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 1163 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2024-09-30 |
A Deep Learning-Enhanced Compartmental Model and Its Application in Modeling Omicron in China
2024-Sep-10, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090906
PMID:39329648
|
研究论文 | 本文提出了一种结合深度学习的分室模型，并应用于预测中国Omicron疫情的发展 | 利用深度学习技术估计分室模型中的随机参数，减少了对特定数据的依赖，并内置了时空移动过程，有效捕捉了传染病的时空和移动维度 | NA | 探索深度学习技术在传染病动力学预测中的应用 | Omicron疫情在中国的发展 | 机器学习 | NA | 深度学习 | DNN, LSTM | NA | 28天（2022年6月4日至7月1日） | NA | NA | NA | NA |
| 602 | 2024-09-30 |
Achieving Real-Time Prediction of Paroxysmal Atrial Fibrillation Onset by Convolutional Neural Network and Sliding Window on R-R Interval Sequences
2024-Sep-10, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090903
PMID:39329645
|
研究论文 | 本文提出了一种基于卷积神经网络和滑动窗口技术的端到端深度学习模型，用于实时预测阵发性房颤的发作 | 本文的创新点在于将滑动窗口技术与卷积神经网络结合，实现了对心电图R-R间期序列的实时处理和预测 | 本文的局限性在于仅使用了公开的心电图数据库进行训练和验证，未涉及实际临床数据 | 本研究旨在开发一种能够实时预测阵发性房颤发作的深度学习模型 | 本研究的对象是阵发性房颤患者的心电图R-R间期序列 | 机器学习 | 心血管疾病 | 卷积神经网络 | CNN | 序列数据 | 共收集了56,381个PAF类型和56,900个N类型的R-R间期片段 | NA | NA | NA | NA |
| 603 | 2024-09-30 |
An Enhanced IDBO-CNN-BiLSTM Model for Sentiment Analysis of Natural Disaster Tweets
2024-Sep-04, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9090533
PMID:39329555
|
研究论文 | 提出了一种增强的IDBO-CNN-BiLSTM模型，用于自然灾害推文的情绪分析 | 结合了群智能优化算法和深度学习方法，改进了Dung Beetle Optimization (DBO)算法，并将其应用于优化CNN-BiLSTM模型的超参数 | 未提及 | 提高推文中情绪极性识别的准确性，以帮助政府或救援组织更好地理解公众需求并做出适当响应 | 自然灾害推文的情绪倾向分类 | 自然语言处理 | NA | 深度学习 | CNN-BiLSTM | 文本 | 与飓风哈维事件相关的推文 | NA | NA | NA | NA |
| 604 | 2024-09-30 |
Harnessing the Missing Spectral Correlation for Metasurface Inverse Design
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202308807
PMID:38946621
|
研究论文 | 本文揭示了电磁超表面光谱中实部和虚部之间的内在相关性，并通过双向信息流在神经网络空间中模拟这种关系，用于超表面的逆向设计 | 本文利用Kramers-Kronig关系揭示了光谱中实部和虚部之间的内在相关性，并通过双向循环神经网络模拟这种关系，有效提取关键特征 | NA | 研究如何利用物理信息增强深度学习在电磁超表面逆向设计中的应用 | 电磁超表面的逆向设计 | 机器学习 | NA | 深度学习 | 双向循环神经网络 | 光谱数据 | NA | NA | NA | NA | NA |
| 605 | 2024-09-30 |
AI-Powered Synthesis of Structured Multimodal Breast Ultrasound Reports Integrating Radiologist Annotations and Deep Learning Analysis
2024-Sep-01, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11090890
PMID:39329632
|
研究论文 | 本研究提出了一种半自动方法，通过整合放射科医生的注释和深度学习分析结果，生成结构化的多模态乳腺超声报告 | 该方法结合了放射科医生的注释和深度学习算法分析结果，显著减少了报告生成时间，并提高了分类准确性 | 未提及具体的局限性 | 旨在通过自动化方法减轻放射科医生的工作负担，提高乳腺超声报告的生成效率 | 乳腺超声报告的生成过程 | 计算机视觉 | 乳腺癌 | 深度学习 | DenseNet-121 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 606 | 2024-09-30 |
