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 2513 篇文献，本页显示第 1061 - 1080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2024-10-21 |
Deep learning application for abdominal organs segmentation on 0.35 T MR-Linac images
2023, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2023.1285924
PMID:38260833
|
研究论文 | 本文研究了基于深度学习的0.35 T MR-Linac图像腹部器官自动分割方法 | 提出了一种基于3D nnUNet模型的腹部器官自动分割方法，并在0.35 T MR-Linac图像上进行了验证 | 对于十二指肠的分割结果不理想 | 开发一种自动化的方法来分割腹部肿瘤和危及器官，以提高放射治疗计划的质量 | 腹部器官，包括肝脏、肾脏、脊髓、胃和十二指肠 | 计算机视觉 | NA | NA | UNet | 图像 | 121组腹部MR图像及其对应的分割结果 | NA | NA | NA | NA |
| 1062 | 2024-10-21 |
Deep learning based on 68Ga-PSMA-11 PET/CT for predicting pathological upgrading in patients with prostate cancer
2023, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2023.1273414
PMID:38260839
|
研究论文 | 本文探讨了基于68Ga-PSMA-11 PET/CT的深度学习方法在预测前列腺癌患者从活检到根治性前列腺切除术病理升级中的可行性和重要性 | 本文首次将68Ga-PSMA-11 PET/CT与深度学习结合，用于预测前列腺癌患者的病理升级 | 研究为回顾性研究，样本量较小，且结果的AUC值和准确性有待提高 | 探讨基于68Ga-PSMA-11 PET/CT的深度学习方法在预测前列腺癌患者病理升级中的应用 | 前列腺癌患者从活检到根治性前列腺切除术的病理升级 | 计算机视觉 | 前列腺癌 | 深度学习 | ResNet-18和DenseNet-121 | 图像 | 109名患者，其中87名用于训练集，22名用于测试集 | NA | NA | NA | NA |
| 1063 | 2024-10-21 |
Revealing brain connectivity: graph embeddings for EEG representation learning and comparative analysis of structural and functional connectivity
2023, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2023.1288433
PMID:38264495
|
研究论文 | 本研究利用深度学习技术，通过图嵌入方法对脑电图（EEG）运动想象分类中的脑连接进行建模，并比较了结构连接和功能连接的分析 | 本研究结合了图嵌入、深度学习和不同类型的脑连接，不仅提高了分类准确性，还丰富了对脑功能的理解 | NA | 研究目的是通过图嵌入和深度学习技术，提高脑电图运动想象分类的准确性，并深入理解脑连接 | 研究对象是脑电图（EEG）数据中的脑连接 | 机器学习 | NA | 图嵌入 | 卷积神经网络（CNN） | 脑电图（EEG）数据 | 使用了基准数据集-IV-2a进行测试 | NA | NA | NA | NA |
| 1064 | 2024-10-21 |
Deep learning-based immunohistochemical estimation of breast cancer via ultrasound image applications
2023, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2023.1263685
PMID:38264739
|
研究论文 | 本研究开发了一种基于深度学习的计算机辅助诊断方法，用于根据免疫组化结果对乳腺超声图像进行分类 | 提出了一个新的深度学习框架，包括多层次特征蒸馏网络（MFD-Net）和包含通道注意模块（CAM）和空间注意模块（SAM）的新注意力模块 | NA | 开发一种基于深度学习的计算机辅助诊断方法，用于根据免疫组化结果对乳腺超声图像进行分类 | 乳腺超声图像和免疫组化结果 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 500张乳腺超声图像，来自294名患者 | NA | NA | NA | NA |
| 1065 | 2024-10-21 |
Predicting delayed remission in Cushing's disease using radiomics models: a multi-center study
2023, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2023.1218897
PMID:38264759
|
研究论文 | 本研究构建了基于多中心数据的临床和影像组学模型，用于预测库欣病术后延迟缓解 | 首次构建了多中心影像组学模型用于预测库欣病术后延迟缓解 | 研究结果初步，需要在大样本中进一步验证 | 构建临床和影像组学模型以预测库欣病术后延迟缓解 | 库欣病患者术后延迟缓解 | 数字病理学 | 内分泌疾病 | MRI影像分析 | XGBoost | 影像数据和临床数据 | 122名库欣病患者 | NA | NA | NA | NA |
