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 24513 篇文献，本页显示第 21001 - 21020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21001 | 2024-08-05 |
Introducing enzymatic cleavage features and transfer learning realizes accurate peptide half-life prediction across species and organs
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae350
PMID:39038937
|
研究论文 | 本文提出了一种新一代基于人工智能的系统，用于准确预测肽药物的半衰期 | 引入了酶裂解特征与传统肽特征相结合，构建了更好的表示，并通过迁移学习提高了预测准确性 | NA | 研究肽药物的半衰期预测，促进肽药物的发展 | 天然和修饰肽的半衰期，涉及人类和小鼠两种物种以及血液和肠道两个器官 | 机器学习 | NA | NA | 深度学习模型，融合迁移学习 | NA | NA |
| 21002 | 2024-08-05 |
Discovering predisposing genes for hereditary breast cancer using deep learning
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae346
PMID:39038933
|
研究论文 | 本文探讨了利用深度学习发现遗传性乳腺癌的易感基因 | 提出了一种新的高通量变异分析管道，适用于家族研究，并采用先进的机器学习模型和三维蛋白质结构分析技术 | 研究样本主要集中在中东背景的12个家庭，可能限制了结果的广泛适用性 | 识别导致家族性乳腺癌的易感基因 | 分析了来自12个家庭的稀有错义变异 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 变异数据 | 1218个稀有错义变异 |
| 21003 | 2024-08-05 |
Enhancing multi-class lung disease classification in chest x-ray images: A hybrid manta-ray foraging volcano eruption algorithm boosted multilayer perceptron neural network approach
2024-May-16, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2350579
PMID:38753162
|
研究论文 | 本研究提出了一种混合鯨鯊觅食火山喷发算法增强的多层感知器神经网络方法，用于多类肺疾病的分类 | 提出了一种新的混合算法以优化多层感知器的参数，并提高多类肺疾病的分类准确率 | 仍需解决稳定性和类别不平衡的问题 | 旨在提高胸部X光图像中多类肺疾病的分类准确性 | 研究对象为COVID-19、肺炎、结核（TB）和正常的胸部X光图像 | 计算机视觉 | 肺癌 | 多层感知器神经网络（MPNN）、ADKF、TF-IDF | 多层感知器神经网络（MPNN） | 图像 | 来自Covid-Chest X-ray数据集的胸部X光图像 |
| 21004 | 2024-08-05 |
CAT-DTI: cross-attention and Transformer network with domain adaptation for drug-target interaction prediction
2024-Apr-02, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05753-2
PMID:38566002
|
研究论文 | 本文提出了一种基于跨注意力和变换器的药物-靶标互动预测模型CAT-DTI | 该模型通过领域适应能力改善了药物-靶标互动的预测精度，特别是在处理分布外数据时表现出色 | 研究中未提及具体的样本量和数据集的多样性 | 提升药物-靶标互动预测的准确性和效率 | 药物和蛋白质的特征表示及其互动特征 | 机器学习 | NA | 卷积神经网络与变换器 | 跨注意力模型 | NA | NA |
| 21005 | 2024-08-05 |
Interpretable deep learning methods for multiview learning
2024-Feb-14, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05679-9
PMID:38350879
|
研究论文 | 提出了一种名为iDeepViewLearn的可解释深度学习方法，用于多视图学习。 | iDeepViewLearn结合了深度学习的灵活性与数据驱动和知识驱动的特征选择统计优势，提供了可解释的结果。 | 对于小样本量的问题的优势可能在于与其他深度学习方法的比较中，但具体的限制未详细说明。 | 研究在多视图数据中捕获非线性关系并实现特征选择的深度学习方法。 | 模拟数据和三种真实数据用于分类、聚类和重建任务。 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度神经网络 | 图像 | 小到中等样本量 |
| 21006 | 2024-08-05 |
A deep learning approach to personality assessment: Generalizing across items and expanding the reach of survey-based research
2024-Feb, Journal of personality and social psychology
IF:6.4Q1
DOI:10.1037/pspp0000480
PMID:37676124
|
研究论文 | 本研究利用深度学习方法对个性评估进行研究，解决了传统评估方法的限制。 | 通过使用深度神经网络提取问卷项目的嵌入表示，该方法能够推断未被评估的新项目，展现出新的可扩展、成本效益高的心理测量方法。 | 未提及具体的局限性 | 研究如何通过深度语言模型的语言个性描述表示来建模和预测多种个性特征。 | 问卷项目及与个性相关的心理结构。 | 自然语言处理 | NA | 深度学习 | 深度神经网络 | 文本 | 与调查参与者评分相同的任务中与人类评审者的准确性相当的项，具体样本量未说明 |
| 21007 | 2024-08-05 |
