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 24409 篇文献，本页显示第 22581 - 22600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22581 | 2024-08-05 |
Knowledge enhanced attention aggregation network for medicine recommendation
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 提出了一种基于注意力聚合网络和增强图卷积的药物推荐模型KEAN | KEAN聚合患者就诊中的个别诊断和程序，捕捉影响疾病的重要特征，并整合复杂药物组合的医学知识 | 没有提及具体的局限性 | 提高药物推荐的准确性和效果 | 患者的临床记录和药物推荐 | 自然语言处理 | NA | 图卷积 | 注意力聚合网络 | 临床记录数据 | MIMIC-III数据集 |
| 22582 | 2024-08-05 |
The prediction of pCR and chemosensitivity for breast cancer patients using DLG3, RADL and Pathomics signatures based on machine learning and deep learning
2024-Aug, Translational oncology
IF:4.5Q1
DOI:10.1016/j.tranon.2024.101985
PMID:38805774
|
研究论文 | 本研究旨在使用多组学特征预测接受新辅助化疗的乳腺癌患者的病理完全响应(pCR)及化疗敏感性 | 首次探讨了放射组学、病理组学特征与化疗敏感性之间的关系，开发多组学标志用于预测pCR | 研究为回顾性，多中心参与，可能受到选择偏倚的影响 | 评估多组学特征在乳腺癌患者新辅助化疗中的预测效用 | 311名接受新辅助化疗的恶性乳腺肿瘤患者 | 数字病理学 | 乳腺癌 | 机器学习（ML）和深度学习（DL）算法 | NA | 临床数据 | 311名乳腺癌患者 |
| 22583 | 2024-08-05 |
UmamiPreDL: Deep learning model for umami taste prediction of peptides using BERT and CNN
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种新的深度学习模型UmamiPreDL，用于预测肽的鲜味。 | 本研究使用生物序列转换器如ProtBert和ESM2作为特征编码器，并开发了4种模型架构，ProtBert-CNN模型的准确度达到了95%。 | 本研究可能在样本多样性和模型通用性方面存在一定限制，未在不同类型的肽上进行广泛测试。 | 研究鲜味预测模型，以提高食品工业中对鲜味成分的识别能力。 | 研究对象为肽及其对鲜味的影响。 | 机器学习 | NA | 深度学习 | CNN | NA | 使用5折交叉验证数据及独立数据进行测试，具体样本数量未明确 |
| 22584 | 2024-08-05 |
Cross vision transformer with enhanced Growth Optimizer for breast cancer detection in IoMT environment
2024-Aug, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文提出了一种新的技术，通过CrossViT和改进的Growth Optimizer算法提高乳腺癌检测的准确性 | 提出结合CNN和transformer的CrossViT模型，以及改进的Growth Optimizer算法用于特征选择 | 未提及具体的局限性 | 提高乳腺癌的检测准确性，帮助临床医生做出更准确的诊断 | 使用公共可用的乳腺癌数据集进行研究 | 计算机视觉 | 乳腺癌 | 深度学习 | CrossViT | 图像 | 使用三个公开的乳腺癌数据集进行评估 |
| 22585 | 2024-08-05 |
The application of artificial intelligence to accelerate G protein-coupled receptor drug discovery
2024-Jul, British journal of pharmacology
IF:6.8Q1
DOI:10.1111/bph.16140
PMID:37161878
|
研究论文 | 本文探讨了人工智能在G蛋白偶联受体（GPCR）药物发现中的应用 | 介绍了人工智能如何在药物发现的不同阶段提供支持，并总结了已有的应用案例 | 文章中提到的局限性需要更深入的研究以充分发挥人工智能的潜力 | 研究人工智能在G蛋白偶联受体药物发现过程中的作用和潜力 | G蛋白偶联受体及其配体相互作用的发现和临床反应预测 | 人工智能 | NA | 机器学习和深度学习 | NA | NA | NA |
| 22586 | 2024-08-05 |
Coordinate-wise monotonic transformations enable privacy-preserving age estimation with 3D face point cloud
2024-Jul, Science China. Life sciences
DOI:10.1007/s11427-023-2518-8
PMID:38573362
|
研究论文 | 本文提出了一种通过坐标单调变换进行隐私保护的面部年龄估计方法 | 创新在于开发了使用坐标单调变换的面部数据掩蔽方法，同时保留年龄相关特征 | 研究可能在处理面部形状信息时受到限制，机器仍可识别处理后的面部 | 研究旨在开发面部年龄估计模型，同时确保数据隐私 | 研究对象为非注册的面部点云数据 | 计算机视觉 | NA | 深度学习 | NA | 3D面部点云 | NA |
| 22587 | 2024-08-05 |
Self-supervised category selective attention classifier network for diabetic macular edema classification
2024-Jul, Acta diabetologica
IF:3.1Q2
DOI:10.1007/s00592-024-02257-6
PMID:38521818
|