Automated Classification System Based on YOLO Architecture for Body Condition Score in Dairy Cows
2024-Sep-01, Veterinary sciences
IF:2.0Q2
DOI:10.3390/vetsci11090399
PMID:39330779
|
研究论文 | 本文提出了一种基于YOLOv8x深度学习架构的自动分类系统，用于评估奶牛的体况评分（BCS） | 使用YOLOv8x深度学习架构自动分类奶牛的体况评分，提高了评估的准确性和效率 | 仅在Holstein和Simmental奶牛品种上进行了测试，样本量有限 | 开发一种自动化的方法来评估奶牛的体况评分，以提高动物福利和生产效率 | Holstein和Simmental奶牛的体况评分 | 计算机视觉 | NA | YOLOv8x深度学习架构 | YOLOv8x | 图像 | 126张奶牛图像，其中102张正确分类 | NA | NA | NA | NA |
| 607 | 2024-09-30 |
The synergistic effect of artificial intelligence technology in the evolution of visual communication of new media art
2024-Sep-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38008
PMID:39328541
|
研究论文 | 研究探讨了人工智能技术在新媒体艺术视觉传播演化中的协同效应，并提出了一种基于卷积神经网络的AI布局设计方法 | 提出了基于卷积神经网络的AI布局设计模型，并通过实验验证了其在新媒体艺术视觉传播设计中的有效性 | 研究样本仅为20名设计学生，样本量较小，可能影响结果的普适性 | 探讨人工智能技术在新媒体艺术视觉传播中的应用，并提出一种新的布局设计方法 | 新媒体艺术的视觉传播设计 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 20名设计学生 | NA | NA | NA | NA |
| 608 | 2024-09-30 |
A systematic analyses of different bioinformatics pipelines for genomic data and its impact on deep learning models for chromatin loop prediction
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae009
PMID:38555493
|
研究论文 | 本文系统分析了用于基因组数据的不同生物信息学管道及其对染色质环预测深度学习模型的影响 | 本文创新性地整合了六个不同管道的两个蛋白质因子特异性环相互作用数据集，提供了对基因组特征分析方法的全面视角 | 本文主要集中在染色质环和结构的分析，未涵盖所有基因组数据分析的方面 | 研究基因组数据分析中生物信息学管道对深度学习模型性能的影响 | 染色质环和结构分析的生物信息学管道及其对深度学习模型的影响 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 基因组数据 | 36个多样化的数据集 | NA | NA | NA | NA |
| 609 | 2024-09-30 |
A comprehensive review of machine learning techniques for multi-omics data integration: challenges and applications in precision oncology
2024-Sep-27, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae013
PMID:38600757
|
综述 | 本文综述了机器学习技术在多组学数据整合中的应用，特别是在精准肿瘤学中的挑战和应用 | 本文探讨了深度学习和网络方法在整合多组学数据中的潜力，并提供了一个整合多组学数据在精准肿瘤学中的路线图 | NA | 总结和分类机器学习技术在多组学数据整合中的进展，特别是在精准肿瘤学中的应用 | 多组学数据（基因组学、转录组学、蛋白质组学和代谢组学）以及临床数据 | 机器学习 | NA | 机器学习 | 深度学习 | 多组学数据 | NA | NA | NA | NA | NA |
| 610 | 2024-09-30 |
A deep learning method for simultaneous denoising and missing wedge reconstruction in cryogenic electron tomography
2024-Sep-23, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51438-y
PMID:39313517
|
研究论文 | 提出了一种用于低温电子断层扫描中同时去噪和缺失楔形重建的深度学习方法 | 提出了一种名为DeepDeWedge的深度学习方法，无需真实数据，通过自监督损失拟合神经网络，简化了当前最先进方法的复杂性，并在去噪和缺失楔形重建方面表现出色 | 未提及 | 解决低温电子断层扫描中由于噪声和缺失楔形信息导致的重建困难 | 低温电子断层扫描中的2D投影数据 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 未提及 | NA | NA | NA | NA |