GAN-Based Motion Artifact Correction of 3D MR Volumes Using an Image-to-Image Translation Algorithm
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3007743
PMID:39041007
|
研究论文 | 该研究介绍了一种基于3D深度学习框架的脑部MRI体积运动伪影修复新方法 | 引入了增量密集连接的3D U-net架构，并结合GAN-informed训练和新颖的体积重建损失函数 | NA | 提升受运动伪影影响的脑部MRI的图像质量 | 运动伪影影响的脑部MRI体积 | 计算机视觉 | NA | 深度学习 | 3D U-net, GAN | MRI图像 | 多样的受运动伪影影响的MRI体积 |
| 21008 | 2024-08-05 |
CCL-DTI: contributing the contrastive loss in drug-target interaction prediction
2024-Jan-30, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05671-3
PMID:38291364
|
研究论文 | 本文提出了一种基于对比损失的药物-靶标相互作用预测模型 | 引入对比损失函数以提高深度学习模型在药物-靶标相互作用预测中的性能 | 未提及特定的局限性 | 研究如何通过利用对比损失函数改进药物-靶标相互作用预测模型 | 研究对象为药物分子和蛋白质序列 | 计算机视觉 | NA | 深度学习 | 注意力机制融合模型 | 多模态知识 | 使用四个知名数据集进行评估 |
| 21009 | 2024-08-05 |
Deep learning-based synthetic dose-weighted LET map generation for intensity modulated proton therapy
2024-Jan-05, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad154b
PMID:38091613
|
研究论文 | 该文章提出了一种基于深度学习的框架，用于从剂量分布图预测合成的质量能量转移 (LET) 分布图 | 使用CycleGAN模型显著提高了LET图生成的速度和准确性，优于其他基于GAN的模型 | 使用深度学习模型的有效性在不同的临床设置中可能需要进一步验证 | 旨在改进质子治疗的计划，通过更好地考虑可变的相对生物效能(RBE) | 研究对象为质子治疗中的剂量分布图 | 数字病理学 | NA | 深度学习 | CycleGAN | 剂量分布图 | NA |
| 21010 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: a two-center study
2024-Jan-03, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.11.01.23297935
PMID:37961086
|
研究论文 | 本研究开发了一个自动化的管道，用于分割小儿弥漫性中线胶质瘤的亚区域，并选择预测患者总生存期的影像组学特征 | 通过使用机器学习和MRI影像组学，该研究为预测小儿病人总生存期提供了一种新的非侵入性方法 | 研究中样本量相对较小，仅涵盖了69名患者，且仅通过两个中心的数据进行验证 | 研究的目的是预测小儿弥漫性中线胶质瘤患者的总生存期 | 研究对象为小儿弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI，机器学习 | 深度学习模型 | 影像 | 53名内部队列和16名外部队列患者 |
| 21011 | 2024-08-05 |
Early prognostication of overall survival for pediatric diffuse midline gliomas using MRI radiomics and machine learning: A two-center study
2024 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdae108
PMID:39027132
|
研究论文 | 本文开发了一种自动化管道，通过MRI放射组学和机器学习预测儿童弥漫性中线胶质瘤的整体生存率 | 提出了一种新的基于MRI放射组学和深度学习模型的生存率预测方法 | 研究样本量较小，可能影响结果的普适性 | 研究旨在预测儿童弥漫性中线胶质瘤患者的整体生存率 | 研究对象为儿童弥漫性中线胶质瘤患者 | 机器学习 | NA | MRI放射组学 | 深度学习模型 | 医学影像 | 69个样本，53个来自内部队列，16个来自外部队列 |
| 21012 | 2024-08-05 |
Detection of Alzheimer's disease using Otsu thresholding with tunicate swarm algorithm and deep belief network
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1380459
PMID:39045216
|
研究论文 | 本文提出了一种自动化框架用于早期检测阿尔茨海默病。 | 提出使用Tunicate Swarm Algorithm优化Otsu阈值方法来提高阿尔茨海默病的图像分类准确率。 | 本文未提及特定样本的限制和研究的普适性问题。 | 研究阿尔茨海默病的早期检测方法，以降低死亡率。 | 使用结构磁共振成像(sMRI)图像检测阿尔茨海默病。 | 数字病理学 | 阿尔茨海默病 | 结构磁共振成像(sMRI) | 深度信念网络(DBN) | 图像 | 使用了阿尔茨海默病神经影像倡议(ADNI)和澳大利亚成像、标志物与生活方式旗舰研究(AIBL)数据集 |
| 21013 | 2024-08-05 |
StripeRust-Pocket: A Mobile-Based Deep Learning Application for Efficient Disease Severity Assessment of Wheat Stripe Rust
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0201
PMID:39044844
|