研究论文 | 本研究旨在开发一种先进的模型用于糖尿病性黄斑水肿(DME)的分类。 | 提出了一种新颖的架构SSCSAC-Net，利用自监督学习和类别选择性注意机制，提高DME分类的精度。 | NA | 研究旨在使用深度学习技术改进DME的分类精度。 | 主要研究对象为糖尿病性黄斑水肿的图像分类。 | 数字病理学 | 糖尿病性黄斑水肿 | 深度学习 | SSCSAC-Net | 图像 | 使用多个基准数据集进行测试 |
| 22588 | 2024-08-07 |
Editorial for "Parallel CNN-Deep Learning Clinical-Imaging Signature for Assessing Pathologic Grade and Prognosis of Soft Tissue Sarcoma Patients"
2024-Jun-19, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29476
PMID:38896101
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22589 | 2024-08-05 |
Deep learning-based approach for 3D bone segmentation and prediction of missing tooth region for dental implant planning
2024-06-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64609-0
PMID:38880802
|
研究论文 | 本研究利用U-Net模型进行牙科CBCT扫描中缺失牙齿区域的骨骼分割和植牙位置预测 | 提出了一种基于深度学习的U-Net模型，针对牙科影像分析和植牙规划进行了创新应用 | 无相关限制信息 | 研究旨在提高牙科植牙规划的自动化水平 | 研究对象为Taibah大学牙科医院2018至2023年的CBCT数据集患者 | 数字病理 | NA | CBCT | U-Net | 影像 | NA |
| 22590 | 2024-08-05 |
Detection of Parkinson disease using multiclass machine learning approach
2024-06-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64004-9
PMID:38877028
|
研究论文 | 本研究使用机器学习和深度学习技术检测帕金森病。 | 提出了一种基于语音信号特征区分帕金森病患者和健康个体的方法，包括应用KNN和FNN模型。 | 样本数量相对较少，仅包含195个语音录音。 | 旨在通过声音信号的分析，及时检测帕金森病，以便有效管理疾病。 | 研究对象为31名帕金森病患者及其语音信号。 | 机器学习 | 帕金森病 | 机器学习、深度学习 | KNN、FNN | 语音 | 195个语音录音，来自31名患者 |
| 22591 | 2024-08-05 |
Deep cell phenotyping and spatial analysis of multiplexed imaging with TRACERx-PHLEX
2024-Jun-15, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48870-5
PMID:38879602
|
研究论文 | 本文介绍了一种名为TRACERx-PHLEX的深度细胞表型分析和空间分析的方法 | 该研究的创新点在于开发了一个基于深度学习的自动化计算管道，能够进行细胞分割、细胞类型注释和空间分析 | 在不同组织类型、固定条件、图像大小和抗体面板的评估中可能存在局限性 | 研究旨在提供一个可重复、全面且用户友好的多重成像计算管道 | 研究对象包括不同组织类型的细胞及其空间分布 | 数字病理学 | NA | 成像质谱细胞术 | 深度学习模型 | 图像 | NA |
| 22592 | 2024-08-05 |
Biomarker-based human and animal sperm phenotyping: the good, the bad and the ugly†
2024-Jun-12, Biology of reproduction
IF:3.1Q2
DOI:10.1093/biolre/ioae061
PMID:38640912
|
review | 本综述探讨了基于生物标志物的人类和动物精子表型分析的优缺点 | 文章创新地将下一代成像流式细胞术引入人类和动物精子分析中，结合机器学习和深度学习算法以提高诊断精度 | 文章中未详细论述每种生物标志物的临床应用案例 | 提高人类与经济重要动物精子的精子表型分析的精确度 | 人类及经济重要的牲畜动物的精子标志物 | 数字病理学 | NA | 流式细胞术，生物标志物成像 | NA | NA | NA |
| 22593 | 2024-08-05 |
A novel deep learning framework for accurate melanoma diagnosis integrating imaging and genomic data for improved patient outcomes
2024-Jun, Skin research and technology : official journal of International Society for Bioengineering and the Skin (ISBS) [and] International Society for Digital Imaging of Skin (ISDIS) [and] International Society for Skin Imaging (ISSI)
IF:2.0Q3
DOI:10.1111/srt.13770
PMID:38881051
|
研究论文 | 本研究提出了一种新的深度学习框架，通过整合成像和基因组数据来诊断黑色素瘤 | 采用结合多模态成像和基因组数据的深度神经网络进行黑色素瘤分类，可能提供比现有医学方法更可靠的诊断 | 该框架的应用需要在更大规模上进行验证，并需要更多临床试验来确立其有效性和可行性 | 研究目的是改进黑色素瘤的早期和准确诊断方法 | 研究对象为皮肤癌黑色素瘤的诊断与分类 | 计算机视觉 | 皮肤癌 | 深度神经网络 | 卷积神经网络和图神经网络 | 图像和基因组数据 | 包含皮肤镜图像、组织病理切片和基因组资料的数据集 |
| 22594 | 2024-08-05 |
