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 16592 篇文献，本页显示第 16001 - 16020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 16001 | 2024-08-07 |
Automatic classification of dog barking using deep learning
2024-May, Behavioural processes
IF:1.3Q2
DOI:10.1016/j.beproc.2024.105028
PMID:38648990
|
研究论文 | 本文描述了一种使用深度神经网络对狗叫声进行自动分类的方法，以识别狗的身份、品种、年龄、性别和情境 | 本研究提出的方法在狗叫声分类任务中表现出色，超越了以往的研究结果 | 尽管方法表现优异，但尚未准备好应用于动物行为学实践中 | 开发一种能够自动分类狗叫声的深度学习方法，以支持与动物互动频繁的人群的决策 | 研究对象为19,643次来自113只不同品种、年龄和性别的狗的叫声 | 机器学习 | NA | 深度学习 | 深度神经网络 | 音频 | 19,643次叫声，来自113只狗 |
| 16002 | 2024-08-07 |
Keratoconus Progression Determined at the First Visit: A Deep Learning Approach With Fusion of Imaging and Numerical Clinical Data
2024-May-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.5.7
PMID:38727695
|
研究论文 | 本研究开发了一种神经网络，能够在初次就诊时预测圆锥角膜的进展，使用角膜地形图和临床风险因素数据 | 通过融合角膜地形图和临床风险因素数据，开发了一种神经网络，能够在初次就诊时准确预测圆锥角膜的进展 | NA | 开发一种能够在初次就诊时预测圆锥角膜进展的神经网络 | 圆锥角膜的进展预测 | 机器学习 | 圆锥角膜 | NA | 神经网络 | 图像和数值数据 | 570只圆锥角膜眼 |
| 16003 | 2024-08-07 |
Deep learning in structural bioinformatics: current applications and future perspectives
2024-Mar-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae042
PMID:38701422
|
综述 | 本文综述了深度学习在结构生物信息学中的变革性影响及其在科学革命中的关键作用 | 深度学习正成为医疗和生物学中不可或缺的组成部分，革新分析过程 | NA | 探讨深度学习在结构生物信息学中的应用及未来展望 | 深度学习在生物信息学中的应用 | 生物信息学 | NA | 深度学习 | 卷积神经网络、循环神经网络、人工神经网络、变换器神经网络 | 大数据 | NA |
| 16004 | 2024-08-07 |
i5mC-DCGA: an improved hybrid network framework based on the CBAM attention mechanism for identifying promoter 5mC sites
2024-Mar-05, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-024-10154-z
PMID:38443802
|
研究论文 | 本文提出了一种基于CBAM注意力机制的改进混合网络框架i5mC-DCGA，用于识别启动子5mC位点 | 模型创新性地使用卷积块注意力模块(CBAM)改进密集卷积网络(DenseNet)，并结合双向门控循环单元(BiGRU)和自注意力机制提取全局特征信息 | NA | 开发一种计算方法来自动检测和识别5mC位点 | 5mC位点的识别 | 机器学习 | NA | 深度学习 | CNN, BiGRU | 序列 | NA |
| 16005 | 2024-08-07 |
A deep learning approach to the automatic detection of alignment errors in cryo-electron tomographic reconstructions
2024-03, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2023.108056
PMID:38101554
|
研究论文 | 本文提出了一种深度学习算法，用于自动检测电子断层扫描重建中的对齐错误 | 本研究首次使用深度学习算法来检测断层扫描重建中的对齐错误，并提出了一种算法来检测断层扫描中的基准标记 | NA | 旨在提高电子断层扫描重建的质量，确保样本研究的准确性 | 电子断层扫描重建中的对齐错误 | 计算机视觉 | NA | 深度学习 | 深度学习算法 | 图像 | NA |
| 16006 | 2024-08-07 |
DeepQs: Local quality assessment of cryo-EM density map by deep learning map-model fit score
2024-03, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2023.108059
PMID:38160703
|
研究论文 | 本文介绍了DeepQs，一种利用深度学习算法基于地图-模型拟合分数评估3D冷冻电镜密度图局部质量的新方法 | DeepQs是一种无参数方法，通过深度学习将地图与其相关原子模型的结构信息整合到训练好的模型中 | NA | 开发一种有效的质量评估方法，用于选择或修正冷冻电镜地图 | 3D冷冻电镜密度图的局部质量评估 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 高分辨率数据集（<=5 Å） |
| 16007 | 2024-08-07 |
Cryo-forum: A framework for orientation recovery with uncertainty measure with the application in cryo-EM image analysis
2024-03, Journal of structural biology
IF:3.0Q3
