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 34204 篇文献，本页显示第 21821 - 21840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21821 | 2024-12-09 |
Deep learning-enabled detection of rare circulating tumor cell clusters in whole blood using label-free, flow cytometry
2024-04-16, Lab on a chip
IF:6.1Q2
DOI:10.1039/d3lc00694h
PMID:38456773
|
研究论文 | 本文介绍了一种基于深度学习的无标记流式细胞术，用于在全血中检测罕见的循环肿瘤细胞簇 | 本文扩展了基于深度学习的峰值检测和分类模型，用于检测全血数据中的循环肿瘤细胞簇，相比传统的机器学习方法，具有更低的误报率和更高的检测精度 | 本文未详细讨论该技术的临床应用和实际操作中的挑战 | 开发一种高效、无标记的方法来检测全血中的循环肿瘤细胞簇，以作为转移性肿瘤的潜在生物标志物 | 循环肿瘤细胞簇 | 机器学习 | NA | 流式细胞术 | 深度学习 | 全血数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 21822 | 2024-12-09 |
FiTMuSiC: leveraging structural and (co)evolutionary data for protein fitness prediction
2024-04-16, Human genomics
IF:3.8Q2
DOI:10.1186/s40246-024-00605-9
PMID:38627807
|
研究论文 | 本文介绍了一种新的蛋白质适应性预测工具FiTMuSiC，利用结构、进化和共进化信息进行预测 | FiTMuSiC在第六轮基因组解释挑战（CAGI6）中表现优异，预测准确性高，且模型简单，能够与复杂的深度学习模型如AlphaMissense相媲美 | NA | 系统预测突变对蛋白质适应性的影响，以理解遗传疾病 | 蛋白质适应性预测 | 生物信息学 | NA | NA | NA | 结构数据、进化数据、共进化数据 | 涉及多个蛋白质目标，如羟甲基胆红素合酶（HMBS）和人类葡萄糖激酶（GCK） | NA | NA | NA | NA |
| 21823 | 2024-12-09 |
Deep learning predictions of TCR-epitope interactions reveal epitope-specific chains in dual alpha T cells
2024-Apr-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47461-8
PMID:38615042
|
研究论文 | 研究开发了一种名为MixTCRpred的深度学习模型，用于预测TCR与表位的相互作用，并揭示了双α链T细胞中的表位特异性链 | 开发了MixTCRpred模型，能够准确预测TCR识别多种病毒和癌症表位，并提供了多重单细胞TCR测序的质量控制工具 | NA | 开发一种工具来预测TCR与特定表位的相互作用，并解释来自批量和表位特异性T细胞的TCR测序数据 | TCR与表位的相互作用，以及双α链T细胞中的表位特异性链 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | 17,715个αβTCR与数十个I类和II类表位的相互作用数据 | NA | NA | NA | NA |
| 21824 | 2024-12-09 |
AcquisitionFocus: Joint Optimization of Acquisition Orientation and Cardiac Volume Reconstruction Using Deep Learning
2024-Apr-04, Sensors (Basel, Switzerland)
DOI:10.3390/s24072296
PMID:38610507
|
研究论文 | 本文提出了一种深度学习模型，用于在心脏电影成像中联合优化采集方向和心脏体积重建 | 本文的创新点在于使用深度学习模型同时优化切片采集方向和心脏体积重建，以减少采集时间和提高数据质量 | NA | 评估在最小采集时间内整个心脏运动的形状重建质量 | 心脏体积形状和切片采集方向 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 多个心脏腔室的体积形状 | NA | NA | NA | NA |
| 21825 | 2024-12-09 |
Distribution-Agnostic Deep Learning Enables Accurate Single-Cell Data Recovery and Transcriptional Regulation Interpretation
