深度学习在生物医药领域的应用
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（使用关键词“['deep learning']”过滤），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19.9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 32373 篇文献，本页显示第 19341 - 19360 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19341 | 2024-12-18 |
DL-SPhos: Prediction of serine phosphorylation sites using transformer language model
2024-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.107925
PMID:38183701
|
研究论文 | 本文介绍了一种基于变压器语言模型和深度神经网络的工具DL-SPhos，用于预测丝氨酸磷酸化位点 | 本文引入了可解释的人工智能技术，结合变压器语言模型和深度神经网络，显著提高了丝氨酸磷酸化位点预测的准确性，并超越了其他深度学习预测工具 | NA | 研究丝氨酸磷酸化在细胞过程和疾病发病机制中的关键作用，并开发一种高效的预测工具 | 丝氨酸磷酸化位点和相关保守基序 | 机器学习 | 癌症和生殖系统疾病 | 深度学习 | 变压器语言模型和深度神经网络 | 蛋白质序列 | 使用了UniProt的蛋白质序列数据进行训练，并在dbPTM基准数据集和PTMD数据集上进行了验证 | NA | NA | NA | NA |
| 19342 | 2024-12-18 |
An emotion recognition method based on EWT-3D-CNN-BiLSTM-GRU-AT model
2024-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.107954
PMID:38183705
|
研究论文 | 提出了一种基于EWT-3D-CNN-BiLSTM-GRU-AT模型的情感识别方法，通过结合EEG信号的频率、空间和时间特征，实现了高效的情感分类 | 该研究创新性地结合了经验小波变换（EWT）、卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、门控循环单元（GRU）和自注意力机制（AT），构建了一个3D深度学习框架，显著提升了情感分类的准确性 | 研究仅在DEAP数据库上进行了评估，未来可能需要在更多数据集上验证其泛化能力 | 提高情感识别系统的鲁棒性和分类准确性 | EEG信号的情感分类 | 机器学习 | NA | 经验小波变换（EWT） | 卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、门控循环单元（GRU）、自注意力机制（AT） | EEG信号 | DEAP数据库中的EEG记录 | NA | NA | NA | NA |
| 19343 | 2024-12-18 |
Methods and datasets for segmentation of minimally invasive surgical instruments in endoscopic images and videos: A review of the state of the art
2024-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.107929
PMID:38184862
|
综述 | 本文综述了在计算机和机器人辅助微创手术领域中，用于内窥镜图像和视频中微创手术器械分割的方法和数据集的最新进展 | 本文强调了公开可用数据集的提供如何促进了基于深度学习的新方法的发展 | 本文指出了现有研究中的不足，并强调了未来发展的潜力 | 回顾和评估用于微创手术器械分割和跟踪的方法及其使用的数据集 | 微创手术器械在内窥镜图像和视频中的分割和跟踪 | 计算机视觉 | NA | 深度学习 | NA | 图像和视频 | 分析了741篇文章，其中123篇符合系统选择标准 | NA | NA | NA | NA |
| 19344 | 2024-12-18 |
Interpretable CRISPR/Cas9 off-target activities with mismatches and indels prediction using BERT
2024-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.107932
PMID:38199209
|
研究论文 | 本文开发了一种基于BERT的模型CRISPR-BERT，用于预测CRISPR/Cas9的脱靶效应，并提出了一种自适应批量类别平衡策略来处理数据不平衡问题 | 首次实现了同时预测脱靶位点的错配和插入缺失，并提出了自适应批量类别平衡策略来处理数据不平衡问题，同时通过可视化方法增强了模型的可解释性 | NA | 提高CRISPR/Cas9基因编辑中sgRNA的靶向特异性预测精度 | CRISPR/Cas9系统的脱靶效应 | 机器学习 | NA | BERT | BERT | 序列数据 | 五个仅错配数据集和两个包含错配和插入缺失的数据集 | NA | NA | NA | NA |
| 19345 | 2024-12-18 |
System for automatically assessing the likelihood of inferior alveolar nerve injury
2024-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.107923
