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 1296 篇文献，本页显示第 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 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 | NA | NA | NA | NA |
| 922 | 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 | NA | NA | NA | NA |
| 923 | 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 | NA | NA | NA | NA |
| 924 | 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 | NA | NA | NA | NA |
| 925 | 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 | NA | NA | NA | NA |
| 926 | 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 | NA | NA | NA | NA |
| 927 | 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 | NA | NA | NA | NA |
| 928 | 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 | NA | NA | NA | NA |
| 929 | 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 | NA | NA | NA | NA |
| 930 | 2024-08-05 |
A comprehensive survey on deep learning-based identification and predicting the interaction mechanism of long non-coding RNAs
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae010
PMID:38576205
|
综述 | 本研究综合评述了深度学习在长非编码RNA（lncRNA）识别和交互机制预测中的应用 | 介绍了深度学习模型的概念，并探讨了多种流行的深度学习算法及其数据偏好 | 目前许多与lncRNA相关的研究人员缺乏对深度学习模型最新进展的了解 | 探索深度学习如何在lncRNA的功能研究中被应用 | 长非编码RNA及其在生物过程中的作用 | 数字病理学 | NA | 深度学习 | NA | 序列数据 | NA | NA | NA | NA | NA |
| 931 | 2024-08-05 |
DBPMod: a supervised learning model for computational recognition of DNA-binding proteins in model organisms
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad039
PMID:37651627
|
研究论文 | 本文介绍了一种计算方法DBPMod，旨在识别物种特异性的DNA结合蛋白。 | DBPMod使用了基于机器学习的方法，提高了对物种特异性DNA结合蛋白的识别准确性。 | 该研究可能在物种特异性预测中仍然存在一定局限性，特别是对于尚未进行充分研究的物种。 | 研究物种特异性的DNA结合蛋白识别的计算方法。 | 研究了包括秀丽隐杆线虫、果蝇、大肠杆菌、人类和小鼠在内的五种模式生物。 | 机器学习 | NA | 机器学习 | 浅层学习和深层学习 | NA | 五种模式生物 | NA | NA | NA | NA |
| 932 | 2024-08-05 |
DeepWalk-aware graph attention networks with CNN for circRNA-drug sensitivity association identification
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad053
PMID:38061910
|
研究论文 | 本文提出了一种基于深度学习的计算方法DGATCCDA，用于识别circRNA-药物敏感性关联 | 结合DeepWalk和图注意网络，形成深度Walk感知图注意网络，以有效捕获图结构的全局和局部信息 | 在生物研究中预测circRNA和药物敏感性关联的方法仍然存在时间消耗和成本高的局限性 | 开发一种新颖的计算方法以提高预测circRNA与药物敏感性关联的效率和准确性 | 研究对象为circRNAs和药物之间的关联 | 计算机视觉 | NA | 深度学习 | 深度Walk感知图注意网络 | 特征信息 | 在5折交叉验证下测试，样本数量未具体说明 | NA | NA | NA | NA |
| 933 | 2024-08-05 |
GAM-MDR: probing miRNA-drug resistance using a graph autoencoder based on random path masking
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae005
PMID:38391194
|
研究论文 | 本研究提出了GAM-MDR模型，以利用图自编码器和随机路径掩蔽技术预测miRNA-药物抗性 | 首次将随机路径掩蔽策略与图自编码器相结合用于推断miRNA-药物抗性 | 模型的效果可能受到数据采集过程中的错误影响 | 准确预测miRNA-药物抗性以促进miRNA治疗策略的成功 | miRNA和药物节点的表示及其在miRNA-药物网络中的关系 | 数字病理学 | NA | 图自编码器，随机路径掩蔽 | 图自编码器 | 公共数据集 | 多个公共数据集 | NA | NA | NA | NA |
| 934 | 2024-08-05 |
DeepPRMS: advanced deep learning model to predict protein arginine methylation sites
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae001
PMID:38267081
|