2024-Apr, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202307280
PMID:38380499
|
研究论文 | 本文开发了一种分布无关的深度学习模型Bis，用于准确恢复单细胞基因表达数据并解释转录调控 | Bis模型采用最优传输自动编码器，能够捕捉单细胞RNA测序数据的复杂分布，并通过正则化细胞嵌入空间来处理数据稀疏性 | NA | 解决单细胞RNA测序中基因表达值缺失的问题，并提高数据恢复的准确性 | 单细胞基因表达数据 | 机器学习 | NA | 单细胞RNA测序 | 自动编码器 | 基因表达数据 | NA | NA | NA | NA | NA |
| 21826 | 2024-12-09 |
Deep learning-assisted low-cost autofluorescence microscopy for rapid slide-free imaging with virtual histological staining
2024-Apr-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.515018
PMID:38633074
|
研究论文 | 本文提出了一种基于深度学习的低成本自荧光显微镜技术，用于快速无载玻片成像并实现虚拟组织学染色 | 使用低成本的发光二极管（LED）替代昂贵的紫外线激光器，并通过深度学习框架增强宽场显微镜成像效果 | NA | 改进组织学工作流程，降低成像成本并提高成像速度 | 无载玻片成像技术及虚拟组织学染色 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 21827 | 2024-12-09 |
Improving the performance of supervised deep learning for regulatory genomics using phylogenetic augmentation
2024-03-29, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae190
PMID:38588559
|
研究论文 | 本文探讨了使用进化相关序列进行数据增强以提高监督深度学习模型在调控基因组学中的性能 | 提出了一种名为进化增强的数据增强方法，通过引入其他物种的进化相关序列来提高模型性能 | 未提及 | 提高监督深度学习模型在调控基因组学中的性能 | 调控基因组序列及其功能 | 基因组学 | NA | 监督深度学习 | 深度学习模型 | 基因组序列 | 未提及具体数量 | NA | NA | NA | NA |
| 21828 | 2024-12-09 |
Infodemiology of Influenza-like Illness: Utilizing Google Trends' Big Data for Epidemic Surveillance
2024-Mar-27, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13071946
PMID:38610711
|
研究论文 | 本研究利用Google Trends的大数据和气候变量，通过多重回归模型分析流感样疾病（ILI）的流行模式 | 本研究首次将Google Trends搜索数据与气候变量结合，用于预测流感样疾病的流行趋势，并发现温度是关键预测因素 | 本研究仅限于分析特定关键词和气候变量对ILI的影响，未考虑其他可能的影响因素 | 研究如何利用Google Trends和气候数据预测流感样疾病的流行趋势，以辅助政府决策 | 流感样疾病（ILI）的流行趋势及其与Google Trends搜索数据和气候变量的关系 | NA | NA | 多重回归分析 | ARIMA | 文本 | NA | NA | NA | NA | NA |
| 21829 | 2024-12-09 |
Classifying forensically important flies using deep learning to support pathologists and rescue teams during forensic investigations
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0314533
PMID:39637032
|
研究论文 | 本文提出使用计算机视觉和深度学习技术对法医重要蝇类进行分类，以支持法医调查和救援团队 | 利用深度学习模型对蝇类进行高效准确的分类，特别是在危机情况下使用无人机进行搜索 | NA | 开发一种深度学习模型，用于在法医昆虫学中对蝇类进行分类，以支持法医调查和救援行动 | 法医重要蝇类，包括Calliphoridae、Sarcophagidae、Rhiniidae及其属Chrysomya、Lucilia、Sarcophaga、Rhiniinae和Stomorhina | 计算机视觉 | NA | 深度学习 | MobileNetV3-Large和VGG19 | 图像 | NA | NA | NA | NA | NA |
