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 2564 篇文献，本页显示第 1821 - 1840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1821 | 2024-09-19 |
A fuzzy fine-tuned model for COVID-19 diagnosis
2023-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2022.106483
PMID:36621192
|
研究论文 | 本文提出了一种模糊微调的Xception模型用于COVID-19的自动诊断 | 使用盲/无参考图像空间质量评估器过滤不适当数据，结合两个数据集进行多类别分类，并采用加权多类别交叉熵减少数据不平衡的影响 | 未提及具体限制 | 开发一种准确、易获取且成本低廉的COVID-19诊断方法 | COVID-19疾病的自动诊断 | 计算机视觉 | COVID-19 | 深度学习 | Xception | 图像 | 合并了两个数据集，用于区分正常、COVID-19和不同类型的肺炎（细菌性和病毒性） | NA | NA | NA | NA |
| 1822 | 2024-09-19 |
Interpretable tourism demand forecasting with temporal fusion transformers amid COVID-19
2023, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-022-04254-0
PMID:36320610
|
研究论文 | 提出了一种创新的ADE-TFT可解释旅游需求预测模型，以解决现有旅游需求预测解释性不足的问题 | 采用自适应差分进化算法优化Temporal Fusion Transformer参数，结合历史旅游量、月度新增确诊案例和旅游论坛大数据，提高COVID-19期间旅游量预测精度，并使用卷积神经网络分析旅客情绪和话题 | NA | 提高旅游需求预测的解释性和精度，特别是在COVID-19疫情期间 | 旅游需求预测模型及其在COVID-19期间的应用 | 机器学习 | NA | 自适应差分进化算法、卷积神经网络 | Temporal Fusion Transformer、卷积神经网络 | 文本、时间序列 | NA | NA | NA | NA | NA |
| 1823 | 2024-09-19 |
Deep learning on multi-view sequential data: a survey
2023, Artificial intelligence review
IF:10.7Q1
DOI:10.1007/s10462-022-10332-z
PMID:36466765
|
综述 | 本文综述了深度学习在多视角序列数据上的应用 | 本文首次系统介绍了多视角序列数据的构成类型和技术挑战，并总结了深度学习技术在该领域的最新进展 | 本文主要为综述性质，未提出具体的新方法或模型 | 探讨深度学习在多视角序列数据上的应用及其技术挑战 | 多视角序列数据及其在不同领域的应用 | 机器学习 | NA | 深度学习 | NA | 多视角序列数据 | NA | NA | NA | NA | NA |
| 1824 | 2024-09-19 |
LWSNet - a novel deep-learning architecture to segregate Covid-19 and pneumonia from x-ray imagery
2023, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-022-14247-3
PMID:36532598
|
研究论文 | 本文提出了一种名为LWSNet的新型深度学习架构，用于从X射线图像中区分新冠肺炎、普通肺炎和正常胸部图像 | 本文的创新点在于提出了一种轻量级堆叠网络（LWSNet），通过单、双、三和四重堆叠机制来解决三分类问题，并在资源受限设备上方便部署 | NA | 开发一种自动检测肺部疾病的AI工具，以应对全球范围内大量病例的需求，并支持医生工作 | 新冠肺炎、普通肺炎和正常胸部X射线图像 | 计算机视觉 | 新冠肺炎 | 深度学习 | CNN | 图像 | 使用了三个公开数据集及其组合进行评估 | NA | NA | NA | NA |
| 1825 | 2024-09-19 |
A Systematic Review of Using Deep Learning Technology in the Steady-State Visually Evoked Potential-Based Brain-Computer Interface Applications: Current Trends and Future Trust Methodology
2023, International journal of telemedicine and applications
IF:3.1Q2
DOI:10.1155/2023/7741735
PMID:37168809
|
综述 | 本文通过系统综述评估了深度学习技术在基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）应用中的重要性 | 提出了一个信任提案解决方案，包含三个方法论阶段，用于评估和基准测试基于SSVEP的BCI应用 | 本文主要关注于综述和分析现有研究，未提出新的实验或模型 | 评估深度学习技术在基于SSVEP的BCI应用中的现状和未来发展趋势 | 基于SSVEP的BCI应用中的深度学习方法 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN）、循环神经网络（RNN）、深度神经网络（DNN）、长短期记忆（LSTM）、受限玻尔兹曼机（RBM） | 稳态视觉诱发电位（SSVEP）数据 | 30篇相关文献 | NA | NA | NA | NA |