| 611 | 2024-09-30 |
PreAlgPro: Prediction of allergenic proteins with pre-trained protein language model and efficient neutral network
2024-Sep-23, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.135762
PMID:39322150
|
研究论文 | 本文介绍了一种基于预训练蛋白质语言模型和深度学习技术的过敏原蛋白质识别方法PreAlgPro | 采用ProtT5模型提取蛋白质嵌入特征，替代了手动特征提取步骤，并设计了Attention-CNN神经网络架构来识别潜在特征 | NA | 提高过敏原蛋白质识别的准确性和效率 | 过敏原蛋白质的识别 | 机器学习 | NA | 深度学习 | Attention-CNN | 蛋白质序列 | 四个独立测试集和收集的过敏原蛋白质样本 | NA | NA | NA | NA |
| 612 | 2024-09-27 |
Multi-Cover Persistence (MCP)-based machine learning for polymer property prediction
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae465
PMID:39323091
|
研究论文 | 本文介绍了一种基于多覆盖持久性（MCP）的分子表示方法，并将其与梯度提升树（GBT）模型结合，用于聚合物性质预测 | 首次引入多覆盖持久性（MCP）作为分子表示方法，利用Delaunay切片和菱形平铺来表征复杂的几何和拓扑信息 | NA | 开发一种新的分子表示方法，以提高聚合物性质预测的准确性和效率 | 聚合物及其性质 | 机器学习 | NA | 多覆盖持久性（MCP） | 梯度提升树（GBT） | 聚合物数据 | 聚合物基准数据集 | NA | NA | NA | NA |
| 613 | 2024-09-30 |
Aggregation Rules of Short Peptides
2024-Sep-23, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.4c00501
PMID:39328768
|
研究论文 | 本文研究了短肽（如四肽和五肽）的聚集规则，并基于transformer深度学习模型预测的聚集倾向值，推导了四肽和五肽在整个序列空间中的综合聚集规则 | 本文扩展了现有的三肽序列聚集规则，涵盖了数百万个四肽和五肽序列，为实验人员提供了明确的路线图，用于微调短肽的聚集行为 | NA | 阐明短肽的聚集规则，以便精确操控聚集行为 | 四肽和五肽的聚集规则 | 机器学习 | NA | transformer深度学习模型 | transformer | 序列数据 | 超过20,000个四肽 | NA | NA | NA | NA |
| 614 | 2024-09-30 |
An ensemble machine learning model assists in the diagnosis of gastric ectopic pancreas and gastric stromal tumors
2024-Sep-19, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01809-2
PMID:39320559
|
研究论文 | 开发了一种基于多相计算机断层扫描（MPCT）的集成机器学习（eML）模型，用于区分胃异位胰腺（GEP）和胃间质瘤（GIST） | 首次通过放射组学和深度学习方法区分这些肿瘤，揭示了病变中潜在的不同表型 | 研究样本量较小，且仅限于小于3厘米的病变 | 开发一种能够有效区分胃异位胰腺和胃间质瘤的机器学习模型 | 胃异位胰腺和胃间质瘤 | 机器学习 | 胃肠道疾病 | 多相计算机断层扫描（MPCT） | 集成机器学习（eML） | 图像 | 138名患者的多相计算机断层扫描图像 | NA | NA | NA | NA |
| 615 | 2024-09-30 |
Explainable breast cancer molecular expression prediction using multi-task deep-learning based on 3D whole breast ultrasound
2024-Sep-19, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01810-9
PMID:39320560
|
研究论文 | 本文研究了使用多任务深度学习模型基于3D全乳腺超声图像预测乳腺癌分子表达，并提高了模型的可解释性 | 本文提出了一个多任务深度学习模型，结合肿瘤分割与生物标志物预测，以提高模型的可解释性和预测性能 | NA | 非侵入性地估计三种乳腺癌生物标志物（ER、PR和HER2）的表达，并提高预测性能和可解释性 | 乳腺癌患者的ER、PR和HER2生物标志物表达 | 计算机视觉 | 乳腺癌 | 3D全乳腺超声系统（3DWBUS） | 多任务深度学习模型 | 图像 | 388名乳腺癌患者 | NA | NA | NA | NA |
| 616 | 2024-09-30 |
δ-Conotoxin Structure Prediction and Analysis through Large-Scale Comparative and Deep Learning Modeling Approaches
