深度学习在生物医药领域中的应用
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，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10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 1547 篇文献，本页显示第 581 - 600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 581 | 2024-10-12 |
An interpretable deep learning framework identifies proteomic drivers of Alzheimer's disease
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1379984
PMID:39355118
|
研究论文 | 本文提出了一种可解释的深度学习框架，用于识别阿尔茨海默病的蛋白质组驱动因素 | 利用集成自编码器（EnsembleOmicsAE）将蛋白质组数据降维为少量潜在特征，并开发了一种计算特征重要性分数的算法，识别出线性方法未发现的信号模块 | NA | 研究阿尔茨海默病的蛋白质组驱动因素 | 阿尔茨海默病患者的脑蛋白质组数据 | 机器学习 | 阿尔茨海默病 | 集成自编码器（EnsembleOmicsAE） | 自编码器（AE） | 蛋白质组数据 | 559名个体 |
| 582 | 2024-10-12 |
Evaluating Explainable Artificial Intelligence (XAI) techniques in chest radiology imaging through a human-centered Lens
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308758
PMID:39383147
|
研究论文 | 本研究评估了可解释人工智能（XAI）技术在胸部放射影像中的应用，通过以人为中心的视角进行用户研究 | 本研究创新性地通过用户研究评估了两种主要的视觉XAI技术（Grad-CAM和LIME）在胸部放射影像中的应用，并强调了多模态解释和提高医疗从业者对XAI系统认识的重要性 | 研究中存在对XAI系统价值和实际应用方面的认识不足，以及对Grad-CAM临床可用性的担忧 | 评估XAI技术在胸部放射影像中的应用，提高深度学习算法在诊断和治疗决策中的透明度和信任度 | 胸部放射影像中的肺炎和COVID-19诊断 | 计算机视觉 | NA | 深度学习（DL） | NA | 影像 | NA |
| 583 | 2024-10-12 |
Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1449181
PMID:39385848
|
研究论文 | 本文提出了一种生理启发的语音识别架构，展示了端到端梯度下降训练在中央尖峰神经网络中产生神经振荡的现象 | 本文的创新点在于展示了端到端梯度下降训练在尖峰神经网络中产生神经振荡的现象，并强调了反馈机制在调节和同步神经活动中的关键作用 | NA | 研究大脑中认知过程的模型，特别是语音感知过程中的神经动力学 | 尖峰神经网络在语音处理中的神经振荡现象 | 机器学习 | NA | 尖峰神经网络 | 尖峰神经网络 | 语音数据 | NA |
| 584 | 2024-10-12 |
GSP-AI: An AI-Powered Platform for Identifying Key Growth Stages and the Vegetative-to-Reproductive Transition in Wheat Using Trilateral Drone Imagery and Meteorological Data
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0255
PMID:39386010
|
研究论文 | 本文介绍了一种名为GSP-AI的多模态深度学习模型，用于基于无人机采集的冠层图像和多季节气候数据识别小麦的关键生长阶段和生殖转换 | 提出了GSP-AI模型，结合Res2Net和LSTM架构，能够有效识别小麦的关键生长阶段并预测生殖转换时间 | NA | 开发一种可靠且可扩展的工具，用于在田间条件下准确评估小麦的生长阶段 | 小麦的生长阶段和生殖转换 | 计算机视觉 | NA | 深度学习 | Res2Net和LSTM | 图像和气候数据 | 70,410张标注图像，来自中国54个品种，英国109个品种，美国100个品种，以及关键气候因素 |
| 585 | 2024-10-12 |
Exploring the use of deep learning models for accurate tracking of 3D zebrafish trajectories
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1461264
PMID:39386044
|
