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 578 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-09-01 |
An Intelligent System for Detecting Abnormal Behavior in Students Based on the Human Skeleton and Deep Learning
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/3819409
PMID:35795751
|
研究论文 | 本研究利用智能视频系统，基于人体骨骼和深度学习技术，提出了一种检测学生异常行为的方法 | 通过迭代训练OpenPose深度学习网络提取人体骨骼的时空特征，并使用图卷积神经网络和滑动窗口投票方法提高行为分类的准确性和处理效率 | NA | 开发一种高效准确的异常行为检测系统 | 学生的异常行为 | 计算机视觉 | NA | 深度学习 | 图卷积神经网络 | 视频 | 使用自建的学生轨迹数据集和INRIA数据集进行模拟分析 | NA | NA | NA | NA |
| 362 | 2024-09-01 |
PD-ResNet for Classification of Parkinson's Disease From Gait
2022, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2022.3180933
PMID:35795875
|
研究论文 | 本文提出了一种基于残差网络架构的新模型PD-ResNet，用于从步态自动识别帕金森病和健康对照组 | 采用了多项式提升维度技术增加输入步态特征的维度，并开发了一种改进的焦点损失函数，专注于训练PD-ResNet处理困难样本并舍弃异常样本 | NA | 开发一种客观且高效的方法来自动识别帕金森病和健康对照组 | 帕金森病患者和健康对照组的步态差异 | 机器学习 | 帕金森病 | 残差网络（ResNet） | PD-ResNet | 3维图片 | 临床步态数据集 | NA | NA | NA | NA |
| 363 | 2024-09-01 |
Intelligent Analysis of Exercise Health Big Data Based on Deep Convolutional Neural Network
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/5020150
PMID:35800690
|
研究论文 | 本文使用深度卷积神经网络算法对运动健康大数据进行深入研究和分析，并设计了一个智能分析系统用于实际应用过程 | 本文首次将卷积神经网络应用于脑波数据的四分类，并通过优化模型提高了其准确性，同时建立了一个多模态数据特征融合的情绪疲劳检测演示平台 | NA | 研究如何利用深度学习技术对运动健康大数据进行智能分析 | 运动健康大数据 | 机器学习 | NA | 深度卷积神经网络 | CNN | 脑波数据 | NA | NA | NA | NA | NA |
| 364 | 2024-09-01 |
Analysis of Data Interaction Process Based on Data Mining and Neural Network Topology Visualization
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1817628
PMID:35814595
|
研究论文 | 本文通过数据挖掘和神经网络模型构建与分析，设计了一种基于数据挖掘和拓扑可视化的数据交互过程模型 | 提出了一种在不稳定区域内可视化网络拓扑的方法，将网络拓扑布局问题转化为凸多边形内的圆形拓扑扩散问题，确保了清晰的逻辑拓扑连接并减少了区域间的间隙 | NA | 设计一个有效的数据交互过程模型，提高数据交互的实时性、准确性、安全性和可靠性 | 学生学术表现数据 | 机器学习 | NA | 多通道卷积神经网络（MCNN） | 卷积神经网络（CNN） | 文本 | NA | NA | NA | NA | NA |
| 365 | 2024-09-01 |
Intelligent Deep Learning Enabled Oral Squamous Cell Carcinoma Detection and Classification Using Biomedical Images
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/7643967
PMID:35814555
|
研究论文 | 本文开发了一种智能深度学习驱动的口腔鳞状细胞癌检测与分类技术（IDL-OSCDC），利用生物医学图像进行口腔癌的识别和分类 | 提出了一种基于Gabor滤波的预处理步骤，使用NasNet模型生成高层次深度特征，并采用增强型蝗虫优化算法（EGOA）优化的深度信念网络（DBN）进行口腔癌检测和分类 | NA | 开发一种自动化的工具用于口腔癌的早期检测和分类 | 口腔鳞状细胞癌 | 计算机视觉 | 口腔癌 | Gabor滤波（GF） | 深度信念网络（DBN） | 图像 | 使用了一个基准生物医学成像数据集进行实验 | NA | NA | NA | NA |
| 366 | 2024-09-01 |