| 1066 | 2024-10-21 |
Simulating cardiac signals on 3D human models for photoplethysmography development
2023, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2023.1266535
PMID:38269072
|
研究论文 | 本文介绍了一种基于三维人体模型的仿生模型，用于生成合成的心脏信号和身体无意识运动，以测试和优化图像心率提取方法 | 提出了基于三维人体模型的仿生模型，能够生成包含多种因素的合成数据集，用于测试和优化图像心率提取方法 | 尚未提及 | 开发和测试图像心率提取技术，特别是在难以获取真实可靠测量数据的情况下 | 三维人体模型、合成心脏信号、身体无意识运动 | 计算机视觉 | NA | NA | 传统方法和深度学习方法 | 视频 | 五种传统方法和四种深度学习方法用于测试合成视频 | NA | NA | NA | NA |
| 1067 | 2024-10-21 |
Effects of ketamine on rat social behavior as analyzed by DeepLabCut and SimBA deep learning algorithms
2023, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2023.1329424
PMID:38269275
|
研究论文 | 研究使用DeepLabCut和SimBA深度学习算法分析氯胺酮对大鼠社交行为的影响 | 采用数字技术快速客观地测量大鼠社交行为，替代传统的主观评估方法 | NA | 评估数字工作流程在比较氯胺酮和Vetoquinol对大鼠社交行为影响中的可行性 | 大鼠社交行为 | 机器学习 | NA | DeepLabCut, SimBA | 神经网络 | 视频 | 14个视频样本用于训练DeepLabCut，24个新视频用于分析氯胺酮处理的大鼠 | NA | NA | NA | NA |
| 1068 | 2024-10-20 |
Outdoor Navigation Assistive System Based on Robust and Real-Time Visual-Auditory Substitution Approach
2023-Dec-27, Sensors (Basel, Switzerland)
DOI:10.3390/s24010166
PMID:38203027
|
研究论文 | 本文提出了一种基于深度学习和视觉-听觉替代方法的户外导航辅助系统，旨在帮助盲人安全有效地到达目的地 | 该系统结合了3D空间化声音和障碍物信息，通过惯性传感器、GPS数据和地图知识定义轨迹，并使用深度学习方法进行实时处理 | NA | 开发一种能够帮助盲人独立导航的辅助系统 | 盲人及其在户外环境中的导航能力 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 包含行人视角导航数据的多个数据集 | NA | NA | NA | NA |
| 1069 | 2024-10-20 |
A Survey of Sound Source Localization and Detection Methods and Their Applications
2023-Dec-22, Sensors (Basel, Switzerland)
DOI:10.3390/s24010068
PMID:38202930
|
综述 | 本文综述了声源定位与检测方法及其应用 | 对基于传播模型和基于机器学习及深度学习技术的经典方法进行了分析 | NA | 为选择该领域最合适的方法提供有价值的资源 | 声源定位与检测方法 | 机器学习 | NA | 深度学习 | NA | 声音 | NA | NA | NA | NA | NA |
| 1070 | 2024-10-20 |
[Whole-brain parcellation for macaque brain magnetic resonance images based on attention mechanism and multi-modality feature fusion]
2023-Dec-20, Nan fang yi ke da xue xue bao = Journal of Southern Medical University
|
研究论文 | 提出了一种基于注意力机制和多模态特征融合的深度学习算法，用于猕猴脑部磁共振图像的全脑分割 | 引入了一种基于注意力机制的多模态特征融合模块（AMFF），有效整合了不同尺度和复杂度的多模态特征，显著提升了分割性能 | NA | 提高猕猴脑部磁共振图像全脑分割的准确性 | 猕猴脑部磁共振图像 | 计算机视觉 | NA | 磁共振成像 | 注意力机制 | 图像 | 68只猕猴（年龄13至36个月） | NA | NA | NA | NA |
| 1071 | 2024-10-20 |
A Binocular Vision-Based Crack Detection and Measurement Method Incorporating Semantic Segmentation
2023-Dec-19, Sensors (Basel, Switzerland)
DOI:10.3390/s24010003
PMID:38202865
|