研究论文 | 本研究利用深度学习模型对斑马鱼的3D运动轨迹进行精确追踪 | 本研究首次使用深度学习模型对斑马鱼的3D运动轨迹进行追踪，并取得了高精度和高召回率的结果 | 本研究仅限于斑马鱼的3D运动追踪，未涉及其他生物或更复杂的环境 | 开发一种精确追踪斑马鱼3D运动轨迹的方法，以更好地理解其行为和生理状态 | 斑马鱼的3D运动轨迹 | 计算机视觉 | 心血管疾病 | 深度学习 | YOLOv7 | 图像 | 21,360张图像，3,632个3D坐标 |
| 586 | 2024-10-12 |
Assessing the performance of large language models (LLMs) in answering medical questions regarding breast cancer in the Chinese context
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284771
PMID:39386109
|
研究论文 | 评估大型语言模型（LLMs）在中国背景下回答乳腺癌相关医学问题的表现 | 本研究首次系统评估了ChatGPT、ERNIE Bot和ChatGLM在中国背景下回答乳腺癌相关问题的表现 | LLMs在回答乳腺癌治疗相关问题时的准确性较低，需要医疗专业人员的监督 | 评估和比较大型语言模型在回答中国背景下乳腺癌相关医学问题的表现 | ChatGPT、ERNIE Bot和ChatGLM在回答乳腺癌相关问题时的准确性、长度和可读性 | 自然语言处理 | 乳腺癌 | NA | 大型语言模型（LLMs） | 文本 | 60个乳腺癌相关问题 |
| 587 | 2024-10-12 |
Deep Learning in Heart Sound Analysis: From Techniques to Clinical Applications
2024, Health data science
DOI:10.34133/hds.0182
PMID:39387057
|
综述 | 本文综述了深度学习在心音分析中的应用，包括常用的心音数据集、基本原理和最新技术，以及当前的应用和未来改进方向 | 本文整合了常用的心音数据集，并介绍了心音分析和深度学习的基本原理与最新技术 | 现有研究需要解决挑战并改进技术以实现更广泛的临床应用 | 总结深度学习在心音分析中的应用及其局限性和未来改进方向 | 心音数据集、深度学习技术及其在心音分析中的应用 | 机器学习 | 心血管疾病 | 深度学习 | 人工神经网络 | 音频 | NA |
| 588 | 2024-10-12 |
MS-CFNet: a multi-scale clinical studying-based and feature extraction-guided network for breast fibroadenoma segmentation in ultrasonography
2024-Jan, Biomedical engineering letters
IF:3.2Q2
DOI:10.1007/s13534-023-00330-7
PMID:38186950
|
研究论文 | 本文提出了一种基于多尺度临床学习和特征提取引导的网络MS-CFNet，用于超声图像中乳腺纤维腺瘤的分割 | 本文创新性地将放射科医生的临床诊断技能与人工智能结合，通过空间局部特征对比模块和通道递归门控注意力模块增强特征提取和边缘感知，并引入新的cosh-smooth损失函数优化肿瘤边界 | NA | 开发一种能够有效分割超声图像中乳腺纤维腺瘤的深度学习网络 | 乳腺纤维腺瘤的超声图像分割 | 计算机视觉 | 乳腺疾病 | 深度学习 | MS-CFNet | 图像 | 1016张临床超声图像和246张公开数据集图像 |
| 589 | 2024-10-11 |
Knowledge mapping analysis of ground glass nodules: a bibliometric analysis from 2013 to 2023
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1469354
PMID:39381043
|
研究论文 | 本文通过文献计量学方法分析了2013年至2023年间肺磨玻璃结节的研究趋势和热点 | 首次使用三种文献计量软件对肺磨玻璃结节的应用研究进行文献计量分析 | NA | 分析肺磨玻璃结节的知识结构和研究热点 | 肺磨玻璃结节 | 数字病理学 | 肺癌 | 文献计量学 | NA | 文献 | 2218篇文章，来自75个国家和2274个机构 |
| 590 | 2024-10-11 |
An optimal deep learning model for the scoring of radiographic damage in patients with ankylosing spondylitis
2024, Therapeutic advances in musculoskeletal disease
IF:3.4Q2
DOI:10.1177/1759720X241285973
PMID:39381056
|
