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 1294 篇文献，本页显示第 461 - 480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 461 | 2024-09-14 |
GraphADT: empowering interpretable predictions of acute dermal toxicity with multi-view graph pooling and structure remapping
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae438
PMID:38967119
|
研究论文 | 本文介绍了一种名为GraphADT的新模型，利用结构重映射和多视角图池化技术来准确预测化合物的急性皮肤毒性 | 提出了结构重映射和多视角图池化技术，通过将“键”转换为新节点并将“键-原子-键”相互作用转换为新边来重建化合物分子图，从而提高模型的解释性和预测准确性 | 未提及 | 提高化合物急性皮肤毒性的预测准确性和模型的解释性 | 化合物分子及其急性皮肤毒性 | 机器学习 | NA | 图神经网络 | GraphADT | 图数据 | 未提及 | NA | NA | NA | NA |
| 462 | 2024-09-14 |
SFINN: inferring gene regulatory network from single-cell and spatial transcriptomic data with shared factor neighborhood and integrated neural network
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae433
PMID:38950180
|
研究论文 | 本文介绍了一种基于共享因子邻域和集成神经网络（SFINN）的新型深度学习框架，用于从单细胞和空间转录组数据中推断转录因子与目标基因之间的潜在相互作用和因果关系 | SFINN利用共享因子邻域构建基于基因表达数据的细胞邻域网络，并整合来自空间位置信息的细胞网络，通过图卷积神经网络和全连接神经网络的集成框架来确定基因是否相互作用 | NA | 开发一种准确推断基因调控网络（GRN）的算法，以应对单细胞RNA测序（scRNA-seq）数据中的噪声、技术误差和丢失现象 | 单细胞和空间转录组数据中的转录因子与目标基因之间的相互作用和因果关系 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq），空间转录组测序 | 图卷积神经网络（GCN），全连接神经网络 | 基因表达数据 | NA | NA | NA | NA | NA |
| 463 | 2024-09-14 |
PredGCN: a Pruning-enabled Gene-Cell Net for automatic cell annotation of single cell transcriptome data
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae421
PMID:38924517
|
研究论文 | 本文提出了一种名为PredGCN的剪枝启用的基因-细胞网络，用于单细胞转录组数据的自动细胞注释 | PredGCN通过结合基因拼接网络和细胞分层网络，并采用剪枝操作来动态处理异质性细胞识别问题，显著提高了细胞类型注释的准确性和跨物种数据的可扩展性 | NA | 解决现有自动细胞注释方法在分类器架构和训练数据质量与多样性方面的局限性 | 单细胞转录组数据的细胞类型注释 | 机器学习 | NA | 深度学习 | GCN（图卷积网络） | 转录组数据 | 涉及多种物种的真实单细胞转录组数据集 | NA | NA | NA | NA |
| 464 | 2024-09-14 |
DeepGSEA: explainable deep gene set enrichment analysis for single-cell transcriptomic data
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae434
PMID:38950178
|
研究论文 | 本文介绍了一种名为DeepGSEA的可解释深度基因集富集分析方法，用于单细胞转录组数据 | DeepGSEA利用可解释的原型神经网络，能够在单细胞基因表达数据中进行深入的基因集富集分析，并提供可视化的结果 | NA | 开发一种新的深度学习方法，用于单细胞转录组数据的基因集富集分析，并提高分析的可解释性 | 单细胞转录组数据中的基因集富集分析 | 机器学习 | NA | 单细胞RNA测序 (scRNA-seq) | 神经网络 | 基因表达数据 | NA | NA | NA | NA | NA |
| 465 | 2024-09-14 |
CodonBERT: a BERT-based architecture tailored for codon optimization using the cross-attention mechanism
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae330
PMID:38788220
|
研究论文 | 本文提出了一种基于BERT的架构CodonBERT，用于密码子优化，通过交叉注意力机制提高mRNA疫苗的稳定性和蛋白质表达 | CodonBERT利用BERT架构和交叉注意力机制，有效捕捉密码子和氨基酸之间的长期依赖关系，为特定优化目标提供定制化训练框架 | 当前深度学习方法如循环神经网络在捕捉密码子偏好长期依赖方面能力较弱 | 开发一种新的深度学习架构，用于mRNA疫苗设计中的密码子优化 | mRNA序列的稳定性和蛋白质表达 | 机器学习 | NA | BERT | BERT | 文本 | 高表达转录本来自人类蛋白质图谱，混合不同比例的高密码子适应指数密码子序列 | NA | NA | NA | NA |
| 466 | 2024-09-14 |
A deep learning method to predict bacterial ADP-ribosyltransferase toxins
2024-07-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae378
PMID:38885365
|
研究论文 | 提出了一种基于深度学习的模型ARTNet，用于预测细菌ADP-核糖基转移酶毒素 | 引入了一种有效的数据增强方法来解决数据稀缺问题，并使用ART相关域子序列代替原始全序列，显著提高了模型性能 | NA | 开发一种高效准确的模型来预测细菌ADP-核糖基转移酶毒素 | 细菌ADP-核糖基转移酶毒素 | 机器学习 | NA | 深度学习 | ARTNet | 序列数据 | NA | NA | NA | NA | NA |
| 467 | 2024-09-14 |
Unlocking Hidden Risks: Harnessing Artificial Intelligence (AI) to Detect Subclinical Conditions from an Electrocardiogram (ECG)
2024-Jul-01, Journal of insurance medicine (New York, N.Y.)
