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 24288 篇文献，本页显示第 12501 - 12520 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12501 | 2024-11-15 |
DeepReg: a deep learning hybrid model for predicting transcription factors in eukaryotic and prokaryotic genomes
2024-04-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59487-5
PMID:38644393
|
研究论文 | 本文提出了一种名为DeepReg的混合模型，用于在真核和原核基因组中预测转录因子 | DeepReg模型结合了卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM），在预测转录因子方面表现优异，精度、召回率和F1分数均高于现有模型DeepTFactor | NA | 开发一种高效的深度学习模型，用于在真核和原核基因组中预测转录因子 | 真核和原核基因组中的转录因子 | 机器学习 | NA | 深度学习模型 | 混合模型（CNN和BiLSTM） | 蛋白质序列 | NA |
| 12502 | 2024-11-15 |
Comparison of Deep Learning Approaches for Conversion of International Classification of Diseases Codes to the Abbreviated Injury Scale
2024-Mar-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.03.06.24303847
PMID:38562696
|
研究论文 | 比较了两种深度学习架构在将国际疾病分类代码转换为简明损伤量表中的准确性 | 本研究首次比较了前馈神经网络和神经机器翻译模型在预测损伤严重程度评分中的表现 | 研究仅使用了美国国家创伤数据银行的创伤病例，可能限制了结果的普适性 | 旨在比较两种深度学习架构在预测损伤严重程度评分中的准确性 | 国际疾病分类代码和简明损伤量表 | 机器学习 | NA | 深度学习 | 前馈神经网络和神经机器翻译模型 | 文本 | 2,031,793例创伤病例用于训练和验证，1,091,792例用于测试 |
| 12503 | 2024-11-15 |
A brief history of artificial intelligence embryo selection: from black-box to glass-box
2024-02-01, Human reproduction (Oxford, England)
DOI:10.1093/humrep/dead254
PMID:38061074
|
综述 | 本文回顾了人工智能在胚胎选择中的应用历史，从黑箱模型到玻璃箱模型的演变 | 提出了一个从胚胎学角度对传统和人工智能驱动系统进行分类的新系统，强调了主观性、解释性和可解释性 | 缺乏随机对照试验来验证黑箱模型的有效性 | 探讨人工智能在胚胎选择中的应用及其解释性问题 | 胚胎选择中的机器学习模型及其解释性 | 机器学习 | NA | 机器学习 | 深度学习 | 图像 | NA |
| 12504 | 2024-11-10 |
An automated ECG-based deep learning for the early-stage identification and classification of cardiovascular disease
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240543
PMID:39302394
|
研究论文 | 本文提出了一种基于心电图（ECG）的深度学习方法，用于早期识别和分类心血管疾病 | 本文创新性地结合了症状检测和ECG分析，并使用前馈神经网络（FFNN）和常数Q非平稳Gabor变换（CQNGT）来提高诊断准确性 | NA | 提高心血管疾病的诊断准确性 | 心血管疾病 | 机器学习 | 心血管疾病 | 深度学习 | 前馈神经网络（FFNN） | 图像 | NA |
| 12505 | 2024-11-15 |
Intelligent agriculture: deep learning in UAV-based remote sensing imagery for crop diseases and pests detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435016
PMID:39512475
|
综述 | 本文综述了基于无人机遥感图像的深度学习技术在智能农业中用于作物病虫害检测的应用 | 本文介绍了大型语言模型（LLM）和大型视觉模型（LVM）在农业中的最新应用 | 本文讨论了现有研究中的一些不足和待解决的挑战 | 探讨智能农业中基于无人机遥感图像的深度学习技术在作物病虫害检测中的应用 | 作物病虫害检测 | 计算机视觉 | NA | 深度学习（DL） | 深度学习模型 | 图像 | NA |
