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 1161 篇文献，本页显示第 821 - 840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 821 | 2024-10-16 |
AI diagnostics in bone oncology for predicting bone metastasis in lung cancer patients using DenseNet-264 deep learning model and radiomics
2024-Oct, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100640
PMID:39399584
|
研究论文 | 本研究旨在利用影像组学和深度学习预测肺癌患者的骨转移 | 通过整合先进的影像技术和人工智能，提高预测准确性和临床决策 | NA | 预测肺癌患者的骨转移 | 肺癌患者的骨转移 | 计算机视觉 | 肺癌 | 影像组学 | DenseNet-264 | 影像 | NA | NA | NA | NA | NA |
| 822 | 2024-10-15 |
NRIMD, a Web Server for Analyzing Protein Allosteric Interactions Based on Molecular Dynamics Simulation
2024-Oct-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00783
PMID:38991149
|
研究论文 | NRIMD是一个基于分子动力学模拟分析蛋白质变构相互作用的网络服务器 | NRIMD是首个提供分子动力学模拟中长程相互作用综合分析的在线服务，显著降低了使用深度学习预测蛋白质长程相互作用的门槛 | NA | 开发一个用于分析蛋白质中长程变构相互作用的网络服务器 | 蛋白质中的长程变构相互作用 | 生物信息学 | NA | 分子动力学模拟 | 图神经网络 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 823 | 2024-10-15 |
FCSSL: fusion enhanced contrastive self-supervised learning method for parallel MRI reconstruction
2024-Oct-14, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad6d28
PMID:39116910
|
研究论文 | 提出了一种融合增强的对比自监督学习方法FCSSL，用于并行MRI重建，无需全采样数据集和线圈敏感性图 | 引入了一种基于两对重下采样掩码的对比学习框架，设计了一种自监督学习方式的适应性融合网络，显著提高了重建质量 | 未提及具体限制 | 解决在无法或成本高昂获取全采样数据集的情况下，使用深度学习进行MRI重建的问题 | 并行MRI重建 | 计算机视觉 | NA | 对比自监督学习 | 适应性融合网络 | 图像 | 使用膝关节数据集进行实验，具体样本数量未提及 | NA | NA | NA | NA |
| 824 | 2024-10-15 |
MHIPM: Accurate Prediction of Microbe-Host Interactions Using Multiview Features from a Heterogeneous Microbial Network
2024-Oct-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01296
PMID:39289839
|
研究论文 | 本文提出了一种基于深度学习的方法MHIPM，用于预测微生物与宿主之间的相互作用 | MHIPM利用多源生物信息和异构微生物网络，结合ESM-2和doc2vec模型以及自注意力机制，提取多视角特征，并通过GraphSAGE模型捕捉网络中的特征，实现了对微生物-宿主相互作用的高精度预测 | NA | 通过计算方法优先筛选微生物-宿主相互作用，以便进一步进行生物实验验证 | 微生物与宿主之间的相互作用 | 机器学习 | NA | 深度学习 | GraphSAGE | 蛋白质序列 | 涉及人类蛋白质、病毒、噬菌体和致病菌的异构微生物网络 | NA | NA | NA | NA |
| 825 | 2024-10-15 |
The Development and Application of KinomePro-DL: A Deep Learning Based Online Small Molecule Kinome Selectivity Profiling Prediction Platform
2024-Oct-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00595
PMID:39320984
|
研究论文 | 本文介绍了一种基于深度学习的在线小分子激酶选择性分析预测平台KinomePro-DL的开发与应用 | 开发了一种多任务深度神经网络模型，用于预测化合物的新结构激酶选择性，并提供了一个免费的在线预测平台KinomePro-DL | 未提及 | 开发和应用一种深度学习模型，用于预测小分子激酶抑制剂的激酶选择性 | 小分子激酶抑制剂的激酶选择性 | 机器学习 | NA | 深度学习 | 多任务深度神经网络 | 化合物数据 | 191种代表性激酶的抑制剂数据集 | NA | NA | NA | NA |
| 826 | 2024-10-15 |
KnoMol: A Knowledge-Enhanced Graph Transformer for Molecular Property Prediction
2024-Oct-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01092
PMID:39323109
|
研究论文 | 本文介绍了一种名为KnoMol的知识增强图Transformer框架，用于提高分子结构的理解和分子属性预测的准确性 | KnoMol通过将专家化学知识集成到Transformer中，模拟药物化学家的分析方法，并采用多视角注意力机制来更精确地表示环系统，从而提高了模型的表示能力 | NA | 提高分子属性预测的准确性和泛化能力，减少对大量数据的依赖 | 分子结构和分子属性 | 机器学习 | NA | Transformer | 图Transformer | 分子数据 | 涉及MoleculeNet和一些小规模数据集的评估实验 | NA | NA | NA | NA |
| 827 | 2024-10-15 |
Alchemical Transformations and Beyond: Recent Advances and Real-World Applications of Free Energy Calculations in Drug Discovery
2024-Oct-14, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01024
PMID:39360948
|
综述 | 本文回顾了自2018年以来自由能扰动（FEP）计算在药物发现项目中的实际应用 | 讨论了物理模拟方法的替代方案以及深度学习在自由能计算中的整合 | 仍面临力场准确性和采样效率的挑战 | 探讨自由能计算在药物发现中的最新进展和实际应用 | 自由能扰动计算在药物发现中的应用 | 药物发现 | NA | 自由能扰动计算 | NA | NA | NA | NA | NA | NA | NA |
| 828 | 2024-10-15 |
A hybrid capsule attention-based convolutional bi-GRU method for multi-class mental task classification based brain-computer Interface
2024-Oct-14, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2410221
PMID:39397592
|
研究论文 | 本文提出了一种基于胶囊注意力机制的卷积双向门控循环单元模型，用于多类心理任务分类的脑机接口 | 本文引入了一种混合深度学习技术，结合了胶囊网络和注意力机制，以提高多类心理任务分类的准确性 | NA | 研究脑机接口中多级心理活动的分类问题，以提高分类准确性 | 脑电图数据和心理任务分类 | 机器学习 | NA | 脑电图分析 | 卷积神经网络 (CNN) 和双向门控循环单元 (bi-GRU) | 脑电图数据 | 使用提供的脑电图数据集进行评估 | NA | NA | NA | NA |
| 829 | 2024-10-15 |
Deep-learning-based attenuation map generation in kidney single photon emission computed tomography
2024-Oct-12, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00686-4
PMID:39394395
|
研究论文 | 本研究利用深度学习技术从SPECT数据中生成合成衰减图（μ-maps），以实现肾脏SPECT成像的无CT量化技术 | 本研究开发了一种基于深度学习的算法，用于从SPECT数据生成合成μ-maps，无需CT扫描，从而减少辐射暴露 | NA | 建立一种无需CT扫描的肾脏SPECT成像量化技术，以减少辐射暴露 | 肾脏SPECT成像中的衰减校正 | 计算机视觉 | NA | 深度学习 | 3D U-Net | 图像 | 1000例Tc-99m DTPA SPECT/CT扫描数据，其中800例用于训练，100例用于验证，100例用于测试 | NA | NA | NA | NA |
| 830 | 2024-10-15 |
A lightweight defect detection algorithm for escalator steps
2024-Oct-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74320-9
PMID:39394361
|
研究论文 | 提出了一种高效的电梯台阶缺陷检测算法ASF-Sim-YOLO，解决了检测网络模型参数过多、适应性差和视频流实时处理困难的问题 | 设计了ASF-Sim-P2结构以提高小目标检测精度，结合SimAM与SPPF增强模型捕捉关键信息的能力，采用NWD替代传统的CIoU损失函数，并对模型进行通道剪枝以满足移动设备部署需求 | NA | 开发一种轻量级且高效的电梯台阶缺陷检测算法 | 电梯台阶缺陷 | 计算机视觉 | NA | 目标检测 | YOLO | 视频 | 测试数据集上的平均精度(mAP50)为96.8%，比基线模型提高了22.1%，模型计算复杂度(GFLOPS)降低到基线模型的四分之一，帧率(FPS)提高到575.1 | NA | NA | NA | NA |
| 831 | 2024-10-15 |
A comparative study on automatic treatment planning for online adaptive proton therapy of esophageal cancer: which combination of deformable registration and deep learning planning tools performs the best?
2024-Oct-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad80f6
PMID:39332445
|
研究论文 | 本文比较了四种在线自适应质子治疗（OAPT）策略在食管癌治疗计划中的表现，评估了变形图像配准（DIR）和深度学习（DL）工具的组合效果 | 本文首次系统地比较了四种OAPT策略，并展示了DL-DEF和DL-DL在10分钟内实现OAPT的潜力 | 在某些情况下，目标体积的分割错误导致剂量下降，需要进一步改进分割算法 | 评估和比较不同变形图像配准和深度学习工具组合在食管癌在线自适应质子治疗中的效果 | 食管癌患者的在线自适应质子治疗计划 | 计算机视觉 | 食管癌 | 变形图像配准（DIR），深度学习（DL） | nnU-Net | 图像 | 17名食管癌患者 | NA | NA | NA | NA |
| 832 | 2024-10-15 |
Comparison of deep-learning multimodality data fusion strategies in mandibular osteoradionecrosis NTCP modelling using clinical variables and radiation dose distribution volumes
2024-Oct-10, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad8290
PMID:39357529
|
研究论文 | 本文比较了不同深度学习多模态数据融合策略在颌骨放射性骨坏死NTCP模型中的应用 | 首次比较了早期、联合和晚期多模态数据融合策略在深度学习NTCP模型中的应用 | 晚期融合策略虽然技术复杂度较低，但缺乏关键的模态间交互作用 | 探讨不同多模态数据融合策略在深度学习NTCP模型中的有效性 | 颌骨放射性骨坏死的NTCP模型 | 机器学习 | NA | 深度学习 | 3D DenseNet-40 | 图像数据和临床数据 | 92例放射性骨坏死病例和92例对照组 | NA | NA | NA | NA |
| 833 | 2024-10-15 |
Deep learning-based detection of affected body parts in Parkinson's disease and freezing of gait using time-series imaging
2024-10-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75445-7
PMID:39390087
|
研究论文 | 提出了一种基于卷积神经网络的时间序列图像深度学习方法，用于检测帕金森病和冻结步态中受影响的身体部位 | 利用时间序列图像和卷积神经网络进行帕金森病和冻结步态中受影响身体部位的检测和区分 | NA | 开发一种辅助工具，用于评估帕金森病的严重程度和冻结步态 | 帕金森病患者和冻结步态患者在360°转身任务中的身体部位检测 | 计算机视觉 | 神经退行性疾病 | 卷积神经网络 | CNN | 时间序列图像 | 90名参与者，包括60名帕金森病患者（30名冻结步态患者和30名非冻结步态患者）和30名年龄匹配的老年人（对照组） | NA | NA | NA | NA |
| 834 | 2024-10-15 |
DETECTION OF ORAL SQUAMOUS CELL CARCINOMA USING PRE-TRAINED DEEP LEARNING MODELS
2024-Oct-09, Experimental oncology
|
研究论文 | 本文研究了使用预训练深度学习模型检测口腔鳞状细胞癌的方法 | 本文提出了一种基于迁移学习的预训练分类模型和卷积神经网络（CNN）用于口腔鳞状细胞癌的二分类 | 本文的实验数据集较小，且仅限于口腔鳞状细胞癌的检测 | 评估使用迁移学习方法和预训练模型在口腔鳞状细胞癌早期诊断中的应用 | 口腔鳞状细胞癌的组织病理学图像 | 计算机视觉 | 口腔癌 | 迁移学习 | CNN | 图像 | 5192张组织病理学图像 | NA | NA | NA | NA |
| 835 | 2024-10-15 |
[Accelerated musculoskeletal magnetic resonance imaging with deep learning-based image reconstruction at 0.55 T-3 T]
2024-Oct, Radiologie (Heidelberg, Germany)
DOI:10.1007/s00117-024-01325-w
PMID:38864874
|
研究论文 | 本文探讨了使用深度学习技术加速肌肉骨骼磁共振成像（MRI）重建的方法 | 引入深度学习（DL）算法进行图像重建，以减少信噪比、空间分辨率和图像采集时间之间的相互依赖性，并允许使用更高的加速因子 | NA | 提高肌肉骨骼MRI的效率、患者舒适度、访问性和价值，同时保持高诊断准确性 | 肌肉骨骼系统的MRI图像重建 | 计算机视觉 | NA | 磁共振成像（MRI） | 深度学习（DL） | 图像 | NA | NA | NA | NA | NA |
| 836 | 2024-10-14 |
Validation of the Mirai model for predicting breast cancer risk in Mexican women
2024-Oct-10, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01808-3
PMID:39387984
|
研究论文 | 验证Mirai模型在预测墨西哥女性乳腺癌风险中的表现 | Mirai模型在非白人少数族裔中的应用研究较少 | 模型在预测未来乳腺癌风险中的表现中等，需要进一步改进 | 验证Mirai模型在预测墨西哥女性乳腺癌风险中的表现 | 墨西哥女性乳腺癌风险 | 机器学习 | 乳腺癌 | 深度学习 | 深度学习模型 | 影像 | 3110名患者，其中76名在5年随访期内发展为乳腺癌 | NA | NA | NA | NA |
| 837 | 2024-10-14 |
A novel embedded kernel CNN-PCFF algorithm for breast cancer pathological image classification
2024-10-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74025-z
PMID:39390003
|
研究论文 | 提出了一种新的嵌入式核函数CNN-PCFF算法用于乳腺癌病理图像分类 | 通过在主成分分析中嵌入核函数，形成多核主成分，将高维特征融合为一些代表性的综合变量，从而实现降维 | 未提及具体限制 | 提高乳腺癌病理图像分类的性能 | 乳腺癌病理图像 | 计算机视觉 | 乳腺癌 | 主成分分析 | CNN | 图像 | 两个公开的乳腺癌图像数据集 | NA | NA | NA | NA |
| 838 | 2024-10-13 |
Identification of dynamic networks community by fusing deep learning and evolutionary clustering
2024-Oct-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74361-0
PMID:39390015
|
研究论文 | 本文提出了一种融合深度学习和进化聚类的动态网络社区检测方法 | 结合深度学习和进化聚类，提出了一种新的动态社区检测方法DLEC，能够有效挖掘复杂非线性结构并生成高质量的社区结构 | NA | 旨在提高动态网络中社区检测的准确性和鲁棒性 | 动态网络中的社区结构 | 机器学习 | NA | 深度学习 | 多层深度自编码器 | 网络数据 | 合成网络和真实世界网络 | NA | NA | NA | NA |
| 839 | 2024-10-14 |
Galformer: a transformer with generative decoding and a hybrid loss function for multi-step stock market index prediction
2024-Oct-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72045-3
PMID:39390029
|
研究论文 | 本文介绍了一种名为Galformer的创新型Transformer模型，结合生成式解码和混合损失函数，用于多步股票市场指数预测 | Galformer模型具有生成式解码器和混合损失函数，能够显著提高长序列预测的速度，并结合定量误差和趋势准确性优化模型 | NA | 提高股票市场指数预测的准确性和效率 | 股票市场指数的多步预测 | 机器学习 | NA | Transformer模型 | Transformer | 时间序列数据 | 四个典型股票市场指数：CSI 300指数、S&P 500指数、道琼斯工业平均指数（DJI）和纳斯达克综合指数（IXIC） | NA | NA | NA | NA |
| 840 | 2024-10-14 |
Integrating holotomography and deep learning for rapid detection of NPM1 mutations in AML
2024-10-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75168-9
PMID:39390137
|
研究论文 | 本研究利用全息断层成像（HT）和深度学习技术，快速检测急性髓系白血病（AML）中的NPM1突变 | 首次将全息断层成像与深度学习结合，用于检测AML中的NPM1突变，提供了一种早期、高效且成本效益高的诊断方法 | 研究样本量相对较小，且仅限于AML中的NPM1突变检测 | 开发一种新的方法，用于快速准确地诊断AML中的NPM1突变 | AML患者中的NPM1突变 | 数字病理学 | 白血病 | 全息断层成像（HT） | 卷积神经网络（CNN） | 图像 | 2073张HT髓母细胞图像，来自48名个体，包括NPM1野生型和突变样本 | NA | NA | NA | NA |