Application of a novel deep learning-based 3D videography workflow to bat flight
2024-Jun, Annals of the New York Academy of Sciences
IF:4.1Q1
DOI:10.1111/nyas.15143
PMID:38652595
|
研究论文 | 本文提出了一种基于深度学习的3D视频拍摄流程，以研究飞行动物的生物力学细节 | 引入了深度学习驱动的自动数字化流程，结合质量指标进行过滤和纠正错误标记点 | 研究主要集中在蝙蝠的飞行上，可能不适用于其他动物的生物力学研究 | 提高飞行动物生物力学研究的数字化效率 | 主要研究对象为蝙蝠飞行 | 计算机视觉 | NA | 深度学习 | NA | 视频 | 四只蝙蝠 |
| 22595 | 2024-08-05 |
Perfect Match: Radiomics and Artificial Intelligence in Cardiac Imaging
2024-Jun, Circulation. Cardiovascular imaging
DOI:10.1161/CIRCIMAGING.123.015490
PMID:38889216
|
综述 | 本文探讨了放射组学与人工智能在心脏影像中的协同作用 | 提出了放射组学提取医疗影像中的定量特征与深度学习技术结合的潜力 | 讨论了使用放射组学和人工智能在临床应用中的挑战和局限性 | 增强心脏影像的诊断和预后能力 | 关注心血管疾病的影像学特征 | 数字病理学 | 心血管疾病 | 放射组学，深度学习 | 深度学习 | 医疗影像 | NA |
| 22596 | 2024-08-05 |
Emotion recognition for human-computer interaction using high-level descriptors
2024-05-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59294-y
PMID:38802373
|
研究论文 | 本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别 | 通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示 | 未提供关于数据集大小和多样性的详细信息 | 研究旨在提高对旁遮普语音信号情感的识别准确性 | 旁遮普语言使用者的语音 | 自然语言处理 | NA | 深度学习 | 卷积神经网络（CNN） | 语音 | 自定义数据集，来自多种旁遮普媒体来源 |
| 22597 | 2024-08-05 |
Deep learning for automatic detection of cephalometric landmarks on lateral cephalometric radiographs using the Mask Region-based Convolutional Neural Network: a pilot study
2024-05, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.02.003
PMID:38480069
|
研究论文 | 本研究探讨了使用Mask R-CNN在侧面头影测量放射线图像中自动检测颅面地标的有效性和可行性 | 首次应用深度学习的Mask R-CNN模型自动检测颅面地标，显著提高了检测效率和准确性 | 研究仅在侧面头影测量放射线图像上进行，可能无法推广到其他类型的影像数据 | 评估Mask R-CNN在颅面分析中自动检测地标的效果 | 使用400张侧面头影测量放射线图像及其手动标记的19个地标进行研究 | 计算机视觉 | NA | Mask R-CNN | 卷积神经网络 (CNN) | 图像 | 400张侧面头影测量放射线图像，标记了1520个地标 |
| 22598 | 2024-08-05 |
Distinct chemical environments in biomolecular condensates
2024-Mar, Nature chemical biology
IF:12.9Q1
DOI:10.1038/s41589-023-01432-0
PMID:37770698
|
研究论文 | 这篇文章探讨了生物分子凝聚体中的不同化学环境及其对分子分布的影响 | 文章首次表明不同的生物分子凝聚体具有独特的化学溶剂特性，并且可以通过深度学习方法预测探针在这些凝聚体内的选择性分配 | 在古典条件下对背景环境的影响未能详细探讨 | 研究无膜生物分子聚集体中分子的选择性包含机制 | 重点研究不同类型的生物分子凝聚体及其化学环境 | 数字病理学 | NA | 深度学习 | NA | 小分子探针 | NA |
| 22599 | 2024-08-05 |
Corrigendum: Deep learning or radiomics based on CT for predicting the response of gastric cancer to neoadjuvant chemotherapy: a meta-analysis and systematic review
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1433346
PMID:38846979
|
更正 | 该文章更正了之前发表的有关深度学习或基于CT的放射组学在预测胃癌对新辅助化疗反应的研究 | NA | NA | NA | NA | NA | 胃癌 | NA | NA | NA | NA |
| 22600 | 2024-08-05 |
Classification of white blood cells (leucocytes) from blood smear imagery using machine and deep learning models: A global scoping review
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0292026
PMID:38885231
|
评论 | 本文综述了机器学习和深度学习在血液涂片图像中白血球分类中的应用 | 首次系统评估机器学习和深度学习技术在白血球分类中的比较与选择 | 缺乏适当的数据集仍然是主要挑战，且对计算机科学研究人员的医学培训不够充分 | 全面识别、探索和对比白血球分类的机器学习和深度学习方法 | 136项关于白血球分类的基础研究 | 机器学习 | 血液疾病 | NA | CNN | 图像 | 136项研究，涵盖26个国家 |