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 13521 - 13540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13521 | 2024-10-24 |
Deep Learning without Weight Symmetry
2024-May-31, ArXiv
PMID:38855537
|
研究论文 | 本文介绍了一种名为产品反馈对齐（PFA）的算法，该算法在深度卷积网络中避免了显式的权重对称性，同时实现了与反向传播（BP）相当的性能 | 提出了产品反馈对齐（PFA）算法，解决了长期存在的权重对称性问题，使得深度卷积网络的学习更加生物学上合理 | 文章未明确提及PFA算法在实际应用中的局限性 | 解决深度学习中权重对称性的问题，提高算法的生物学合理性 | 深度卷积网络中的权重对称性问题 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | NA | NA |
| 13522 | 2024-10-24 |
Deconvolution of polygenic risk score in single cells unravels cellular and molecular heterogeneity of complex human diseases
2024-May-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.14.594252
PMID:38798507
|
研究论文 | 本文介绍了一种名为scPRS的几何深度学习模型，利用单细胞染色质可及性数据构建单细胞分辨率的PRS，以增强复杂疾病的生物发现和预测能力 | scPRS不仅能够预测疾病风险，还能揭示与疾病相关的细胞类型，并识别细胞类型特异性的遗传基础 | NA | 开发一种新的方法来解构复杂疾病的单细胞多基因风险评分，以揭示细胞和分子异质性 | 单细胞多基因风险评分（scPRS）在复杂疾病中的应用，包括2型糖尿病、肥厚型心肌病和阿尔茨海默病 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 单细胞染色质可及性数据 | 涉及多种复杂疾病的多个样本 |
| 13523 | 2024-10-24 |
drGAT: Attention-Guided Gene Assessment of Drug Response Utilizing a Drug-Cell-Gene Heterogeneous Network
2024-May-14, ArXiv
PMID:38800657
|
研究论文 | 本文介绍了一种名为drGAT的图深度学习模型，用于药物反应预测和药物机制阐释 | drGAT通过利用药物-细胞-基因异构网络，实现了药物反应的二元敏感性预测和药物机制的阐释，性能优于现有模型 | NA | 提高药物反应预测模型的可解释性，并阐释药物机制 | 药物反应预测和药物机制阐释 | 机器学习 | NA | 图深度学习 | 图注意力网络（GAT） | 异构网络 | 269种DNA损伤化合物 |
| 13524 | 2024-10-24 |
Virtual Screening of Molecules via Neural Fingerprint-based Deep Learning Technique
2024-May-09, Research square
DOI:10.21203/rs.3.rs-4355625/v1
PMID:38766198
|
研究论文 | 开发并优化了一种基于卷积神经网络指纹的机器学习药物筛选技术 | 提出了一种新的基于神经网络指纹的分子虚拟筛选技术，相比传统的固定Morgan指纹，在药物-靶点结合亲和力的二分类任务中表现更优 | 仅在六个不同的目标蛋白上进行了评估，样本量较小 | 开发和优化一种高效的分子虚拟筛选技术 | 药物-靶点结合亲和力的二分类任务 | 机器学习 | NA | 卷积神经网络 | CNN | 分子指纹 | 使用ZINC15数据库中的随机选择的小分子进行训练，涉及六个不同的目标蛋白 |
| 13525 | 2024-10-24 |
Filling the gaps: leveraging large language models for temporal harmonization of clinical text across multiple medical visits for clinical prediction
2024-May-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.06.24306959
PMID:38765975
|
研究论文 | 本文探讨了利用大型语言模型对临床文本进行时间同步，以提高跨多次医疗访问的临床预测准确性 | 提出使用大型语言模型（LLMs）进行临床笔记的时间同步，以填补数据中的时间间隔 | 未提及 | 提高长期临床预测（如慢性病和死亡率）的准确性 | 临床笔记的时间同步和跨多次访问的数据整合 | 自然语言处理 | NA | 大型语言模型（LLMs） | 深度学习模型 | 文本 | 未提及 |
| 13526 | 2024-10-24 |
