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 1165 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 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 |
| 642 | 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 |
| 643 | 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 |
| 644 | 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 |
| 645 | 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 |
| 646 | 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 |
| 647 | 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 |
| 648 | 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 |
| 649 | 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 |
| 650 | 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 |
| 651 | 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 |
| 652 | 2024-09-28 |
Deep learning for enhanced spectral analysis of MA-XRF datasets of paintings
2024-Sep-27, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.adp6234
PMID:39321288
|
研究论文 | 本文介绍了一种用于增强绘画MA-XRF数据集光谱分析的深度学习算法 | 引入了一种基于合成数据集训练的深度学习算法，能够快速准确地分析MA-XRF数据集中的XRF光谱，克服了传统解卷积方法的局限性 | NA | 开发一种新的计算方法来解决MA-XRF数据集分析中的挑战 | 绘画的MA-XRF数据集 | 计算机视觉 | NA | 深度学习 | 深度学习算法 | 光谱数据 | 一个拉斐尔的绘画样本 | NA | NA | NA | NA |
| 653 | 2024-09-28 |
Drug-Target Interactions Prediction at Scale: The Komet Algorithm with the LCIdb Dataset
2024-Sep-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00422
PMID:39237105
|
研究论文 | 本文介绍了Komet算法和LCIdb数据集，用于大规模药物-靶点相互作用预测 | 提出了Komet算法，该算法通过Kronecker交互模块和Nyström近似，实现了高效的大规模数据处理和预测性能 | NA | 解决药物-靶点相互作用预测中的大规模数据处理和预测方法设计问题 | 药物-靶点相互作用预测算法 | 机器学习 | NA | Nyström近似 | Komet算法 | 药物-靶点相互作用数据 | LCIdb数据集包含大量分子和可药物蛋白空间 | NA | NA | NA | NA |
| 654 | 2024-09-28 |
DrugSynthMC: An Atom-Based Generation of Drug-like Molecules with Monte Carlo Search
2024-Sep-23, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01451
PMID:39249497
|
研究论文 | 本文开发了一种基于蒙特卡罗搜索（MCS）算法的新方法DrugSynthMC，结合深度学习和统计先验知识，用于生成大量可解释的化学结构和新型类药物分子 | DrugSynthMC采用原子级搜索模型，逐字符构建分子SMILES，生成符合Lipinski's 'rule of 5'的高水溶性、低毒性且可合成的化合物，无需依赖训练数据集或合成性指标 | NA | 开发一种新的算法，用于生成大量新型类药物分子，扩展化学空间 | 新型类药物分子 | 机器学习 | NA | 蒙特卡罗搜索（MCS） | NA | 化学结构 | 每秒生成数千个化合物 | NA | NA | NA | NA |
| 655 | 2024-09-28 |
dHICA: a deep transformer-based model enables accurate histone imputation from chromatin accessibility
2024-Sep-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae459
PMID:39316943
|
研究论文 | 本文介绍了一种基于深度变压器模型的dHICA框架，用于从染色质可及性数据中准确预测组蛋白修饰 | dHICA框架结合了DNA序列和染色质可及性数据，采用变压器架构和扩张卷积，具有广泛的感受野，能够捕捉更多细胞类型特异性信息 | NA | 开发一种能够从染色质可及性数据中预测组蛋白修饰的深度学习框架 | 组蛋白修饰和染色质结构 | 机器学习 | NA | 深度学习 | 变压器模型 | DNA序列和染色质可及性数据 | NA | NA | NA | NA | NA |
| 656 | 2024-09-28 |
Detection of Sleep Apnea Using Wearable AI: Systematic Review and Meta-Analysis
2024-Sep-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58187
PMID:39255014
|
综述 | 本文通过系统综述和荟萃分析，评估了可穿戴人工智能在检测睡眠呼吸暂停中的有效性 | 本文整合了人工智能算法与可穿戴设备，提供了一种便捷、可及、经济、客观且实时监测睡眠呼吸暂停的方法，解决了传统多导睡眠图的局限性 | 可穿戴人工智能在识别和分类睡眠呼吸暂停方面的表现尚不理想，不适合常规临床使用，需要进一步改进证据支持其可靠性 | 评估可穿戴人工智能在检测睡眠呼吸暂停及其类型和严重程度中的有效性 | 可穿戴人工智能在检测睡眠呼吸暂停中的性能 | 机器学习 | 睡眠障碍 | 可穿戴设备 | NA | 数据 | 615项研究中，38项符合本综述的纳入标准 | NA | NA | NA | NA |
| 657 | 2024-09-28 |
A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review
2024-Sep-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/59711
PMID:39255472
|
综述 | 本文回顾了过去25年人工智能在急性中风诊断中的应用 | 总结了人工智能辅助中风诊断在过去25年的方法，提供了性能指标和算法发展趋势的概述 | NA | 总结人工智能辅助中风诊断的方法，提供临床实践的全面参考 | 人工智能技术在中风预防和诊断中的应用 | 机器学习 | 中风 | 深度学习 | NA | NA | 50篇代表性文章 | NA | NA | NA | NA |
| 658 | 2024-09-28 |
Deep Learning-Based Barley Disease Quantification for Sustainable Crop Production
2024-Sep, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-02-24-0056-KC
PMID:38831567
|
研究论文 | 本文开发了一种基于深度学习的模型，用于量化大麦网斑病症状，以提高可持续作物生产 | 结合Cascade R-CNN和U-Net架构，提高了对感染4天后图像中微小和不规则形状病斑的检测能力 | NA | 开发一种能够量化大麦网斑病症状的深度学习模型，以减少作物损失 | 大麦网斑病症状的量化 | 计算机视觉 | NA | 深度学习 | Cascade R-CNN, U-Net | 图像 | 使用带有大麦叶图像和网斑病注释的数据集进行训练和评估 | NA | NA | NA | NA |
| 659 | 2024-09-28 |
Research on a Method for Identification of Peanut Pests and Diseases Based on a Lightweight LSCDNet Model
2024-Sep, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-01-24-0013-R
PMID:38810273
|
研究论文 | 本文提出了一种基于轻量级LSCDNet模型的花生病虫害识别方法 | 引入LSCDNet模型，通过保留过渡层减少特征图维度，结合沙漏块增强特征提取能力，并使用坐标注意力机制解决特征提取过程中的位置信息丢失问题 | NA | 提高花生病虫害识别的准确性和效率 | 花生病虫害 | 计算机视觉 | NA | NA | LSCDNet | 图像 | NA | NA | NA | NA | NA |
| 660 | 2024-09-28 |
Classification of AO/OTA 31A/B femur fractures in X-ray images using YOLOv8 and advanced data augmentation techniques
2024-Sep, Bone reports
IF:2.1Q3
DOI:10.1016/j.bonr.2024.101801
PMID:39324016
|
研究论文 | 本研究使用YOLOv8和高级数据增强技术对X光图像中的AO/OTA 31A/B股骨骨折进行分类 | 本研究改进了最新的基于深度学习的AO/OTA系统股骨骨折分类结果，并引入了高级数据增强技术 | 需要收集足够的数据来训练算法，并且解释结果具有挑战性 | 支持医生在患者护理中做出正确和及时的决策 | AO/OTA 31A/B股骨骨折的分类 | 计算机视觉 | NA | YOLOv8 | YOLOv8 | 图像 | 通过数据增强技术增加了数据集样本 | NA | NA | NA | NA |