Predicting 3D chromatin interactions from DNA sequence using Deep Learning
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.06.047
PMID:35832620
|
综述 | 本文综述了利用深度学习模型从DNA序列预测3D染色质相互作用的研究进展 | 深度学习模型结合全基因组3C测序数据已成为推断远端相互作用DNA序列语法的有力工具 | 目前深度学习模型的训练仅限于少数人类细胞系，其预测结果在其他组织类型和物种中的泛化能力有待验证 | 探讨DNA序列特征在介导远端染色质相互作用中的作用 | 3D染色质结构及其在基因调控中的作用 | 机器学习 | NA | 3C测序 | 深度学习模型 | DNA序列 | 少数人类细胞系 | NA | NA | NA | NA |
| 367 | 2024-09-01 |
Molecular Modeling of ABHD5 Structure and Ligand Recognition
2022, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2022.935375
PMID:35836935
|
研究论文 | 本研究结合计算和实验方法构建了ABHD5的三维结构，并揭示了其与合成配体的结合机制 | 首次使用深度学习方法构建ABHD5模型，并通过模拟和实验数据验证了其结构 | NA | 探究ABHD5的分子结构及其配体识别机制 | ABHD5蛋白及其与合成配体的相互作用 | 生物信息学 | 代谢疾病 | 分子动力学模拟 | 深度学习模型 | 蛋白质结构 | 一系列ABHD5突变体和合成配体 | NA | NA | NA | NA |
| 368 | 2024-09-01 |
Surface Defect Segmentation Algorithm of Steel Plate Based on Geometric Median Filter Pruning
2022, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2022.945248
PMID:35845429
|
研究论文 | 本文针对钢板表面缺陷分割问题，提出了一种基于几何中值滤波剪枝的深度学习模型压缩算法 | 提出了一种基于几何中值滤波的模型剪枝算法，用于结构化剪枝和压缩缺陷分割检测网络 | NA | 优化和简化钢板表面缺陷检测模型，使其适用于工厂嵌入式设备 | 钢板表面缺陷分割检测模型 | 机器学习 | NA | 几何中值滤波剪枝 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 369 | 2024-09-01 |
Using deep learning-based natural language processing to identify reasons for statin nonuse in patients with atherosclerotic cardiovascular disease
2022, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-022-00157-w
PMID:35856080
|
研究论文 | 本研究利用基于深度学习的自然语言处理技术，从非结构化的电子健康记录中识别出动脉粥样硬化心血管疾病患者未使用他汀类药物的原因 | 开发并验证了基于深度学习的自然语言处理方法（临床双向编码器表示变换器BERT），用于分类他汀类药物未使用及其原因 | NA | 识别大规模医疗系统中他汀类药物未使用的原因，以开发针对性的干预措施，提高他汀类药物的使用率 | 动脉粥样硬化心血管疾病患者的电子健康记录 | 自然语言处理 | 心血管疾病 | 自然语言处理（NLP） | 双向编码器表示变换器（BERT） | 文本 | 56,530名动脉粥样硬化心血管疾病患者 | NA | NA | NA | NA |
| 370 | 2024-09-01 |
Three-Dimensional Reconstruction of a CT Image under Deep Learning Algorithm to Evaluate the Application of Percutaneous Kyphoplasty in Osteoporotic Thoracolumbar Compression Fractures
2022, Contrast media & molecular imaging
DOI:10.1155/2022/9107021
PMID:35919502
|
研究论文 | 本研究通过优化传统的V-Net网络并提出改进的V-Net，用于基于深度学习的三维CT图像重建，以评估经皮椎体成形术在治疗骨质疏松性胸腰椎压缩性骨折中的应用 | 本研究引入了改进的V-Net网络，其Dice系数明显高于U-Net、V-Net和CNN，Hausdorff距离则低于这些网络，显示出更好的分割和重建质量 | NA | 探讨基于深度学习的V-Net网络进行三维CT图像重建，评估经皮椎体成形术治疗骨质疏松性胸腰椎压缩性骨折的疗效 | 106名骨质疏松性胸腰椎压缩性骨折患者，分为经皮椎体成形术组和对照组 | 计算机视觉 | 骨质疏松症 | CT扫描 | V-Net网络 | 图像 | 106名患者，128个椎体 | NA | NA | NA | NA |
