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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期不过滤] [清除筛选条件]
当前共找到 26779 篇文献,本页显示第 14381 - 14400 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
14381 2024-11-29
Unwrapping non-locality in the image transmission through turbid media
2024-Jul-15, Optics express IF:3.2Q2
研究论文 本文研究了通过混浊介质进行高保真图像传输的问题,并提出了一种基于全局注意力机制的网络来提高重建性能 本文提出了一种基于全局注意力机制的网络,利用输入和输出光纤端面之间的非局部特征信息冗余,显著提高了图像重建的性能 本文未提及具体的局限性 解决通过混浊介质进行高保真图像传输的问题 通过混浊介质传输的图像重建 计算机视觉 NA 深度学习 全局注意力机制 图像 NA
14382 2024-11-29
Machine learning aided single cell image analysis improves understanding of morphometric heterogeneity of human mesenchymal stem cells
2024-05, Methods (San Diego, Calif.)
研究论文 本文利用机器学习方法分析单细胞图像,以提高对人类间充质干细胞形态学异质性的理解 本文首次应用卷积神经网络和迁移学习进行二分类,实现了97.54%的准确率 本文仅讨论了两种来源的间充质干细胞,未来需扩展到更多来源 开发一个稳健且快速的分析平台,以标准化间充质干细胞治疗的质量 人类间充质干细胞的形态学异质性 计算机视觉 NA 免疫表型成像流式细胞术 卷积神经网络 图像 两种来源的间充质干细胞样本
14383 2024-11-29
Deep Learning-Based construction of a Drug-Like compound database and its application in virtual screening of HsDHODH inhibitors
2024-05, Methods (San Diego, Calif.)
研究论文 本文利用生成式循环神经网络(RNN)构建了一个具有药物性质的化合物数据库,并应用于虚拟筛选HsDHODH抑制剂 本文创新性地使用生成式循环神经网络(RNN)和长短期记忆(LSTM)单元学习DrugBank中的药物化合物性质,构建了一个新的具有药物性质的化合物数据库 本文未详细讨论生成化合物数据库的准确性和筛选结果的临床应用潜力 构建一个具有药物性质的化合物数据库,并应用于虚拟筛选HsDHODH抑制剂 药物化合物数据库的构建和虚拟筛选HsDHODH抑制剂 机器学习 NA 生成式循环神经网络(RNN) LSTM 化合物 26,316个化合物
14384 2024-11-29
MFA-DTI: Drug-target interaction prediction based on multi-feature fusion adopted framework
2024-04, Methods (San Diego, Calif.)
研究论文 提出了一种基于多特征融合框架的药物-靶点相互作用预测方法MFA-DTI MFA-DTI通过融合交互网络和化学结构特征,克服了传统方法无法有效处理每种信息类型和忽略DTI数据特异性的问题 NA 改进药物-靶点相互作用预测的准确性 药物-靶点相互作用 机器学习 NA 深度学习 NA 序列数据、交互数据 六个公共数据集
14385 2024-11-29
miTDS: Uncovering miRNA-mRNA interactions with deep learning for functional target prediction
2024-03, Methods (San Diego, Calif.)
研究论文 本文开发了一种基于深度学习的miRNA-mRNA相互作用预测模型miTDS,通过动态词嵌入和多尺度注意力机制,提高了功能目标预测的准确性 miTDS利用transformer架构的动态词嵌入模型和多尺度注意力机制,结合RNA双路径模块,能够更全面地分析miRNA-mRNA相互作用位点,并准确预测功能目标 NA 解决miRNA功能目标预测中的挑战,提高预测准确性 miRNA和mRNA的相互作用及其功能预测 机器学习 NA 深度学习 transformer 序列数据 NA
14386 2024-11-29
MFD-GDrug: multimodal feature fusion-based deep learning for GPCR-drug interaction prediction
2024-03, Methods (San Diego, Calif.)
研究论文 本文提出了一种基于多模态特征融合的深度学习模型MFD-GDrug,用于预测GPCR-药物相互作用 利用ESM预训练模型提取蛋白质特征,并结合CNN和GCN进行多模态特征融合,有效捕捉GPCR-药物相互作用 NA 开发一种准确预测GPCR-药物相互作用的方法,以降低药物开发成本 GPCR-药物相互作用 机器学习 NA 多模态特征融合、CNN、GCN 深度学习模型 蛋白质特征、药物分子结构特征 NA
14387 2024-11-29
GSL-DTI: Graph structure learning network for Drug-Target interaction prediction
2024-03, Methods (San Diego, Calif.)
研究论文 提出了一种名为GSL-DTI的自动图结构学习模型,用于预测药物-靶点相互作用 引入了自动图结构学习方法,通过滤波门和下游任务的分类损失来指导DPP网络结构的学习 未提及具体限制 预测药物与靶点蛋白之间的相互作用,加速药物发现过程 药物分子与靶点蛋白的相互作用 机器学习 NA 图卷积网络 图结构学习网络 图数据 三个公开数据集
14388 2024-11-29
Automatic ICD-10-CM coding via Lambda-Scaled attention based deep learning model
2024-02, Methods (San Diego, Calif.)