| 12506 | 2024-11-15 |
Development of a deep learning model for automated detection of calcium pyrophosphate deposition in hand radiographs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1431333
PMID:39512610
|
研究论文 | 开发了一种深度学习模型，用于在手部X光片中自动检测钙焦磷酸盐沉积 | 首次开发了一种深度学习算法，能够自动且可靠地检测手部X光片中的钙焦磷酸盐沉积特征 | 模型在某些情况下可能会出现意外的高亮区域，可能是由于不同手部区域的相关特征 | 开发和测试一种深度学习算法，用于自动检测手部X光片中的钙焦磷酸盐沉积特征 | 手部X光片中的钙焦磷酸盐沉积特征，特别是三角纤维软骨复合体和掌指关节的钙化 | 计算机视觉 | 关节炎 | 卷积神经网络 | CNN | 图像 | 926张手部X光片，包括319例钙焦磷酸盐沉积阳性病例和607例阴性病例 |
| 12507 | 2024-11-15 |
Development and evaluation of a soft pneumatic muscle for elbow joint rehabilitation
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1401686
PMID:39512658
|
研究论文 | 开发并评估了一种用于肘关节康复的软气动肌肉 | 开发了生物力学兼容的软气动肌肉，优化了肘关节的精确旋转控制，并结合了基于深度学习的运动跟踪系统 | NA | 提高肘关节康复的安全性和有效性 | 肘关节的康复 | NA | NA | 有限元分析 | 深度学习算法 | NA | NA |
| 12508 | 2024-11-15 |
De novo design of mIDH1 inhibitors by integrating deep learning and molecular modeling
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1491699
PMID:39512821
|
研究论文 | 本研究通过整合深度学习和分子建模技术，设计了新的mIDH1抑制剂 | 首次尝试使用深度学习设计mIDH1抑制剂，为mIDH1抑制剂的设计提供了理论指导 | NA | 设计新的mIDH1抑制剂，用于癌症治疗 | mIDH1基因突变相关的急性髓系白血病、胶质瘤和某些实体瘤 | 机器学习 | 血液肿瘤 | 双向循环神经网络（BRNN）、分子对接、分子动力学模拟 | BRNN | 化合物 | 3890个新化合物（BRNN生成）和3680个新化合物（支架跳跃方法生成） |
| 12509 | 2024-11-15 |
Deep learning-based computed tomography urography image analysis for prediction of HER2 status in bladder cancer
2024, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.101296
PMID:39513113
|
研究论文 | 本研究利用深度学习技术分析计算机断层扫描尿路造影（CTU）图像，预测膀胱癌中的HER2状态 | 首次提出了一种非侵入性方法，通过CTU图像识别和检测膀胱癌中的HER2表达 | NA | 旨在通过CTU图像检测HER2表达，以实现更精确的治疗 | 膀胱癌患者的CTU图像 | 计算机视觉 | 膀胱癌 | Pyradiomics包提取放射特征，主成分分析（PCA）降维 | 多层感知器（MLP） | 图像 | 97名膀胱癌患者 |
| 12510 | 2024-11-15 |
Deep Neural Network and Radiomics-based Magnetic Resonance Imaging System for Predicting Microvascular Invasion in Hepatocellular Carcinoma
2024, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.93712
PMID:39513126
|
研究论文 | 本文提出了一种基于深度神经网络和放射组学的磁共振成像系统，用于预测肝细胞癌中的微血管侵犯 | 本文的创新点在于结合了放射组学特征和临床特征，构建了一个用于预测微血管侵犯的深度神经网络模型 | 本文的局限性在于样本量相对较小，且未提及模型的泛化能力和在其他数据集上的表现 | 本文的研究目的是开发一种基于磁共振成像的自动化系统，用于准确预测肝细胞癌中的微血管侵犯 | 本文的研究对象是肝细胞癌患者的磁共振成像数据和临床特征 | 计算机视觉 | 肝癌 | 磁共振成像 | 深度神经网络 | 图像 | 420名肝细胞癌患者，其中140例为微血管侵犯，280例为非微血管侵犯 |