DOI:10.17849/insm-51-2-64-76.1
PMID:39266002
|
研究论文 | 本文探讨了利用人工智能（AI）从心电图（ECG）中检测亚临床状况的潜力 | 应用深度学习模型在正常心电图中检测疾病，达到了以往技术和人类专家未曾达到的准确度 | 尽管结果令人鼓舞，但仍需谨慎乐观 | 提供对AI辅助心电图技术的基本理解，并探讨其在心血管医学中的应用 | 心电图（ECG）及其在检测亚临床状况中的应用 | 机器学习 | 心血管疾病 | 人工智能（AI） | 深度学习模型 | 心电图（ECG）数据 | NA | NA | NA | NA | NA |
| 468 | 2024-09-13 |
Estimating infant age from skull X-ray images using deep learning
2024-07-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64489-4
PMID:39025919
|
研究论文 | 本研究利用普通头骨X光片图像构建深度学习模型，预测12个月以下婴儿的准确出生后年龄 | 本研究首次利用深度学习模型分析头骨X光片图像，通过梯度加权类激活映射评估头骨X光片图像中可见的主要变化，以评估出生后颅骨发育的可行性 | 研究样本仅包括1343名婴儿，可能存在样本量不足的问题 | 评估利用头骨X光片图像通过深度学习模型预测婴儿出生后年龄的可行性 | 12个月以下婴儿的头骨X光片图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 1343名婴儿的4933张头骨X光片图像 | NA | NA | NA | NA |
| 469 | 2024-09-13 |
Achieving Occam's razor: Deep learning for optimal model reduction
2024-Jul, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012283
PMID:39024398
|
研究论文 | 本文展示了如何利用深度学习来实现奥卡姆剃刀原则，通过FixFit方法减少模型参数，提高模型的简洁性和准确性 | 提出了FixFit方法，利用深度神经网络的瓶颈层来量化模型复杂度，并提供了一种无偏的方式来区分有价值和无价值的实验假设 | NA | 探索如何利用深度学习实现奥卡姆剃刀原则，减少模型参数，提高模型的简洁性和准确性 | 模型参数的简化与优化 | 机器学习 | NA | 深度学习 | 前馈深度神经网络 | 数值数据 | NA | NA | NA | NA | NA |
| 470 | 2024-09-13 |
Safety and efficiency of a fully automatic workflow for auto-segmentation in radiotherapy using three commercially available deep learning-based applications
2024-Jul, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2024.100627
PMID:39253729
|
研究论文 | 本文开发并评估了一种用于放射治疗自动分割的全自动工作流程的安全性和效率 | 本文引入了标准化全自动工作流程，显著减少了失败模式并提高了工作流程的安全性和效率 | NA | 评估全自动工作流程在放射治疗自动分割中的安全性和效率 | 三种商业化的基于深度学习的自动分割应用程序 | 计算机视觉 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 471 | 2024-09-11 |
AI-NERD: Elucidation of relaxation dynamics beyond equilibrium through AI-informed X-ray photon correlation spectroscopy
2024-Jul-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49381-z
PMID:39009571
|
研究论文 | 本文开发了一种无监督深度学习框架，用于从实验数据中自动分类弛豫动力学，无需任何先验物理知识 | 提出了一个无监督深度学习框架，用于自动分类弛豫动力学，并展示了其在大数据集探索中的应用 | NA | 理解和解释功能材料在原位环境中的动力学行为 | 功能材料的弛豫动力学 | 物理学 | NA | X射线光子相关光谱（XPCS） | 深度学习（DL） | 实验数据 | NA | NA | NA | NA | NA |
| 472 | 2024-09-10 |
CBIL-VHPLI: a model for predicting viral-host protein-lncRNA interactions based on machine learning and transfer learning