研究论文 | 本研究提出了一种名为DeepPRMS的深度学习模型，用于预测蛋白质的精氨酸甲基化位点 | DeepPRMS结合了门控递归单元（GRU）和卷积神经网络（CNN）算法，以提取蛋白质序列中的顺序和空间信息 | 该研究依赖于独立测试数据集，可能未充分验证在其他数据集上的表现 | 研究预测蛋白质甲基化位点的方法，以促进相关研究和药物发现 | 研究对象为蛋白质的初级序列 | 计算机视觉 | NA | 深度学习 | GRU和CNN | 序列数据 | 基于独立测试数据集进行评估 | NA | NA | NA | NA |
| 935 | 2024-08-05 |
A comprehensive review of deep learning-based variant calling methods
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae003
PMID:38366908
|
综述 | 本文综述了基于深度学习的变异检测方法的最新进展 | 探讨了深度学习在基因组数据中的应用，尤其是在小变异和结构变异检测方面的创新点 | 尽管概述了优点，但文中也指出了这些方法的局限性 | 研究基于深度学习的变异检测技术在个性化医学和诊断中的应用 | 关注基因组数据中的小变异和结构变异 | 数字病理 | NA | 深度学习 | NA | 基因组数据 | NA | NA | NA | NA | NA |
| 936 | 2024-08-05 |
Inferring Cellular Contractile Forces and Work using Deep Morphology Traction Microscopy
2024-Jul-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2024.07.020
PMID:39033326
|
研究论文 | 本文介绍了一种名为DeepMorphoTM的新型深度学习的牵引力显微技术，用于测量细胞收缩力。 | DeepMorphoTM通过只依赖细胞形状序列推断基底位移，避免了对特殊标记基底的需求，从而简化了实验过程。 | 尽管DeepMorphoTM提供了更简化的方法，但其对特定细胞形状的生物变异性的稳定性可能仍有待提高。 | 研究细胞收缩力的测量方法，从而改善对细胞行为调控作用的理解。 | 研究不同细胞类型及其在多种基底材料上的收缩力。 | 数字病理学 | NA | 深度学习 | NA | 图像 | 涉及多个细胞类型和基底材料 | NA | NA | NA | NA |
| 937 | 2024-08-05 |
The contribution of silencer variants to human diseases
2024-Jul-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03328-1
PMID:38978133
|
研究论文 | 本文分析了沉默子变体与人类疾病之间的关联 | 使用深度学习模型全面剖析了候选沉默子，发现其在与疾病相关变体中的重要性，并提出了新的机制解释 | 研究仅关注于候选沉默子变体，未涵盖其他调控元件的影响 | 揭示沉默子变体在各种人类疾病中的作用和机制 | 约280万候选沉默子和97个人体样本 | 机器学习 | 帕金森病、精神分裂症、1型糖尿病 | 深度学习 | NA | 基因组数据 | 97个样本 | NA | NA | NA | NA |
| 938 | 2024-08-05 |
Masked cross-domain self-supervised deep learning framework for photoacoustic computed tomography reconstruction
2024-Jul-07, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106515
PMID:39032393
|
研究论文 | 该论文介绍了一种掩蔽跨域自监督深度学习框架，用于光声计算机断层成像的重建 | 提出了一种掩蔽跨域自监督重建策略，克服了有限光声测量缺乏真实标签的问题 | 实际实施中可能面临成本和性能之间的不可避免的权衡 | 研究一种新方法以提高光声计算机断层成像的重建质量和效率 | 聚焦于有限光声测量数据下的图像重建 | 数字病理学 | NA | 深度学习 | 自监督模型 | 图像 | 使用了小鼠的体内PACT数据集 | NA | NA | NA | NA |
| 939 | 2024-08-05 |
Investigating the effects of artificial intelligence on the personalization of breast cancer management: a systematic study
2024-Jul-18, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-12575-1
PMID:39026174
|
研究论文 | 该文章探讨了人工智能在乳腺癌管理个性化中的应用效果 | 研究展示了多种深度学习和机器学习方法在乳腺癌管理中的有效性，并揭示了复杂的组学和遗传数据中的潜在模式 | 未详细说明限制因素 | 研究人工智能如何与精准肿瘤学结合，优化乳腺癌的个性化治疗 | 聚焦于使用人工智能模型进行个性化乳腺癌管理的研究 | 机器学习 | 乳腺癌 | 深度学习, 机器学习 | NB, SVM, RF, XGBoost, 强化学习 | 组学数据 | 共涉及46项研究 | NA | NA | NA | NA |
| 940 | 2024-08-05 |
Classification of the quality of canine and feline ventrodorsal and dorsoventral thoracic radiographs through machine learning
2024-Jul, Veterinary radiology & ultrasound : the official journal of the American College of Veterinary Radiology and the International Veterinary Radiology Association
IF:1.3Q2
DOI:10.1111/vru.13373
PMID:38668682
|
研究论文 | 本研究提出了一种基于机器学习的犬猫胸部X光片质量分类模型 | 采用深度学习和机器学习的方法对胸部X光片的质量进行了分类，分析了裁剪、定位和曝光等方面 | 未提到模型在真实临床环境中的长期应用效果 | 提高犬猫胸部X光片的质量控制以改善诊断结果 | 分析899幅犬猫胸部X光片的质量 | 机器学习 | 心血管疾病 | 深度学习和机器学习 | NA | 影像 | 899幅犬猫胸部X光片 | NA | NA | NA | NA |