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 1297 篇文献，本页显示第 501 - 520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 501 | 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 |
| 502 | 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 |
| 503 | 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 |
| 504 | 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 |
| 505 | 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 |
| 506 | 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 |
| 507 | 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 |
| 508 | 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 |
| 509 | 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 |
| 510 | 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 |
| 511 | 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 |
| 512 | 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 |
| 513 | 2024-09-05 |
Identification and Validation of New DNA-PKcs Inhibitors through High-Throughput Virtual Screening and Experimental Verification
2024-Jul-22, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25147982
PMID:39063224
|
研究论文 | 本研究通过基于深度学习的筛选和分子动力学模拟，识别并验证了新的DNA-PKcs抑制剂，这些抑制剂在实验中显示出对DNA-PKcs介导的细胞增殖的有效抑制作用。 | 首次应用DeepBindGCN_RG于实际药物筛选任务，并成功发现新型DNA-PKcs抑制剂。 | NA | 探索新型抗癌药物和推进基因编辑技术的发展。 | DNA-PKcs抑制剂的识别与验证。 | 机器学习 | 癌症 | 分子动力学模拟 | DeepBindGCN_RG | 分子 | 三个小分子（5025-0002, M769-1095, V008-1080） | NA | NA | NA | NA |
| 514 | 2024-09-04 |
ASD-GANNet: A Generative Adversarial Network-Inspired Deep Learning Approach for the Classification of Autism Brain Disorder
2024-Jul-29, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci14080766
PMID:39199460
|
研究论文 | 本文提出了一种基于条件生成对抗网络（cGAN）的深度学习方法ASD-GANNet，用于自闭症脑部疾病的分类 | 使用cGAN生成合成连接特征，并结合多头注意力机制进行分类，无需手工特征 | NA | 提高自闭症脑部疾病分类的准确性和敏感性 | 自闭症脑部疾病的分类 | 机器学习 | 自闭症 | cGAN | GAN | fMRI数据 | 使用NYU数据集进行训练和验证 | NA | NA | NA | NA |
| 515 | 2024-09-04 |
CycPeptMP: enhancing membrane permeability prediction of cyclic peptides with multi-level molecular features and data augmentation
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae417
PMID:39210505
|
research paper | 本研究提出了一种名为CycPeptMP的方法，用于预测环肽的膜渗透性，通过多层次分子特征和数据增强技术提高预测准确性 | 本研究设计了针对环肽的原子级、单体级和肽级特征，并使用深度学习技术将其整合到融合模型中，同时应用多种数据增强技术提高模型训练效率 | 当前基于机器学习的环肽渗透性模型性能不一，主要受限于实验数据的局限性，且传统方法忽略了环肽独特的结构特性 | 提高环肽膜渗透性的预测准确性，以增强其作为治疗药物的实用性 | 环肽的膜渗透性 | machine learning | NA | deep learning | fusion model | molecular features | 使用了最新的数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 516 | 2024-09-04 |
Advances in Modeling Approaches for Oral Drug Delivery: Artificial Intelligence, Physiologically-Based Pharmacokinetics, and First-Principles Models
2024-Jul-24, Pharmaceutics
IF:4.9Q1
DOI:10.3390/pharmaceutics16080978
PMID:39204323
|
综述 | 本文综述了用于口服药物递送的建模方法，包括人工智能、生理药代动力学和第一性原理模型 | 整合了来自不同实验和理论考虑的数据，提出了一种成本效益高的替代实验方法 | 数学复杂性限制了偏微分方程在生理系统建模中的广泛应用 | 评估不同建模方法在口服药物递送中的优势和局限 | 口服药物递送过程中的多种因素，如药物的物理化学性质、制剂特性和胃肠生理 | NA | NA | 机器学习、深度学习、分子动力学 | QSAR、生理药代动力学模型、第一性原理模型 | NA | NA | NA | NA | NA | NA |
| 517 | 2024-09-04 |
Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform
2024-Jul, JDS communications
DOI:10.3168/jdsc.2023-0442
PMID:39220844
|
research paper | 本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。 | 本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。 | 研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。 | 开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。 | 躺卧的荷斯坦奶牛和断奶前的奶牛犊。 | computer vision | NA | 快速傅里叶变换（FFT） | YOLOv8 | image | 30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。 | NA | NA | NA | NA |
| 518 | 2024-09-02 |
Deep Learning-Based Real-Time Organ Localization and Transit Time Estimation in Wireless Capsule Endoscopy
2024-Jul-31, Biomedicines
IF:3.9Q1
DOI:10.3390/biomedicines12081704
PMID:39200169
|
研究论文 | 本研究提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的新模型，用于无线胶囊内窥镜（WCE）中的器官定位和传输时间估计 | 该模型通过分析多帧图像并结合时间信息，即使在视觉信息有限的情况下也能保持高性能 | NA | 提高无线胶囊内窥镜在胃肠道疾病诊断中的准确性和效率 | 胃、小肠和大肠的定位及传输时间估计 | 机器学习 | 胃肠道疾病 | 卷积神经网络（CNN）和长短期记忆网络（LSTM） | CNN和LSTM | 图像 | 126名患者的2,395,932张图像 | NA | NA | NA | NA |
| 519 | 2024-09-02 |
Deep Learning Techniques for the Dermoscopic Differential Diagnosis of Benign/Malignant Melanocytic Skin Lesions: From the Past to the Present
2024-Jul-26, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11080758
PMID:39199716
|
综述 | 本文综述了深度学习技术在皮肤镜下良恶性黑色素细胞皮肤病变鉴别诊断中的应用 | 深度学习模型在特异性方面比临床医生有显著提高，平均特异性为84.87%，而人类为64.24% | 未来的深度学习模型应基于包含皮肤镜图像、相关临床和病史数据的大型数据集，并在临床实践中进行前瞻性测试和与医生的充分比较 | 旨在筛选科学文献中深度学习技术在皮肤镜下黑色素瘤/痣鉴别诊断的应用，并提供人工智能术语的全面解释 | 深度学习技术在皮肤癌诊断中的应用 | 机器学习 | 皮肤癌 | 深度学习 | 卷积神经网络（CNN）/深度卷积神经网络（DCNN） | 图像 | 筛选了近2000条记录，选择了54项研究进行分析 | NA | NA | NA | NA |
| 520 | 2024-09-02 |
Efficient Extraction of Coronary Artery Vessels from Computed Tomography Angiography Images Using ResUnet and Vesselness
2024-Jul-26, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11080759
PMID:39199717
|
research paper | 本研究提出了一种结合血管增强、心脏感兴趣区域提取和ResUNet深度学习方法的结构化方法，用于从CTA图像中准确高效地分割冠状动脉 | 该方法通过血管增强和心脏ROI提取显著提高了分割过程的准确性和效率，同时ResUNet能够捕捉局部和全局特征 | NA | 实现冠状动脉从CTA图像中的准确和高效分割，以辅助心血管疾病的诊断和治疗 | 冠状动脉的分割 | computer vision | 心血管疾病 | ResUNet | CNN | image | NA | NA | NA | NA | NA |