| 371 | 2024-08-31 |
Simultaneous prediction of antibody backbone and side-chain conformations with deep learning
2022, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0258173
PMID:35704640
|
研究论文 | 本文介绍了一种名为DeepSCAb的深度学习方法，用于同时预测抗体骨架和侧链构象 | DeepSCAb方法能够预测抗体变异片段的残基间几何结构以及侧链二面角，且仅需要序列作为输入，适用于无已知骨架构象的抗体 | NA | 提高抗体结构预测的准确性，特别是在侧链建模方面 | 抗体骨架和侧链构象 | 机器学习 | NA | 深度学习 | 自注意力层 | 序列 | NA | NA | NA | NA | NA |
| 372 | 2024-08-31 |
Deep learning empowered COVID-19 diagnosis using chest CT scan images for collaborative edge-cloud computing platform
2022, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-11158-7
PMID:34220289
|
研究论文 | 本文开发了一种基于MobileNet V2架构的微调深度学习模型，用于在边缘云协同计算平台上进行COVID-19的胸部CT扫描图像诊断 | 提出的模型在准确性和诊断时间上优于现有的深度学习模型，且适用于资源受限环境 | NA | 提高COVID-19诊断的效率和可及性 | COVID-19的胸部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | MobileNet V2 | 图像 | 2482张胸部CT扫描图像 | NA | NA | NA | NA |
| 373 | 2024-08-31 |
A Tensorized Multitask Deep Learning Network for Progression Prediction of Alzheimer's Disease
2022, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2022.810873
PMID:35601611
|
研究论文 | 本研究提出了一种基于模态融合、核化和张量化的深度神经网络，用于阿尔茨海默病（AD）的进展预测，同时进行多类分类和纵向回归 | 该研究通过统一的多任务框架，同时进行多类分类和纵向回归，利用多模态特征的互补性，提高了模型的整体效能 | 研究发现，优化预测结果的超参数集可能与优化多类分类的超参数集不同，存在一个临界点，超过该点进一步提高一个过程的结果可能导致另一个过程的准确性下降 | 旨在提高早期诊断的前景和预测未来疾病状态的能力 | 阿尔茨海默病（AD）的进展预测 | 机器学习 | 阿尔茨海默病 | 深度神经网络 | CNN | 多模态数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 374 | 2024-08-31 |
Potential drug discovery for COVID-19 treatment targeting Cathepsin L using a deep learning-based strategy
2022, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2022.05.023
PMID:35602976
|
研究论文 | 本研究利用基于深度学习的策略，通过Chemprop模型识别能够抑制Cathepsin L活性的小分子和FDA批准的药物，以发现治疗COVID-19的新药物 | 首次应用Chemprop模型预测酶抑制剂，并发现daptomycin这一FDA批准的抗生素具有显著的Cathepsin L抑制作用 | NA | 发现和开发针对Cathepsin L的新型抑制剂，用于COVID-19的治疗 | Cathepsin L、SARS-CoV-2病毒、FDA批准的药物 | 机器学习 | COVID-19 | 深度学习 | 深度神经网络 | 分子数据 | 5种小分子和多种FDA批准的药物 | NA | NA | NA | NA |
| 375 | 2024-08-31 |
Application of Convolutional Neural Network-Based Detection Methods in Fresh Fruit Production: A Comprehensive Review
2022, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2022.868745
PMID:35651761
|
综述 | 本文全面回顾了卷积神经网络（CNN）在新鲜水果生产中的应用 | 首次全面回顾了CNN在新鲜水果生产全过程中的应用 | NA | 探讨CNN在新鲜水果生产各环节中的应用及效果 | 新鲜水果生产的各个环节，包括花果检测、果实检测、采摘和分级 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 大量文章 | NA | NA | NA | NA |
