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 1162 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 | 2024-10-17 |
DOCTer: a novel EEG-based diagnosis framework for disorders of consciousness
2024-09-24, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad7904
PMID:39255823
|
研究论文 | 提出了一种基于EEG的新型诊断框架DOCTer，用于区分意识障碍患者中的最小意识状态和无反应觉醒综合征 | DOCTer框架通过提取时间-频率特征和微状态，结合临床特征，实现了端到端的意识障碍诊断 | NA | 通过EEG信号区分最小意识状态和无反应觉醒综合征 | 意识障碍患者 | 机器学习 | NA | EEG | 深度学习 | EEG信号 | 409个静息状态EEG记录，包括128个无反应觉醒综合征和187个最小意识状态病例 | NA | NA | NA | NA |
| 502 | 2024-10-17 |
Integrating spatial and temporal features for enhanced artifact removal in multi-channel EEG recordings
2024-09-19, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad788d
PMID:39250956
|
研究论文 | 本文提出了一种新的去噪网络STFNet，通过整合空间和时间特征来增强多通道EEG记录中的伪影去除效果 | 本文创新性地利用自注意力机制显式建模EEG通道间的关系，以提升去噪性能 | NA | 提升多通道EEG记录中的伪影去除效果 | 多通道EEG信号中的伪影 | 机器学习 | NA | 自注意力机制 | STFNet | EEG信号 | 公开基准数据集 | NA | NA | NA | NA |
| 503 | 2024-10-17 |
PD-ARnet: a deep learning approach for Parkinson's disease diagnosis from resting-state fMRI
2024-09-18, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad788b
PMID:39250928
|
研究论文 | 提出了一种基于深度学习的帕金森病诊断方法PD-ARnet，利用静息态fMRI数据进行自动诊断 | 开发了一种双分支3D特征提取器和相关驱动加权模块，以捕捉低频振幅和区域同质性的互补信息，并通过注意力增强融合模块有效融合特征 | NA | 开发一种自动化的帕金森病诊断方法，减少诊断过程中的主观性，提高诊断效率和一致性 | 帕金森病 | 机器学习 | 神经退行性疾病 | 静息态功能磁共振成像（rs-fMRI） | 深度学习模型 | 图像 | 145个样本 | NA | NA | NA | NA |
| 504 | 2024-10-16 |
Clinical Significance of Pose Estimation Methods Compared with Radiographic Parameters in Adolescent Patients with Idiopathic Scoliosis
2024-Sep-27, Spine surgery and related research
IF:1.2Q3
DOI:10.22603/ssrr.2023-0269
PMID:39399450
|
研究论文 | 本文研究了姿势估计方法在青少年特发性脊柱侧弯患者中的临床意义，并与放射学参数进行了比较 | 首次探讨了姿势估计在临床摄影中的应用潜力，并建立了青少年特发性脊柱侧弯患者的摄影参数 | 研究样本量较小，仅涉及42名患者，且未探讨姿势估计方法在不同设备上的适用性 | 探讨姿势估计方法在青少年特发性脊柱侧弯患者中的临床应用，并评估其与放射学参数的相关性 | 青少年特发性脊柱侧弯患者及其脊柱矫正手术和保守治疗 | 计算机视觉 | 脊柱侧弯 | 姿势估计 | NA | 图像 | 42名青少年特发性脊柱侧弯患者 | NA | NA | NA | NA |
| 505 | 2024-10-15 |
PredPSP: a novel computational tool to discover pathway-specific photosynthetic proteins in plants
2024-Sep-24, Plant molecular biology
IF:3.9Q1
DOI:10.1007/s11103-024-01500-6
PMID:39316155
|
研究论文 | 介绍了一种名为PredPSP的新型计算工具，用于发现植物中特定途径的光合作用蛋白 | 首次提出了一种基于序列的计算方法，专门用于识别植物中的光合作用蛋白，填补了现有模型的空白 | NA | 开发一种全面的计算框架，用于预测植物中特定途径的光合作用蛋白 | 植物中的光合作用蛋白 | 机器学习 | NA | 深度学习与浅层学习算法 | LightGBM | 序列数据 | 涵盖多种植物物种，确保C和C途径的全面代表性 | NA | NA | NA | NA |
| 506 | 2024-09-24 |