DOI:10.1016/j.jsb.2023.108058
PMID:38163450
|
研究论文 | 本文介绍了一种新的框架cryo-forum，用于在单粒子冷冻电子显微镜（cryo-EM）图像分析中恢复方向参数并测量不确定性 | 提出了一种使用10维特征向量表示方向的新方法，并引入了考虑方向间成对距离的独特损失函数，以及一个包含不确定性量化的端到端方法 | NA | 旨在提高单粒子冷冻电子显微镜图像分析中方向参数的确定效率和准确性 | 单粒子冷冻电子显微镜图像中的方向参数 | 计算机视觉 | NA | 深度学习 | 编码器网络 | 图像 | NA |
| 16008 | 2024-08-07 |
A Novel Validated Real-World Dataset for the Diagnosis of Multiclass Serous Effusion Cytology according to the International System and Ground-Truth Validation Data
2024, Acta cytologica
IF:1.6Q3
DOI:10.1159/000538465
PMID:38522415
|
研究论文 | 本文开发了一个新的公开浆膜腔积液细胞学数据集，并应用人工智能算法测试其在临床实践中的诊断效用和安全性 | 这是第一个基于标准化诊断系统的最大公开浆膜腔积液细胞学数据集，包括多种类型的积液和心包液标本，以及诊断上具有挑战性的非典型类别 | 模型在多类别分类问题中达到74%的准确率，对于高风险诊断的误分类率为0.13 | 开发和测试用于浆膜腔积液诊断的人工智能算法 | 浆膜腔积液细胞学数据集及其在临床实践中的应用 | 数字病理学 | NA | 转移学习 | VGG16深度学习模型和随机森林分类器 | 图像 | 3,731张图像分布在四个TIS诊断类别中 |
| 16009 | 2024-08-07 |
Advances in artificial intelligence in thyroid-associated ophthalmopathy
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1356055
PMID:38715793
|
研究论文 | 本文讨论了人工智能，特别是深度学习技术在甲状腺相关眼病诊断和治疗中的应用 | 介绍了深度学习技术在甲状腺相关眼病诊断、分级和治疗决策中的应用 | 提到了人工智能在甲状腺相关眼病研究中的一些局限性 | 探讨人工智能在甲状腺相关眼病中的应用及其未来发展方向 | 甲状腺相关眼病 | 机器学习 | 甲状腺疾病 | 深度学习 | 深度学习模型 | 影像数据 | NA |
| 16010 | 2024-08-07 |
FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300924
PMID:38768105
|
研究论文 | 本文提出了一种基于FPNC Net的氢化催化剂图像识别算法，用于解决催化剂粘附和堆叠导致的低识别准确率问题 | 引入空间可分离卷积核提取催化剂边缘的多尺度特征，并在骨干网络中加入特征金字塔网络（FPN）进行深浅特征融合，同时通过注意力模块自适应调整权重以突出催化剂目标特征 | NA | 提高氢化催化剂图像的智能识别效率和准确性 | 氢化催化剂图像的识别 | 计算机视觉 | NA | 深度学习 | FPNC Net | 图像 | NA |
| 16011 | 2024-08-07 |
Res2Net-based multi-scale and multi-attention model for traffic scene image classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300017
PMID:38768119
|
研究论文 | 本文提出了一种基于Res2Net的多尺度多注意力模型，用于交通场景图像分类 | 引入了自适应特征细化金字塔模块（AFRPM）以增强多尺度特征提取，并整合了频域、空间和通道注意力机制 | 由于天气条件、时间、光照变化和标注成本，传统深度学习方法在提取复杂交通场景特征和实现更高识别准确性方面仍有局限 | 提高交通场景图像分类的准确性和鲁棒性 | 交通场景图像 | 计算机视觉 | NA | NA | Res2Net | 图像 | 使用了Traffic-Net数据集 |
| 16012 | 2024-08-07 |
A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0293053
PMID:38768123
|
研究论文 | 本研究利用静息态功能网络连接（rs-FNC）数据，采用机器学习算法和深度学习模型对阿尔茨海默病（AD）、晚期轻度认知障碍（LMCI）和精神分裂症（SZ）患者进行分类分析 | 本研究首次采用混杂因素控制的rs-FNC数据，结合机器学习和深度学习模型，对AD和SZ患者进行直接比较，以识别两种疾病间的共同生物标志物 | 研究样本主要集中在AD和SZ患者，未涵盖其他类型的神经退行性疾病 | 旨在通过比较AD和SZ患者的静息态功能网络连接，识别两种疾病的共同生物标志物 | 阿尔茨海默病、晚期轻度认知障碍和精神分裂症患者 | 机器学习 | 阿尔茨海默病、精神分裂症 | 静息态功能磁共振成像（rs-fMRI） | 支持向量机、逻辑回归、随机森林、k-最近邻、全连接神经网络 | 功能网络连接数据 | 162名AD和LMCI患者，181名精神分裂症患者，315名认知正常（CN）受试者 |
| 16013 | 2024-08-07 |
Human lineage mutations regulate RNA-protein binding of conserved genes NTRK2 and ITPR1 involved in human evolution
2024, General psychiatry
IF:5.3Q1
DOI:10.1136/gpsych-2023-101425
PMID:38770356
|
研究论文 | 本文研究了人类谱系突变（HLMs）通过转录后修饰在人类进化中的作用 | 发现了一小部分人类特异性突变通过影响关键脑相关基因的转录后修饰，对人类物种形成做出了贡献 | NA | 探讨人类谱系突变对人类进化中转录后修饰的贡献 | 人类谱系突变对RNA结合蛋白亲和力的影响 | 机器学习 | 神经发育障碍 | 深度学习模型Seqweaver | 深度学习模型 | 基因数据 | 涉及的突变数量为0.27%的人类常见变异 |
| 16014 | 2024-08-07 |
Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1348154
PMID:38770396
|
研究论文 | 本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式 | 本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析 | NA | 研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平 | 研究对象为18名被诊断为高度恐惧症的年轻成年人 | 机器学习 | 心理疾病 | 脑电图（EEG） | 卷积神经网络（CNN）和人工神经网络（ANN） | 脑电图数据 | 18名高度恐惧症患者 |
| 16015 | 2024-08-07 |
CD-Loop: a chromatin loop detection method based on the diffusion model
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1393406
PMID:38770419
|
研究论文 | 本文提出了一种基于扩散模型的深度学习框架CD-Loop，用于预测染色质环 | CD-Loop结合了扩散模型的去噪过程和预训练得到的先验概率，通过密度聚类算法预测染色质环，优于现有方法 | NA | 研究染色质的三维结构 | 染色质环的结构和功能 | 生物信息学 | NA | Hi-C | 扩散模型 | 接触图 | 不同细胞类型、物种和测序深度 |
| 16016 | 2024-08-07 |
MIFAM-DTI: a drug-target interactions predicting model based on multi-source information fusion and attention mechanism
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1381997
PMID:38770418
|
研究论文 | 本文提出了一种基于多源信息融合和注意力机制的药物-靶点相互作用预测模型MIFAM-DTI | MIFAM-DTI模型通过整合多源信息并利用图注意力网络和多头自注意力机制，自主学习注意力权重，更全面地捕捉序列数据中的信息 | NA | 提高药物-靶点相互作用预测的准确性和效率 | 药物-靶点相互作用的预测 | 机器学习 | NA | 图注意力网络，多头自注意力 | MIFAM-DTI | 特征向量，邻接矩阵 | NA |
| 16017 | 2024-08-07 |
Deep learning-assisted lesion segmentation in PET/CT imaging: A feasibility study for salvage radiation therapy in prostate cancer
2024, Oncoscience
DOI:10.18632/oncoscience.603
PMID:38770445
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 16018 | 2024-08-07 |
DeepCAC: a deep learning approach on DNA transcription factors classification based on multi-head self-attention and concatenate convolutional neural network
2023-Sep-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05469-9
PMID:37723425
|
研究论文 | 提出了一种名为DeepCAC的新方法，利用深度卷积神经网络和多头自注意力机制进行DNA转录因子序列分析 | 采用多头自注意力机制和卷积神经网络相结合的方法，有效捕捉序列中的局部隐藏特征和长距离依赖关系，同时减少了模型参数数量 | 未提及具体限制 | 提高DNA转录因子序列分类的准确性，同时减少模型参数数量 | DNA转录因子序列 | 机器学习 | NA | 深度学习 | CNN, 多头自注意力机制 | 序列数据 | 未提及具体样本数量 |
| 16019 | 2024-08-07 |
Nextflow Pipeline for Visium and H&E Data from Patient-Derived Xenograft Samples
2023-Jul-30, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.27.550727
PMID:37546876
|
研究论文 | 开发了一个自动化数据处理管道，用于量化来自患者来源异种移植样本的Visium空间转录组学数据和匹配的苏木精和伊红（H&E）染色图像 | 该管道能够使用Xenome进行读数去卷积，使用Space Ranger量化宿主和移植物种的空间基因表达，提取B等位基因频率，并使用Velocyto进行剪接量化。此外，还生成了与Visium点互补的形态学和深度学习衍生特征量化，实现多模态H&E/表达比较 | NA | 设计一个基于Nextflow DSL2的管道，用于同时处理10x Genomics Visium空间转录组学数据和匹配的H&E染色全切片图像，优化用于患者来源异种移植（PDX）癌症标本 | 患者来源异种移植（PDX）癌症标本 | 数字病理学 | NA | Visium空间转录组学, H&E染色 | NA | 图像, 基因表达数据 | 四个黑色素瘤PDX样本 |
| 16020 | 2024-08-07 |
High-throughput image analysis with deep learning captures heterogeneity and spatial relationships after kidney injury
2023-04-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33433-3
PMID:37076596
|
研究论文 | 本文利用深度学习技术进行高通量图像分析，以捕捉肾脏损伤后的异质性和空间关系 | 本文提出了一种利用深度学习工具量化肾脏损伤异质性反应的方法，无需特殊设备或编程专业知识 | NA | 研究肾脏损伤后的恢复过程及其异质性和空间关系 | 肾脏损伤后的异质性反应和空间关系 | 计算机视觉 | 肾脏疾病 | 深度学习 | 深度学习模型 | 图像 | 多个肾脏样本 |