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202404786
PMID:39033537
|
研究论文 | 本文通过大规模比较和深度学习建模方法预测和分析δ-芋螺毒素的结构 | 利用AlphaFold和RosettaCM两种方法对18种未表征的δ-芋螺毒素进行建模，提供了对这些肽结构方面的有用见解 | NA | 预测和分析δ-芋螺毒素的结构，为药物开发提供参考 | δ-芋螺毒素的结构和功能 | 生物信息学 | NA | 深度学习建模 | AlphaFold, RosettaCM | 蛋白质结构 | 18种未表征的δ-芋螺毒素 | NA | NA | NA | NA |
| 617 | 2024-09-30 |
Stretchable Piezoresistive Pressure Sensor Array with Sophisticated Sensitivity, Strain-Insensitivity, and Reproducibility
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202405374
PMID:39013112
|
研究论文 | 研究开发了一种新型10x10传感器阵列，包含100个压力传感器像素，通过创新设计传感器结构，实现了高达888.79 kPa的显著灵敏度 | 采用聚丁二烯-尿烷（PBU）和MXene纳米片合成导电织物，通过预应变方法确保电极的应变免疫性，并引入深度学习方法提高长期传感精度 | NA | 提升可拉伸压阻式压力传感器的可靠性和性能 | 可拉伸压阻式压力传感器 | 传感器技术 | NA | 电纺丝技术 | 深度学习 | 传感器数据 | 100个压力传感器像素 | NA | NA | NA | NA |
| 618 | 2024-09-30 |
Automatic Clinical Assessment of Swallowing Behavior and Diagnosis of Silent Aspiration Using Wireless Multimodal Wearable Electronics
2024-Sep, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202404211
PMID:38981027
|
研究论文 | 研究报告了一种无线多模态可穿戴系统，利用机器学习自动准确评估吞咽行为并诊断无声误吸 | 开发了一种包含kirigami结构电极和带有凝胶层的麦克风的无线多模态可穿戴系统，能够抑制皮肤接触阻抗的变化并有效阻隔外部噪音，实现高质量的肌电图和吞咽声音测量 | 未提及 | 开发一种自动准确评估吞咽行为并诊断无声误吸的无线多模态可穿戴系统 | 吞咽障碍患者 | 可穿戴电子设备 | NA | 机器学习 | 深度学习算法 | 肌电图和吞咽声音 | 未提及 | NA | NA | NA | NA |
| 619 | 2024-09-30 |
Exploring vision transformers for classifying early Barrett's dysplasia in endoscopic images: A pilot study on white-light and narrow-band imaging
2024-Sep, JGH open : an open access journal of gastroenterology and hepatology
IF:1.7Q3
DOI:10.1002/jgh3.70030
PMID:39328302
|
研究论文 | 本研究探讨了使用视觉变换器（ViT）对早期Barrett异型增生进行分类，并比较了白光成像（WLI）、窄带成像（NBI）和组合模式下的模型性能 | 本研究首次将视觉变换器（ViT）应用于早期Barrett异型增生的分类，并展示了其在内镜图像识别中的优越性能 | 本研究为初步研究，样本量较小，且仅限于Barrett食管的早期异型增生分类 | 探索视觉变换器（ViT）在早期Barrett异型增生分类中的应用 | 早期Barrett异型增生 | 计算机视觉 | 消化系统疾病 | 视觉变换器（ViT） | 视觉变换器（ViT） | 图像 | 1918张Barrett食管图像，来自267名患者 | NA | NA | NA | NA |
| 620 | 2024-09-28 |
Deep learning-based segmentation for high-dose-rate brachytherapy in cervical cancer using 3D Prompt-ResUNet
2024-Sep-27, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad7ad1
PMID:39270708
|
研究论文 | 开发并评估了一种基于3D Prompt-ResUNet的模块，用于宫颈癌高剂量率近距离放射治疗中高危临床靶体积（HRCTV）和危及器官（OAR）的快速一致自动分割 | 提出了3D Prompt-ResUNet模型，结合了基于提示的模型和3D nnUNet，用于HRCTV和OAR的自动分割 | NA | 开发和评估一种用于宫颈癌高剂量率近距离放射治疗中HRCTV和OAR自动分割的3D Prompt-ResUNet模块 | 宫颈癌患者的高危临床靶体积（HRCTV）和危及器官（OAR） | 计算机视觉 | 宫颈癌 | 深度学习 | 3D Prompt-ResUNet | 图像 | 135名宫颈癌患者，包括73个CT扫描和62个MRI扫描 | NA | NA | NA | NA |