Diffeomorphic Transformer-based Abdomen MRI-CT Deformable Image Registration
2024-May-04, ArXiv
PMID:38745706
|
研究论文 | 本文提出了一种基于微分同胚变换器的深度学习模型，用于腹部MRI-CT图像的可变形图像配准 | 本文创新性地将Swin变换器集成到卷积神经网络中，用于变形特征提取，并使用微分同胚变形假设来保持拓扑结构 | 本文仅在50个肝脏病例上进行了回顾性研究，未来需要在更大规模和多样化的数据集上验证模型的泛化能力 | 开发一种新的深度学习模型，用于直接估计腹部MRI-CT图像的变形向量场，以提高立体定向体部放疗（SBRT）的治疗计划精度 | 腹部MRI-CT图像的可变形图像配准 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 50个肝脏病例 |
| 13527 | 2024-10-24 |
ntEmbd: Deep learning embedding for nucleotide sequences
2024-May-02, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.30.591806
PMID:38746190
|
研究论文 | 介绍了一种名为ntEmbd的深度学习嵌入工具，用于捕获核苷酸序列中不同特征之间的依赖关系，并学习给定序列的潜在表示 | ntEmbd能够隐式学习输入序列特征，解决了长序列中特征间长期依赖关系难以捕捉的问题 | NA | 开发一种能够有效处理长核苷酸序列的深度学习嵌入方法 | 核苷酸序列的特征嵌入 | 机器学习 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA |
| 13528 | 2024-10-24 |
RECONSTRUCTING RETINAL VISUAL IMAGES FROM 3T FMRI DATA ENHANCED BY UNSUPERVISED LEARNING
2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging
DOI:10.1109/isbi56570.2024.10635641
PMID:39421191
|
研究论文 | 本文提出了一种利用无监督生成对抗网络（GAN）增强3T fMRI数据以重建视网膜视觉图像的新框架 | 利用无监督GAN在7T和3T fMRI数据集之间进行无配对训练，生成增强的3T fMRI数据，以克服高质量7-Tesla数据稀缺和3-Tesla实验中短时低质量扫描的挑战 | 需要高成本的7-Tesla fMRI实验数据进行训练，且依赖于无监督学习方法的性能 | 探索从大脑活动重建人类视觉输入的方法，特别是通过功能性磁共振成像（fMRI） | 视网膜视觉图像的重建 | 计算机视觉 | NA | 功能性磁共振成像（fMRI） | 生成对抗网络（GAN） | 图像 | 涉及多个3-Tesla和7-Tesla fMRI数据集，具体样本数量未明确说明 |
| 13529 | 2024-10-24 |
Fast MRI Reconstruction Using Deep Learning-based Compressed Sensing: A Systematic Review
2024-Apr-30, ArXiv
PMID:38745700
|
综述 | 本文综述了基于深度学习的压缩感知在快速MRI重建中的应用 | 本文系统地分析了各种基于深度学习的压缩感知MRI技术，包括端到端、展开优化、自监督和联邦学习方法 | 本文未详细讨论每种方法的具体实现细节和实验结果 | 探讨基于深度学习的压缩感知技术在提高MRI成像速度中的作用 | 基于深度学习的压缩感知MRI技术 | 计算机视觉 | NA | 压缩感知 | 深度学习 | 图像 | NA |
| 13530 | 2024-10-24 |
Missing Wedge Completion via Unsupervised Learning with Coordinate Networks
2024-Apr-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.12.589090
PMID:38712113
|
研究论文 | 本文提出了一种基于坐标网络的无监督学习方法，用于解决冷冻电子断层扫描中的缺失楔形问题 | 引入了一种无监督学习方法，使用坐标网络直接优化网络权重，无需预训练，减少了重建时间 | 本文仅提出了概念验证方法，未详细讨论其在实际应用中的广泛适用性 | 改进冷冻电子断层扫描中的缺失楔形问题，提高重建质量 | 冷冻电子断层扫描中的缺失楔形问题 | 计算机视觉 | NA | 冷冻电子断层扫描 | 坐标网络 | 图像 | 未具体说明样本数量 |
| 13531 | 2024-10-24 |
Deep learning-driven imaging of cell division and cell growth across an entire eukaryotic life cycle
2024-Apr-27, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.25.591211
PMID:38712227
|