研究论文 | 提出了一种基于双目视觉的裂缝检测与测量方法，结合全卷积网络进行语义分割 | 采用双目立体视觉技术，提高了拍摄灵活性和图像采集效率，并引入了中心投影方案实现裂缝形态的三维重建 | 实验中裂缝宽度的相对测量误差范围较大，从-3.9%到36.0% | 探索一种非接触式检测方法，提高检测的灵活性、效率和准确性 | 混凝土桥梁组件中的裂缝 | 计算机视觉 | NA | 全卷积网络（FCN） | 全卷积网络（FCN） | 图像 | 在复杂背景裂缝主导的数据库中，每秒处理约四张图片 | NA | NA | NA | NA |
| 1072 | 2024-10-20 |
Disentangling Fact from Grid Cell Fiction in Trained Deep Path Integrators
2023-Dec-16, ArXiv
PMID:38106458
|
研究论文 | 本文重新审视了深度学习模型中网格细胞的生成机制，并反驳了路径积分假设 | 本文通过重新评估现有理论，揭示了深度路径积分模型中网格细胞生成的局限性，并提出了新的见解 | 本文主要集中在理论分析上，缺乏实验验证 | 探讨深度学习模型中网格细胞的生成机制，并评估现有理论的有效性 | 深度神经网络中的路径积分和网格细胞生成机制 | 机器学习 | NA | 深度学习 | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 1073 | 2024-10-20 |
AlphaFold2 has more to learn about protein energy landscapes
2023-Dec-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.12.571380
PMID:38168383
|
研究论文 | 本文测试了AlphaFold2在预测折叠转换蛋白质结构方面的能力 | 本文首次系统评估了AlphaFold2在预测折叠转换蛋白质结构方面的局限性，并提出了进一步改进方法的必要性 | AlphaFold2在预测折叠转换蛋白质结构时成功率较低，且其置信度指标未能有效区分低能和高能状态 | 评估AlphaFold2在预测折叠转换蛋白质结构方面的能力及其局限性 | 折叠转换蛋白质及其结构 | 机器学习 | NA | 深度学习 | AlphaFold2 | 蛋白质结构 | 93种折叠转换蛋白质，共生成超过280,000个模型 | NA | NA | NA | NA |
| 1074 | 2024-10-20 |
Deep Learning of Electrocardiograms in Sinus Rhythm From US Veterans to Predict Atrial Fibrillation
2023-12-01, JAMA cardiology
IF:14.8Q1
DOI:10.1001/jamacardio.2023.3701
PMID:37851434
|
研究论文 | 研究使用深度学习模型分析心电图（ECG）来预测房颤（AF） | 首次在多样化的患者群体中应用深度学习模型预测房颤 | 研究仅限于美国退伍军人事务部医院网络和一所非VA学术医疗中心的患者 | 评估深度学习模型在门诊心电图中预测房颤的能力 | 心电图数据和患者人口统计信息 | 机器学习 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 心电图 | 共907,858份心电图，来自6个VA站点和1个非VA学术医疗中心 | NA | NA | NA | NA |
| 1075 | 2024-10-20 |
Assessment of a deep learning model for COVID-19 classification on chest radiographs: a comparison across image acquisition techniques and clinical factors
2023-Nov, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.6.064504
PMID:38162317
|
研究论文 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并比较不同图像采集技术和临床因素的影响 | 使用DenseNet-121架构模型结合三种分类算法进行COVID-19分类，并评估其在不同测试集上的性能 | 模型在当前测试集上的性能显著低于原始测试集，可能由于模型过拟合和泛化能力不足 | 评估预训练深度学习模型在胸部X光片上对COVID-19分类的性能，并考虑不同图像采集参数、临床因素和患者人口统计学的影响 | COVID-19阳性患者和阴性患者的胸部X光片 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet-121 | 图像 | 9860名患者的标准和软组织胸部X光片用于训练和测试，5893名患者的当前测试集用于评估模型性能 | NA | NA | NA | NA |
| 1076 | 2024-10-20 |
Cross-Attention for Improved Motion Correction in Brain PET
2023-Oct, Machine learning in clinical neuroimaging : 6th international workshop, MLCN 2023, held in conjunction with MICCAI 2023, Vancouver, BC, Canada, October 8, 2023, proceedings. MLCN (Workshop) (6th : 2023 : Vancouver, B.C.)
