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 1168 篇文献，本页显示第 841 - 860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 841 | 2024-09-15 |
Nanophotonic structure inverse design for switching application using deep learning
2024-Sep-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72125-4
PMID:39256501
|
研究论文 | 本文提出了一种基于深度神经网络的方法，用于近似全光开关的光谱透射率 | 利用深度学习解决了纳米光子结构逆设计问题，无需试错或经验策略，显著提高了计算效率 | NA | 提出一种新的方法来设计和优化全光开关，以提高通信系统的性能 | 全光开关的结构设计和性能优化 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 光谱数据 | NA |
| 842 | 2024-09-15 |
Composite activity type and stride-specific energy expenditure estimation model for thigh-worn accelerometry
2024-Sep-10, The international journal of behavioral nutrition and physical activity
DOI:10.1186/s12966-024-01646-y
PMID:39256837
|
研究论文 | 本文开发了一种新的复合能量消耗估计模型，结合了活动分类模型和步态特定能量消耗模型，用于大腿佩戴的加速度计 | 本文的创新点在于开发了一种复合能量消耗估计模型，通过结合活动分类模型和步态特定能量消耗模型，提高了能量消耗测量的准确性 | 本文的局限性在于仅使用了69名健康成年参与者的数据进行验证，未来需要更大规模的研究来验证模型的普适性 | 本文的研究目的是开发一种高精度的方法，用于分类物理活动类型和估计能量消耗 | 本文的研究对象是大腿佩戴的加速度计在非实验室环境下对物理活动类型和能量消耗的测量 | 机器学习 | NA | 加速度计 | 深度学习模型 | 加速度数据 | 69名健康成年参与者（49%为女性；年龄=25.2±5.8岁） |
| 843 | 2024-09-15 |
The changing scenario of drug discovery using AI to deep learning: Recent advancement, success stories, collaborations, and challenges
2024-Sep-10, Molecular therapy. Nucleic acids
DOI:10.1016/j.omtn.2024.102295
PMID:39257717
|
综述 | 本文综述了人工智能（AI）在药物发现领域的最新进展、成功案例、合作情况及面临的挑战 | 介绍了AI在药物发现中的应用，包括药物靶点识别、结构预测、药物-靶点相互作用估计等 | 未详细讨论AI在药物发现中的具体技术细节和算法实现 | 探讨AI在药物发现中的应用及其对制药行业的影响 | AI在药物发现中的应用，包括药物靶点识别、结构预测、药物-靶点相互作用估计等 | 机器学习 | NA | 人工智能（AI） | 深度神经网络（NN） | NA | NA |
| 844 | 2024-09-15 |
Long-term trend prediction of pandemic combining the compartmental and deep learning models
2024-09-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72005-x
PMID:39256475
|
研究论文 | 本文提出了一种结合分室模型和深度学习模型的新方法，用于预测传染病的长期传播趋势 | 本文创新性地结合了数据增强技术、分室模型特征和疾病预防政策，并使用自注意力机制和双向门控循环单元网络进行长期趋势预测 | NA | 解决传染病长期传播趋势预测中的复杂关系和挑战 | COVID-19在四个国家的病例预测 | 机器学习 | NA | 数据增强技术、分室模型、自注意力机制、双向门控循环单元网络 | 双向门控循环单元网络 | 时间序列数据 | 四个国家的COVID-19病例数据，预测期为210天 |
| 845 | 2024-09-15 |
Natural Language Processing for Depression Prediction on Sina Weibo: Method Study and Analysis
2024-Sep-04, JMIR mental health
IF:4.8Q1
DOI:10.2196/58259
PMID:39233477
|
研究论文 | 本研究利用自然语言处理技术在新浪微博平台上开发了一种新的在线抑郁症风险检测方法 | 本研究提出了一种分层Transformer网络用于学习用户级语义表示，并采用基于检索的采样策略显著提高了抑郁症风险检测的性能 | NA | 开发一种新的在线抑郁症风险检测方法，以识别新浪微博平台上的抑郁症高风险个体 | 新浪微博平台上患有抑郁症和未患有抑郁症的个体 | 自然语言处理 | NA | 自然语言处理 | Transformer网络 | 文本 | 共收集了527,333条公开分享的帖子，来自1600名抑郁症患者和1600名非抑郁症患者 |
| 846 | 2024-09-15 |
Role of artificial intelligence, machine learning and deep learning models in corneal disorders - A narrative review
2024-Sep, Journal francais d'ophtalmologie
DOI:10.1016/j.jfo.2024.104242
PMID:39013268
|
综述 | 本文综述了人工智能、机器学习和深度学习模型在角膜疾病管理中的应用 | AI在角膜诊断中通过图像技术如裂隙灯生物显微镜、前段光学相干断层扫描和活体共聚焦显微镜的应用，以及多疾病深度学习神经网络在分类角膜疾病中的诊断能力 | 当前AI模型依赖二分类，可能无法捕捉临床表现的复杂性；依赖数据质量、多样化的成像协议和整合多模态图像的挑战；需要提高AI模型的可解释性以增强临床信任和应用 | 探讨AI在角膜疾病管理中的变革作用，提高诊断准确性和个性化治疗 | 角膜疾病，包括圆锥角膜、感染性角膜炎和角膜营养不良等 | 机器学习 | 眼科疾病 | NA | 卷积神经网络 | 图像 | NA |
