深度学习在生物医药领域中的应用
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，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10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 1302 篇文献，本页显示第 901 - 920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 901 | 2024-08-05 |
Transfer learning for cross-context prediction of protein expression from 5'UTR sequence
2024-Jul-22, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae491
PMID:38864396
|
研究论文 | 本文展示了一种简单的迁移学习方法，可以有效调节预训练的深度学习模型，用于预测Escherichia coli中不同背景下的蛋白质翻译速率 | 通过迁移学习方法解决了深度学习模型在不同遗传和实验背景下的泛化能力不足的问题 | 本研究的迁移学习方法可能对某些特定背景的适应性有限 | 提高基于模型的DNA序列设计的泛化能力 | E. coli中的5'非翻译区（5'UTR）序列 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | DNA序列数据 | 少量新测量 |
| 902 | 2024-08-05 |
Reinventing gene expression connectivity through regulatory and spatial structural empowerment via principal node aggregation graph neural network
2024-Jul-22, Nucleic acids research
IF:16.6Q1
DOI:10.1093/nar/gkae514
PMID:38884259
|
研究论文 | 本文提出了一种通过主节点聚合图神经网络重塑基因表达连接的新方法 | 采用了空间图神经网络的创新策略，结合监管和结构元素，以改善基因表达预测 | NA | 旨在预测基因表达并描述复杂的基因相互作用网络 | 人类基因组中的基因及其相互关系 | 计算机视觉 | NA | 图神经网络(GNN) | 主节点聚合模型 | 图结构数据 | NA |
| 903 | 2024-08-05 |
Prediction of DNA methylation-based tumor types from histopathology in central nervous system tumors with deep learning
2024-Jul, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02995-8
PMID:38760587
|
研究论文 | 本文开发了一个深度学习模型，利用组织病理学图像预测中枢神经系统肿瘤的DNA甲基化类型 | 提出了DEPLOY模型，能从组织病理学图像中实现快速且准确的肿瘤分类 | DNA甲基化分析仍需时间，DEPLOY的应用仍受限于数据的可获取性 | 提高中枢神经系统肿瘤的诊断精度 | 针对1,796名患者的内部数据集和3个独立的外部测试数据集进行肿瘤分类 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | 1796名患者的内部数据集和2156名患者的外部测试数据集 |
| 904 | 2024-08-05 |
Deep Learning in Image-Based Plant Phenotyping
2024-Jul, Annual review of plant biology
IF:21.3Q1
|
review | 本文回顾了深度学习在基于图像的植物表型分析中的应用 | 提出了利用深度学习分析大量图像数据以提高作物表型检测效率的研究 | 未详细探讨深度学习在所有植物表型研究中的实际应用效果 | 探讨深度学习如何改善植物表型数据的分析和应用 | 关注作物表型检测和深度学习技术的结合 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA |
| 905 | 2024-08-05 |
Real-time non-invasive hemoglobin prediction using deep learning-enabled smartphone imaging
2024-Jul-01, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02585-1
PMID:38951831
|
研究论文 | 本研究介绍了一种使用深度学习和智能手机技术来准确估计血红蛋白水平的系统 | 提出了一种新颖、紧凑且高效的系统，消除了对补充设备的需求，提供了一种经济、快速且准确的血红蛋白检测方法 | 模型的R^2值相对较低，表明预测的准确性在某些情况下可能受限 | 研究旨在提供一种快速、便捷的血红蛋白浓度测量方法以支持医疗评估 | 研究对象为通过智能手机拍摄的眼部图像用以预测血红蛋白水平 | 数字病理学 | NA | 深度学习，智能手机成像 | EGE-Unet，DHA(C3AE) | 图像 | NA |
| 906 | 2024-08-05 |
Image Quality Assessment Using Convolutional Neural Network in Clinical Skin Images
2024-Jul, JID innovations : skin science from molecules to population health
DOI:10.1016/j.xjidi.2024.100285
PMID:39036289
|
研究论文 | 本文开发了一种图像质量分析工具，用于评估患者和初级保健医生提供的临床皮肤图像 | 使用深度学习模型，细化了VGG16模型以评估临床图像质量 | 用户可能需要捕获额外的图像，尽管这会在临床团队的工作负载和效率上有所改善 | 评估临床评估中获得的图像质量 | 来自2018年8月21日至2022年6月30日的患者和初级保健医生提供的图像 | 计算机视觉 | 皮肤病 | 深度学习 | VGG16 | 图像 | 300张额外的图像（来自患者和初级保健医生） |
| 907 | 2024-08-05 |