研究论文 | 研究开发了一种深度学习模型，用于自动评分放射学上强直性脊柱炎患者的脊柱损伤 | 首次使用深度学习模型自动评分强直性脊柱炎患者的脊柱损伤，提供了一种实时、客观的评分方法 | 研究仅限于亚洲人群，样本量相对较小 | 开发一种自动评分方法，用于评估强直性脊柱炎患者的脊柱放射学损伤 | 强直性脊柱炎患者的颈椎和腰椎X光片 | 计算机视觉 | 强直性脊柱炎 | 深度学习 | 深度学习模型 | 图像 | 554名强直性脊柱炎患者 |
| 591 | 2024-10-11 |
DFUCare: deep learning platform for diabetic foot ulcer detection, analysis, and monitoring
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1386613
PMID:39381435
|
研究论文 | 本文介绍了一个名为DFUCare的深度学习平台，用于糖尿病足溃疡的检测、分析和监测 | DFUCare平台利用计算机视觉和深度学习算法，实现了对糖尿病足溃疡的非侵入性定位、分类和分析 | 初步性能测试仅在手机拍摄的伤口图像上进行，未来需要在大规模临床试验中验证其有效性 | 开发一种非侵入性、高效且经济的解决方案，用于糖尿病足溃疡的早期检测和分析 | 糖尿病足溃疡及其感染和缺血情况 | 计算机视觉 | 糖尿病 | 深度学习 | YOLOv5s | 图像 | 使用手机拍摄的伤口图像进行初步测试 |
| 592 | 2024-10-11 |
Brain tumor classification using fine-tuned transfer learning models on magnetic resonance imaging (MRI) images
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241286140
PMID:39381813
|
研究论文 | 本文介绍了一种利用磁共振成像（MRI）图像进行脑肿瘤分类的高效深度学习模型 | 本文采用了六种迁移学习算法（VGG16、ResNet50、MobileNetV2、DenseNet201、EfficientNetB3和InceptionV3），并通过优化数据预处理和数据增强来提高模型性能，创新性地提高了脑肿瘤分类的准确性和效率 | 本文未详细讨论模型在不同类型脑肿瘤上的具体表现，且未提及模型在实际临床应用中的可行性和接受度 | 旨在通过深度学习和迁移学习技术，提高脑肿瘤检测的准确性和效率 | 脑肿瘤的分类和检测 | 计算机视觉 | 脑肿瘤 | 迁移学习 | 深度学习模型 | 图像 | 使用了二分类和多分类数据集进行实验 |
| 593 | 2024-10-11 |
Utilizing deep learning models for ternary classification in COVID-19 infodemic detection
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284773
PMID:39381806
|
研究论文 | 本文利用深度学习模型进行COVID-19信息流行病的三分类检测 | 本文采用了八种常用的深度学习模型进行三分类检测，并分析了不同模型的性能 | 由于信息流行病记录的有限性和数据集规模较小，预训练嵌入或简单架构的模型表现优于更复杂的模型 | 解决COVID-19信息流行病中区分真假信息的复杂性问题 | COVID-19信息流行病的三分类检测 | 自然语言处理 | NA | 深度学习 | fastText、基于RNN的模型、基于CNN的模型、基于Transformer的模型 | 文本 | 两个相对较小的数据集 |
| 594 | 2024-10-11 |
A sustainable artificial-intelligence-augmented digital care pathway for epilepsy: Automating seizure tracking based on electroencephalogram data using artificial intelligence
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241287356
PMID:39381810
|
研究论文 | 本研究开发了一种基于人工智能的自动化癫痫发作追踪模型，用于头皮脑电图数据的分析，旨在支持可持续的数字癫痫护理路径 | 本研究提出了一个结合随机森林、主成分分析和支持向量机的AI增强框架，以及卷积神经网络模型，用于自动化脑电图癫痫发作追踪，提高了诊断准确性 | AI集成框架的可持续性依赖于技术基础设施、专业人员、培训计划、患者数字素养、财务资源和监管合规性等因素 | 开发一种AI增强模型，用于自动化脑电图癫痫发作追踪，支持可持续的数字癫痫护理路径 | 头皮脑电图数据和癫痫患者 | 机器学习 | 癫痫 | 机器学习 | 卷积神经网络 | 脑电图数据 | NA |
| 595 | 2024-10-11 |
Toward an intelligent computing system for the early diagnosis of Alzheimer's disease based on the modular hybrid growing neural gas