| 1826 | 2024-09-19 |
Combination of multi-modal MRI radiomics and liquid biopsy technique for preoperatively non-invasive diagnosis of glioma based on deep learning: protocol for a double-center, ambispective, diagnostical observational study
2023, Frontiers in molecular neuroscience
IF:3.5Q2
DOI:10.3389/fnmol.2023.1183032
PMID:37201155
|
研究论文 | 本研究旨在利用多模态MRI放射组学和液体活检技术，基于深度学习构建一种新型的多任务放射组学模型，实现胶质瘤的术前无创“综合诊断” | 首次将放射组学与液体活检技术结合用于胶质瘤诊断，探索了深度学习模型结合液体活检参数是否能提高胶质瘤诊断的性能 | NA | 开发一种新型的多任务深度学习放射组学模型，实现胶质瘤的术前无创“综合诊断” | 胶质瘤 | 数字病理学 | 脑肿瘤 | MRI放射组学、液体活检 | 深度学习模型 | 影像数据 | 使用2019脑肿瘤分割挑战数据集（BraTS）和两个原始数据集，包括南昌大学第二附属医院和武汉大学人民医院的数据 | NA | NA | NA | NA |
| 1827 | 2024-09-19 |
Flu-Net: two-stream deep heterogeneous network to detect flu like symptoms from videos using grey wolf optimization algorithm
2023, Journal of ambient intelligence and humanized computing
DOI:10.1007/s12652-023-04585-x
PMID:37228698
|
研究论文 | 本文提出了一种名为Flu-Net的AI框架，用于从视频中检测流感样症状，以限制感染的传播 | 本文创新性地采用了灰狼优化算法进行特征选择，并结合2D和3D卷积神经网络构建了一个双流异构网络 | 本文未详细讨论模型的泛化能力和对不同数据集的适应性 | 开发一种能够识别流感样症状的AI框架，以帮助控制传染病的传播 | 从监控视频中识别咳嗽、打喷嚏等流感样症状 | 计算机视觉 | NA | 灰狼优化算法 | 双流异构网络（2D和3D卷积神经网络） | 视频 | 使用了BII Sneeze-Cough (BIISC)视频数据集，具体样本数量未提及 | NA | NA | NA | NA |
| 1828 | 2024-09-19 |
On QSAR-based cardiotoxicity modeling with the expressiveness-enhanced graph learning model and dual-threshold scheme
2023, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2023.1156286
PMID:37228825
|
研究论文 | 本文提出了一种基于QSAR的增强图学习模型和双阈值方案的心脏毒性建模方法 | 引入了子结构感知偏置的图子图变换网络模型，提高了GNN模型的表达能力，并提出了双阈值方案以优化模型性能 | NA | 改进基于QSAR的计算模型，以更准确地筛选出心脏毒性化合物 | 心脏毒性化合物 | 机器学习 | 心血管疾病 | 图神经网络 (GNN) | 图子图变换网络模型 | 分子指纹 | NA | NA | NA | NA | NA |
| 1829 | 2024-09-19 |
GUI Enabled Optimized Approach of CNN for Automatic Diagnosis of COVID-19 Using Radiograph Images
2023, New generation computing
IF:2.0Q2
DOI:10.1007/s00354-023-00212-7
PMID:37229178
|
研究论文 | 本文提出了一种基于卷积神经网络（CNN）和图形用户界面（GUI）的优化方法，用于自动诊断COVID-19肺炎感染 | 本文的创新点在于结合了GUI和CNN，并针对21种肺炎放射图像进行了训练，实现了对COVID-19的高精度分类 | 本文未详细讨论模型的泛化能力和对其他疾病的适用性 | 研究目的是开发一种自动诊断COVID-19肺炎感染的方法，以减少疾病的快速传播 | 研究对象是COVID-19肺炎感染及其与其他肺炎类型的区分 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 21种肺炎放射图像 | NA | NA | NA | NA |
| 1830 | 2024-09-19 |
Comparative analysis of tissue-specific genes in maize based on machine learning models: CNN performs technically best, LightGBM performs biologically soundest
2023, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2023.1190887
PMID:37229198
|
