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 24567 篇文献，本页显示第 12421 - 12440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12421 | 2024-11-19 |
Molecular origin of the differential stabilities of the protofilaments in different polymorphs: molecular dynamics simulation and deep learning
2024-Nov-17, Journal of biomolecular structure & dynamics
IF:2.7Q2
DOI:10.1080/07391102.2024.2427364
PMID:39552194
|
研究论文 | 研究了α-突触核蛋白片段在不同多晶型物中的原纤维稳定性差异的分子起源，通过分子动力学模拟和深度学习分析 | 利用深度神经网络（DNN）分析不同多晶型物的残基对及其空间接近性，揭示了分子排列差异对不同形式稳定性的关键作用 | NA | 探讨α-突触核蛋白片段在不同多晶型物中稳定性的分子基础 | α-突触核蛋白片段及其在不同多晶型物中的稳定性 | 分子动力学 | 帕金森病 | 分子动力学模拟 | 深度神经网络（DNN） | 分子结构数据 | NA |
| 12422 | 2024-11-19 |
Decoding face identity: A reverse-correlation approach using deep learning
2024-Nov-16, Cognition
IF:2.8Q1
DOI:10.1016/j.cognition.2024.106008
PMID:39550877
|
研究论文 | 本研究采用反向相关方法，利用深度卷积神经网络（DCNN）识别面部识别中的关键面部特征 | 本研究创新性地使用反向相关方法和深度学习技术，客观地识别面部识别中的关键特征，而非依赖主观判断 | NA | 探索面部识别中关键面部特征的识别方法 | 面部识别中的关键面部特征 | 计算机视觉 | NA | 深度卷积神经网络（DCNN） | 卷积神经网络（CNN） | 图像 | NA |
| 12423 | 2024-11-19 |
Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01854-x
PMID:39546153
|
研究论文 | 本研究开发了一种基于基线CTE的深度学习放射组学模型，用于非侵入性预测克罗恩病患者的分层愈合情况 | 本研究首次将深度学习放射组学模型应用于基线CTE图像，以预测克罗恩病患者的分层愈合情况 | 本研究仅在三家医院的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性 | 开发一种非侵入性方法，用于预测克罗恩病患者的分层愈合情况 | 克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况 | 计算机视觉 | 消化系统疾病 | 深度学习放射组学 | 深度学习模型 | 图像 | 246名克罗恩病患者，分为训练组（141名）、测试组（61名）和验证组（44名） |
| 12424 | 2024-11-19 |
Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01851-0
PMID:39546168
|
研究论文 | 本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 本研究创新性地结合了传统和深度学习放射组学特征，开发了一种多模态深度学习放射组学模型，显著提高了预测病理完全缓解的准确性 | 本研究仅在三个机构的患者数据上进行了验证，未来需要在更多样化的患者群体中进行进一步验证 | 开发和验证一种深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 机器学习 | 食管癌 | 深度学习放射组学 | 深度学习模型 | 图像 | 151名食管鳞状细胞癌患者，其中63名达到病理完全缓解 |
| 12425 | 2024-11-19 |
Study on intelligent recognition of urban road subgrade defect based on deep learning
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72580-z
PMID:39548115
|
研究论文 | 研究基于深度学习的城市道路路基缺陷智能识别 | 采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类，并通过比较不同改进版本的Faster R-CNN算法，确定最适合的版本 | NA | 实现城市道路路基病害的智能识别 | 城市道路路基缺陷 | 计算机视觉 | NA | 地质雷达 | Faster R-CNN | 图像 | 多层复合结构模型和现场测量数据 |
| 12426 | 2024-11-19 |
Deep active learning for multi label text classification
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79249-7
PMID:39548182
|
研究论文 | 本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法，用于多标签文本分类 | 本文首次将主动学习应用于深度多标签分类模型，并提出了一种新的基于期望置信度的获取函数 | NA | 提高多标签文本分类模型的训练效率 | 多标签文本分类模型 | 自然语言处理 | NA | 贝叶斯深度学习 | BERT | 文本 | NA |
| 12427 | 2024-11-19 |
A highly efficient tunnel lining crack detection model based on Mini-Unet
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79919-6
PMID:39548331
|
