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 1832 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2024-11-29 |
Deep learning-enhanced automated mitochondrial segmentation in FIB-SEM images using an entropy-weighted ensemble approach
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313000
PMID:39591424
|
研究论文 | 本文提出了一种基于深度学习的自动化线粒体分割方法，使用熵加权集成技术在FIB-SEM图像中进行线粒体分割 | 本文的创新点在于采用了一种熵加权集成学习技术，结合两个自动分割管道的预测输出，提高了线粒体分割的准确性 | 本文的局限性在于仅使用了四个公开数据集进行评估，未来需要更多数据集验证方法的泛化能力 | 本文的研究目的是开发一种高效的自动化工具，用于在FIB-SEM图像中进行线粒体分割，以辅助早期检测和缓解线粒体疾病 | 本文的研究对象是线粒体及其在FIB-SEM图像中的分割 | 计算机视觉 | 神经退行性疾病 | FIB-SEM | CNN | 图像 | 四个公开数据集 |
| 642 | 2024-11-28 |
Corrigendum: Deep learning-driven ultrasound-assisted diagnosis: optimizing GallScopeNet for precise identification of biliary atresia
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1518391
PMID:39600936
|
correction | 纠正了文章DOI: 10.3389/fmed.2024.1445069中的错误 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 643 | 2024-11-27 |
Tractography-based automated identification of the retinogeniculate visual pathway with novel microstructure-informed supervised contrastive learning
2024-Jan-04, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.03.574115
PMID:38260369
|
研究论文 | 本文提出了一种基于扩散MRI纤维束成像的自动识别视网膜-外侧膝状体视觉通路的新型深度学习框架 | 设计了一种新的微结构信息引导的监督对比学习方法，结合纤维束标签和组织微结构信息来确定正负样本对，并提出了一种简单有效的纤维束级别数据增强方法来处理高度不平衡的训练数据 | NA | 开发一种快速准确的自动识别视网膜-外侧膝状体视觉通路的方法 | 视网膜-外侧膝状体视觉通路 | 计算机视觉 | NA | 扩散MRI纤维束成像 | 深度学习 | 图像 | 涉及神经外科患者的数据，具体数量未提及 |
| 644 | 2024-11-27 |
DeepRegFinder: deep learning-based regulatory elements finder
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae007
PMID:38343388
|
研究论文 | 开发了一种基于深度学习的程序DeepRegFinder，用于自动化处理数据、模型训练和预测DNA调控元件 | DeepRegFinder能够将增强子和启动子进一步分类为活跃和准备状态，这是其独特且有价值的特点 | NA | 开发一种自动化工具，用于在基因组尺度上识别增强子和启动子等DNA调控元件 | 增强子和启动子等DNA调控元件 | 机器学习 | NA | ChIP-seq | 卷积神经网络和循环神经网络 | DNA序列数据 | 多个细胞类型的数据 |
| 645 | 2024-11-27 |
Multimodal deep learning as a next challenge in nutrition research: tailoring fermented dairy products based on cytidine diphosphate-diacylglycerol synthase-mediated lipid metabolism
2024, Critical reviews in food science and nutrition
IF:7.3Q1
DOI:10.1080/10408398.2023.2248633
PMID:37615630
|
研究论文 | 本文探讨了多模态深度学习在营养学研究中的应用，特别是通过基于胞苷二磷酸-二酰基甘油合酶介导的脂质代谢来定制发酵乳制品 | 本文提出了一个多模态深度学习方法，包括数据矩阵形成、高维组学数据分解、视图相关性发现网络构建和脂质代谢为中心的定量多组学数据分析 | NA | 探索深度学习在营养流行病学中的应用，特别是如何通过多模态数据分析来定制发酵乳制品 | 发酵乳制品及其对心血管疾病、肥胖和全因死亡率的影响 | 机器学习 | 心血管疾病 | 多模态深度学习 | 自注意力机制 | 多组学数据 | NA |
| 646 | 2024-11-27 |
PET/CT radiomics and deep learning in the diagnosis of benign and malignant pulmonary nodules: progress and challenges