研究论文 | 本研究通过机器学习模型对玉米组织特异性基因进行比较分析，发现CNN在技术上表现最佳，而LightGBM在生物学上表现最合理 | 首次在植物领域使用多种机器学习模型（包括CNN和LightGBM）对RNA-seq数据进行分析，以识别组织特异性基因 | 研究仅限于玉米的多组织RNA-seq数据，未涉及其他植物或动物的数据 | 通过机器学习模型识别玉米组织特异性基因，并比较不同模型在技术与生物学上的表现 | 玉米的多组织RNA-seq数据和组织特异性基因 | 机器学习 | NA | RNA-seq | CNN, LightGBM | RNA-seq数据 | 1548个玉米多组织RNA-seq数据 | NA | NA | NA | NA |
| 1831 | 2024-09-19 |
Application of Convolutional Neural Networks for COVID-19 Detection in X-ray Images Using InceptionV3 and U-Net
2023, New generation computing
IF:2.0Q2
DOI:10.1007/s00354-023-00217-2
PMID:37229179
|
研究论文 | 本文探讨了使用InceptionV3和U-Net卷积神经网络模型在X光图像中检测COVID-19的应用 | 提出了结合InceptionV3和U-Net模型进行COVID-19检测的新方法，并实现了高达99%的准确率 | 未提及具体的局限性 | 开发快速且易于使用的COVID-19诊断工具，以替代传统的RT-PCR方法 | COVID-19在X光图像中的检测 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | InceptionV3和U-Net | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1832 | 2024-09-19 |
Detecting influential nodes with topological structure via Graph Neural Network approach in social networks
2023, International journal of information technology : an official journal of Bharati Vidyapeeth's Institute of Computer Applications and Management
DOI:10.1007/s41870-023-01271-1
PMID:37256031
|
研究论文 | 本文提出了一种基于图卷积网络（GCN）的深度学习模型DeepInfNode，用于在社交网络中检测具有重要拓扑结构的关键节点 | 本文创新性地结合了网络拓扑和节点属性来评估节点的影响力，并提出了DeepInfNode模型，该模型在多个公开的标准图数据集上表现优于现有方法 | NA | 研究目的是开发一种能够有效检测社交网络中关键节点的方法 | 研究对象是社交网络中的节点及其拓扑结构 | 机器学习 | NA | 图卷积网络（GCN） | 图卷积网络（GCN） | 图数据 | 使用了多个公开的标准图数据集 | NA | NA | NA | NA |
| 1833 | 2024-09-19 |
Automated semantic lung segmentation in chest CT images using deep neural network
2023, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-023-08407-1
PMID:37273912
|
研究论文 | 本文开发了一种用于胸部CT图像中肺部分割的深度学习模型 | 提出了使用DeepLabV3+网络进行两类和四类肺部分割的方法，并比较了不同预训练网络的性能 | 仅使用了COVID-19的公开数据库，可能缺乏泛化性 | 开发一种计算效率高且鲁棒的深度学习模型用于肺部分割 | 胸部CT图像中的肺部区域 | 计算机视觉 | NA | DeepLabV3+网络 | DeepLabV3+ | 图像 | 750张胸部CT图像及其对应的像素标注图像 | NA | NA | NA | NA |
| 1834 | 2024-09-17 |
Deep Learning Assessment of Progression of Emphysema and Fibrotic Interstitial Lung Abnormality
2023-09-15, American journal of respiratory and critical care medicine
IF:19.3Q1
DOI:10.1164/rccm.202211-2098OC
PMID:37364281
|
研究论文 | 研究使用深度学习算法评估吸烟者中肺气肿和纤维化间质性肺异常的进展及其对死亡率的影响 | 首次评估了吸烟者中肺气肿和纤维化间质性肺异常的联合进展及其对死亡率的影响 | 研究仅基于COPDGene研究中的4450名吸烟者的数据，样本量有限 | 定义吸烟者中纤维化间质性肺异常的临床意义进展，并评估纤维化和肺气肿进展对死亡率的影响 | 吸烟者中的肺气肿和纤维化间质性肺异常 | 计算机视觉 | 肺部疾病 | 深度学习算法 | NA | CT扫描图像 | 4450名吸烟者 | NA | NA | NA | NA |
| 1835 | 2024-09-17 |
Collaborative training of medical artificial intelligence models with non-uniform labels
2023-04-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-33303-y
PMID:37055456
|