研究论文 | 本文提出了一种基于Mini-Unet的高效隧道衬砌裂缝检测模型 | 通过改进Unet架构并使用深度可分离卷积（DSConv）替代部分标准卷积层，实现了轻量级且高效的裂缝检测 | NA | 提高隧道衬砌裂缝检测的准确性和效率 | 隧道衬砌裂缝 | 计算机视觉 | NA | 深度学习 | Mini-Unet | 图像 | NA |
| 12428 | 2024-11-19 |
Integrating radiomic and 3D autoencoder-based features for Non-Small Cell Lung Cancer survival analysis
2024-Nov-08, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108496
PMID:39551025
|
研究论文 | 本研究旨在开发一种基于放射组学和深度学习的生存分析特征，用于非小细胞肺癌患者的生存预测 | 本研究创新性地结合了放射组学特征和基于3D卷积自编码器的深度学习特征，用于非小细胞肺癌患者的生存分析 | 本研究仅使用了“Lung1”数据集中的422名患者数据，样本量有限，可能影响结果的泛化能力 | 开发一种新的生存分析特征，用于提高非小细胞肺癌患者的生存预测准确性 | 非小细胞肺癌患者的生存分析 | 计算机视觉 | 肺癌 | 3D卷积自编码器 | 自编码器 | 图像 | 422名非小细胞肺癌患者 |
| 12429 | 2024-11-19 |
Advancements in biliopancreatic endoscopy - A comprehensive review of artificial intelligence in EUS and ERCP
2024-Nov, Revista espanola de enfermedades digestivas
IF:2.7Q2
DOI:10.17235/reed.2024.10456/2024
PMID:38832589
|
综述 | 本文综述了人工智能在胆胰内镜（如EUS和ERCP）中的最新进展 | 探讨了深度学习模型在胆胰内镜中的应用潜力，如胆管狭窄的光学表征和胰腺病变的检测与分类 | NA | 全面概述人工智能在胆胰内镜中的现状，强调技术进步、主要应用、伦理考虑及未来研究与临床实施的方向 | 人工智能在胆胰内镜中的应用 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA |
| 12430 | 2024-11-19 |
Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics
2024-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.17053
PMID:39383323
|
研究论文 | 本文研究了使用深度学习捕捉植物叶片形状，并通过几何形态测量法进行验证 | 本文结合了几何形态测量法和深度学习，评估了深度学习在捕捉叶片形状变化方面的有效性 | 深度学习模型固有的“黑箱”问题使得捕捉叶片变化的重复性具有挑战性 | 评估深度学习在捕捉叶片形状方面的有效性，并结合几何形态测量法提供形状信息的深入见解 | Ranunculus auricomus 叶片的形状变化 | 计算机视觉 | NA | 几何形态测量法 | 神经网络 | 图像 | Ranunculus auricomus 叶片的原位和压制后的图像数据集 |
| 12431 | 2024-11-19 |
DMFGAN: a multifeature data augmentation method for grape leaf disease identification
2024-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.17042
PMID:39446313
|
研究论文 | 提出了一种深度可分离多特征生成对抗网络（DMFGAN）用于增强葡萄叶病害数据 | 设计了基于四通道特征融合策略的多特征提取块（MFEB），改进了生成图像质量；设计了基于深度的D-判别器，提高了判别能力并减少了模型参数；使用SeLU激活函数替代DCGAN激活函数，解决了DCGAN激活函数无法充分拟合葡萄叶病害图像数据的问题；提出了带有梯度惩罚项的MFLoss函数，减少了生成对抗网络训练过程中的模式崩溃 | NA | 增强葡萄叶病害数据，提高病害识别的准确性和多样性 | 葡萄叶病害图像数据 | 计算机视觉 | 葡萄病害 | 生成对抗网络（GAN） | 深度可分离多特征生成对抗网络（DMFGAN） | 图像 | NA |
| 12432 | 2024-11-19 |
InterLabelGO+: unraveling label correlations in protein function prediction
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae655
PMID:39499152
|
研究论文 | 本文介绍了一种名为InterLabelGO+的混合方法，用于改进蛋白质功能预测 | InterLabelGO+结合了深度学习方法和基于比对的方法，并引入了一种新的损失函数来处理标签依赖性和不平衡问题 | NA | 开发自动化计算方法以提高蛋白质功能预测的准确性 | 蛋白质功能预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列 | NA |
| 12433 | 2024-11-19 |
Use of Artificial Intelligence in Cobb Angle Measurement for Scoliosis: Retrospective Reliability and Accuracy Study of a Mobile App
2024-Nov-01, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/50631
PMID:39486021
|
研究论文 | 评估基于深度学习的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性 | 开发了一种基于深度学习的AI应用程序，实现了Cobb角度测量的完全自动化，减少了医生测量带来的观察者间变异性 | NA | 评估新开发的AI应用程序在自动测量脊柱侧弯患者Cobb角度的可靠性和准确性 | 脊柱侧弯患者的Cobb角度测量 | 计算机视觉 | 脊柱侧弯 | 深度学习 | NA | 图像 | 601名脊柱侧弯儿童的802张脊柱X光片 |
| 12434 | 2024-11-19 |