| 847 | 2024-09-15 |
Optimize individualized energy delivery for septic patients using predictive deep learning models
2024-Sep, Asia Pacific journal of clinical nutrition
IF:1.3Q4
DOI:10.6133/apjcn.202409_33(3).0005
PMID:38965722
|
研究论文 | 研究旨在通过深度学习模型优化脓毒症患者的个性化能量供给 | 建立了针对脓毒症患者不同代谢阶段的个性化能量目标模型，并通过外部验证进行了优化 | 研究仅限于ICU中的成年脓毒症患者，样本量相对较小 | 优化脓毒症患者的个性化能量供给 | ICU中的成年脓毒症患者 | 机器学习 | 脓毒症 | 深度学习 | 深度学习模型 | 时间序列数据 | 训练数据集包含179名患者，外部验证数据集包含98名患者，总数据量为3115个元素 |
| 848 | 2024-08-07 |
Artificial Intelligence With Deep Learning Enables Assessment of Aortic Aneurysm Diameter and Volume Through Different Computed Tomography Phases
2024-Sep, European journal of vascular and endovascular surgery : the official journal of the European Society for Vascular Surgery
IF:5.7Q1
DOI:10.1016/j.ejvs.2024.04.004
PMID:38614229
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 849 | 2024-09-15 |
An ECG denoising technique based on AHIN block and gradient difference max loss
2024 Sep-Oct, Journal of electrocardiology
IF:1.3Q3
|
研究论文 | 本文提出了一种基于AHIN块和梯度差最大损失函数的ECG去噪技术 | 本文创新性地结合了注意力半实例归一化块（AHIN块）和梯度差最大损失函数（GDM Loss），以提高去噪模型的鲁棒性和准确性 | NA | 研究目的是提高ECG信号去噪的性能，减少噪声对信号信息的损失 | 研究对象是ECG信号及其在去噪过程中的表现 | 机器学习 | NA | 深度学习 | AHIN块 | 信号 | NA |
| 850 | 2024-09-15 |
Virtual multiplexed immunofluorescence staining from non-antibody-stained fluorescence imaging for gastric cancer prognosis
2024-Sep, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2024.105287
PMID:39154539
|
研究论文 | 本文介绍了一种基于深度学习的虚拟多重免疫荧光染色系统，用于胃癌预后分析 | 提出了一种多模态注意力机制的虚拟多重免疫荧光染色系统，能够从非抗体染色的双模态荧光图像中提取潜在的抗体相关特征 | NA | 开发一种高效且成本低廉的多重免疫荧光染色技术，用于胃癌预后分析 | 胃癌患者的病理切片 | 数字病理学 | 胃癌 | 深度学习 | 多模态注意力机制模型 | 图像 | 180张病理切片，来自94名胃癌患者 |
| 851 | 2024-09-15 |
ModFOLD9: A Web Server for Independent Estimates of 3D Protein Model Quality
2024-Sep-01, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168531
PMID:39237204
|
研究论文 | 介绍了一个名为ModFOLD9的网络服务器，用于独立评估3D蛋白质模型质量 | ModFOLD9整合了基于深度学习的多个新评分，显著提高了预测准确性 | NA | 开发一个独立的服务器来检测蛋白质模型中的局部错误并选择高质量模型 | 3D蛋白质模型质量 | 计算机视觉 | NA | 深度学习 | NA | 模型 | NA |
| 852 | 2024-09-15 |
Exploring hepatic fibrosis screening via deep learning analysis of tongue images
2024-Sep, Journal of traditional and complementary medicine
IF:3.3Q1
DOI:10.1016/j.jtcme.2024.03.010
PMID:39262664
|
研究论文 | 本研究评估了基于深度学习的舌象分析在肝纤维化筛查中的有效性 | 利用深度学习技术分析舌象图像进行肝纤维化筛查 | NA | 评估深度学习在舌象分析中用于肝纤维化筛查的有效性 | 舌象图像和肝纤维化筛查 | 计算机视觉 | 肝病 | 深度学习 | DenseNet-201 | 图像 | 1083张舌象图像，来自741名患者 |
| 853 | 2024-08-20 |
Correction to "Physics-Informed Deep Learning Approach for Reintroducing Atomic Detail in Coarse-Grained Configurations of Multiple Poly(lactic acid) Stereoisomers"
2024-Sep-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01407
PMID:39158929
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 854 | 2024-09-14 |
Enhancing early Parkinson's disease detection through multimodal deep learning and explainable AI: insights from the PPMI database
2024-09-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70165-4
PMID:39251639
|