| 376 | 2024-08-31 |
Design of Machine Learning Algorithm for Tourism Demand Prediction
2022, Computational and mathematical methods in medicine
DOI:10.1155/2022/6352381
PMID:35720035
|
研究论文 | 本文构建了一个基于机器学习的旅游需求预测模型，通过引入LSTM自动编码器的深度堆叠方法，提高了深度学习模型的性能，并进行了四年的旅游人数预测实验。 | 提出了基于LSTM的自动编码器深度堆叠方法，采用分层贪婪预训练方法替代深度网络中的随机权重初始化方法，结合预训练阶段和微调网络，形成SAE-LSTM预测模型。 | NA | 提高旅游需求预测的准确性，帮助政府做出关于基础设施发展和住宿地点规划的明智决策。 | 旅游需求预测 | 机器学习 | NA | LSTM | SAE-LSTM | 数据集 | 使用城市A的月度搜索引擎强度数据及其相关影响因素作为数据集，进行了四年的旅游人数预测。 | NA | NA | NA | NA |
| 377 | 2024-08-31 |
Unsupervised Black-Box Model Domain Adaptation for Brain Tumor Segmentation
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.837646
PMID:35720708
|
研究论文 | 本文提出了一种无监督领域自适应框架，用于脑肿瘤分割，该框架使用仅在源域训练的黑盒分割模型，无需依赖源数据或可访问网络参数的白盒源模型 | 提出了一种知识蒸馏方案，以逐步学习目标特定表示，并通过无监督熵最小化来规范目标域标签的置信度 | 未提及具体的局限性 | 解决跨中心合作中因隐私问题导致的数据和标签共享困难，实现无监督领域自适应 | 脑肿瘤分割 | 计算机视觉 | 脑肿瘤 | 无监督领域自适应 (UDA) | 黑盒模型 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 378 | 2024-08-31 |
O-Net: A Novel Framework With Deep Fusion of CNN and Transformer for Simultaneous Segmentation and Classification
2022, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2022.876065
PMID:35720715
|
研究论文 | 本文提出了一种名为O-Net的新型网络框架，结合CNN和Transformer的优势，用于医学图像的分割和分类 | O-Net框架融合了CNN和Transformer，能够同时学习全局和局部信息，提高医学图像分割和分类的性能 | NA | 改进医学图像分割和分类的准确性 | 医学图像的分割和分类 | 计算机视觉 | NA | CNN, Transformer | O-Net | 图像 | 使用了synapse多器官CT数据集和ISIC 2017挑战数据集 | NA | NA | NA | NA |
| 379 | 2024-08-31 |
A Complete Process of Text Classification System Using State-of-the-Art NLP Models
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/1883698
PMID:35720939
|
研究论文 | 本文总结了用于文本分类的多种机器学习和深度学习算法，并讨论了它们的优缺点 | 本文汇总了最新的学习模型用于解决各种自然语言处理问题，并提供了对文本分类过程中所需的各种子任务和文献的深入理解 | 未明确提及具体的技术限制 | 旨在帮助读者理解文本分类过程中的各种子任务和文献，并探索文本分类领域的进一步改进或提出新的技术 | 文本分类算法及其在不同领域的应用 | 自然语言处理 | NA | 机器学习和深度学习模型 | 监督学习、半监督学习和无监督学习模型 | 文本 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 380 | 2024-08-31 |
Multiclass Cancer Prediction Based on Copy Number Variation Using Deep Learning
2022, Computational intelligence and neuroscience
DOI:10.1155/2022/4742986
PMID:35720914
|
研究论文 | 本文通过开发三种端到端的深度学习模型（DNN、CNN和RNN），利用24,174个基因的CNV数据对六种癌症类型进行分类 | 首次尝试使用端到端深度学习模型进行多类别癌症预测，避免了传统机器学习中手工特征提取和选择的步骤 | 目前仅针对六种癌症类型进行研究，未来计划扩展到其他类型的癌症 | 探索不同人类癌症之间的差异，并比较不同深度学习架构在CNV数据上的表现 | 六种癌症类型 | 机器学习 | NA | 深度学习 | DNN, CNN, RNN | CNV数据 | 24,174个基因 | NA | NA | NA | NA |