| 12511 | 2024-11-15 |
Delineating yeast cleavage and polyadenylation signals using deep learning
2023-Oct-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.10.10.561764
PMID:37873420
|
研究论文 | 本文利用深度学习模型解析酵母中3'-端切割和多聚腺苷酸化信号的形成机制 | 开发了深度学习模型来解析酵母中多聚腺苷酸化信号的形成机制，并量化其在介导多聚腺苷酸化位点形成、切割异质性和强度中的位置重要性 | NA | 探讨酵母中多聚腺苷酸化信号的形成机制 | 酵母中的多聚腺苷酸化信号 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 12512 | 2024-11-15 |
Small molecule-mediated targeting of microRNAs for drug discovery: Experiments, computational techniques, and disease implications
2023-Sep-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2023.115500
PMID:37262996
|
综述 | 本文综述了小分子介导的微小RNA（miRNA）靶向药物发现中的生物学和计算应用 | 本文整合了实验室数据和计算策略，以促进更精确和理性的先导化合物设计和发现 | 目前缺乏涵盖计算和实验药物发现过程的综合性综述 | 综述miRNA靶向药物发现中的生物学和计算应用及其在疾病中的意义和临床重要性 | miRNA靶向的小分子抑制剂及其在疾病治疗中的潜力 | 药物发现 | NA | 深度学习 | NA | 分子序列 | NA |
| 12513 | 2024-11-15 |
Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency
2020, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0234824
PMID:32555687
|
研究论文 | 研究结合大数据技术和深度学习技术在Spark平台上提升电梯安全监控效率 | 提出了一种基于Spark平台的有限状态机模型和深度学习电梯故障预警模型 | 未详细说明模型的训练数据来源和样本量 | 提升电梯安全监控效率 | 电梯安全监控和故障预警 | 机器学习 | NA | 大数据技术, 深度学习 | 有限状态机 (FSM), 深度学习模型 | 电梯运行数据 | 未明确说明样本量 |
| 12514 | 2024-11-15 |
Learning from Longitudinal Data in Electronic Health Record and Genetic Data to Improve Cardiovascular Event Prediction
2019-01-24, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-36745-x
PMID:30679510
|
研究论文 | 本研究利用电子健康记录和基因数据中的纵向数据，应用机器学习和深度学习模型来预测心血管事件 | 本研究首次将纵向电子健康记录和基因数据结合，通过后期融合方法进一步提高心血管事件预测的准确性 | 本研究仅限于特定人群和特定时间段的数据，可能无法推广到其他人群或更长时间段 | 提高心血管事件预测的准确性 | 心血管疾病事件 | 机器学习 | 心血管疾病 | NA | 卷积神经网络 (CNN) 和长短期记忆网络 (LSTM) | 电子健康记录和基因数据 | 109,490 名个体 |
| 12515 | 2024-11-15 |
Pulmonary Artery-Vein Classification in CT Images Using Deep Learning
2018-11, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2018.2833385
PMID:29993996
|
研究论文 | 本文提出了一种基于深度学习的肺动脉和肺静脉在CT图像中的自动分类方法 | 本文提出了一种新的全自动方法，通过三步流程（尺度空间粒子分割、3D卷积神经网络分类和图割优化）来分类肺动脉和肺静脉，并展示了其优于现有方法的性能 | 本文仅在18个临床病例的非对比CT扫描上进行了训练和评估，未来需要在更大样本量和更多类型的CT扫描上进行验证 | 开发一种自动化的方法来区分CT图像中的肺动脉和肺静脉，以辅助医生进行病理诊断 | 肺动脉和肺静脉在CT图像中的分类 | 计算机视觉 | 肺部疾病 | 3D卷积神经网络 | CNN | 图像 | 18个临床病例的非对比胸部CT扫描 |
| 12516 | 2024-11-14 |
G-Protein Signaling in Alzheimer's Disease: Spatial Expression Validation of Semi-supervised Deep Learning-Based Computational Framework
