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 26130 篇文献，本页显示第 20541 - 20560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 20541 | 2024-08-27 |
MSH-DTI: multi-graph convolution with self-supervised embedding and heterogeneous aggregation for drug-target interaction prediction
2024-Aug-23, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05904-5
PMID:39179993
|
研究论文 | 本文提出了一种名为MSH-DTI的深度学习模型，用于预测药物-靶点相互作用 | 模型采用自监督学习方法获取药物和靶点结构特征，并设计了异构交互增强特征融合模块进行多图构建，使用图卷积网络提取节点特征 | 现有DTI预测模型通常依赖有限的数据提取药物和靶点特征，且异构信息的整合常涉及简单的聚合和注意力机制 | 开发一种新的深度学习模型，以提高药物-靶点相互作用预测的准确性和全面性 | 药物-靶点相互作用 | 机器学习 | NA | 图卷积网络 | CNN | 图数据 | 使用DTINet数据集进行实验 |
| 20542 | 2024-08-27 |
A hierarchical deep learning approach for diagnosing impacted canine-induced root resorption via cone-beam computed tomography
2024-Aug-23, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04718-4
PMID:39180070
|
研究论文 | 本研究使用深度学习方法自动评估通过锥束计算机断层扫描（CBCT）图像诊断犬齿诱导的根吸收（CIRR） | 提出了分层深度学习方法，通过有限CBCT数据提高了CIRR诊断的准确性 | 需要更大样本量的未来研究来验证所提方法在医学图像分类任务中的有效性 | 利用深度学习自动评估CBCT图像中的CIRR诊断 | 犬齿诱导的根吸收（CIRR） | 计算机视觉 | 口腔疾病 | 锥束计算机断层扫描（CBCT） | 3D ResNet, 3D U-Net | 图像 | 50个CBCT图像，176颗切牙 |
| 20543 | 2024-08-27 |
Deep learning of multimodal networks with topological regularization for drug repositioning
2024-Aug-23, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00897-y
PMID:39180095
|
研究论文 | 本文介绍了一种名为STRGNN的新型图深度学习方法，用于通过包含蛋白质、RNA、代谢物和化合物的广泛多模态网络预测药物-疾病关系 | STRGNN方法整合了包括转录组、蛋白质组和代谢组在内的全面多组学数据，并开发了一种具有拓扑正则化的学习算法，该算法能够选择性地利用信息模态并过滤冗余 | NA | 提高药物发现和再定位的计算技术 | 药物-疾病关系预测 | 机器学习 | NA | 深度学习 | 图深度学习 | 多组学数据 | NA |
| 20544 | 2024-08-27 |
Analyzing the heterogenous effects of factors on high-range speeding likelihood of taxi speeders: Does explainable deep learning provides more insights than random parameter approach?
2024-Aug-23, Accident; analysis and prevention
DOI:10.1016/j.aap.2024.107752
PMID:39180851
|
研究论文 | 本研究比较了随机参数广义线性模型（GLM）和可解释深度学习方法在分析出租车超速可能性中因素异质效应的应用 | 首次比较了随机参数GLM与机器学习和深度学习方法在预测和解释出租车超速行为中的效果 | 研究主要集中在模型比较和解释性分析，未涉及实际交通管理策略的应用 | 评估和比较不同模型在分析出租车超速行为中因素异质效应的效果 | 出租车司机的超速行为及其影响因素 | 机器学习 | NA | 广义线性模型（GLM），可解释人工智能技术 | Beta GLM with random parameters (BGLM-RP), XGBoost, Simple-CNN, DCNN, DCNN-SA | NA | 未明确提及具体样本数量 |
| 20545 | 2024-08-27 |
Recognition of Daily Activities in Adults With Wearable Inertial Sensors: Deep Learning Methods Study
2024-Aug-09, JMIR medical informatics
IF:3.1Q2
DOI:10.2196/57097
PMID:39121473
|
研究论文 | 本研究利用可穿戴惯性传感器和深度学习技术，客观准确地评估成年人在日常活动中的表现 | 通过实施系统进行动态和非侵入性的运动监测，克服了传统方法在精确度和客观性上的局限 | NA | 使用创新技术客观准确地评估日常活动中的身体功能 | 成年人在日常活动中的身体功能 | 机器学习 | NA | 可穿戴惯性传感器 | 深度学习模型 | 传感器数据 | 53,165条活动记录，处理后为52,600条 |
| 20546 | 2024-08-27 |
PLM_Sol: predicting protein solubility by benchmarking multiple protein language models with the updated Escherichia coli protein solubility dataset
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae404
PMID:39179250
|
研究论文 | 本研究通过使用多种蛋白质语言模型和分类层，基于更新的埃希氏菌蛋白溶解度数据集，开发了一种新的蛋白质溶解度预测模型PLM_Sol | PLM_Sol模型在独立测试集上显示出显著的性能提升，准确率提高了6.4%，F1分数提高了9.0%，Matthews相关系数提高了11.1% | NA | 开发和验证一种新的蛋白质溶解度预测模型，以促进大规模酶类研究 | 埃希氏菌蛋白溶解度数据集及多种酶类 | 机器学习 | NA | 深度学习技术 | 蛋白质语言模型 | 蛋白质序列数据 | 更新的埃希氏菌蛋白溶解度数据集及多种酶类 |
