目标识别、虚拟筛选和药物设计，并讨论了其在药物输送系统革命中的潜力 | NA | 探讨人工智能在药物发现中的应用及其对医疗保健的深远影响 | 人工智能在药物发现中的应用，包括药物输送设计、新药发现和药物组合识别 | 机器学习 | NA | 机器学习和深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 223 | 2024-10-28 |
A novel approach to identify the brain regions that best classify ADHD by means of EEG and deep learning
2024-Feb-29, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e26028
PMID:38379973
|
研究论文 | 本文提出了一种利用脑电图（EEG）和深度学习（DL）识别最佳分类注意力缺陷多动障碍（ADHD）的脑区的新方法 | 本文创新性地使用深度学习技术结合脑电图信号，通过特征选择方法识别出最佳分类ADHD的脑区 | NA | 研究目的是通过脑电图和深度学习技术，找出最佳分类ADHD与正常发育儿童的脑区 | 注意力缺陷多动障碍（ADHD）与正常发育儿童的脑区分类 | 机器学习 | 神经发育障碍 | 脑电图（EEG） | 深度学习（DL） | 脑电图信号 | NA | NA | NA | NA | NA |
| 224 | 2024-10-28 |
Generalisable deep learning method for mammographic density prediction across imaging techniques and self-reported race
2024-Feb-19, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-024-00446-6
PMID:38374436
|
研究论文 | 本文研究了一种可泛化的深度学习方法，用于在不同成像技术和自报种族背景下预测乳腺密度 | 本文首次展示了深度学习模型在不同成像技术和种族背景下的泛化能力 | 尽管模型在种族子组分析中表现无偏，但仍需进一步验证其在更多种族和成像技术中的适用性 | 开发一种能够在不同成像技术和种族背景下准确预测乳腺密度的深度学习模型 | 乳腺密度预测及其在不同成像技术和种族背景下的泛化能力 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 69,697个乳腺研究，包含451,642张单独图像，来自23,057名女性参与者 | NA | NA | NA | NA |
| 225 | 2024-10-28 |
RUBICON: a framework for designing efficient deep learning-based genomic basecallers
2024-02-16, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03181-2
PMID:38365730
|
研究论文 | 本文介绍了一个名为RUBICON的框架，用于设计高效的基于深度学习的基因组碱基调用器 | RUBICON框架开发了首个硬件优化的混合精度碱基调用器RUBICALL，其性能优于现有的最先进碱基调用器 | NA | 旨在减少碱基调用的计算和内存成本，同时保持准确性 | 纳米孔测序生成的噪声电信号 | 机器学习 | NA | 深度学习 | 混合精度模型 | 基因组数据 | NA | NA | NA | NA | NA |
| 226 | 2024-10-28 |
Insight into deep learning for glioma IDH medical image analysis: A systematic review
2024-Feb-16, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000037150
PMID:38363910
|
综述 | 本文系统回顾了2019年至2023年间使用深度学习技术进行胶质瘤IDH分子标记预测的研究 | 结合影像和分子分析，深度学习技术能够更准确地预测患者的预后、提出更精确的治疗方案，并准确预测胶质瘤的IDH标记 | 需要外部验证以展示其鲁棒性和通用性，并需要更大样本量和多中心样本进行更全面的研究 | 探讨深度学习技术在胶质瘤IDH分子标记预测中的应用和发展 | 胶质瘤患者的IDH分子标记 | 数字病理学 | 脑肿瘤 | 深度学习 | NA | 图像 | 15篇符合条件的研究 | NA | NA | NA | NA |
| 227 | 2024-10-28 |
A signal processing and deep learning framework for methylation detection using Oxford Nanopore sequencing
2024-Feb-16, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-45778-y
PMID:38365920
|
研究论文 | 本文介绍了一种基于牛津纳米孔测序的深度学习框架DeepMod2，用于甲基化检测 | DeepMod2结合了双向长短期记忆模型（BiLSTM）和Transformer模型，能够高效处理POD5和FAST5信号文件，并支持CPU上的模型剪枝 | NA | 开发一种快速准确的DNA甲基化检测工具 | 牛津纳米孔测序的离子电流信号 | 生物信息学 | NA | 牛津纳米孔测序 | 双向长短期记忆模型（BiLSTM）和Transformer模型 | 信号文件（POD5和FAST5） | 多个公开和新生成的数据集 | NA | NA | NA | NA |
| 228 | 2024-10-28 |
A machine learning and deep learning-based integrated multi-omics technique for leukemia prediction