研究论文 | 本文开发了一种基于深度学习的成像框架，用于跟踪真核微生物在有性生殖世代中的细胞分裂和细胞生长 | 本文提出了一种新的细胞跟踪算法FIEST，通过深度学习视频帧插值增强连续图像中单细胞掩码的重叠，并开发了基于荧光标记Whi5蛋白和新型High-Cdk1活性传感器LiCHI的荧光报告系统 | 本文仅在酵母中验证了该框架，尚未在其他真核生物中进行广泛验证 | 开发一种更定量化的方法来研究完整的真核生物生命周期 | 真核微生物的细胞分裂和细胞生长 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 三个有性生殖世代的酵母样本 |
| 13532 | 2024-10-24 |
Revolutionizing Postoperative Ileus Monitoring: Exploring GRU-D's Real-Time Capabilities and Cross-Hospital Transferability
2024-Apr-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.24.24306295
PMID:38712199
|
研究论文 | 本文探讨了GRU-D模型在术后肠梗阻风险实时评估中的应用及其跨医院转移能力 | 首次探索了深度学习模型GRU-D在术后肠梗阻风险评估中的应用及其跨电子健康记录系统的转移能力 | 研究主要集中在术后肠梗阻的预测任务难度和病例发生率上，对训练数据和转移策略的影响关注较少 | 评估GRU-D模型在术后肠梗阻风险实时评估中的性能及其跨医院的转移能力 | 术后肠梗阻风险评估 | 机器学习 | NA | 深度学习 | GRU-D | 电子健康记录 | 7349例结直肠手术 |
| 13533 | 2024-10-24 |
Exploring the Potential of Structure-Based Deep Learning Approaches for T cell Receptor Design
2024-Apr-24, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.19.590222
PMID:38712216
|
研究论文 | 研究探讨了基于结构的深度学习方法在T细胞受体设计中的潜力 | 首次探索了两种基于结构的深度学习蛋白质设计方法（ProteinMPNN和ESM-IF）在固定骨架T细胞受体设计中的应用 | 研究中识别了现有方法的不足之处，需要进一步改进 | 探索基于结构的深度学习方法在设计T细胞受体以结合目标抗原肽方面的潜力 | T细胞受体及其与目标抗原肽的结合 | 机器学习 | 癌症 | 深度学习 | ProteinMPNN, ESM-IF | 蛋白质3D结构和序列 | NA |
| 13534 | 2024-10-24 |
Calculating Protein-Ligand Residence Times Through State Predictive Information Bottleneck based Enhanced Sampling
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.16.589710
PMID:38659748
|
研究论文 | 本文提出了一种半自动化的协议，通过基于深度学习的SPIB方法和增强采样技术metadynamics来计算蛋白质-配体复合物的停留时间 | 本文首次将深度学习方法SPIB与增强采样技术metadynamics结合，用于计算蛋白质-配体复合物的停留时间，并展示了其在多个蛋白质-配体复合物中的应用效果 | 本文仅在六个蛋白质-配体复合物上进行了验证，未来需要在更多样化的数据集上进行测试 | 提高药物疗效和理解生物化学中的目标识别机制 | 蛋白质-配体复合物的停留时间 | 生物化学 | 癌症 | 分子动力学模拟 | 深度学习模型 | 蛋白质-配体复合物数据 | 六个蛋白质-配体复合物，包括抗癌药物Imatinib（Gleevec）与野生型Abl激酶及其耐药突变体的解离 |
| 13535 | 2024-10-24 |
Overcoming Limitations to Deep Learning in Domesticated Animals with TrioTrain
2024-Apr-20, bioRxiv : the preprint server for biology
DOI:10.1101/2024.04.15.589602
PMID:38659907
|
研究论文 | 本文探讨了在非人类基因组中使用基于人类基因组训练的深度学习模型进行变异检测的局限性，并提出了TrioTrain方法来克服这些限制 | 首次引入多物种DeepVariant模型，通过TrioTrain方法自动扩展DeepVariant以适应无Genome In A Bottle资源的物种，并使用区域洗牌技术来缓解SLURM集群的障碍 | 受限于不完美的标签，多物种、基于三联体的训练方法在某些情况下仍存在局限性 | 评估基于人类基因组训练的模型在其他物种中的适用性，并开发一种新的方法来扩展深度学习模型以适应多物种基因组 | 牛、牦牛和野牛的基因组 | 生物信息学 | NA | 深度学习 | DeepVariant | 基因组数据 | 使用了牛、牦牛和野牛的三联体样本，共进行了30次模型迭代 |
| 13536 | 2024-10-24 |
Design of the COMEBACK and BACKHOME Studies, Longitudinal Cohorts for Comprehensive Deep Phenotyping of Adults with Chronic Low-Back Pain (cLBP): a part of the BACPAC Research Program
2024-Apr-12, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.04.09.24305574
PMID:38645207
|
研究论文 | 本文介绍了COMEBACK和BACKHOME两个纵向队列研究的设计，旨在对慢性腰背痛（cLBP）成人进行全面深度表型分析 | 本文提出了两个大型纵向队列研究，旨在通过深度表型分析定义慢性腰背痛的亚型和疼痛机制，以推动个性化治疗的发展 | NA | 定义慢性腰背痛的表型和疼痛机制，以推动个性化治疗的发展 | 慢性腰背痛（cLBP）成人 | NA | 腰背痛 | 深度学习方法 | NA | 传统数据分析 | COMEBACK研究涉及450名成人，BACKHOME研究涉及约3000名美国成人 |
| 13537 | 2024-10-24 |
Parametric optimization and comparative study of machine learning and deep learning algorithms for breast cancer diagnosis
2024, Breast disease
DOI:10.3233/BD-240018
PMID:39331085
|
研究论文 | 本文研究了多种机器学习和深度学习算法在乳腺癌诊断中的性能，并进行了参数优化和比较 | 本文探讨了人工神经网络方法与传统机器学习技术在乳腺癌诊断中的对比，并强调了超参数调优和提升算法在处理数据复杂性和非线性方面的重要性 | 本文主要基于Wisconsin乳腺癌（原始）数据集进行研究，未涉及其他数据集的验证 | 研究不同机器学习和深度学习算法在乳腺癌诊断中的表现，找出最有效的模型 | 乳腺癌的早期诊断 | 机器学习 | 乳腺癌 | 机器学习算法 | SVM, 决策树, CART, ANN, ELM ANN, XGBoost, Adaboost, 梯度提升 | 数据集 | Wisconsin乳腺癌（原始）数据集 |
| 13538 | 2024-10-24 |
Deep learned triple-tracer multiplexed PET myocardial image separation
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1379647
PMID:39381030
|
研究论文 | 本文提出了一种基于深度学习的PET心肌图像分离方法，用于分离三重示踪剂的多重PET图像 | 该方法无需明确知道动脉输入函数，通过使用动态三重示踪剂噪声MLEM重建作为网络输入，动态单示踪剂噪声MLEM重建作为训练标签，实现了三重示踪剂PET图像的分离 | NA | 开发一种新的方法来分离多重PET扫描中的信号，以同时观察不同放射性示踪剂的生理和病理信息 | 三重示踪剂的多重PET心肌图像 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | NA |
| 13539 | 2024-10-24 |
Decoding the application of deep learning in neuroscience: a bibliometric analysis
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1402689
PMID:39429248
|
研究论文 | 本研究通过文献计量分析，探讨了深度学习在神经科学中的应用及其发展趋势 | 揭示了深度学习技术在神经科学中的应用热点和主题演变，强调了分类算法、模型和神经网络在神经科学中的关键作用 | NA | 分析深度学习在神经科学中的应用趋势，并为未来研究提供战略路线图 | 深度学习在神经科学中的应用及其对神经机制和神经疾病的理解 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 神经数据 | 421篇文章 |
| 13540 | 2024-10-24 |
Multiple Representations in geospatial databases, the brain's spatial cells, and deep learning algorithms
2024, Cartography and geographic information science
IF:2.6Q1
DOI:10.1080/15230406.2023.2264758
PMID:39429547
|
综述 | 本文综述了地理信息系统、大脑空间细胞和深度学习算法中多重表示的研究进展 | 探讨了多重表示在地理复杂性编码和解码中的新视角 | NA | 回顾和整合多重表示在空间数据库、空间认知和深度学习中的研究 | 地理信息系统、大脑海马体和深度学习中的多重表示 | 计算机视觉 | NA | 深度学习 | NA | 空间数据 | NA |