Application of machine learning for predicting lymph node metastasis in T1 colorectal cancer: a systematic review and meta-analysis
2024-Sep-23, Langenbeck's archives of surgery
DOI:10.1007/s00423-024-03476-9
PMID:39311932
|
meta-analysis | 本文综述并分析了机器学习和深度学习模型在T1期结直肠癌患者淋巴结转移预测中的应用 | 机器学习和深度学习模型在T1期结直肠癌淋巴结转移预测中表现出高灵敏度和特异性 | 研究间存在显著异质性，需要开发更可靠的算法 | 评估机器学习和深度学习模型在T1期结直肠癌淋巴结转移预测中的诊断准确性 | T1期结直肠癌患者的淋巴结转移 | machine learning | 结直肠癌 | 机器学习 (ML) 和深度学习 (DL) | 多种机器学习和深度学习模型 | NA | 33,199名T1期结直肠癌患者 | NA | NA | NA | NA |
| 507 | 2024-10-15 |
Global research progress of electroencephalography applications in attention deficit hyperactivity disorder: Bibliometrics and visualized analysis
2024-Sep-20, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000039668
PMID:39312386
|
综述 | 本文对电生理学在注意力缺陷多动障碍（ADHD）中的应用进行了文献计量分析和可视化分析 | 本文通过文献计量分析和可视化工具，系统地总结了电生理学在ADHD诊断中的应用进展和研究趋势 | 本文主要基于文献计量分析，未涉及具体的实验数据或临床应用效果 | 旨在提供电生理学在ADHD应用领域的特征、主要研究领域、发展路径和趋势的概述 | 电生理学在ADHD中的应用 | 神经科学 | 神经发育障碍 | 电生理学（EEG） | NA | 文本 | 1162篇文献 | NA | NA | NA | NA |
| 508 | 2024-10-14 |
Supervised deep learning-based synthetic computed tomography from kilovoltage cone-beam computed tomography images for adaptive radiation therapy in head and neck cancer
2024-Sep, Radiation oncology journal
IF:1.8Q3
DOI:10.3857/roj.2023.00584
PMID:39354821
|
研究论文 | 本文研究了一种监督式深度学习算法，用于从千伏锥束CT图像生成合成CT图像，以应用于头颈部癌症的适形放疗 | 本文提出了一种基于监督式U-Net深度学习模型的方法，用于从千伏锥束CT图像生成合成CT图像，以提高适形放疗的精度 | 合成CT图像在解剖结构上与计划CT图像存在差异 | 研究并验证一种监督式深度学习算法，用于生成合成CT图像，以提高头颈部癌症适形放疗的精度 | 头颈部癌症患者的千伏锥束CT图像和计划CT图像 | 计算机视觉 | 头颈部癌症 | 深度学习 | U-Net | 图像 | 40名头颈部癌症患者，共3491对图像 | NA | NA | NA | NA |
| 509 | 2024-10-13 |
Diagnostic test accuracy of externally validated convolutional neural network (CNN) artificial intelligence (AI) models for emergency head CT scans - A systematic review
2024-Sep, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105523
PMID:38901270
|
系统综述 | 本文系统综述了外部验证的卷积神经网络（CNN）人工智能（AI）模型在急诊头部CT扫描中的诊断测试准确性 | 本文的创新点在于系统评估了外部验证的CNN-CADx模型在急诊头部CT扫描中的诊断测试准确性，并评估了其对报告指南的遵守情况 | 本文的局限性在于符合资格的研究数量极少，无法进行荟萃分析，且研究方法和报告质量存在不足 | 研究目的是系统评估外部验证的CNN-CADx模型在急诊头部CT扫描中的诊断测试准确性，并评估其对报告指南的遵守情况 | 研究对象是外部验证的CNN-CADx模型在急诊头部CT扫描中的诊断测试准确性 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 5636项研究中仅有6项符合资格 | NA | NA | NA | NA |
| 510 | 2024-10-12 |
Predicting structure-targeted food bioactive compounds for middle-aged and elderly Asians with myocardial infarction: insights from genetic variations and bioinformatics-integrated deep learning analysis
2024-Sep-16, Food & function
IF:5.1Q1
DOI:10.1039/d4fo00591k