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1491762
PMID:39582533
|
综述 | 本文综述了PET/CT影像组学和深度学习在良恶性肺结节诊断中的进展与挑战 | 结合PET/CT影像组学和深度学习方法，提取高吞吐量的定量特征，以提高肺结节的非侵入性诊断准确性 | PET/CT的特异性需要进一步提高，且深度学习方法在实际应用中仍面临挑战 | 探讨PET/CT影像组学和深度学习在提高肺结节诊断准确性中的作用 | 肺结节的良恶性诊断 | 计算机视觉 | 肺癌 | PET/CT | 深度学习 | 影像 | NA |
| 647 | 2024-11-27 |
Deep learning radiomics based on contrast enhanced MRI for preoperatively predicting early recurrence in hepatocellular carcinoma after curative resection
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1446386
PMID:39582540
|
研究论文 | 本文探讨了基于对比增强磁共振成像（CEMRI）的深度学习和放射组学方法在预测肝细胞癌（HCC）患者术后早期复发中的作用 | 本文创新性地将深度学习和放射组学方法结合，构建了DLRCR模型，显著提高了预测肝细胞癌复发的效果 | 本文的局限性在于样本量相对较小，且为回顾性研究，未来需要更大规模的前瞻性研究验证 | 研究目的是探索基于CEMRI的深度学习和放射组学方法在预测肝细胞癌患者术后早期复发中的应用 | 研究对象为165名接受治愈性切除的肝细胞癌患者 | 机器学习 | 肝细胞癌 | 对比增强磁共振成像（CEMRI） | ResNet架构 | 图像 | 165名肝细胞癌患者，分为训练组132人和验证组33人 |
| 648 | 2024-11-27 |
Identification of sweetpotato virus disease-infected leaves from field images using deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1456713
PMID:39582628
|
研究论文 | 研究提出了一种基于深度学习的语义分割网络，用于从田间拍摄的甘薯叶图像中快速准确地识别甘薯病毒病病斑 | 研究引入了注意力金字塔融合模块和一种新的数据增强技术，以提高模型在边缘背景区域的分割精度 | NA | 开发一种高效且可扩展的方法来诊断甘薯病毒病 | 甘薯病毒病感染的甘薯叶图像 | 计算机视觉 | NA | 深度学习 | DeepLabV3+ | 图像 | 两个自定义数据集，DS-1包含用于训练、验证和测试的图像，DS-2用于验证模型的可靠性 |
| 649 | 2024-11-27 |
Multiscale attention-over-attention network for retinal disease recognition in OCT radiology images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1499393
PMID:39582968
|
研究论文 | 本文提出了一种基于多尺度注意力机制的深度学习网络，用于OCT放射影像中的视网膜疾病识别 | 本文创新性地引入了多尺度特征增强的双注意力网络，结合EfficientNetB7骨干网络和金字塔注意力机制，有效捕捉多尺度依赖关系和上下文信息 | NA | 提高OCT影像中视网膜疾病识别的准确性和效率 | OCT影像中的视网膜疾病 | 计算机视觉 | 视网膜疾病 | 深度学习 | CNN | 图像 | 两个基准数据集 |
| 650 | 2024-11-27 |
Artificial intelligence research in radiation oncology: a practical guide for the clinician on concepts and methods
2024-Jan, BJR open
DOI:10.1093/bjro/tzae039
PMID:39583148
|
review | 本文为临床医生提供了关于人工智能在放射肿瘤学中应用的概念和方法的实用指南 | 本文强调了提高临床医生对人工智能开发过程的理解和信任的重要性，并提供了评估相关研究论文的工具 | 本文主要关注于提高临床医生对人工智能的理解，未深入探讨具体的技术细节或模型应用 | 旨在提高临床医生对人工智能在医学中开发和应用的知识和信任 | 临床医生和人工智能在放射肿瘤学中的应用 | machine learning | NA | artificial intelligence | NA | NA | NA |
| 651 | 2024-11-27 |
Deep learning-based image classification of sea turtles using object detection and instance segmentation models
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313323
PMID:39585892
|