研究论文 本文提出了一种基于Lambda-Scaled注意力机制的深度学习模型,用于自动进行ICD-10-CM编码 本文提出了一种新的深度学习模型DRCNN-ATT,结合了双向长短期记忆网络、多尺度卷积神经网络和Lambda-Scaled注意力模块,解决了标准注意力模块在自动ICD编码中的注意力分数消失问题 本文仅在私有CPLT数据集和公共MIMIC III top 50数据集上进行了验证,未来需要在更多数据集上进行测试 实现ICD-10-CM编码的自动化 ICD-10-CM编码 机器学习 NA 深度学习 DRCNN-ATT 文本 私有CPLT数据集和公共MIMIC III top 50数据集
14389 2024-11-29
The combined focal loss and dice loss function improves the segmentation of beta-sheets in medium-resolution cryo-electron-microscopy density maps
2024, Bioinformatics advances IF:2.4Q2
研究论文 研究了五种损失函数在检测中分辨率冷冻电镜密度图中β片层结构的效果,发现结合Focal损失和Dice损失的新型损失函数在检测次级结构方面表现最佳 设计了一种结合Focal损失和Dice损失的新型损失函数,显著提高了β片层体素的检测准确性 NA 提高中分辨率冷冻电镜密度图中次级结构的检测准确性 β片层结构 计算机视觉 NA 冷冻电镜 U-Net 图像 1355个原子结构/密度图对
14390 2024-11-29
Development of ultrasound-based clinical, radiomics and deep learning fusion models for the diagnosis of benign and malignant soft tissue tumors
2024, Frontiers in oncology IF:3.5Q2
研究论文 本研究开发了一种基于超声的临床、影像组学和深度学习融合模型,用于良性和恶性软组织肿瘤的诊断 本研究创新性地将临床数据、影像组学特征和深度学习特征融合,构建了一个支持向量机模型,显著提高了诊断性能 本研究为回顾性研究,样本来自两家医院,可能存在选择偏倚 开发一种基于超声的融合模型,用于准确诊断良性和恶性软组织肿瘤 良性和恶性软组织肿瘤 机器学习 NA 支持向量机 支持向量机 图像 训练集包含516例患者,外部验证集包含78例患者
14391 2024-11-29
Spatial heterogeneity response of soil salinization inversion cotton field expansion based on deep learning
2024, Frontiers in plant science IF:4.1Q1
研究论文 本研究利用深度学习模型对土壤盐渍化进行反演,并探讨了棉花田扩张对土壤盐渍化的影响 本研究首次结合CNN、LSTM和RF模型,通过Landsat-8影像提取特征变量,实现了对土壤盐渍化的高精度反演,并揭示了棉花田扩张与土壤盐渍化的空间异质性关系 本研究主要基于Landsat-8影像数据,未来可结合更多类型的遥感数据以提高模型的泛化能力 探讨深度学习在土壤盐渍化反演中的应用,并分析棉花田扩张对土壤盐渍化的影响 土壤盐渍化及其对棉花田扩张的空间异质性影响 计算机视觉 NA 深度学习 CNN, LSTM, RF 影像 97个田间样本
14392 2024-11-29
Deep learning-enhanced automated mitochondrial segmentation in FIB-SEM images using an entropy-weighted ensemble approach
2024, PloS one IF:2.9Q1
研究论文 本文提出了一种基于深度学习的自动化线粒体分割方法,使用熵加权集成技术在FIB-SEM图像中进行线粒体分割 本文的创新点在于采用了一种熵加权集成学习技术,结合两个自动分割管道的预测输出,提高了线粒体分割的准确性 本文的局限性在于仅使用了四个公开数据集进行评估,未来需要更多数据集验证方法的泛化能力 本文的研究目的是开发一种高效的自动化工具,用于在FIB-SEM图像中进行线粒体分割,以辅助早期检测和缓解线粒体疾病 本文的研究对象是线粒体及其在FIB-SEM图像中的分割 计算机视觉 神经退行性疾病 FIB-SEM CNN 图像 四个公开数据集
14393 2024-11-28
Correction to "Development and validation of deep learning models for identifying the brand of pedicle screws on plain spine radiographs"
2024-Dec, JOR spine IF:3.4Q1
correction 对文章“Development and validation of deep learning models for identifying the brand of pedicle screws on plain spine radiographs”的更正 NA NA NA NA NA NA NA NA NA NA
14394 2024-11-28
An optimal deep learning approach for breast cancer detection and classification with pre-trained CNN-based feature learning mechanism
2024-Nov-27, Journal of biomolecular structure & dynamics IF:2.7Q2