PMID:39207263
|
研究论文 | 本研究通过基因变异和生物信息学集成的深度学习分析，预测了针对心肌梗死的中老年亚洲人的结构靶向食物生物活性化合物 | 开发了一种名为BioDeepNat的新型疾病发现应用，结合生物信息学和深度神经网络分析，评估了天然化合物对心肌梗死相关目标蛋白的影响 | 研究主要基于韩国基因组和流行病学研究的数据，可能存在样本代表性不足的问题 | 阐明心肌梗死的遗传框架，并探索天然化合物的潜在健康益处 | 心肌梗死相关的蛋白质编码基因及其与天然化合物的相互作用 | 生物信息学 | 心血管疾病 | 基因组注释分析、分子对接分析 | 深度神经网络 | 基因数据、蛋白质数据 | 韩国基因组和流行病学研究的数据 | NA | NA | NA | NA |
| 511 | 2024-10-12 |
TransC-ac4C: Identification of N4-Acetylcytidine (ac4C) Sites in mRNA Using Deep Learning
2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3386972
PMID:38607721
|
研究论文 | 本文提出了一种结合卷积神经网络（CNN）和Transformer的新方法TransC-ac4C，用于识别mRNA中的N4-乙酰胞苷（ac4C）位点 | 本文创新性地将CNN和Transformer结合，以增强特征提取能力并提高识别准确性 | NA | 开发一种新的深度学习方法，用于准确识别mRNA中的ac4C位点 | mRNA中的N4-乙酰胞苷（ac4C）位点 | 机器学习 | NA | 卷积神经网络（CNN）和Transformer | CNN和Transformer的结合模型 | mRNA序列 | 两个数据集，预测准确率分别为81.42%和80.69% | NA | NA | NA | NA |
| 512 | 2024-10-11 |
Non-traumatic brachial plexopathy identification from routine MRIs: Retrospective studies with deep learning networks
2024-Sep-18, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111744
PMID:39383628
|
研究论文 | 本研究旨在通过深度学习网络从常规MRI扫描中识别非创伤性臂丛神经病变 | 本研究设计了六种深度学习方案，并利用五种著名的深度学习网络作为骨干，通过嵌套五折交叉验证方案进行训练和验证，以优化模型性能 | 本研究为回顾性研究，样本量相对较小，且仅限于Mayo Clinic的患者数据 | 寻求一种优化的深度学习模型，用于从常规MRI扫描中区分非创伤性臂丛神经病变 | 非创伤性臂丛神经病变患者及其MRI扫描图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 196名患者，共256个BP MRI序列，包括123个正常和133个异常序列 | NA | NA | NA | NA |
| 513 | 2024-10-11 |
Using AI to Differentiate Mpox From Common Skin Lesions in a Sexual Health Clinic: Algorithm Development and Validation Study
2024-Sep-13, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/52490
PMID:39269753
|
研究论文 | 开发并验证了一种基于人工智能的工具，用于区分性健康诊所中的猴痘病变与其他皮肤病变 | 采用深度学习方法，通过六种不同的深度学习架构训练AI模型，并使用区域兴趣方法显著提高了模型性能 | NA | 开发和评估一种基于人工智能的工具，用于区分猴痘病变与其他皮肤病变 | 猴痘病变与其他皮肤病变的图像 | 计算机视觉 | NA | 深度学习 | DenseNet-121, ResNet-18 | 图像 | 2200张图像，包括猴痘和非猴痘病变图像 | NA | NA | NA | NA |
| 514 | 2024-10-11 |
Integrative radiopathomics model for predicting progression-free survival in patients with nonmetastatic nasopharyngeal carcinoma
2024-Sep-09, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05930-z
PMID:39249584
|
研究论文 | 构建一个综合的放射病理组学模型，用于预测非转移性鼻咽癌患者的无进展生存期 | 该研究创新性地结合了放射组学特征和病理组学特征，构建了一个综合模型，显著提高了预测性能 | NA | 开发一个综合模型，用于预测非转移性鼻咽癌患者的无进展生存期 | 非转移性鼻咽癌患者 | 数字病理学 | 鼻咽癌 | 深度学习 | Swin Transformer | 图像 | 357名患者，分为训练集（250名）和验证集（107名） | NA | NA | NA | NA |
| 515 | 2024-10-11 |
Artificial intelligence in dermatopathology: Updates, strengths, and challenges