Deep learning-enabled high-speed, multi-parameter diffuse optical tomography
2024-Jul, Journal of biomedical optics
IF:3.0Q2
DOI:10.1117/1.JBO.29.7.076004
PMID:39035576
|
研究论文 | 该文章展示了一种基于深度学习的高效多参数扩散光学断层成像方法 | 文章创新地结合了深度学习算法来加速扩散光学断层成像的重构过程，实现了实时成像 | 文章中未提及实际临床应用中的局限性 | 旨在展示利用深度学习重建三维吸收和散射系数以实现实时成像 | 研究对象为人类乳腺组织的光学成像 | 数字病理学 | 乳腺癌 | 频域扩散光学断层成像 (FD-DOT) | 深度学习模型 | 模拟和实验数据 | 300个模拟组织模型 |
| 908 | 2024-08-05 |
Artificial intelligence in dentistry: A bibliometric analysis from 2000 to 2023
2024-Jul, Journal of dental sciences
IF:3.4Q1
DOI:10.1016/j.jds.2023.10.025
PMID:39035285
|
研究论文 | 本研究提供了人工智能在牙科应用的全球趋势和研究热点的全面概述 | 这项研究通过文献计量分析展示了2000年至2023年牙科领域人工智能的快速发展和创新应用 | 该研究仅限于检索Web of Science核心合集中的文献，可能不包括所有相关研究 | 该研究旨在分析人工智能在牙科领域的应用和发展趋势 | 研究对象为2000年至2023年间发表的与牙科人工智能相关的文献 | 数字病理学 | 牙周病 | 文献计量分析 | 神经网络 | 文献 | 共识别出651篇文献 |
| 909 | 2024-08-05 |
Protein language models enable prediction of polyreactivity of monospecific, bispecific, and heavy-chain-only antibodies
2024-Jul, Antibody therapeutics
DOI:10.1093/abt/tbae012
PMID:39036071
|
研究论文 | 本文介绍了一种基于蛋白质语言模型的多反应性预测方法 | 这是首次将蛋白质语言模型应用于双特异性抗体和VHH-Fc的测定数据预测 | 未提及具体的模型局限性 | 开发计算模型以预测单特异性、双特异性和重链单抗的多反应性 | 面向单特异性抗体、双特异性抗体和单域Fc抗体的多反应性 | 计算机视觉 | NA | 深度学习 | 集成模型 | 抗体序列数据 | 大型抗体序列数据集 |
| 910 | 2024-08-05 |
Changes in smile parameters after surgical-orthodontic treatment for skeletal Class III malocclusion
2024-Jul, Journal of dental sciences
IF:3.4Q1
DOI:10.1016/j.jds.2024.02.021
PMID:39035340
|
研究论文 | 本研究分析了接受外科正畸治疗的骨性III类错咬患者在微笑参数方面的变化 | 采用随机森林和决策树深度学习模型识别影响术后变化的因素 | 研究为回顾性，样本量较小，仅包含34名患者 | 分析骨性III类错咬患者在外科正畸治疗后的微笑参数变化 | 34名骨性III类错咬及单纯下颌前突的患者 | 数字病理学 | NA | 颅侧影测量 | 随机森林，决策树 | 影像 | 34名患者 |
| 911 | 2024-08-07 |
A commentary on 'A CT-based multitask deep learning model for predicting tumor stroma ratio and treatment outcomes in patients with colorectal cancer: a multicenter cohort study'
2024-Jul-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001431
PMID:38661554
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 912 | 2024-08-07 |
Author Correction: Prediction of recurrence risk in endometrial cancer with multimodal deep learning
2024-Jul, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-03126-z
PMID:38951637
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 913 | 2024-08-05 |
Accelerating Polymer Discovery with Uncertainty-Guided PGCNN: Explainable AI for Predicting Properties and Mechanistic Insights
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00555
PMID:38953249
|
研究论文 | 本研究提出了一种可解释的聚合物图卷积神经网络（PGCNN）模型，能够准确预测聚合物属性 | 结合了证据深度学习与PGCNN，定量预测的不确定性并通过不确定性引导的主动学习实现样本高效训练 | 研究中可能存在不足的数据和代表性编码问题 | 加速新聚合物的发现并提高对聚合物的机制理解 | 聚合物的不同属性及其单体组成 | 机器学习 | NA | 深度学习 | 图卷积神经网络（GCN） | 实验数据样本和RadonPy数据集 | 一百万个假设聚合物和来自实验的数据样本 |
| 914 | 2024-08-05 |
Prediction of Vacuum Ultraviolet/Ultraviolet Gas-Phase Absorption Spectra Using Molecular Feature Representations and Machine Learning
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00676
PMID:38938209
|
