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 2035 篇文献，本页显示第 2001 - 2020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2001 | 2024-08-07 |
Deep learning-based classification of the capillary ultrastructure in human skeletal muscles
2024, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2024.1363384
PMID:38751446
|
研究论文 | 本研究利用卷积神经网络（CNN）对人类骨骼肌毛细血管超微结构进行分类，以区分健康参与者与系统性病理患者 | 使用预训练的CNN模型在电子显微镜图像上区分健康控制组与系统性病理患者的毛细血管超微结构，其准确性高于传统的形态计量分析 | NA | 训练CNN模型以识别健康参与者与系统性病理患者肌肉活检中毛细血管的形态计量模式，用于假设生成 | 人类骨骼肌毛细血管的超微结构 | 机器学习 | 糖尿病，高血压，外周动脉疾病 | 透射电子显微镜（TEM） | CNN（ResNet101） | 图像 | 1810张电子显微镜图像，来自70名参与者 | NA | NA | NA | NA |
| 2002 | 2024-08-07 |
The Importance of Understanding Deep Learning
2024, Erkenntnis
DOI:10.1007/s10670-022-00605-y
PMID:38751773
|
research paper | 本文探讨了深度神经网络（DNNs）的理解问题及其在科学中的应用 | 本文提出了对深度神经网络理解的不同概念，特别是解释性理解的重要性 | 本文未明确指出具体的实验或数据分析限制 | 探讨当前对深度神经网络理解不足是否限制了其在科学中的应用 | 深度神经网络（DNNs）及其在科学中的应用 | machine learning | NA | NA | DNNs | NA | NA | NA | NA | NA | NA |
| 2003 | 2024-08-07 |
Detection of sweet corn seed viability based on hyperspectral imaging combined with firefly algorithm optimized deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1361309
PMID:38751847
|
研究论文 | 本研究利用高光谱成像技术结合萤火虫算法优化的深度学习方法，对甜玉米种子的不同活力等级进行识别 | 本研究提出的萤火虫算法优化的CNN-LSTM模型在甜玉米种子活力等级分类中表现出优于其他模型的性能 | NA | 识别甜玉米种子的活力等级 | 甜玉米种子 | 机器学习 | NA | 高光谱成像 | CNN-LSTM | 光谱图像 | 496颗种子，包括四个活力等级的种子 | NA | NA | NA | NA |
| 2004 | 2024-08-07 |
Artificial intelligence in the healthcare sector: comparison of deep learning networks using chest X-ray images
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1386110
PMID:38660365
|
研究论文 | 本研究探讨了深度学习网络在胸部X光图像疾病诊断中的应用 | 本研究首次比较了ResNet101、AlexNet、GoogLeNet和Xception在胸部X光图像疾病诊断中的成功率 | 研究使用的数据集仅包含COVID-19、病毒性肺炎和健康个体的胸部X光图像 | 旨在确定深度学习网络在疾病诊断中的成功率 | 深度学习网络ResNet101、AlexNet、GoogLeNet和Xception | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 1,680张胸部X光图像，包括COVID-19、病毒性肺炎和健康个体 | NA | NA | NA | NA |
| 2005 | 2024-08-07 |
A hybrid deep learning scheme for MRI-based preliminary multiclassification diagnosis of primary brain tumors
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1363756
PMID:38746679
|
研究论文 | 本研究探索了一种结合多种先进技术的混合深度学习方案，用于提高原发性脑肿瘤诊断的分类性能和可解释性 | 本研究通过结合超分辨率重建、动态学习率退火策略、特征迁移和机器学习等技术，提高了深度学习模型的分类性能和可解释性 | NA | 探索一种混合深度学习方案，以提高原发性脑肿瘤诊断的准确性和自动化程度 | 原发性脑肿瘤的诊断 | 机器学习 | 脑肿瘤 | 深度学习 | DenseNet121, LightGBM | MRI图像 | 230名原发性脑肿瘤患者，包括97名脑膜瘤、66名胶质瘤和67名垂体瘤 | NA | NA | NA | NA |
| 2006 | 2024-08-07 |
MAMILNet: advancing precision oncology with multi-scale attentional multi-instance learning for whole slide image analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1275769
PMID:38746682
|
研究论文 | 本文介绍了MAMILNet，一种用于全切片图像分析的多尺度注意力多实例学习框架，旨在提高肿瘤检测、分类和治疗反应预测的精确度 | MAMILNet通过引入注意力机制和多尺度策略，提高了模型的泛化能力和预测准确性，同时减少了病理学家的手动工作量 | NA | 推动精准肿瘤学和个体化治疗计划的发展 | 全切片图像分析中的肿瘤检测、分类和治疗反应预测 | 数字病理学 | NA | 多尺度注意力多实例学习 | 注意力机制 | 图像 | 1171例涵盖多种癌症类型 | NA | NA | NA | NA |
| 2007 | 2024-08-07 |
Editorial: IoT, UAV, BCI empowered deep learning models in precision agriculture
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1399753
PMID:38751845
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2008 | 2024-08-07 |