研究论文 | 研究通过多模态深度学习和可解释人工智能技术，利用PPMI数据库数据，提升帕金森病早期检测的准确性 | 引入了一种联合协同学习方法进行多模态融合，结合了不同的3D架构和新型激励网络（EN），并支持可解释人工智能（XAI）技术 | NA | 提升帕金森病早期检测的准确性 | 帕金森病的早期检测 | 机器学习 | 神经退行性疾病 | 多模态深度学习 | DenseNet, ResNet, Vision Transformer (ViT) | 影像和临床数据 | 利用了Parkinson's Progression Markers Initiative数据库的数据 |
| 855 | 2024-09-14 |
Advancements in supervised deep learning for metal artifact reduction in computed tomography: A systematic review
2024-Sep-07, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111732
PMID:39265203
|
综述 | 本文系统回顾了监督式深度学习在计算机断层扫描中减少金属伪影的算法性能 | 介绍了基于深度学习的金属伪影减少算法在临床实践中的应用 | 需要标准化方法来评估基于深度学习的金属伪影减少算法在临床数据上的性能，以提高算法之间的可比性 | 提供当前监督式深度学习金属伪影减少算法在计算机断层扫描中的性能概述 | 监督式深度学习金属伪影减少算法在计算机断层扫描中的应用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 14项研究 |
| 856 | 2024-09-14 |
Visible and near-infrared spectral imaging combined with robust regression for predicting firmness, fatness, and compositional properties of fresh pork bellies
2024-Sep-06, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2024.109645
PMID:39265383
|
研究论文 | 研究利用可见光和近红外光谱成像结合稳健回归方法预测新鲜猪腹肉的硬度、脂肪含量和化学成分 | 首次将可见光和近红外光谱成像技术应用于预测猪腹肉的硬度、脂肪含量和化学成分，并提出了一种稳健的回归方法 | 研究仅限于猪腹肉样本，未来可扩展到其他肉类产品 | 探索可见光和近红外光谱成像技术在实时评估猪腹肉质量方面的潜力 | 猪腹肉的硬度、脂肪含量和化学成分 | 计算机视觉 | NA | 可见光和近红外光谱成像 | 迭代重加权偏最小二乘回归 | 光谱图像 | 182个猪腹肉样本 |
| 857 | 2024-09-14 |
scNODE : generative model for temporal single cell transcriptomic data prediction
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae393
PMID:39230694
|
研究论文 | 提出了一种名为scNODE的深度学习模型，用于预测未观测时间点的单细胞基因表达数据 | scNODE结合了变分自编码器和神经常微分方程，通过连续非线性的潜在空间预测基因表达，并引入动态正则化项以增强模型对分布偏移的鲁棒性 | NA | 解决单细胞实验中由于资源和技术限制导致的离散和稀疏采样问题，以促进细胞发育分析 | 单细胞基因表达数据 | 机器学习 | NA | 深度学习 | 变分自编码器、神经常微分方程 | 基因表达数据 | 三个真实世界的scRNA-seq数据集 |
| 858 | 2024-09-14 |
Multi-task deep latent spaces for cancer survival and drug sensitivity prediction
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae388
PMID:39230696
|
研究论文 | 本文介绍了一种名为MODAE的新型深度学习算法，用于整合细胞系和患者的组学数据，以探索精准医学的机会 | MODAE算法在药物敏感性迁移学习框架中引入了患者生存预测作为附加任务，旨在平衡自编码、领域适应、药物敏感性预测和生存预测目标，以更好地保留与生存相关的患者异质性 | 尽管MODAE在生存预测任务中表现与基线模型相当，但在药物敏感性预测任务中表现不佳 | 探索精准医学的机会，特别是通过整合细胞系和患者的组学数据来预测癌症患者的生存和药物敏感性 | 癌症患者的生存和药物敏感性 | 机器学习 | 癌症 | 深度学习 | MODAE | 组学数据 | NA |
| 859 | 2024-09-14 |
Metadata-guided feature disentanglement for functional genomics
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae403
PMID:39230700
|
研究论文 | 本文介绍了一种名为Metadata-guided Feature Disentanglement (MFD)的方法，用于从潜在的技术偏差中分离出生物学相关的特征 | MFD方法通过将目标元数据纳入模型训练，条件化模型输出层的权重，并使用对抗性学习惩罚来强制特征子空间之间的独立性，从而实现特征解耦 | NA | 开发一种方法，从功能基因组学数据中分离出生物学相关的特征，同时减少技术偏差的影响 | 功能基因组学数据中的生物学相关特征和技术偏差 | 机器学习 | NA | 深度学习 (DL) | NA | 基因组序列 | NA |
| 860 | 2024-09-14 |
Improving dictionary-based named entity recognition with deep learning
2024-09-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae402
PMID:39230709
|
研究论文 | 本文通过深度学习方法改进了基于字典的命名实体识别，自动生成需要屏蔽的名称列表，从而提高了文本挖掘的精度 | 本文创新性地使用Transformer模型（BioBERT）进行实体类型分类，自动生成需要屏蔽的名称列表，显著提高了文本挖掘的精度 | 本文未详细讨论模型的召回率略有下降的问题 | 改进基于字典的命名实体识别方法，提高文本挖掘的精度 | 生物医学领域的基因、疾病、物种和化学物质四种实体类型 | 自然语言处理 | NA | Transformer模型（BioBERT） | Transformer | 文本 | 超过1250万个文本片段 |