DOI:10.1007/978-3-031-44858-4_4
PMID:38174216
|
研究论文 | 本文提出了一种基于交叉注意力机制的深度学习网络，用于改善脑部PET图像重建中的运动校正 | 引入了交叉注意力机制，增强了模型对不同测试对象的鲁棒性，并显著提高了运动校正的性能 | NA | 提高脑部PET图像重建的质量，减少运动伪影对临床诊断和治疗的影响 | 脑部PET图像的运动校正 | 计算机视觉 | NA | 深度学习 | 交叉注意力机制 | 图像 | 使用了来自两个不同扫描仪（HRRT和mCT）的脑部PET数据进行验证 | NA | NA | NA | NA |
| 1077 | 2024-10-20 |
Deep learning tools to accelerate antibiotic discovery
2023 Jul-Dec, Expert opinion on drug discovery
IF:6.0Q1
DOI:10.1080/17460441.2023.2250721
PMID:37794737
|
综述 | 本文综述了深度学习在抗生素发现中的关键框架，重点介绍了物理化学特征和数据集限制 | 本文介绍了多种深度学习模型在抗生素发现中的应用，包括判别模型和生成模型，并探讨了这些技术在药物发现中的潜力 | 本文指出深度学习在抗菌预测中面临数据不平衡、数据集有限、实验验证、目标菌株和结构等挑战 | 本文旨在探讨深度学习技术在抗生素开发中的应用前景和挑战 | 本文研究对象为抗生素发现中的深度学习模型及其应用 | 机器学习 | NA | 深度学习 | 卷积神经网络、循环神经网络、图神经网络、神经语言模型、变分自编码器、生成对抗网络、归一化流、扩散模型 | 高维数据 | NA | NA | NA | NA | NA |
| 1078 | 2024-10-20 |
MCP-Net: Introducing Patlak Loss Optimization to Whole-body Dynamic PET Inter-frame Motion Correction
2023-Jun-27, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2023.3290003
PMID:37368811
|
研究论文 | 提出了一种集成Patlak损失优化的神经网络框架MCP-Net，用于全身动态PET图像的帧间运动校正 | 直接减少Patlak拟合误差，并结合了功能信息，提高了模型的性能和泛化能力 | NA | 改进全身动态PET图像的帧间运动校正，提高参数成像的准确性 | 全身动态PET图像的帧间运动校正 | 计算机视觉 | NA | 动态正电子发射断层扫描（PET） | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1079 | 2024-10-20 |
Dynamic functional connectivity analysis with temporal convolutional network for attention deficit/hyperactivity disorder identification
2023, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2023.1322967
PMID:38148943
|
研究论文 | 本文提出了一种新的时间依赖神经网络（TDNet），用于从静息态功能磁共振成像（rs-fMRI）时间序列中学习功能连接（FC）表示和时间依赖关系，以实现注意力缺陷/多动障碍（ADHD）的自动化识别 | 本文创新性地使用时间卷积网络（TCN）来有效捕捉长程时间模式，并通过膨胀卷积和全连接层进行疾病预测 | 现有方法主要考虑两个相邻时间戳的依赖关系，这在变化涉及多个时间戳时存在局限性 | 揭示注意力缺陷/多动障碍（ADHD）患者脑活动异常的机制 | 静息态功能磁共振成像（rs-fMRI）数据中的动态功能连接（dFC） | 计算机视觉 | 精神疾病 | 功能磁共振成像（fMRI） | 时间卷积网络（TCN） | 时间序列数据 | 使用了公开的ADHD-200数据库进行实验 | NA | NA | NA | NA |
| 1080 | 2024-10-20 |
Creating high-resolution 3D cranial implant geometry using deep learning techniques
2023, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2023.1297933
PMID:38149174
|
研究论文 | 本文提出了一种利用深度学习技术从CT扫描创建的缺陷3D头骨模型中生成高分辨率3D颅骨植入物几何形状的方法 | 本文提出了一种双神经网络系统，用于修复低分辨率缺陷模型并增强修复模型的体积分辨率，从而生成适合临床使用的高质量植入物模型 | 本文未提及具体的局限性 | 开发一种实用的深度学习方法，用于从缺陷的3D头骨模型中生成高分辨率的颅骨植入物几何形状 | 3D头骨模型和颅骨植入物几何形状 | 计算机视觉 | NA | 深度学习技术 | 神经网络 | 3D模型 | 未提及具体样本数量 | NA | NA | NA | NA |