| 21830 | 2024-12-09 |
Effective feature selection based HOBS pruned- ELM model for tomato plant leaf disease classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315031
PMID:39637070
|
研究论文 | 本文提出了一种基于HOBS修剪的ELM模型，用于番茄植物叶片病害的实时分类 | 采用大象群优化算法选择相关特征，并结合HOBS和修剪的ELM优化网络参数，显著减少了计算复杂性和模型大小 | NA | 构建一种轻量级的卷积神经网络架构，用于番茄植物叶片病害的实时分类 | 番茄植物叶片的病害分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 8000张番茄植物叶片图像，涵盖10个不同类别 | NA | NA | NA | NA |
| 21831 | 2024-12-09 |
geodl: An R package for geospatial deep learning semantic segmentation using torch and terra
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315127
PMID:39637071
|
研究论文 | 介绍了一个名为geodl的R包，用于在R语言环境中进行地理空间深度学习语义分割 | geodl是首个在R语言中实现地理空间深度学习的包，基于torch和terra包，简化了软件环境需求 | NA | 开发一个在R语言中实现地理空间深度学习的工具包 | 地理空间数据和地球科学数据 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 21832 | 2024-12-09 |
Managing linguistic obstacles in multidisciplinary, multinational, and multilingual research projects
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311967
PMID:39637194
|
研究论文 | 本文通过实证方法探讨了多学科、多国和多语言研究项目中术语混淆的来源及其影响 | 本文通过对比两个不同团队的经验，识别并分类了术语障碍，并提出了六项改进建议 | 本文的建议基于单一经验，需要进一步讨论和测试 | 探讨多学科、多国和多语言研究项目中的术语障碍及其解决方案 | 多学科、多国和多语言研究团队中的术语障碍 | 自然语言处理 | NA | 深度学习（人工智能） | NA | 文本 | 两个团队的经验 | NA | NA | NA | NA |
| 21833 | 2024-12-09 |
A comprehensive review of the recent advances on predicting drug-target affinity based on deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1375522
PMID:38628639
|
综述 | 本文综述了基于深度学习的药物-靶点亲和力预测的最新进展 | 深度学习在计算生物学中的应用，特别是药物-靶点亲和力预测方面的新方法 | NA | 帮助研究人员理解现有方法的优缺点，并开发高精度的药物-靶点亲和力预测工具 | 药物-靶点亲和力预测 | 机器学习 | NA | 深度学习 | CNN, RNN, Transformer, GNN | 序列和结构数据 | NA | NA | NA | NA | NA |
| 21834 | 2024-12-09 |
GSB: GNGS and SAG-BiGRU network for malware dynamic detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0298809
PMID:38635682
|
研究论文 | 本文提出了一种基于GNGS和SAG-BiGRU网络的恶意软件动态检测方法 | 创新点在于使用GNGS算法构建新的平衡数据集，并通过SAG-BiGRU网络提取局部和全局特征，提高少数类别恶意软件的检测率 | NA | 解决恶意软件检测中数据分布不平衡问题，提高少数类别恶意软件的检测率 | 恶意软件及其变种的动态检测 | 机器学习 | NA | GNGS, SAG, BiGRU | SAG-BiGRU网络 | 数据集 | 使用阿里巴巴云数据集进行恶意软件多分类实验 | NA | NA | NA | NA |
| 21835 | 2024-12-09 |
Computational Language Modeling and the Promise of In Silico Experimentation
2024, Neurobiology of language (Cambridge, Mass.)