PMID:38199211
|
研究论文 | 本文提出了一种基于全景放射图像的自动化系统，用于评估下牙槽神经损伤的可能性 | 提出了新的分割模型SS-TransUnet和分类算法CD-IAN injury class，提高了分割和分类的准确性，并增强了模型的可解释性 | 未提及具体的局限性 | 提高下颌第三磨牙和下颌管的分割精度以及下牙槽神经损伤可能性的分类准确性，减少下牙槽神经损伤的发生 | 下颌第三磨牙和下颌管的分割，以及下牙槽神经损伤可能性的分类 | 计算机视觉 | 口腔疾病 | 深度学习 | SS-TransUnet | 图像 | 未提及具体的样本数量 | NA | NA | NA | NA |
| 19346 | 2024-12-18 |
Robust self-supervised denoising of voltage imaging data using CellMincer
2024, Npj imaging
DOI:10.1038/s44303-024-00055-x
PMID:39649342
|
研究论文 | 本文介绍了一种名为CellMincer的自监督深度学习方法，用于去噪电压成像数据，显著提高了信号噪声比 | CellMincer通过掩码和预测稀疏像素集，结合预计算的时空自相关性，有效建模长程依赖，避免了传统方法的刚性假设和现有深度学习方法的不足 | NA | 开发一种新的自监督深度学习方法，用于提高电压成像数据的信号噪声比 | 电压成像数据的去噪 | 机器学习 | NA | 深度学习 | 自监督深度学习模型 | 图像 | 模拟和真实电压成像数据集，包括通过膜片钳电生理学验证的数据 | NA | NA | NA | NA |
| 19347 | 2024-12-18 |
Integrating artificial intelligence in strabismus management: current research landscape and future directions
2024, Experimental biology and medicine (Maywood, N.J.)
DOI:10.3389/ebm.2024.10320
PMID:39654660
|
研究论文 | 本文探讨了人工智能在斜视管理中的应用现状及未来发展方向 | 深度学习显著提高了诊断准确性和手术效果 | 多样化的斜视类型代表性不足，依赖单一数据源 | 研究人工智能在斜视管理中的应用，提升诊断和手术规划 | 斜视管理中的诊断和手术规划 | 机器学习 | NA | 深度学习 | NA | 多模态数据 | NA | NA | NA | NA | NA |
| 19348 | 2024-12-18 |
Cardiovascular disease prediction model based on patient behavior patterns in the context of deep learning: a time-series data analysis perspective
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1418969
PMID:39676910
|
研究论文 | 本文提出了一种基于时间序列数据分析的心血管疾病预测模型LGAP，结合LSTM网络、图神经网络和多头注意力机制，通过分析患者的行为模式和关系图数据，提高预测精度和个性化健康管理 | 提出了基于时间序列数据分析的LGAP模型，结合LSTM、GNN和多头注意力机制，能够有效捕捉患者行为的动态变化和个性化差异 | 未提及具体局限性 | 提高心血管疾病预测的准确性和个性化健康管理 | 心血管疾病预测模型 | 机器学习 | 心血管疾病 | LSTM、GNN、多头注意力机制 | LGAP | 时间序列数据、关系图数据 | 使用了PhysioNet和NHANES数据集，具体样本量未提及 | NA | NA | NA | NA |
| 19349 | 2024-12-18 |
Enhancing interpretability and accuracy of AI models in healthcare: a comprehensive review on challenges and future directions
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1444763
PMID:39677978
|
综述 | 本文系统回顾了人工智能在医疗保健中的应用，重点评估了模型可解释性和准确性的挑战及未来方向 | 本文通过系统回顾，提出了提高AI模型在医疗保健中的可解释性和准确性的策略，旨在确保未来AI应用在提升性能的同时保持透明度和患者安全 | 本文主要讨论了当前AI系统的主要限制，如深度学习模型的黑箱性质和在不同临床环境中的性能差异 | 探讨人工智能在医疗保健中的应用，特别是模型可解释性和准确性的挑战，并提出未来发展方向 | 人工智能在医疗保健中的应用，包括诊断影像分析和预测建模 | 机器学习 | NA | NA | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 19350 | 2024-12-18 |
A segmentation-combination data augmentation strategy and dual attention mechanism for accurate Chinese herbal medicine microscopic identification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1442968
PMID:39678011
|