研究论文 | 本文提出了一种灵活的联邦学习（FFL）方法，用于在具有非均匀标签的医疗数据上进行协作训练 | 本文的创新点在于提出了灵活的联邦学习（FFL）方法，以解决传统联邦学习在处理非均匀标签数据时的局限性 | 本文的局限性在于仅在胸部X光片数据上进行了验证，尚未在其他类型的医疗数据上进行测试 | 本文的研究目的是改进医疗人工智能模型的训练方法，使其能够有效利用具有非均匀标签的多方数据 | 本文的研究对象是胸部X光片数据，特别是肺炎和肺部转移的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 695,000张胸部X光片，来自全球五个机构 | NA | NA | NA | NA |
| 1836 | 2024-09-17 |
Estimating the monthly pan evaporation with limited climatic data in dryland based on the extended long short-term memory model enhanced with meta-heuristic algorithms
2023-Apr-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-32838-4
PMID:37045898
|
研究论文 | 提出了一种结合长短期记忆网络（LSTM）和灰狼优化算法（GWO）以及Kendall-τ相关系数的新型混合模型，用于在干旱地区基于有限的气象数据估算月蒸发量 | 创新性地将LSTM与GWO算法和Kendall-τ相关系数结合，用于优化LSTM的超参数和确定气象变量的输入组合 | NA | 开发一种在干旱地区基于有限气象数据准确估算月蒸发量的新方法 | 干旱地区的月蒸发量 | 机器学习 | NA | 长短期记忆网络（LSTM），灰狼优化算法（GWO），Kendall-τ相关系数 | LSTM | 气象数据 | NA | NA | NA | NA | NA |
| 1837 | 2024-09-17 |
Impact of the Covid-19 pandemic on the performance of machine learning algorithms for predicting perioperative mortality
2023-04-12, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-023-02151-1
PMID:37046259
|
研究论文 | 研究了Covid-19疫情对机器学习算法预测围手术期死亡率性能的影响 | 探讨了Covid-19疫情导致的协变量突变对模型性能的影响 | 过早重新训练模型可能导致预测准确性下降 | 阐明Covid-19疫情对模型性能的影响 | Covid-19疫情前后的围手术期死亡率预测模型 | 机器学习 | NA | XGBoost, 深度学习神经网络 | XGBoost, 深度学习神经网络 | 围手术期数据 | 包括疫情前、第一波疫情和整个疫情期间的数据，直到2021年10月 | NA | NA | NA | NA |
| 1838 | 2024-09-17 |
Learning naturalistic driving environment with statistical realism
2023-Apr-11, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37677-5
PMID:37041129
|
研究论文 | 本文开发了一种基于深度学习的框架NeuralNDE，用于从车辆轨迹数据中学习多智能体交互行为，并提出冲突批评模型和安全映射网络来优化安全关键事件的生成过程 | 首次实现能够以统计真实性再现真实世界驾驶环境的模拟模型，特别是在安全关键情况下 | NA | 开发和测试自动驾驶车辆的模拟工具 | 多智能体交互行为和安全关键事件 | 计算机视觉 | NA | 深度学习 | 神经网络 | 轨迹数据 | NA | NA | NA | NA | NA |
| 1839 | 2024-09-17 |
Comprehensive benchmark and architectural analysis of deep learning models for nanopore sequencing basecalling
2023-04-11, Genome biology
IF:10.1Q1
DOI:10.1186/s13059-023-02903-2
PMID:37041647
|
研究论文 | 本文对基于纳米孔测序的深度学习模型进行了全面的基准测试和架构分析 | 本文统一了现有的基准测试数据集并定义了一套严格的评估指标，对最新的七个碱基调用模型进行了基准测试和架构分析 | 物种偏差在训练中对性能有较大影响 | 标准化纳米孔测序碱基调用的基准测试过程，并分析不同模型的性能 | 纳米孔测序的碱基调用模型 | 机器学习 | NA | 纳米孔测序 | 循环神经网络（长短期记忆）和条件随机场解码器 | 电流信号 | 90种新架构 | NA | NA | NA | NA |
| 1840 | 2024-09-17 |
Improving the generalizability of protein-ligand binding predictions with AI-Bind
2023-04-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37572-z
PMID:37031187
|
研究论文 | 本文介绍了一种名为AI-Bind的管道，通过结合基于网络的采样策略和无监督预训练来提高蛋白质-配体结合预测的泛化能力 | AI-Bind通过结合网络采样策略和无监督预训练，解决了现有深度学习模型在预测新蛋白质和配体结合时的泛化问题 | NA | 提高蛋白质-配体结合预测的泛化能力，加速药物发现过程 | 蛋白质-配体结合预测模型及其泛化能力 | 机器学习 | NA | 深度学习 | NA | 网络数据 | NA | NA | NA | NA | NA |