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284349
PMID:39381826
|
研究论文 | 开发了一种基于模块化混合生长神经气（MyGNG）的智能计算系统，用于阿尔茨海默病（AD）的早期诊断 | 提出了一种新的模块化混合生长神经气（MyGNG）架构，用于早期诊断阿尔茨海默病，并在分类任务中表现优于其他机器学习方法 | NA | 开发一种智能计算系统，用于阿尔茨海默病的早期诊断 | 轻度认知障碍（MCI）和认知正常（CN）患者的分类任务 | 机器学习 | 阿尔茨海默病 | 模块化混合生长神经气（MyGNG） | 混合神经网络 | 特征数据 | 495和819名患者，每名患者有211个特征 |
| 596 | 2024-10-11 |
AmpClass: an Antimicrobial Peptide Predictor Based on Supervised Machine Learning
2024, Anais da Academia Brasileira de Ciencias
IF:1.1Q3
DOI:10.1590/0001-3765202420230756
PMID:39383429
|
研究论文 | 本文介绍了一种基于监督机器学习的抗菌肽预测工具AmpClass | AmpClass在识别具有抗菌活性的肽方面优于传统的最先进预测模型，并与深度学习模型取得相似的结果 | NA | 开发一种新的抗菌肽预测工具，以应对抗生素耐药性问题 | 抗菌肽和非抗菌肽 | 机器学习 | NA | 监督学习 | NA | 肽序列 | 15945个抗菌肽和12535个非抗菌肽 |
| 597 | 2024-10-10 |
A 3 M Evaluation Protocol for Examining Lymph Nodes in Cancer Patients: Multi-Modal, Multi-Omics, Multi-Stage Approach
2024 Jan-Dec, Technology in cancer research & treatment
IF:2.7Q3
DOI:10.1177/15330338241277389
PMID:39267420
|
综述 | 本文总结了大量基于统计数据和临床经验的文章，提出了一种标准化的淋巴结评估协议 | 提出了多模态、多组学、多阶段的综合评估方法，并构建了深度学习模型辅助图像分析 | 未详细讨论免疫功能受损的具体机制和解决方案 | 提出一种标准化的淋巴结评估协议，以优化癌症患者的治疗方案和预后预测 | 癌症患者的淋巴结评估 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 图像 | NA |
| 598 | 2024-10-02 |
Towards deep learning methods for quantification of the right ventricle using 2D echocardiography
2024, Future cardiology
IF:1.6Q3
DOI:10.1080/14796678.2024.2347125
PMID:39351980
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 599 | 2024-10-10 |
Image restoration in frequency space using complex-valued CNNs
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1353873
PMID:39376505
|
研究论文 | 本文探讨了在频率空间中使用复值卷积神经网络（CV-CNN）进行图像恢复的潜力 | 提出了基于复值卷积神经网络（CV-CNN）的新模型，配备了复值注意力门，用于频率域中的图像去噪和超分辨率任务 | 空间域中的实值卷积神经网络（RV-CNN）在处理完整频率谱时存在局限性，导致纹理和结构元素的缺失 | 解决空间域中实值卷积神经网络在图像恢复任务中的局限性，探索复值卷积神经网络在频率域中的应用 | 图像去噪和超分辨率任务 | 计算机视觉 | NA | 复值卷积神经网络（CV-CNN） | 复值卷积神经网络（CV-CNN） | 图像 | 涉及超分辨率结构光照显微镜（SR-SIM）和常规图像数据集 |
| 600 | 2024-10-10 |
Pilot turning behavior cognitive load analysis in simulated flight
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1450416
PMID:39376543
|
研究论文 | 本文通过模拟飞行实验，分析了不同转向任务中的认知负荷，并开发了一种基于机器学习和深度学习算法的认知负荷识别模型 | 本文首次将LSTM-Attention模型应用于飞行员转向任务的认知负荷识别，并取得了较高的F1分数 | 实验仅基于模拟飞行环境，未考虑实际飞行中的复杂情况 | 识别模拟飞行中不同转向任务的认知负荷 | 飞行员在模拟飞行中的转向行为 | 机器学习 | NA | 心率变异性（HRV）分析 | LSTM-Attention | 心率数据和飞行数据 | 未明确提及具体样本数量 |