研究论文 | 本文提出了一种基于深度学习的中药显微识别方法，通过分割-组合数据增强策略和浅深双注意力机制来提高识别准确性 | 本文的创新点在于提出了分割-组合数据增强策略和浅深双注意力模块，以解决传统显微方法的局限性和数据集不平衡问题 | 本文未提及具体的局限性 | 研究目的是提高中药显微识别的自动化水平 | 研究对象是中药显微图像 | 计算机视觉 | NA | 深度学习 | 双注意力机制 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19351 | 2024-12-18 |
Geometric Deep learning Prioritization and Validation of Cannabis Phytochemicals as Anti-HCV Non-nucleoside Direct-acting Inhibitors
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241306881
PMID:39678171
|
研究论文 | 本文利用几何深度学习方法从大麻化合物数据库中筛选并验证了潜在的NS5B抑制剂，作为抗HCV的非核苷类直接作用抑制剂 | 本文首次使用图神经网络（GNN）进行深度学习虚拟筛选，并结合FEP/MD和分子动力学模拟验证候选化合物 | 研究仅验证了6个随机选择的候选化合物，未对所有31个候选化合物进行全面验证 | 筛选并验证大麻化合物中潜在的NS5B抑制剂，以改善HCV治疗的可用性和可及性 | 大麻化合物数据库中的化合物及其作为NS5B抑制剂的潜力 | 机器学习 | 肝炎 | 图神经网络（GNN），虚拟筛选，重新对接，传统对接，FEP/MD，分子动力学模拟 | 图神经网络（GNN） | 化合物数据库 | 31个候选化合物，其中6个进行了FEP/MD和分子动力学模拟验证 | NA | NA | NA | NA |
| 19352 | 2024-12-18 |
Novel statistically equivalent signature-based hybrid feature selection and ensemble deep learning LSTM and GRU for chronic kidney disease classification
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2467
PMID:39678272
|
研究论文 | 本文提出了一种基于统计等价签名（SES）的混合特征选择方法，并结合长短期记忆（LSTM）和门控循环单元（GRU）的集成深度学习模型，用于慢性肾脏病（CKD）的分类 | 本文的创新点在于使用SES方法识别多个具有相似性能的预测特征子集，并结合LASSO方法进行特征选择，同时提出了一种结合LSTM和GRU的集成深度学习模型用于CKD分类 | 本文的局限性在于仅使用了LASSO和SES方法进行特征选择，未来研究可以探索其他特征选择方法，如动态特征选择方法 | 本文的研究目的是提高慢性肾脏病分类的准确性 | 本文的研究对象是慢性肾脏病的分类任务 | 机器学习 | 慢性肾脏病 | LASSO | LSTM, GRU | 数值数据 | 未明确提及样本数量 | NA | NA | NA | NA |
| 19353 | 2024-12-18 |
Deep learning-based methodology for vulnerability detection in smart contracts
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2320
PMID:39678274
|
研究论文 | 本文提出了一种基于深度学习的智能合约漏洞检测方法 | 本文的创新点在于提出了一种多标签漏洞检测模型，结合了抽取式摘要方法和深度学习技术 | 本文未提及具体的局限性 | 本文的研究目的是解决当前智能合约漏洞检测技术在多重漏洞识别方面的不足 | 本文的研究对象是智能合约中的漏洞 | 机器学习 | NA | 深度学习 | 深度学习模型 | 文本 | 未提及具体样本数量 | NA | NA | NA | NA |
| 19354 | 2024-12-18 |
Enhancing ransomware defense: deep learning-based detection and family-wise classification of evolving threats
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2546
PMID:39678277
|
研究论文 | 本文提出了一种基于深度学习的勒索软件检测和分类方法，使用GN-BiLSTM模型实现了高精度的检测和分类 | 本文创新性地提出了基于组归一化的双向长短期记忆网络（GN-BiLSTM）方法，用于检测和分类勒索软件变种 | 本文未详细讨论模型的计算复杂度和资源消耗 | 研究目的是利用深度学习技术解决多类分类问题，提高勒索软件检测和分类的准确性 | 研究对象是勒索软件及其变种的检测和分类 | 机器学习 | NA | 深度学习 | 双向长短期记忆网络（BiLSTM） | 数据集 | 使用了CIC-MalMem-2022数据集和10,876个自收集的最新样本，涵盖26个恶意软件家族 | NA | NA | NA | NA |
| 19355 | 2024-12-18 |
DeepCorr: a novel error correction method for 3GS long reads based on deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2160
PMID:39678285
|