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e25369
PMID:38352790
|
研究论文 | 本文介绍了一种基于机器学习和深度学习的综合多组学技术用于白血病预测 | 本文提出了一种新的白血病诊断方法，通过分析多组学数据并比较多种机器学习和深度学习算法，展示了深度学习在白血病预测中的重要性 | NA | 利用机器学习和深度学习技术提高白血病的预测准确性 | 白血病预测 | 机器学习 | 血液癌 | 多组学技术 | 随机森林、朴素贝叶斯、决策树、逻辑回归、梯度提升、循环神经网络、前馈神经网络 | 多组学数据 | 基于17种不同特征的测试验证，包括患者年龄、性别、突变类型、治疗方法、染色体等 | NA | NA | NA | NA |
| 229 | 2024-10-28 |
An automatic diagnostic model for the detection and classification of cardiovascular diseases based on swarm intelligence technique
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e25574
PMID:38371968
|
研究论文 | 本文提出了一种基于群体智能技术的自动诊断模型，用于检测和分类心血管疾病 | 本文提出了一种创新的模型，结合优化技术和深度学习分类器，解决了临床数据集的维度大和类别不平衡问题 | NA | 开发一种高效的决策支持系统，用于心血管疾病的诊断和分类 | 心血管疾病 | 机器学习 | 心血管疾病 | 群体智能技术 | 深度学习分类器 | 临床数据 | 合成样本的适当样本量 | NA | NA | NA | NA |
| 230 | 2024-10-28 |
Deep learning assisted XRF spectra classification
2024-Feb-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-53988-z
PMID:38351176
|
研究论文 | 本文探讨了使用深度学习辅助XRF光谱分类的方法 | 本文创新性地设计并使用了自编码器神经网络作为维度减少工具，以处理原始EDXRF光谱数据，从而提高分类算法的效率 | NA | 研究如何利用人工智能技术提高EDXRF光谱分析的速度和准确性 | EDXRF光谱数据及其在考古学研究中的应用 | 机器学习 | NA | EDXRF光谱分析 | 自编码器神经网络 | 光谱数据 | NA | NA | NA | NA | NA |
| 231 | 2024-10-28 |
Data-centric artificial olfactory system based on the eigengraph
2024-Feb-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-45430-9
PMID:38332010
|
研究论文 | 本文提出了一种基于特征图的数据中心化人工嗅觉系统 | 引入特征图概念，将隐含的气味属性数学化，并应用于气体分类的深度学习过程 | NA | 开发标准化的人工嗅觉系统 | 气体分子识别 | 机器学习 | NA | 傅里叶变换 | 深度学习 | 特征向量 | 复杂混合气体和汽车尾气 | NA | NA | NA | NA |
| 232 | 2024-10-28 |
Transfer learning to leverage larger datasets for improved prediction of protein stability changes
2024-Feb-06, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2314853121
PMID:38285937
|
研究论文 | 本文介绍了一种名为ThermoMPNN的深度神经网络，用于预测蛋白质点突变对稳定性的影响 | 利用迁移学习技术，通过结合两个大型数据集来提高预测蛋白质稳定性变化的准确性 | NA | 开发一种能够准确预测蛋白质稳定性变化的计算方法 | 蛋白质点突变对稳定性的影响 | 机器学习 | NA | 深度学习 | 深度神经网络 | 蛋白质结构数据 | 两个大型数据集 | NA | NA | NA | NA |
| 233 | 2024-10-28 |
DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model
2024-Feb-05, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-45461-2
PMID:38316797
|
研究论文 | 本文介绍了一种名为DynamicBind的深度学习方法，用于预测配体特异性蛋白质-配体复合物结构 | DynamicBind采用等变几何扩散网络构建平滑能量景观，促进不同平衡状态之间的有效过渡，无需holo结构或大量采样 | NA | 理解蛋白质功能并促进药物发现 | 蛋白质-配体相互作用 | 机器学习 | NA | 深度学习 | 等变几何扩散网络 | 蛋白质结构 | NA | NA | NA | NA | NA |
| 234 | 2024-10-28 |
Species identification through deep learning and geometrical morphology in oaks (Quercus spp.): Pros and cons
2024-Feb, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.11032
PMID:38357593
|
研究论文 | 本文比较了通过几何形态学方法和深度学习在两种相近的落叶栎树中进行物种鉴定的准确性和效率 | 本文首次将几何形态学方法与深度学习结合，用于栎树叶形态的物种鉴定，并比较了两者的效果 | 本文仅在两种相近的落叶栎树中进行了实验，结果的普适性有待进一步验证 | 比较几何形态学方法和深度学习在栎树叶形态物种鉴定中的准确性和效率 | 两种相近的落叶栎树及其叶形态 | 计算机视觉 | NA | 几何形态学方法，深度学习 | Xception | 图像 | 538棵亚洲落叶栎树，2328片叶子 | NA | NA | NA | NA |