Convolutional Neural Networks for Glioma Segmentation and Prognosis: A Systematic Review
2024, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2023050852
PMID:38683153
|
综述 | 本文综述了卷积神经网络（CNN）在胶质瘤分割和预后预测中的应用 | CNN在医学影像处理中的应用，特别是在胶质瘤分类和预后预测中的创新应用 | 模型可解释性、数据可用性和计算效率方面的挑战 | 探讨CNN在神经肿瘤学领域中的应用及其未来发展方向 | 胶质瘤的分割、分类和预后预测 | 计算机视觉 | 脑癌 | CNN | CNN | 图像 | NA | NA | NA | NA | NA |
| 2009 | 2024-08-07 |
Transformer-based framework for multi-class segmentation of skin cancer from histopathology images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1380405
PMID:38741771
|
研究论文 | 本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割 | 该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别 | NA | 旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距 | 非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC） | 数字病理学 | 皮肤癌 | Transformer | Transformer | 图像 | 使用公开可用的数据集进行评估 | NA | NA | NA | NA |
| 2010 | 2024-08-07 |
Design of urban road fault detection system based on artificial neural network and deep learning
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1369832
PMID:38741790
|
研究论文 | 本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测 | 本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性 | NA | 提高城市交通管理中的道路故障检测效率和安全性 | 城市道路故障检测系统 | 机器学习 | NA | 图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制 | 多层感知器（MLP） | 道路拓扑图、交通数据 | 使用标记的道路故障数据进行训练 | NA | NA | NA | NA |
| 2011 | 2024-08-07 |
Identifying pests in precision agriculture using low-cost image data acquisition
2024, Brazilian journal of biology = Revista brasleira de biologia
DOI:10.1590/1519-6984.281671
PMID:38747863
|
研究论文 | 本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性 | 本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术 | NA | 探索无人机在精准农业中识别害虫的应用 | 评估VGG-16、CNN和FCN模型在植物病害检测中的有效性 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 2012 | 2024-08-07 |
Cancer Immunotherapy and Medical Imaging Research Trends from 2003 to 2023: A Bibliometric Analysis
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S457367
PMID:38736544
|
meta-analysis | 本文通过文献计量分析方法，探讨了2003年至2023年间癌症免疫治疗与医学影像研究的发展趋势 | 首次系统性地对癌症免疫治疗与医学影像领域的研究进行了文献计量分析 | NA | 旨在明确过去研究轨迹，总结当前研究热点，揭示科学发展动态，并探索未来研究方向 | 癌症免疫治疗与医学影像相关的出版物 | 医学影像 | 癌症 | MRI, 深度学习 | NA | NA | 美国发表最多，共265篇；中国次之，共170篇 | NA | NA | NA | NA |
| 2013 | 2024-08-07 |
On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1378149
PMID:38736660
|
研究论文 | 本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务 | 使用合成图像和物理世界图像的混合数据集训练网络，以提高图像分割任务的性能 | NA | 设计用于视觉引导无人机的深度学习控制算法，以进行电力塔检查 | 自主无人机及其在电力塔检查中的应用 | 计算机视觉 | NA | 卷积神经网络 | U-NET | 图像 | 合成图像数据集、物理世界图像数据集及混合数据集 | NA | NA | NA | NA |
| 2014 | 2024-08-07 |
Predict lncRNA-drug associations based on graph neural network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1388015
PMID:38737125
|
研究论文 | 本研究利用图卷积网络（GCN）和图注意力网络（GAT）基于lncRNA和药物相似网络预测lncRNA-药物关联（LDAs） | 提出了一种基于深度学习的框架，用于预测新的lncRNA-药物关联，该方法在五个数据集上实现了良好的性能（平均AUCs > 0.92） | NA | 开发预测lncRNA-药物关联的方法，以促进基于lncRNA的药物开发 | lncRNA和药物的关联 | 机器学习 | NA | 图卷积网络（GCN），图注意力网络（GAT） | GCN，GAT | 网络数据 | 五个数据集 | NA | NA | NA | NA |
| 2015 | 2024-08-07 |
FM-FCN: A Neural Network with Filtering Modules for Accurate Vital Signs Extraction
2024, Research (Washington, D.C.)