research paper | 本文介绍了一种使用分子特征表示和机器学习预测气相真空紫外/紫外吸收光谱的方法 | 引入了新的分子特征（称为ABOCH）以更好地捕捉pi键合、芳香性和卤素化，显示出优于基于深度学习的方法的预测性能 | 研究中对比的方法主要集中在机器学习模型，未详细讨论量子化学方法的局限性 | 旨在开发一种高效的机器学习方法来预测气相真空紫外/紫外吸收光谱 | 以1397种挥发性和半挥发性化合物的分子结构和相应的吸收光谱为研究对象 | 机器学习 | NA | 机器学习 | 随机森林回归 | 结构数据文件（.sdf）和吸收光谱 | 1397种挥发性和半挥发性化合物 |
| 915 | 2024-08-05 |
Versatile Framework for Drug-Target Interaction Prediction by Considering Domain-Specific Features
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00403
PMID:38976879
|
研究论文 | 提出了一种通过考虑领域特定特征来预测药物-靶标相互作用的框架 | 通过结合领域通用和领域特定特征来增强DTI预测模型的泛化能力 | 未能访问未见领域的数据，限制了模型的适用范围 | 加速药物-靶标相互作用的预测，促进药物发现 | 药物-靶标相互作用的预测模型 | 机器学习 | NA | 深度学习 | 集成模型 | 数据集 | 四个基准数据集 |
| 916 | 2024-08-05 |
Enhancing Chemical Reaction Monitoring with a Deep Learning Model for NMR Spectra Image Matching to Target Compounds
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00522
PMID:38979856
|
研究论文 | 本文开发了一种深度学习模型MatCS，用于根据NMR光谱图像直接预测目标化合物的结构 | 提出了一个创新的二元分类模型MatCS，以解决现有化学合成技术中结构阐明效率低的问题 | 当前方法在处理相似分子结构光谱时仍面临挑战，且对化学库的依赖可能限制其应用 | 提高化学反应监测的效率，直接预测NMR光谱与目标化合物结构之间的关系 | 针对NMR光谱图像和目标化合物的分子结构的预测 | 机器学习 | NA | NMR光谱分析，图注意网络，图卷积网络 | Graph Attention Networks，Graph Convolutional Networks，ResNet101 | 图像 | NA |
| 917 | 2024-08-05 |
Docking Score ML: Target-Specific Machine Learning Models Improving Docking-Based Virtual Screening in 155 Targets
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00072
PMID:38958413
|
研究论文 | 本文介绍了一种新颖的Docking Score ML，为针对155种靶标的虚拟筛选提供更准确的分子对接评分。 | 提出了一种基于超过200,000个对接复合物分析的机器学习模型，显著提高了虚拟筛选的准确性。 | 尚未讨论特定靶标外的应用效果以及可能存在的普适性不足。 | 旨在提高药物发现中的分子对接虚拟筛选的准确性。 | 重点分析了癌症治疗的155种已知靶标的分子对接复杂体。 | 机器学习 | 癌症 | 监督学习与深度学习 | 图卷积网络（GCN） | 生物活性数据 | 超过200,000个对接复合物来自155个靶标 |
| 918 | 2024-08-05 |
Enhancing effort estimation in global software development using a unique combination of Neuro Fuzzy Logic and Deep Learning Neural Networks (NFDLNN)
2024-Jul-21, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2376703
PMID:39034534
|
研究论文 | 本文提出了一种结合神经模糊逻辑和深度学习神经网络的模型，以改进全球软件开发的工作量估算。 | 采用了杜鹃算法来提高NFDLNN模型的准确性和收敛性，并在行业项目数据的广泛验证中表现出色。 | 未提及具体的局限性 | 旨在提高全球软件开发中的项目规划和管理效率，特别是在成本估算和工作量分配方面。 | 研究对象为软件开发项目，侧重于成本和工作量的准确估算。 | 计算机科学 | NA | NFDLNN（神经模糊逻辑与深度学习神经网络） | NA | 行业项目数据 | 使用了多个工业项目的数据进行验证 |
| 919 | 2024-08-05 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2024-Jul-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究探讨了使用基于压缩感知的深度学习图像重建在时间飞行磁共振血管成像中观察透镜纹状动脉的可行性 | 引入压缩感知和深度学习相结合的重建方法，显著提高了透镜纹状动脉的可视化质量 | 样本量仅为五名健康志愿者，尚需大规模研究验证 | 提高时间飞行磁共振血管成像中透镜纹状动脉的可视化效果 | 健康志愿者的时间飞行磁共振血管成像图像 | 数字病理学 | NA | 压缩感知，深度学习 | NA | 图像 | 五名健康志愿者 |
| 920 | 2024-08-05 |
[Development of a Deep Learning Model for Judging Late Gadolinium-enhancement in Cardiac MRI]
2024-Jul-20, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-1421
PMID:38897968
|
研究论文 | 本研究验证了深度学习模型在心脏MRI影像中判断晚期钆增强心肌存在与否的有效性 | 通过卷积神经网络构建的学习模型展示了优异的预测准确性 | 受限于样本量和单一医院的数据，模型的泛化能力可能有所欠缺 | 研究深度学习模型在心脏MRI晚期钆增强图像中的应用 | 使用174张来自东京大学医院的心脏MRI晚期钆增强心肌短轴图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络 | 图像 | 共涉及174张心脏MRI图像 |