| 235 | 2024-10-28 |
Multi-modal deep learning for joint prediction of otitis media and diagnostic difficulty
2024-Feb, Laryngoscope investigative otolaryngology
IF:1.6Q2
DOI:10.1002/lio2.1199
PMID:38362190
|
研究论文 | 本文提出了一种基于耳镜图像和宽带鼓室测量数据的多模态深度学习模型，用于联合预测中耳炎及其诊断难度 | 本文创新性地采用了深度度量学习方法，并与标准的多任务网络进行了性能比较 | NA | 开发一种自动检测中耳炎的诊断模型，并评估其诊断难度 | 中耳炎及其诊断难度 | 机器学习 | 中耳炎 | 深度度量学习 | 神经网络 | 图像和测量数据 | NA | NA | NA | NA | NA |
| 236 | 2024-10-28 |
Facial and mandibular landmark tracking with habitual head posture estimation using linear and fiducial markers
2024-Feb, Healthcare technology letters
IF:2.8Q3
DOI:10.1049/htl2.12076
PMID:38370162
|
研究论文 | 本研究比较了基于深度学习的基准标记（FM）和任意宽度参考（AWR）方法在面部标志测量中的准确性 | 开发了一个自定义的深度学习系统来识别面部标志，用于测量头部倾斜和下颌侧向运动 | 基准标记在面部中部和下部参数评估中表现出可变性 | 评估不同方法在面部标志测量中的准确性 | 面部和下颌的硬组织和软组织侧向运动以及头部倾斜 | 计算机视觉 | NA | 深度学习 | 深度学习系统 | 视频 | 37名参与者 | NA | NA | NA | NA |
| 237 | 2024-10-27 |
A modified U-Net convolutional neural network for segmenting periprostatic adipose tissue based on contour feature learning
2024-Feb-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e25030
PMID:38318024
|
研究论文 | 本研究基于周边轮廓测量，训练了一个U型全卷积神经网络（U-Net）模型，以实现对前列腺周围脂肪组织（PPAT）的快速、准确自动识别和分割 | 提出了一种新颖的、基于少量MRI T2W图像数据集及其梯度图像的U型卷积神经网络轮廓控制点特征学习方法，以减少不同患者PPAT轮廓差异引起的特征模糊 | 降低原始图像分辨率会降低U-Net卷积神经网络的准确性 | 实现对前列腺周围脂肪组织的快速、准确自动识别和分割 | 前列腺周围脂肪组织（PPAT） | 计算机视觉 | NA | 卷积神经网络 | U-Net | 图像 | 少量MRI T2W图像数据集 | NA | NA | NA | NA |
| 238 | 2024-10-27 |
Automated Deep Learning Segmentation of Cardiac Inflammatory FDG PET
2024-Feb-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.31.24302113
PMID:38352354
|
研究论文 | 开发了一种基于3D U-Net深度学习算法的自动化心肌分割工具，用于心脏肉瘤FDG PET图像的分割 | 提出的深度学习算法显著提高了心肌分割的准确性和临床可读性，优于现有的自动化方法 | 需要进一步研究以验证其在不同数据集上的适用性 | 开发一种自动化工具，以提高心脏肉瘤FDG PET图像处理的效率和一致性 | 心脏肉瘤FDG PET图像的心肌分割 | 计算机视觉 | 心脏疾病 | 深度学习 | 3D U-Net | 图像 | 316名患者的FDG PET扫描数据 | NA | NA | NA | NA |
| 239 | 2024-10-27 |
Introduction to the virtual collection of papers on Artificial neural networks: applications in X-ray photon science and crystallography
2024-Feb-01, Journal of applied crystallography
IF:5.2Q1
DOI:10.1107/S1600576723010476
PMID:38322721
|
评论 | 介绍了人工神经网络在X射线光子科学和晶体学中的应用 | NA | NA | 介绍人工神经网络在特定科学领域的应用 | 人工神经网络在X射线光子科学和晶体学中的应用 | 机器学习 | NA | 人工神经网络 | 深度学习 | NA | NA | NA | NA | NA | NA |
| 240 | 2024-10-26 |
Learning-based Free-Water Correction using Single-shell Diffusion MRI
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3006901
PMID:39281711
|
研究论文 | 本文提出了一种基于深度学习的单壳扩散MRI自由水校正方法 | 利用数据驱动技术在不同扩散MRI采集方案中可靠地推断自由水体积，包括单壳采集 | 当前数学模型在临床常见的单壳采集中的适用性有限 | 提高单壳扩散MRI分析的准确性和可靠性 | 脑微结构和连接性评估 | 计算机视觉 | NA | 扩散磁共振成像（dMRI） | 深度学习 | 图像 | NA | NA | NA | NA | NA |