2024 Sep-Oct, Clinics in dermatology
IF:2.3Q2
|
研究论文 | 探讨人工智能在皮肤病理学中的应用、优势和挑战 | 人工智能，尤其是卷积神经网络，在皮肤病理学中的诊断应用中显示出超越人类病理学家的敏感性和特异性 | 在炎症性和淋巴增生性皮肤病理学中，研究有限，需要进一步探索 | 研究人工智能在皮肤病理学中的应用及其潜力 | 皮肤病理学，特别是肿瘤性皮肤病理学 | 数字病理学 | NA | 机器学习和深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 516 | 2024-10-11 |
Drug-Target Binding Affinity Prediction in a Continuous Latent Space Using Variational Autoencoders
2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3402661
PMID:38767996
|
研究论文 | 本文提出了一种在连续潜在空间中使用变分自编码器预测药物-靶点结合亲和力的方法 | 与传统在向量空间中建模结合亲和力的方法不同，本文提出在连续空间中进行建模，以考虑输入样本的多样性 | NA | 提高药物-靶点结合亲和力预测的准确性，从而促进更高效的药物发现过程 | 药物和靶点蛋白的结合亲和力 | 机器学习 | NA | 变分自编码器 | 残差门控卷积神经网络 | 文本 | 使用了常用的基准数据集进行评估 | NA | NA | NA | NA |
| 517 | 2024-10-11 |
Improving Clinical Decision Making With a Two-Stage Recommender System
2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2023.3318209
PMID:37738190
|
研究论文 | 本文介绍了一种两阶段推荐框架，用于改进临床决策支持系统 | 提出了一个基于深度神经网络的两阶段推荐系统，利用电子健康记录数据进行临床决策支持 | 讨论了数据可用性和隐私问题，并指出了未来在该领域的探索方向 | 改进临床决策支持系统，提供个性化的医疗建议 | 临床决策支持系统的设计和优化 | 机器学习 | NA | 深度学习 | 深度神经网络 | 电子健康记录 | 使用了公开可访问的电子健康记录数据集 | NA | NA | NA | NA |
| 518 | 2024-10-10 |
Exploring the Knowledge of an Outstanding Protein to Protein Interaction Transformer
2024 Sep-Oct, IEEE/ACM transactions on computational biology and bioinformatics
DOI:10.1109/TCBB.2024.3381825
PMID:38536676
|
研究论文 | 本文提出了一种基于Transformer的蛋白质相互作用预测模型PPITrans，并验证了其在未见物种上的有效性 | PPITrans模型利用预训练的语言模型进行蛋白质相互作用预测，显著提高了在未见物种上的预测性能 | PPITrans无法捕捉蛋白质的空间结构 | 解决深度学习模型在未见物种上预测蛋白质相互作用性能不佳的问题 | 蛋白质相互作用预测 | 机器学习 | NA | Transformer | Transformer | 蛋白质相互作用数据 | 使用人类蛋白质相互作用数据进行训练，并在其他物种的蛋白质相互作用数据上进行测试 | NA | NA | NA | NA |
| 519 | 2024-10-10 |
Deep learning in template-free de novo biosynthetic pathway design of natural products
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae495
PMID:39373052
|
综述 | 本文综述了深度学习在天然产物无模板从头生物合成路径设计中的应用 | 探讨了深度学习在天然产物生物合成路径设计中的最新算法，并评估了其在单步和多步预测中的潜力 | 讨论了无模板方法在天然产物生物合成路径设计中的挑战和前景 | 探讨深度学习在天然产物生物合成路径设计中的应用及其潜在的改进 | 天然产物生物合成路径设计中的深度学习算法和模型 | 机器学习 | NA | 深度学习 | 序列到序列模型和图到图翻译模型 | 文本 | NA | NA | NA | NA | NA |
| 520 | 2024-10-10 |
scDFN: enhancing single-cell RNA-seq clustering with deep fusion networks
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae486
PMID:39373051
|
研究论文 | 本文介绍了一种名为scDFN的新型深度学习算法，用于增强单细胞RNA测序数据的聚类效果 | scDFN算法通过融合网络策略，结合自编码器和改进的图自编码器，以及三重自监督策略和四个联合损失函数，显著提升了单细胞RNA测序数据的聚类效果 | NA | 提升单细胞RNA测序数据的聚类效果 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序 | 深度学习模型 | 基因表达数据 | 多个数据集 | NA | NA | NA | NA |