DOI:10.1162/nol_a_00101
PMID:38645624
|
研究论文 | 本文讨论了基于深度学习的编码模型在语言神经科学中的应用，提出了一种新的计算实验范式 | 提出了基于深度学习的编码模型，结合了受控实验的可解释性和自然刺激实验的广泛适用性 | 讨论了该方法的优缺点，指出其局限性 | 探讨计算语言建模和计算机实验在语言神经科学中的潜力 | 语言神经科学中的实验范式 | 自然语言处理 | NA | 深度学习 | 编码模型 | 文本 | NA | NA | NA | NA | NA |
| 21836 | 2024-12-09 |
Deep learning based tomosynthesis denoising: a bias investigation across different breast types
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064003
PMID:38074628
|
研究论文 | 本文提出了一种基于深度学习的数字乳腺断层合成（DBT）去噪算法，并研究了其在不同乳腺类型中的潜在偏差 | 本文设计了一种基于物理驱动的数据增强方法和专门用于乳腺图像去噪的ReLU损失函数，以提高去噪效果 | 本文仅在临床和模拟数据上进行了测试，未涵盖所有可能的乳腺类型和剂量分布 | 评估深度学习去噪算法在不同乳腺类型中的有效性和公平性 | 数字乳腺断层合成（DBT）图像的去噪效果 | 计算机视觉 | NA | 深度学习 | 编码器-解码器网络 | 图像 | 临床数据和模拟数据 | NA | NA | NA | NA |
| 21837 | 2024-12-09 |
In silico spectral libraries by deep learning facilitate data-independent acquisition proteomics
2020-01-09, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-019-13866-z
PMID:31919359
|
研究论文 | 本文提出了一种基于深度学习的计算光谱库生成方法DeepDIA，用于数据独立采集（DIA）蛋白质组学分析 | DeepDIA能够生成与实验光谱库质量相当甚至更好的计算光谱库，并能直接从蛋白质序列数据库中构建光谱库，突破了依赖数据依赖采集（DDA）实验的限制 | NA | 开发一种新的方法来生成计算光谱库，以促进DIA蛋白质组学分析 | 人类血清样本中的肽和蛋白质 | 蛋白质组学 | NA | 数据独立采集（DIA） | 深度学习模型 | 蛋白质序列数据库 | 人类血清样本 | NA | NA | NA | NA |
| 21838 | 2024-12-08 |
Comparison of veterinarians and a deep learning tool in the diagnosis of equine ophthalmic diseases
2025-Jan, Equine veterinary journal
IF:2.4Q1
DOI:10.1111/evj.14087
PMID:38567426
|
研究论文 | 比较兽医和深度学习工具在马眼科疾病诊断中的表现 | 开发了一种用于马眼科疾病诊断的深度学习工具，并评估了其在诊断准确性上与兽医的比较 | 诊断仅基于马眼的图像，无法评估眼睛内部情况 | 比较兽医和深度学习工具在马眼科疾病诊断中的准确性 | 马眼科疾病，特别是葡萄膜炎 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 (CNN) | 图像 | 40张马眼照片，其中10张健康，12张葡萄膜炎，18张其他疾病 | NA | NA | NA | NA |
| 21839 | 2024-12-08 |
Evaluating chemical effects on human neural cells through calcium imaging and deep learning
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111298
PMID:39634567
|
研究论文 | 本研究利用深度学习模型分析了人诱导多能干细胞衍生的神经前体细胞在暴露于四种代表性化学物质后的钙动态变化 | 本研究开发了一种利用深度学习平台进行化学物质对人神经功能影响的初步筛选方法 | NA | 评估化学物质对人类神经细胞的影响 | 人诱导多能干细胞衍生的神经前体细胞 | 机器学习 | NA | 钙成像 | 深度学习模型 | 钙动态数据 | 暴露于不同浓度四种化学物质的人诱导多能干细胞衍生的神经前体细胞 | NA | NA | NA | NA |
| 21840 | 2024-12-08 |
Sunflower-like self-sustainable plant-wearable sensing probe
2024-Dec-06, Science advances
IF:11.7Q1
DOI:10.1126/sciadv.ads1136
PMID:39630896
|
研究论文 | 研究介绍了一种向日葵状的植物可穿戴传感设备，利用太阳能实现植物汁液流动的长期监测 | 该设备采用折叠式太阳能板和柔性电子元件，实现了完全的能量自给自足，并开发了低能耗的光通信机制 | NA | 开发一种自给自足的植物可穿戴传感设备，用于长期监测植物健康 | 植物汁液流动 | NA | NA | 太阳能技术 | 深度学习算法 | NA | NA | NA | NA | NA | NA |