研究论文 | 提出了一种基于深度学习的第三代测序长读取错误校正方法DeepCorr | DeepCorr采用循环神经网络捕捉长读取中的长期依赖关系，将长读取错误校正问题转化为多分类任务，并能充分利用未对齐的碱基信息进行校正 | 未提及具体限制 | 开发一种高效且准确的第三代测序长读取错误校正方法 | 第三代测序技术（PacBio和ONT平台）生成的长读取数据 | 生物信息学 | NA | 第三代测序技术（3GS） | 循环神经网络（RNN） | 测序数据 | 使用真实世界的PacBio和ONT基准数据集进行评估 | NA | NA | NA | NA |
| 19356 | 2024-12-18 |
A study of hybrid deep learning model for stock asset management
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2493
PMID:39678294
|
研究论文 | 本文提出了一种混合深度学习模型，用于股票价格预测和资产管理的同步操作 | 本文的创新点在于结合LSTM和强化学习（RL）进行股票价格预测和交易控制，并通过预测平均方向指数（ADX）和引入约束条件来降低市场不确定性，从而最大化股票资产 | NA | 研究如何利用混合深度学习模型在股票市场中实现有效的资产管理和交易策略 | 股票价格预测和资产管理的同步操作 | 机器学习 | NA | LSTM, 强化学习（RL） | 混合深度学习模型 | 股票市场数据 | NA | NA | NA | NA | NA |
| 19357 | 2024-12-18 |
Drivable path detection for a mobile robot with differential drive using a deep Learning based segmentation method for indoor navigation
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2514
PMID:39678296
|
研究论文 | 本文提出了一种基于深度学习的语义分割方法，用于室内导航中移动机器人的可行驶路径检测 | 本文创新性地使用了DeepLabv3+和ResNet50架构进行路径分割，并结合高斯滤波和多Otsu阈值处理来提高分割效果，同时开发了基于网格的RRT*导航策略以实现避障和优化路径 | 本文未详细讨论该方法在复杂室外环境中的适用性 | 研究如何利用深度学习技术提高移动机器人在室内环境中的导航能力 | 移动机器人在室内环境中的可行驶路径检测 | 计算机视觉 | NA | 深度学习 | DeepLabv3+ | 图像 | NA | NA | NA | NA | NA |
| 19358 | 2024-12-18 |
Machine learning prediction of brain metastasis invasion pattern on brain magnetic resonance imaging scans
2024 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdae200
PMID:39679176
|
研究论文 | 本研究探讨了机器学习方法在磁共振成像扫描中预测脑转移侵袭模式（BMIP）的潜力 | 首次提出使用机器学习方法通过磁共振成像扫描预测脑转移侵袭模式，提供了一种非侵入性的方法 | 研究样本量较小，且结果依赖于专家的先验知识 | 开发一种基于磁共振成像的非侵入性生物标志物，用于预测脑转移侵袭模式 | 脑转移侵袭模式（BMIP） | 机器学习 | 脑转移 | 磁共振成像（MRI） | 卷积神经网络（CNN） | 图像 | 132名患者 | NA | NA | NA | NA |
| 19359 | 2024-12-18 |
The role of artificial intelligence in drug screening, drug design, and clinical trials
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1459954
PMID:39679365
|
综述 | 本文综述了人工智能技术在药物筛选、药物设计和临床试验中的应用 | 本文总结了机器学习，尤其是深度学习在药物发现和开发中的显著优势，包括高通量和虚拟筛选、药物分子设计以及解决复杂有机合成问题 | 本文讨论了基于人工智能技术的药物发现和开发面临的挑战，并提出了未来可能的发展方向 | 探讨人工智能在药物发现和开发中的应用及其未来发展方向 | 人工智能技术在药物筛选、药物设计和临床试验中的应用 | 机器学习 | NA | 机器学习，深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 19360 | 2024-12-18 |
Prediction of protein interactions between pine and pine wood nematode using deep learning and multi-dimensional feature fusion
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1489116
PMID:39687321
|
研究论文 | 本研究提出了一种基于深度学习和多维特征融合的方法MFGAC-PPI，用于预测松树与松材线虫之间的蛋白质相互作用 | MFGAC-PPI通过结合AlphaFold和蛋白质序列特征，利用Transform和改进的GCN提取多维特征，相比基于单一特征信息的方法，获得了更多的三维表征信息 | NA | 旨在通过预测植物-病原体蛋白质相互作用，深入理解松材线虫病的致病系统 | 松树与松材线虫之间的蛋白质相互作用 | 机器学习 | NA | 深度学习 | 图注意力卷积网络（GCN） | 蛋白质序列 | 2,688对相互作用的蛋白质 | NA | NA | NA | NA |