研究论文 | 本研究提出了一个基于移动设备的深度学习应用程序，用于有效评估小麦条锈病的病害严重性 | StripeRust-Pocket应用程序结合了模型辅助标注和深度学习技术，能够在复杂背景下准确量化病害严重性，并大幅缩短标注时间 | NA | 提供一种高效实用的小麦条锈病严重性评估解决方案 | 小麦条锈病叶片图像 | 计算机视觉 | NA | 深度学习 | StripeRustNet（包含MobileNetV2-DeepLabV3+和ResNet50-DeepLabV3+） | 图像 | 100张田间图像及自收集的数据集 |
| 21014 | 2024-08-05 |
Shape-position perceptive fusion electronic skin with autonomous learning for gesture interaction
2024, Microsystems & nanoengineering
IF:7.3Q1
DOI:10.1038/s41378-024-00739-9
PMID:39045231
|
研究论文 | 提出了一种感知融合电子皮肤，实现手势交互的自主学习 | 开发了具有生物启发层次结构的感知融合电子皮肤，通过磁致伸缩合金膜的磁化状态实现对关节形状和位置的双重信息感知 | 佩戴应用的计算能力有限，可能影响深度学习网络的部署和多模态传感数据的融合 | 旨在提升可穿戴设备在人机交互中的手势识别和触觉反馈能力 | 研究目标是手部的关节运动与感知信息的映射 | 数字病理学 | NA | NA | 教师模型 | 信号信息 | NA |
| 21015 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-Dec, Advances in neural information processing systems
PMID:39005944
|
研究论文 | 本文介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 引入了一种整合视线相关视觉输入和行为及时间动态的新模型，揭示了小鼠V1的行为变量混合选择性 | 模型的应用可能局限于特定的行为状态和视觉输入类型 | 研究自由移动小鼠的V1活动与自然视觉输入及行为变量之间的关系 | 自由移动的小鼠及其视觉皮层活动 | 计算机视觉 | NA | 递归神经网络 | 多模态递归神经网络 | 视觉数据 | NA |
| 21016 | 2024-08-05 |
Real-time guidance by deep learning of experienced operators to improve the standardization of echocardiographic acquisitions
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad040
PMID:39045079
|
研究论文 | 本文研究实时深度学习指导的经验丰富的超声技师改善心脏超声采集标准化的效果 | 通过实时深度学习指导超声技师，提高心脏超声采集的标准化程度 | 本文未评估由经验较少的操作员使用深度学习指导的影响 | 旨在改善心脏超声的标准化，以减少操作员之间的变异性 | 88名心律正常的患者，进行心脏超声检查 | 医学影像学 | 心血管疾病 | 深度学习 | NA | 超声波影像 | 88名患者 |
| 21017 | 2024-08-07 |
Deep learning-based computed tomography quantification of left ventricular mass
2023-Sep, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad043
PMID:39045069
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 21018 | 2024-08-05 |
Unsupervised deep learning-based displacement estimation for vascular elasticity imaging applications
2023-07-24, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace0f0
PMID:37348487
|
研究论文 | 本文提出了一种基于无监督深度学习的血管壁位移估计方法 | 创新性地应用无监督深度学习方法提高血管壁位移估计的质量 | 未在真实病例中进行广泛测试 | 旨在提高血管弹性成像的准确性和分辨率 | 研究对象包括人类颈动脉及其脉搏波传播的跟踪 | 数字病理学 | 心血管疾病 | 超声弹性成像 | 深度学习网络 | 图像，超声RF信号 | 通过模型训练涉及多种超声数据集，具体样本数未说明 |
| 21019 | 2024-08-05 |
Multimodal Deep Learning Model Unveils Behavioral Dynamics of V1 Activity in Freely Moving Mice
2023-May-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.05.30.542912
PMID:37398256
|
研究论文 | 本研究介绍了一种多模态递归神经网络，用于解释自由移动小鼠的V1活动 | 提出了一种新的多模态深度学习模型，能够结合视觉输入与行为和时间动态来预测小鼠视觉皮层的活动 | 该研究结果可能仅适用于小鼠，不适用于其他物种的视觉皮层活动预测 | 探讨小鼠视觉皮层中自然视觉输入与行为变量如何整合以产生神经反应 | 自由移动小鼠的视觉皮层V1活动 | 计算机视觉 | NA | 深度卷积神经网络 (CNN) 和递归神经网络 | 递归神经网络 | 视觉数据 | 自由移动小鼠的行为数据 |
| 21020 | 2024-08-05 |
Real-time guiding by deep learning during echocardiography to reduce left ventricular foreshortening and measurement variability
2023-May, European heart journal. Imaging methods and practice
DOI:10.1093/ehjimp/qyad012
PMID:39044792
|
研究论文 | 本文探讨了在超声心动图过程中使用深度学习进行实时指导以减少左心室缩短和测量变异性。 | 研究首次将实时深度学习指导应用于超声心动图，以提高图像标准化和降低测量变异性。 | 实时指导对经验丰富的操作员间变异性的影响较小。 | 研究实时深度学习指导在超声心动图中对左心室缩短和观察者间变异性的影响。 | 纳入88名在窦律下进行超声心动图检查的患者。 | 数字病理学 | 心血管疾病 | 深度学习 | NA | 图像 | 88名患者 |