DOI:10.34133/research.0361
PMID:38737196
|
研究论文 | 本文提出了一种名为过滤模块全卷积网络（FM-FCN）的新型网络，结合传统过滤技术与神经网络，用于增强生理信号并抑制噪声 | FM-FCN通过引入过滤模块（FM）作为网络模块，利用过滤器结构消除不需要的干扰，构建了深度学习与信号处理方法之间的桥梁 | NA | 提高生理信号提取的准确性和可靠性 | 远程光电容积脉搏波（PPG）信号的提取和心率（HR）估计 | 机器学习 | NA | 全卷积网络（FCN） | CNN | 信号 | NA | NA | NA | NA | NA |
| 2016 | 2024-08-07 |
How AI drives innovation in cardiovascular medicine
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1397921
PMID:38737711
|
comments | 本文总结了人工智能和深度学习在心血管医学领域的一些重要进展 | NA | NA | 探讨人工智能在心血管医学中的应用及其对患者护理的影响 | 心血管医学领域 | machine learning | cardiovascular disease | AI | deep learning | NA | NA | NA | NA | NA | NA |
| 2017 | 2024-08-07 |
Automated system for training and assessing reaching and grasping behaviors in rodents
2024-01-01, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2023.109990
PMID:37866457
|
研究论文 | 本文介绍了一种名为PANDA系统的自动化系统，用于训练和评估啮齿动物的到达、抓握和拉扯行为，并同步神经数据分析 | 该系统通过自动化训练过程显著提高了性能，并使用深度学习技术简化了视频评估，自动将到达动作分割为不同的到达/拉扯阶段 | NA | 研究运动控制、动机、感觉运动整合和运动障碍 | 啮齿动物的到达、抓握和拉扯行为 | NA | 帕金森病、中风 | NA | NA | 视频 | 在15分钟内，啮齿动物拉扯超过100米 | NA | NA | NA | NA |
| 2018 | 2024-08-07 |
DeepSSM: A blueprint for image-to-shape deep learning models
2024-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.103034
PMID:37984127
|
研究论文 | 本文提出了一种基于深度学习的框架DeepSSM，用于从医学图像中直接推断出低维形状描述符及其相关形状表示 | DeepSSM避免了传统模型所需的繁重手动预处理和分割步骤，显著提高了计算时间，并引入了基于模型的数据增强策略来解决形状建模应用中的数据稀缺问题 | NA | 开发一种深度学习框架，用于直接从3D图像中推断出统计形状表示 | 医学图像中的低维形状描述符及其相关形状表示 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了三个医学数据集 | NA | NA | NA | NA |
| 2019 | 2024-08-07 |
Lumbar spine MRI annotation with intervertebral disc height and Pfirrmann grade predictions
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302067
PMID:38728318
|
研究论文 | 本文提出了一种自动标注腰椎间盘高度和退变程度的方法，通过使用Pfirrmann分级系统量化退变状态 | 采用了ResNet-50模型和集成决策树分类器组合，实现了对腰椎间盘MRI图像的高度和Pfirrmann等级的自动预测 | NA | 开发一种高效准确的腰椎间盘MRI自动标注方法 | 腰椎间盘及其退变状态 | 计算机视觉 | 腰椎疾病 | 深度学习 | ResNet-50 | 图像 | 515个MRI研究 | NA | NA | NA | NA |
| 2020 | 2024-08-07 |
Predicting drug-Protein interaction with deep learning framework for molecular graphs and sequences: Potential candidates against SAR-CoV-2
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0299696
PMID:38728335
|
研究论文 | 本文提出了一种基于注意力机制的深度学习框架，用于预测药物与蛋白质的相互作用，并筛选出针对SARS-CoV-2的潜在候选药物。 | 该研究利用深度学习框架GraphDPI-3CL，通过分子图和序列数据，实现了对3CLpro酶的高效预测，并发现了具有高结合亲和力的10种分子。 | NA | 开发针对SARS-CoV-2的广谱抗病毒药物。 | SARS-CoV-2的3CLpro酶及其潜在的抗病毒药物。 | 机器学习 | COVID-19 | 深度学习 | 注意力机制 | 分子图和序列数据 | 训练数据集包含114,555个化合物，筛选数据集包含276,003个化合物 | NA | NA | NA | NA |