2024-07-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-68750-8
PMID:39080344
|
研究论文 | 本文提出了一种基于深度学习和迁移学习的新模型CBIL-VHPLI，用于预测病毒-宿主蛋白-lncRNA相互作用 | 首次提出了一种结合卷积神经网络和双向长短时记忆网络模块的深度学习方法，并结合迁移学习来预测病毒-宿主蛋白-lncRNA相互作用 | NA | 解码病毒病原体和宿主免疫过程的分子机制 | 病毒-宿主蛋白-lncRNA相互作用 | 机器学习 | NA | k-mer方法、one-hot编码、CTD方法、Z曲线方法 | 卷积神经网络、双向长短时记忆网络 | 蛋白质序列、lncRNA序列 | 包括植物、动物等的大量多样数据集 | NA | NA | NA | NA |
| 473 | 2024-09-10 |
Knowledge, attitude, and perception of Arab medical students towards artificial intelligence in medicine and radiology: A multi-national cross-sectional study
2024-Jul, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10509-2
PMID:38150076
|
研究论文 | 本文评估了阿拉伯医学生对医学和放射学中人工智能的知识、态度和认知 | 首次对阿拉伯医学生进行多国跨学科研究，评估他们对人工智能在医学和放射学中的知识、态度和认知 | 样本仅限于阿拉伯国家的医学生，可能无法代表全球医学生的观点 | 评估医学生对人工智能在医学和放射学中的知识、态度和认知 | 阿拉伯国家的医学生 | NA | NA | NA | NA | NA | 4492名医学生 | NA | NA | NA | NA |
| 474 | 2024-09-08 |
DeepIRES: a hybrid deep learning model for accurate identification of internal ribosome entry sites in cellular and viral mRNAs
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae439
PMID:39234953
|
研究论文 | 本文介绍了一种名为DeepIRES的混合深度学习模型，用于准确识别细胞和病毒mRNA中的内部核糖体进入位点（IRES） | DeepIRES结合了膨胀1D卷积神经网络块、双向门控循环单元和自注意力模块，能够捕捉序列特征与预测结果之间的更深层次关系 | NA | 开发一种高效的生物信息学工具，用于准确预测内部核糖体进入位点（IRES），以理解其机制并寻找相关疾病的潜在治疗策略 | 细胞和病毒mRNA中的内部核糖体进入位点（IRES） | 机器学习 | NA | 深度学习 | 混合模型（膨胀1D卷积神经网络、双向门控循环单元、自注意力模块） | 序列 | NA | NA | NA | NA | NA |
| 475 | 2024-09-07 |
ReadCurrent: a VDCNN-based tool for fast and accurate nanopore selective sequencing
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae435
PMID:39226890
|
研究论文 | 本文介绍了一种基于深度学习的纳米孔选择性测序工具ReadCurrent，该工具使用改进的非常深卷积神经网络（VDCNN）架构，能够快速且准确地进行目标DNA的分类 | ReadCurrent采用改进的VDCNN架构，显著降低了计算成本并加快了推理速度，同时在分类准确性上优于其他四种基于深度学习的选择性测序方法 | NA | 开发一种快速且准确的选择性测序工具，以提高纳米孔测序技术的应用效果 | 纳米孔测序数据中的目标DNA和非目标DNA的分类 | 机器学习 | NA | 纳米孔测序 | 非常深卷积神经网络（VDCNN） | 电流信号 | 10个纳米孔测序数据集，涵盖人类、酵母、细菌和病毒 | NA | NA | NA | NA |
| 476 | 2024-09-07 |
A genome-scale deep learning model to predict gene expression changes of genetic perturbations from multiplex biological networks
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae433