Overcoming artificial structures in resolution-enhanced Hi-C data by signal decomposition and multi-scale attention
2024-Oct-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.21.619560
PMID:39484541
|
研究论文 | 本文提出了一种名为SHARP的方法，用于增强Hi-C数据的分辨率，通过信号分解和多尺度注意力机制克服了传统深度学习方法中的人工结构问题 | SHARP方法通过将数据分解为三种信号类型，并仅对第三种信号应用深度学习，避免了传统方法中的人工结构问题。同时，SHARP结合了局部和全局注意力机制，以捕捉多尺度的上下文信息 | NA | 提高Hi-C数据的分辨率，并避免在增强过程中产生人工结构 | Hi-C数据中的高分辨率特征 | 生物信息学 | NA | 深度学习 | 注意力机制 | Hi-C数据 | 包括新样本和另一物种的数据 |
| 12435 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA |
| 12436 | 2024-11-19 |
Machine learning-based prediction of off-pump coronary artery bypass grafting-associated acute kidney injury
2024-Jul-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-711
PMID:39144311
|
研究论文 | 本研究旨在基于机器学习方法建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 本研究创新性地结合了术前和术中数据，通过迁移学习和特征融合，提高了预测模型的准确性 | 本研究的数据来源于单一医院，样本量有限，可能影响模型的普适性 | 建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 非体外循环冠状动脉搭桥术相关急性肾损伤 | 机器学习 | 心血管疾病 | 机器学习 | 梯度提升决策树（GBDT） | 时间序列数据 | 1,041名患者 |
| 12437 | 2024-11-19 |
Insights into the Interaction Mechanisms of Peptide and Non-Peptide Inhibitors with MDM2 Using Gaussian-Accelerated Molecular Dynamics Simulations and Deep Learning
2024-Jul-18, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29143377
PMID:39064955
|
研究论文 | 本研究结合高斯加速分子动力学模拟、深度学习和结合自由能计算，探讨了非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用机制 | 本研究首次将高斯加速分子动力学模拟与深度学习相结合，成功识别了MDM2的关键功能域，并揭示了抑制剂对MDM2结构灵活性和集体运动的影响 | 本研究主要基于模拟和计算，缺乏实验验证 | 探讨抑制剂与MDM2的相互作用机制，为癌症治疗提供理论支持 | 非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用 | 机器学习 | NA | 高斯加速分子动力学模拟、深度学习、分子力学-广义波恩表面积（MM-GBSA）和溶剂化相互作用能（SIE）计算 | 深度学习 | 分子动力学轨迹 | 4种抑制剂（K23、0Y7、PDI6W、PDI）与MDM2的相互作用 |
| 12438 | 2024-11-19 |
Deep Learning Models for Abdominal CT Organ Segmentation in Children: Development and Validation in Internal and Heterogeneous Public Datasets
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.30931
PMID:38691411
|
研究论文 | 本文开发并验证了用于儿童腹部CT器官分割的深度学习模型，包括肝脏、脾脏和胰腺的分割 | 本文的创新点在于在儿童数据上验证了深度学习模型，并使用迁移学习方法在异质性公共数据集上进行预训练，然后在机构内部数据上进行微调，取得了优于仅使用内部数据训练的模型和公开模型的效果 | 本文的局限性在于胰腺分割的性能相对较差，尤其是在存在胰腺炎的情况下 | 本文的研究目的是开发和验证用于儿童腹部CT检查中肝脏、脾脏和胰腺分割的深度学习模型 | 本文的研究对象是儿童腹部CT图像中的肝脏、脾脏和胰腺 | 计算机视觉 | NA | 深度学习 | SegResNet, DynUNet, SwinUNETR | 图像 | 1731例CT检查（1504例用于训练，221例用于测试），包括来自三个内部机构儿科数据集（≤18岁，483例）和三个公共数据集（包括儿科和成人检查，1248例） |
| 12439 | 2024-08-11 |
Editorial Comment: Using Appropriate Training Data in Deep Learning Tissue and Organ Segmentations on CT
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31345
PMID:38691412
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12440 | 2024-08-11 |
Editorial Comment: Usefulness of a Deep Learning Model for Pediatric Abdominal Organ Segmentation
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31408
PMID:38748729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |