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 17212 篇文献，本页显示第 13621 - 13640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13621 | 2024-08-05 |
Enhancing Chemical Reaction Monitoring with a Deep Learning Model for NMR Spectra Image Matching to Target Compounds
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00522
PMID:38979856
|
研究论文 | 本文开发了一种深度学习模型MatCS，用于根据NMR光谱图像直接预测目标化合物的结构 | 提出了一个创新的二元分类模型MatCS，以解决现有化学合成技术中结构阐明效率低的问题 | 当前方法在处理相似分子结构光谱时仍面临挑战，且对化学库的依赖可能限制其应用 | 提高化学反应监测的效率，直接预测NMR光谱与目标化合物结构之间的关系 | 针对NMR光谱图像和目标化合物的分子结构的预测 | 机器学习 | NA | NMR光谱分析，图注意网络，图卷积网络 | Graph Attention Networks，Graph Convolutional Networks，ResNet101 | 图像 | NA |
| 13622 | 2024-08-05 |
Docking Score ML: Target-Specific Machine Learning Models Improving Docking-Based Virtual Screening in 155 Targets
2024-Jul-22, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00072
PMID:38958413
|
研究论文 | 本文介绍了一种新颖的Docking Score ML，为针对155种靶标的虚拟筛选提供更准确的分子对接评分。 | 提出了一种基于超过200,000个对接复合物分析的机器学习模型，显著提高了虚拟筛选的准确性。 | 尚未讨论特定靶标外的应用效果以及可能存在的普适性不足。 | 旨在提高药物发现中的分子对接虚拟筛选的准确性。 | 重点分析了癌症治疗的155种已知靶标的分子对接复杂体。 | 机器学习 | 癌症 | 监督学习与深度学习 | 图卷积网络（GCN） | 生物活性数据 | 超过200,000个对接复合物来自155个靶标 |
| 13623 | 2024-08-05 |
Enhancing effort estimation in global software development using a unique combination of Neuro Fuzzy Logic and Deep Learning Neural Networks (NFDLNN)
2024-Jul-21, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2376703
PMID:39034534
|
研究论文 | 本文提出了一种结合神经模糊逻辑和深度学习神经网络的模型，以改进全球软件开发的工作量估算。 | 采用了杜鹃算法来提高NFDLNN模型的准确性和收敛性，并在行业项目数据的广泛验证中表现出色。 | 未提及具体的局限性 | 旨在提高全球软件开发中的项目规划和管理效率，特别是在成本估算和工作量分配方面。 | 研究对象为软件开发项目，侧重于成本和工作量的准确估算。 | 计算机科学 | NA | NFDLNN（神经模糊逻辑与深度学习神经网络） | NA | 行业项目数据 | 使用了多个工业项目的数据进行验证 |
| 13624 | 2024-08-05 |
High Resolution TOF-MRA Using Compressed Sensing-based Deep Learning Image Reconstruction for the Visualization of Lenticulostriate Arteries: A Preliminary Study
2024-Jul-20, Magnetic resonance in medical sciences : MRMS : an official journal of Japan Society of Magnetic Resonance in Medicine
IF:2.5Q2
DOI:10.2463/mrms.mp.2024-0025
PMID:39034144
|
研究论文 | 本研究探讨了使用基于压缩感知的深度学习图像重建在时间飞行磁共振血管成像中观察透镜纹状动脉的可行性 | 引入压缩感知和深度学习相结合的重建方法，显著提高了透镜纹状动脉的可视化质量 | 样本量仅为五名健康志愿者，尚需大规模研究验证 | 提高时间飞行磁共振血管成像中透镜纹状动脉的可视化效果 | 健康志愿者的时间飞行磁共振血管成像图像 | 数字病理学 | NA | 压缩感知，深度学习 | NA | 图像 | 五名健康志愿者 |
| 13625 | 2024-08-05 |
[Development of a Deep Learning Model for Judging Late Gadolinium-enhancement in Cardiac MRI]
2024-Jul-20, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-1421
PMID:38897968
|
研究论文 | 本研究验证了深度学习模型在心脏MRI影像中判断晚期钆增强心肌存在与否的有效性 | 通过卷积神经网络构建的学习模型展示了优异的预测准确性 | 受限于样本量和单一医院的数据，模型的泛化能力可能有所欠缺 | 研究深度学习模型在心脏MRI晚期钆增强图像中的应用 | 使用174张来自东京大学医院的心脏MRI晚期钆增强心肌短轴图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络 | 图像 | 共涉及174张心脏MRI图像 |
| 13626 | 2024-08-05 |
A comprehensive survey on deep learning-based identification and predicting the interaction mechanism of long non-coding RNAs
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae010
PMID:38576205
|
综述 | 本研究综合评述了深度学习在长非编码RNA（lncRNA）识别和交互机制预测中的应用 | 介绍了深度学习模型的概念，并探讨了多种流行的深度学习算法及其数据偏好 | 目前许多与lncRNA相关的研究人员缺乏对深度学习模型最新进展的了解 | 探索深度学习如何在lncRNA的功能研究中被应用 | 长非编码RNA及其在生物过程中的作用 | 数字病理学 | NA | 深度学习 | NA | 序列数据 | NA |
| 13627 | 2024-08-05 |
DBPMod: a supervised learning model for computational recognition of DNA-binding proteins in model organisms
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad039
PMID:37651627
|
研究论文 | 本文介绍了一种计算方法DBPMod，旨在识别物种特异性的DNA结合蛋白。 | DBPMod使用了基于机器学习的方法，提高了对物种特异性DNA结合蛋白的识别准确性。 | 该研究可能在物种特异性预测中仍然存在一定局限性，特别是对于尚未进行充分研究的物种。 | 研究物种特异性的DNA结合蛋白识别的计算方法。 | 研究了包括秀丽隐杆线虫、果蝇、大肠杆菌、人类和小鼠在内的五种模式生物。 | 机器学习 | NA | 机器学习 | 浅层学习和深层学习 | NA | 五种模式生物 |
| 13628 | 2024-08-05 |
DeepWalk-aware graph attention networks with CNN for circRNA-drug sensitivity association identification
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elad053
PMID:38061910
|
研究论文 | 本文提出了一种基于深度学习的计算方法DGATCCDA，用于识别circRNA-药物敏感性关联 | 结合DeepWalk和图注意网络，形成深度Walk感知图注意网络，以有效捕获图结构的全局和局部信息 | 在生物研究中预测circRNA和药物敏感性关联的方法仍然存在时间消耗和成本高的局限性 | 开发一种新颖的计算方法以提高预测circRNA与药物敏感性关联的效率和准确性 | 研究对象为circRNAs和药物之间的关联 | 计算机视觉 | NA | 深度学习 | 深度Walk感知图注意网络 | 特征信息 | 在5折交叉验证下测试，样本数量未具体说明 |
| 13629 | 2024-08-05 |
GAM-MDR: probing miRNA-drug resistance using a graph autoencoder based on random path masking
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae005
PMID:38391194
|
研究论文 | 本研究提出了GAM-MDR模型，以利用图自编码器和随机路径掩蔽技术预测miRNA-药物抗性 | 首次将随机路径掩蔽策略与图自编码器相结合用于推断miRNA-药物抗性 | 模型的效果可能受到数据采集过程中的错误影响 | 准确预测miRNA-药物抗性以促进miRNA治疗策略的成功 | miRNA和药物节点的表示及其在miRNA-药物网络中的关系 | 数字病理学 | NA | 图自编码器，随机路径掩蔽 | 图自编码器 | 公共数据集 | 多个公共数据集 |
| 13630 | 2024-08-05 |
DeepPRMS: advanced deep learning model to predict protein arginine methylation sites
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae001
PMID:38267081
|
研究论文 | 本研究提出了一种名为DeepPRMS的深度学习模型，用于预测蛋白质的精氨酸甲基化位点 | DeepPRMS结合了门控递归单元（GRU）和卷积神经网络（CNN）算法，以提取蛋白质序列中的顺序和空间信息 | 该研究依赖于独立测试数据集，可能未充分验证在其他数据集上的表现 | 研究预测蛋白质甲基化位点的方法，以促进相关研究和药物发现 | 研究对象为蛋白质的初级序列 | 计算机视觉 | NA | 深度学习 | GRU和CNN | 序列数据 | 基于独立测试数据集进行评估 |
| 13631 | 2024-08-05 |
A comprehensive review of deep learning-based variant calling methods
2024-Jul-19, Briefings in functional genomics
IF:2.5Q3
DOI:10.1093/bfgp/elae003
PMID:38366908
|
综述 | 本文综述了基于深度学习的变异检测方法的最新进展 | 探讨了深度学习在基因组数据中的应用，尤其是在小变异和结构变异检测方面的创新点 | 尽管概述了优点，但文中也指出了这些方法的局限性 | 研究基于深度学习的变异检测技术在个性化医学和诊断中的应用 | 关注基因组数据中的小变异和结构变异 | 数字病理 | NA | 深度学习 | NA | 基因组数据 | NA |
| 13632 | 2024-08-05 |
Inferring Cellular Contractile Forces and Work using Deep Morphology Traction Microscopy
2024-Jul-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2024.07.020
PMID:39033326
|
研究论文 | 本文介绍了一种名为DeepMorphoTM的新型深度学习的牵引力显微技术，用于测量细胞收缩力。 | DeepMorphoTM通过只依赖细胞形状序列推断基底位移，避免了对特殊标记基底的需求，从而简化了实验过程。 | 尽管DeepMorphoTM提供了更简化的方法，但其对特定细胞形状的生物变异性的稳定性可能仍有待提高。 | 研究细胞收缩力的测量方法，从而改善对细胞行为调控作用的理解。 | 研究不同细胞类型及其在多种基底材料上的收缩力。 | 数字病理学 | NA | 深度学习 | NA | 图像 | 涉及多个细胞类型和基底材料 |
| 13633 | 2024-08-05 |
The contribution of silencer variants to human diseases
2024-Jul-08, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-024-03328-1
PMID:38978133
|
研究论文 | 本文分析了沉默子变体与人类疾病之间的关联 | 使用深度学习模型全面剖析了候选沉默子，发现其在与疾病相关变体中的重要性，并提出了新的机制解释 | 研究仅关注于候选沉默子变体，未涵盖其他调控元件的影响 | 揭示沉默子变体在各种人类疾病中的作用和机制 | 约280万候选沉默子和97个人体样本 | 机器学习 | 帕金森病、精神分裂症、1型糖尿病 | 深度学习 | NA | 基因组数据 | 97个样本 |
| 13634 | 2024-08-05 |
Masked cross-domain self-supervised deep learning framework for photoacoustic computed tomography reconstruction
2024-Jul-07, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106515
PMID:39032393
|
研究论文 | 该论文介绍了一种掩蔽跨域自监督深度学习框架，用于光声计算机断层成像的重建 | 提出了一种掩蔽跨域自监督重建策略，克服了有限光声测量缺乏真实标签的问题 | 实际实施中可能面临成本和性能之间的不可避免的权衡 | 研究一种新方法以提高光声计算机断层成像的重建质量和效率 | 聚焦于有限光声测量数据下的图像重建 | 数字病理学 | NA | 深度学习 | 自监督模型 | 图像 | 使用了小鼠的体内PACT数据集 |
| 13635 | 2024-08-05 |
Deep Learning Based on ResNet-18 for Classification of Prostate Imaging-Reporting and Data System Category 3 Lesions
2024-Jun, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.12.042
PMID:38302387
|
研究论文 | 本文探讨了基于ResNet-18的深度学习模型在分类PI-RADS 3前列腺病变的有效性 | 使用深度学习模型提高对良性前列腺病变、非临床显著前列腺癌和临床显著前列腺癌的分类和预测能力 | 研究仅基于T2加权图像，可能影响模型的通用性 | 研究深度学习在前列腺成像报告和数据系统中的应用 | 良性前列腺病变、非临床显著前列腺癌和临床显著前列腺癌 | 数字病理学 | 前列腺癌 | 多参数MRI | ResNet-18 | 图像 | 428个良性前列腺病变图像、158个非临床显著前列腺癌图像和273个临床显著前列腺癌图像 |