PMID:39226889
|
研究论文 | 本文介绍了一种名为TranscriptionNet的深度学习模型，该模型通过整合多种生物网络来预测基因扰动引起的基因表达变化 | TranscriptionNet能够系统地预测基因扰动引起的转录组变化，并展示了强大的泛化能力 | NA | 系统地预测基因扰动引起的基因表达变化，以促进基因功能检测和药物开发 | 基因扰动引起的基因表达变化 | 机器学习 | NA | 深度学习 | 深度学习模型 | 基因表达数据 | 26,945个基因 | NA | NA | NA | NA |
| 477 | 2024-09-07 |
Automated hepatic steatosis assessment on dual-energy CT-derived virtual non-contrast images through fully-automated 3D organ segmentation
2024-Jul, La Radiologia medica
DOI:10.1007/s11547-024-01833-8
PMID:38869829
|
研究论文 | 评估通过全自动3D器官分割从双能量CT（DECT）生成的虚拟非对比（VNC）图像中获得的基于体积CT衰减参数在评估肝脂肪变性中的有效性 | 利用3D深度学习算法自动分割肝脏和脾脏，并通过VNC图像计算肝脏衰减指数（LAI），提供了一种新的肝脂肪变性评估方法 | 研究为回顾性研究，样本量有限，且未涉及长期随访数据 | 评估基于体积CT衰减参数的VNC图像在肝脂肪变性评估中的有效性 | 肝脂肪变性 | 计算机视觉 | 肝病 | 双能量CT（DECT） | 3D深度学习算法 | 图像 | 252名参与者 | NA | NA | NA | NA |
| 478 | 2024-09-06 |
X-ray absorption spectroscopy combined with deep learning for auto and rapid illicit drug detection
2024-Jul-03, The American journal of drug and alcohol abuse
DOI:10.1080/00952990.2024.2377262
PMID:39158551
|
研究论文 | 本文探讨了利用X射线吸收光谱（XAS）结合深度学习技术进行自动和快速非法药物检测的新方法 | 本文提出了一种结合XAS和改进的transformer编码器模型的新方法，用于自动、快速和准确地检测非法药物，相比LSTM和ResU-net模型，该方法在训练时间和准确性上均有显著提升 | NA | 探索一种自动、快速和准确检测非法药物的新方法 | 50种与药物具有相似分子式的同分异构体或化合物 | 机器学习 | NA | X射线吸收光谱（XAS） | transformer编码器模型 | 光谱数据 | 50种物质 | NA | NA | NA | NA |
| 479 | 2024-09-06 |
Deep Learning-Based Facial and Skeletal Transformations for Surgical Planning
2024-07, Journal of dental research
IF:5.7Q1
DOI:10.1177/00220345241253186
PMID:38808566
|
研究论文 | 本文开发并验证了一种基于深度学习的新型双向3D框架P2P-ConvGC，用于正颌手术中面部和骨骼形状的准确预测 | 提出了P2P-ConvGC框架，通过两阶段点采样策略生成多个非重叠点子集来表示高分辨率的面部和骨骼形状，并分别输入到预测系统中进行预测 | NA | 开发一种能够准确预测面部和骨骼形状的深度学习模型，以应用于正颌手术的虚拟手术规划 | 面部和骨骼形状的预测 | 计算机视觉 | NA | 深度学习 | P2P-ConvGC | 3D点集 | 基于大规模数据集进行验证，具体样本数量未提及 | NA | NA | NA | NA |
| 480 | 2024-09-06 |
Data-independent acquisition in metaproteomics
2024 Jul-Aug, Expert review of proteomics
IF:3.8Q1
DOI:10.1080/14789450.2024.2394190
PMID:39152734
|
综述 | 本文综述了数据非依赖采集（DIA）质谱技术在元蛋白质组学中的应用 | 介绍了DIA技术在提高元蛋白质组学深度和准确性方面的潜力，并讨论了未来可能采用的深度学习和从头测序方法 | DIA技术和元蛋白质组学的复杂性带来了挑战 | 探讨DIA技术在元蛋白质组学中的应用及其未来发展方向 | 元蛋白质组学中的微生物群落功能和微生物间及宿主-微生物相互作用 | NA | NA | 数据非依赖采集（DIA）质谱技术 | NA | 蛋白质组学数据 | NA | NA | NA | NA | NA |