2024-Nov-06, The Journal of neuroscience : the official journal of the Society for Neuroscience
DOI:10.1523/JNEUROSCI.0587-24.2024
PMID:39327003
|
研究论文 | 本文开发了一种新的计算框架digID，用于预测阿尔茨海默病相关的基因，并通过蛋白质-蛋白质相互作用网络分析优先考虑这些基因的重要性 | 本文创新性地结合了半监督深度学习分类器和蛋白质-蛋白质相互作用网络分析，预测了1529个与阿尔茨海默病相关的基因，并揭示了潜在的新分子机制和治疗靶点 | 本文的局限性在于需要进一步的生物学验证来确认计算预测的基因簇作为潜在的新治疗靶点 | 研究旨在通过计算方法识别与阿尔茨海默病相关的新基因和治疗靶点 | 研究对象包括阿尔茨海默病相关的基因、蛋白质相互作用网络以及大脑不同区域的mRNA表达 | 机器学习 | 阿尔茨海默病 | 半监督深度学习 | NA | 多组学数据 | 包括1529个预测的阿尔茨海默病相关基因和转基因小鼠模型 |
| 12517 | 2024-11-14 |
Unleashing the strengths of unlabelled data in deep learning-assisted pan-cancer abdominal organ quantification: the FLARE22 challenge
2024-Nov, The Lancet. Digital health
DOI:10.1016/S2589-7500(24)00154-7
PMID:39455194
|
研究论文 | 本文介绍了FLARE22挑战赛，旨在评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下 | 本文首次展示了如何利用未标记数据显著减少手动标注成本，并提高深度学习算法在跨国数据集上的泛化能力 | 本文主要集中在腹部器官的分割和量化，未涉及其他类型的医学图像分析 | 评估和提升深度学习在腹部器官分割和量化中的应用，特别是在使用未标记数据的情况下 | 腹部器官的分割和量化 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 使用了50个标记图像和2000个未标记图像 |
| 12518 | 2024-11-14 |
A Cross-Modal Mutual Knowledge Distillation Framework for Alzheimer's Disease Diagnosis: Addressing Incomplete Modalities
2024-Oct-22, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.08.24.23294574
PMID:37662267
|
研究论文 | 提出了一种用于阿尔茨海默病诊断的跨模态互知识蒸馏框架，以解决数据集中模态不完整的问题 | 通过跨模态互知识蒸馏（MKD）框架，利用多模态模型作为教师模型，单模态模型作为学生模型，实现了在不完整模态数据集上的有效诊断 | NA | 开发一种能够在不完整模态数据集上进行阿尔茨海默病早期检测的深度学习框架 | 阿尔茨海默病患者的多模态神经影像数据 | 机器学习 | 阿尔茨海默病 | 深度学习 | 跨模态互知识蒸馏框架 | 多模态神经影像数据（MRI和PET） | 使用了阿尔茨海默病神经影像学倡议（ADNI）数据集进行验证 |
| 12519 | 2024-09-13 |
Is Histopathology Deep Learning Artificial Intelligence the Future of Precision Oncology?
2024-Oct-20, Journal of clinical oncology : official journal of the American Society of Clinical Oncology
IF:42.1Q1
DOI:10.1200/JCO-24-01271
PMID:39259925
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 12520 | 2024-11-14 |
Deep learning-based cell segmentation for rapid optical cytopathology of thyroid cancer
2024-07-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64855-2
PMID:39013980
|
研究论文 | 本文介绍了一种基于深度学习的细胞分割方法，用于快速光学细胞病理学诊断甲状腺癌 | 提出了使用2D U-Net卷积神经网络进行自动细胞分割，显著减少了数据分析时间 | 自动分割与手动分割在细胞面积和荧光极化值上存在一定差异 | 开发一种快速且准确的甲状腺癌诊断方法 | 甲状腺癌细胞 | 计算机视觉 | 甲状腺癌 | 深度学习 | U-Net | 图像 | 使用了病理多样的人类甲状腺细胞图像进行训练和测试 |