| 20547 | 2024-08-27 |
Weakly Supervised Deep Learning in Radiology
2024-07, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232085
PMID:39041937
|
研究论文 | 本文探讨了在放射学中使用弱监督深度学习的概念及其应用 | 提出使用弱监督学习方法，利用部分标记数据、不精确标记或含有错误的标记来训练深度学习模型，从而解锁大量未使用数据 | NA | 促进深度学习在放射学和研究工作流程中的应用，通过大规模图像分析和开发新的基于深度学习的生物标志物 | 放射学图像分析中的深度学习模型 | 计算机视觉 | NA | 深度学习 | DL | 图像 | NA |
| 20548 | 2024-08-27 |
Federated Learning: A Cross-Institutional Feasibility Study of Deep Learning Based Intracranial Tumor Delineation Framework for Stereotactic Radiosurgery
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28950
PMID:37572087
|
研究论文 | 本研究探讨了联邦学习（FL）在立体定向放射手术（SRS）中基于深度学习的颅内肿瘤勾画框架的跨机构可行性 | 提出了一种联邦学习方案，解决了多机构研究中数据分散和隐私保护的问题 | 在台中荣民总医院的数据中，集中学习（CL）在使用双参数时显著优于联邦学习（FL） | 探索联邦学习在立体定向放射手术中肿瘤勾画方案的可行性 | 506和118名年龄在15-88岁和22-85岁的前庭神经鞘瘤患者；1069和256名年龄在12-91岁和23-85岁的脑膜瘤患者；574和705名年龄在26-92岁和28-89岁的脑转移瘤患者 | 机器学习 | 颅内肿瘤 | 深度学习 | CNN | 图像 | 506和118名前庭神经鞘瘤患者，1069和256名脑膜瘤患者，574和705名脑转移瘤患者 |
| 20549 | 2024-08-27 |
Detecting Adverse Pathology of Prostate Cancer With a Deep Learning Approach Based on a 3D Swin-Transformer Model and Biparametric MRI: A Multicenter Retrospective Study
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28963
PMID:37602942
|
研究论文 | 本研究开发了一种基于3D Swin-Transformer模型和双参数MRI的深度学习方法，用于检测前列腺癌患者的不良病理情况，并进行多中心回顾性研究 | 使用3D Swin-Transformer网络（TransNet）和结合临床特征的集成模型（TransCL）来提高检测不良病理情况的准确性 | 研究为回顾性且涉及多中心数据，可能存在数据偏差 | 开发和比较深度学习模型与临床模型及放射科医生解读在检测前列腺癌不良病理情况中的性能 | 616名接受根治性前列腺切除术的患者 | 机器学习 | 前列腺癌 | 双参数MRI | Swin-Transformer | 影像 | 616名患者，分为训练组508人和外部验证组108人 |
| 20550 | 2024-08-27 |
Automatic Detection of Perilunate and Lunate Dislocations on Wrist Radiographs Using Deep Learning
2024-Jun-01, Plastic and reconstructive surgery
IF:3.2Q1
DOI:10.1097/PRS.0000000000010928
PMID:37467052
|
研究论文 | 本研究使用深度学习算法自动检测手腕侧位X光片中的月骨周围和月骨脱位 | 开发了一种新颖的深度学习算法，用于诊断手腕侧位X光片中的月骨周围和月骨脱位，有望提高临床敏感性，最终防止这些损伤的延迟或漏诊 | 未提及具体限制 | 利用计算机视觉技术提高月骨周围和月骨脱位的诊断性能 | 手腕侧位X光片中的月骨周围和月骨脱位 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 435张手腕侧位X光片 |
| 20551 | 2024-08-27 |
Assessing the Accuracy and Reproducibility of PARIETAL: A Deep Learning Brain Extraction Algorithm
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.27776
PMID:34137113
|
研究论文 | 评估PARIETAL这一深度学习脑提取算法的准确性和可重复性 | PARIETAL算法能够在不同磁共振成像设备和协议下保持高性能，无需重新训练或微调 | NA | 展示并评估PARIETAL这一预训练的深度学习脑提取方法的临床使用效果 | PARIETAL算法的可重复性和在不同制造商扫描仪间的鲁棒性 | 机器学习 | NA | 磁共振成像(MRI) | 深度学习 | 图像 | 21名受试者（12名女性），年龄范围22-48岁，使用三种不同的MRI扫描仪 |
| 20552 | 2024-08-07 |
Editorial for "3D Breast Cancer Segmentation in DCE-MRI Using Deep Learning With Weak Annotation"
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28957
PMID:37578324
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20553 | 2024-08-27 |
3D Breast Cancer Segmentation in DCE-MRI Using Deep Learning With Weak Annotation
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28960
PMID:37596823
|
研究论文 | 本文开发了一种使用弱注释的深度学习模型，用于在动态对比增强磁共振成像（DCE-MRI）中进行三维乳腺癌分割 | 使用弱注释方法节省时间和精力，并开发了基于3D U-Net transformer（UNETR）的深度学习模型 | NA | 开发一种可靠的深度学习模型，用于在DCE-MRI中进行三维乳腺癌分割 | 736名乳腺癌女性患者的数据 | 数字病理学 | 乳腺癌 | DCE-MRI | 3D U-Net transformer (UNETR) | 图像 | 736名乳腺癌女性患者，分为开发集（544名）和测试集（192名） |
| 20554 | 2024-08-07 |
Editorial for "Detecting Adverse Pathology of Prostate Cancer With a Deep Learning Approach Based on a 3D Swin-Transformer Model and Biparametric MRI: A Multicenter Retrospective Study"
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28956
PMID:37639187
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20555 | 2024-08-07 |
Editorial for "Deep Learning-Based T2-Weighted MR Image Quality Assessment and Its Impact on Prostate Cancer Detection Rates"
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29033
PMID:37787598
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20556 | 2024-08-07 |
Editorial for "Assessment of Lymphovascular Invasion in Breast Cancer Using a Combined MRI Morphological Features, Radiomics, and Deep Learning Approach Based on Dynamic Contrast-Enhanced MRI"
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29065
PMID:37855435
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20557 | 2024-08-27 |
Assessment of Lymphovascular Invasion in Breast Cancer Using a Combined MRI Morphological Features, Radiomics, and Deep Learning Approach Based on Dynamic Contrast-Enhanced MRI
2024-06, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29060
PMID:37855421
|
研究论文 | 本研究开发了一种结合MRI形态学特征、放射组学和深度学习方法的模型，用于评估乳腺癌中的淋巴血管侵犯（LVI）状态。 | 本研究通过结合MRI形态学特征、放射组学和深度学习方法，开发了一种新的联合诊断模型，显著提高了LVI状态评估的准确性。 | 本研究为回顾性横断面队列研究，未来需要在前瞻性研究中验证模型的有效性。 | 开发一种有效的模型，用于通过MRI形态学特征、放射组学和深度学习方法评估乳腺癌患者的LVI状态。 | 乳腺癌患者的淋巴血管侵犯（LVI）状态。 | 数字病理学 | 乳腺癌 | 动态对比增强MRI（DCE-MRI） | 深度学习（DL） | 图像 | 206名乳腺癌患者，其中训练集136名，测试集70名。 |
| 20558 | 2024-08-27 |
Deep Learning Assessment of Small Renal Masses at Contrast-enhanced Multiphase CT
2024-05, Radiology
IF:12.1Q1
DOI:10.1148/radiol.232178
PMID:38742970
|
研究论文 | 本文开发并验证了一种深度学习算法，用于在增强多相CT中识别良性小肾肿块 | 该研究首次开发并验证了一种基于多相CT的深度学习算法，用于识别良性小肾肿块，包括1厘米或更小的病变 | NA | 开发并验证一种深度学习算法，用于在增强多相CT中识别良性小肾肿块 | 小肾肿块的准确表征 | 计算机视觉 | 泌尿系统疾病 | 深度学习 | 深度学习算法 | 影像 | 共评估了1703名患者，包括1063个病变（训练集874个，内部测试集189个），多中心外部测试集537个病变，前瞻性测试集103个病变 |
| 20559 | 2024-08-27 |
Editorial for "Preoperative Discrimination of CDKN2A/B Homozygous Deletion Status in Isocitrate Dehydrogenase-Mutant Astrocytoma: A Deep Learning-Based Radiomics Model Using MRI"
2024-05, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28846
PMID:37306402
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 20560 | 2024-08-27 |
Multitask Deep Learning-Based Whole-Process System for Automatic Diagnosis of Breast Lesions and Axillary Lymph Node Metastasis Discrimination from Dynamic Contrast-Enhanced-MRI: A Multicenter Study
2024-05, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28913
PMID:37497811
|
研究论文 | 本研究开发了一个基于深度学习的全过程系统（DLWPS），用于从动态对比增强磁共振成像（DCE-MRI）中自动诊断乳腺病变和区分腋窝淋巴结（ALN）转移 | DLWPS结合了注意力模块和边缘特征提取模块，提高了乳腺病变和ALN转移诊断的准确性，并改善了放射科医生的诊断一致性 | NA | 开发一个深度学习系统，用于自动诊断乳腺病变和区分腋窝淋巴结转移 | 乳腺病变和腋窝淋巴结转移的诊断 | 机器学习 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | U-Net框架 | 图像 | 1760名乳腺患者，分为训练和验证集（1110名患者），内部测试集（476名患者）和外部测试集（174名患者） |