| 13636 | 2024-08-05 |
The contribution of silencer variants to human diseases
2024-May-18, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.05.17.24307558
PMID:38798661
|
研究论文 | 该研究分析了沉默子变异与人类疾病之间的关联 | 该文章通过深度学习模型对2.8百万候选沉默子进行了全面分析，并发现沉默子变异在某些疾病中的关联性远高于增强子变异 | 未提及具体的样本多样性和数据来源的局限性 | 本研究旨在揭示沉默子变异与人类疾病的关系 | 研究对象是来自多种组织和发育时间点的人类样本 | 机器学习 | 帕金森病, 精神分裂症, 疾病1型糖尿病 | 深度学习 | NA | 基因组变化数据 | 97个来自不同组织和发育时间点的人类样本 |
| 13637 | 2024-08-05 |
Advancements in computer vision and pathology: Unraveling the potential of artificial intelligence for precision diagnosis and beyond
2024, Advances in cancer research
DOI:10.1016/bs.acr.2024.05.006
PMID:39032956
|
研究论文 | 该文章探讨了计算机视觉与数字病理学的整合，展示了人工智能在精确诊断中的潜力 | 文章创新地提出了利用深度学习架构和先进算法改善病理学家诊断能力的方法 | 文章讨论了人工智能在病理学中的技术、实践和伦理局限性 | 研究人工智能在数字病理学中实现精准诊断和自动化分析的应用 | 研究对象为病理图像的数字化分析与诊断过程 | 计算机视觉 | NA | 人工智能, 机器学习 | CNN, U-Net | 图像 | NA |
| 13638 | 2024-08-05 |
Self-supervised deep learning for highly efficient spatial immunophenotyping
2023-Sep, EBioMedicine
IF:9.7Q1
DOI:10.1016/j.ebiom.2023.104769
PMID:37672979
|
研究论文 | 该文章提出了一种自监督学习方法，用于高效的细胞免疫表型识别。 | 文章提出的SANDI模型通过自监督学习显著降低了标注负担，同时维持了细胞表型识别的准确性。 | 研究的样本数量和标注参考集的规模可能限制了模型的泛化能力。 | 本研究旨在开发一种高效的细胞免疫表型识别方法，以支持标志物的发现和临床转化。 | 研究对象是多重免疫组化数据集中的单细胞图像。 | 数字病理学 | 卵巢癌 | 多重免疫组化 | 自监督学习模型 (SANDI) | 图像 | 涉及2825到15,258个单细胞图像 |
| 13639 | 2024-08-05 |
Prediction-oriented prognostic biomarker discovery with survival machine learning methods
2023-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad055
PMID:37332657
|
研究论文 | 本文提出了一系列基于生存机器学习方法的预测导向生物标志物选择框架。 | 采用了随机生存森林、极端梯度提升、轻量级梯度提升和深度学习生存模型等新型机器学习算法进行生物标志物选择，并将PROMISE方法调整为生存模型(PROMISE-Cox)。 | 在生存模型中不同特征选择方法的表现需要进一步深入研究。 | 目标是发现新颖且可靠的预后生物标志物，以预测患者的生存结果。 | 主要研究对象为不同类型的头颈癌数据中的预后生物标志物。 | 机器学习 | 癌症 | 机器学习算法 | 随机生存森林、极端梯度提升、轻量级梯度提升、深度学习模型 | 数据 | 不同类型的头颈癌数据集（具体样本量未提及） |
| 13640 | 2024-08-07 |
Improving interobserver agreement and performance of deep learning models for segmenting acute ischemic stroke by combining DWI with optimized ADC thresholds
2022-Aug, European radiology
IF:4.7Q1
DOI:10.1007/s00330-022-08633-6
PMID:35201408
|
研究论文 | 研究通过结合弥散加权成像（DWI）与优化表观弥散系数（ADC）阈值，提高急性缺血性卒中（AIS）分割的观察者间一致性和深度学习模型（DLMs）性能 | 通过结合特定ADC阈值与DWI，显著提高了急性缺血性卒中病变的分割性能和观察者间的一致性 | NA | 探讨ADC阈值对观察者间一致性和深度学习模型分割急性缺血性卒中性能的影响 | 急性缺血性卒中（AIS）的分割 | 机器学习 | 脑血管疾病 | 弥散加权成像（DWI） | 深度学习模型（DLMs） | 图像 | 训练集包含76名AIS患者，测试集包含145名AIS患者 |