研究论文 本文提出了一种基于预训练CNN特征学习机制的最优深度学习方法,用于乳腺癌的检测和分类 本文创新性地采用了预训练的迁移学习模型进行分割和特征学习,并结合增强的布谷鸟搜索优化算法进行特征选择,最终使用ECSO-LSTM模型进行分类 NA 开发一种高精度的深度学习系统,用于乳腺癌的早期检测和分类 乳腺癌的超声图像 计算机视觉 乳腺癌 深度学习 CNN, LSTM 图像 从BUSI数据集中收集的超声图像
14395 2024-11-28
A combination of conserved and stage-specific lncRNA biomarkers to detect lung adenocarcinoma progression
2024-Nov-27, Journal of biomolecular structure & dynamics IF:2.7Q2
研究论文 研究通过整合网络方法探讨长链非编码RNA(lncRNA)在肺腺癌发生中的作用,并识别出阶段特异性和保守的lncRNA生物标志物 识别出一种保守和四种阶段特异的lncRNA作为基因组调控生物标志物,并利用深度学习成功区分肺腺癌及其不同进展阶段 NA 探讨lncRNA在肺腺癌进展中的分子机制,并识别潜在的lncRNA生物标志物 肺腺癌及其不同进展阶段的lncRNA表达模式 数字病理学 肺腺癌 深度学习 NA 表达谱 NA
14396 2024-11-28
Assessing the effects of 5-HT2A and 5-HT5A receptor antagonists on DOI-induced head-twitch response in male rats using marker-less deep learning algorithms
2024-Nov-27, Pharmacological reports : PR IF:3.6Q2
研究论文 评估5-HT2A和5-HT5A受体拮抗剂对DOI诱导的雄性大鼠头部抽搐反应的影响,使用无标记深度学习算法 采用无标记深度学习算法(DeepLabCut和SimBA工具包)来检测头部抽搐反应,取代了传统的需要手术植入磁性标记的方法 NA 评估无标记深度学习算法检测头部抽搐反应的可行性 5-HT2A和5-HT5A受体拮抗剂对DOI诱导的雄性大鼠头部抽搐反应的影响 计算机视觉 NA 深度学习算法 DeepLabCut神经网络 视频 雄性大鼠
14397 2024-11-28
Corrigendum: Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia
2024, Frontiers in medicine IF:3.1Q1
correction 纠正了文章DOI: 10.3389/fmed.2024.1445069中的错误 NA NA NA NA NA NA NA NA NA NA
14398 2024-11-27
Wee1 inhibitor optimization through deep-learning-driven decision making
2024-Dec-15, European journal of medicinal chemistry IF:6.0Q1
研究论文 本文利用深度学习技术优化Wee1抑制剂,通过活性解释、基于支架的分子生成和活性预测,从初始化合物GLX0198出发,获得了三个优化后的化合物,并在多种癌细胞系中表现出显著的抑制效果 本文首次将深度学习技术应用于Wee1抑制剂的优化,显著提高了抑制剂的活性 本文仅展示了少数几个优化后的化合物,未全面评估所有可能的优化路径 利用深度学习技术优化Wee1抑制剂,提高其在癌症治疗中的效果 Wee1抑制剂及其在癌症细胞中的抑制效果 机器学习 NA 深度学习 NA 分子数据 从初始化合物GLX0198出发,最终获得三个优化后的化合物
14399 2024-11-27
Can Deep Learning Search for Exceptional Chiroptical Properties? The Halogenated [6]Helicene Case
2024-Dec-02, Angewandte Chemie (International ed. in English)
研究论文 本文研究了化学结构与手性光学性质之间的关系,并利用深度学习模型预测了大量卤代[6]螺旋烯的手性旋转强度 首次利用深度神经网络模型预测卤代[6]螺旋烯的手性旋转强度,并通过实验验证了预测结果的准确性 NA 研究化学结构与手性光学性质之间的关系,并开发新的具有增强光学性质的系统 卤代[6]螺旋烯的手性旋转强度 机器学习 NA DFT计算 深度神经网络 化学结构数据 数百万个卤代[6]螺旋烯衍生物
14400 2024-11-27
Deep learning predicted perceived age is a reliable approach for analysis of facial ageing: A proof of principle study
2024-Dec, Journal of the European Academy of Dermatology and Venereology : JEADV IF:8.4Q1
研究论文 本研究探讨了使用深度学习算法预测面部感知年龄的可行性,并验证了其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 本研究首次使用深度学习方法自动估算面部感知年龄,并验证了其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 本研究仅在荷兰的中老年人群中进行了验证,未来需要在更多样化的人群中进行进一步验证 验证深度学习算法在估算面部感知年龄方面的可靠性,并探讨其与人类评估的感知年龄在关联疾病和基因变异方面的一致性 中老年荷兰参与者的面部图像和感知年龄数据 计算机视觉 NA 深度学习 自监督学习和深度特征迁移 图像 2679名中老年荷兰参与者和1158名验证人群
回到顶部