研究论文 | 本研究比较了基于深度学习的两种先进方法（YOLOv5和YOLOv5-seg）在海龟图像分类中的性能 | 本研究首次比较了实例分割模型（YOLOv5-seg）与传统目标检测模型（YOLOv5）在海龟图像分类中的性能，并发现实例分割模型在复杂背景下的分类效果更优 | 本研究仅使用了iNaturalist和Google收集的图像数据，未涵盖所有可能的海龟栖息地 | 评估和比较两种深度学习模型在海龟图像分类中的性能 | 海龟图像的检测与分类 | 计算机视觉 | NA | 深度学习 | YOLOv5, YOLOv5-seg | 图像 | 从iNaturalist和Google收集的图像数据，分为64%训练集、16%验证集和20%测试集 |
| 652 | 2024-11-27 |
Predicting alfalfa leaf area index by non-linear models and deep learning models
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1458337
PMID:39588090
|
研究论文 | 研究通过非线性模型和深度学习模型预测苜蓿叶面积指数 | 提出了一种基于突变点检测方法和编码器-注意力-解码器BiLSTM网络的时间序列预测模型（TMEAD-BiLSTM），显著提高了苜蓿叶面积指数的预测精度 | 非线性模型在整合环境因素方面存在局限性，影响了叶面积指数预测的准确性 | 探讨经典非线性模型和深度学习在预测苜蓿叶面积指数方面的潜力 | 苜蓿叶面积指数及其受环境因素的影响 | 机器学习 | NA | 深度学习 | BiLSTM | 时间序列数据 | 不同年份和切割次数的苜蓿叶面积指数数据 |
| 653 | 2024-11-27 |
Variation and evolution analysis of SARS-CoV-2 using self-game sequence optimization
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1485748
PMID:39588108
|
研究论文 | 本研究介绍了基于深度学习和强化学习的SARS-CoV-2进化预测方法DARSEP，结合自博弈序列优化和RetNet模型，用于预测病毒的进化序列和轨迹 | DARSEP方法通过自博弈序列优化和RetNet模型，能够准确预测SARS-CoV-2的进化序列，并识别出具有高免疫逃避能力的突变体 | NA | 深入理解SARS-CoV-2的潜在变异，以有效缓解病毒进化对全球公共健康、经济和社会的影响 | SARS-CoV-2病毒及其突变体 | 机器学习 | NA | 深度学习、强化学习 | RetNet | 序列数据 | NA |
| 654 | 2024-11-27 |
A Review of Datasets, Optimization Strategies, and Learning Algorithms for Analyzing Alzheimer's Dementia Detection
2024, Neuropsychiatric disease and treatment
IF:2.5Q2
DOI:10.2147/NDT.S496307
PMID:39588176
|
综述 | 本文综述了用于阿尔茨海默病痴呆检测的数据集、优化策略和学习算法 | 本文评估了多种机器学习算法、深度学习模型、迁移学习技术和生成对抗网络在多模态影像数据分析中的应用 | NA | 探讨在阿尔茨海默病痴呆检测中使用多模态影像数据、学习算法和优化技术的进展与挑战 | 多模态影像数据、学习算法和优化技术 | 机器学习 | 阿尔茨海默病 | MRI、PET、EEG | 生成对抗网络 | 影像 | NA |
| 655 | 2024-11-26 |
Artificial intelligence in predicting pathogenic microorganisms' antimicrobial resistance: challenges, progress, and prospects
2024, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2024.1482186
PMID:39554812
|
综述 | 本文综述了人工智能和机器学习技术在预测病原微生物抗菌药物耐药性方面的最新进展 | 介绍了支持向量机、随机森林和深度学习网络等主要AI和ML模型在耐药性预测中的应用 | 讨论了数据可用性、模型可解释性和跨物种耐药性预测等主要挑战 | 探讨通过算法优化、数据集扩展和跨学科合作来研究微生物耐药性的新视角和解决方案 | 病原微生物的抗菌药物耐药性 | 机器学习 | NA | 人工智能 (AI) 和机器学习 (ML) | 支持向量机、随机森林、深度学习网络 | 生物医学数据 | NA |
| 656 | 2024-11-26 |
Predicting Immune Checkpoint Inhibitor-Related Pneumonitis via Computed Tomography and Whole-Lung Analysis Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于计算机断层扫描（CT）图像和深度学习的全肺分析模型，用于预测免疫检查点抑制剂相关性肺炎（ICI-P）的风险 | 本文提出了一种新颖的全肺分析深度学习模型，结合了密集连接卷积网络（DenseNet）和特征金字塔网络（FPN），能够自动挖掘CT图像中的全局肺部信息，无需手动标注图像 | NA | 预测免疫检查点抑制剂相关性肺炎（ICI-P）的个体化风险，以辅助个性化免疫治疗计划 | 免疫检查点抑制剂相关性肺炎（ICI-P）的风险预测 | 计算机视觉 | 肺部疾病 | 深度学习 | DenseNet 和 FPN 结合的深度学习模型 | CT图像 | 157名患者 |
| 657 | 2024-11-26 |
Erratum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1516320
PMID:39583549
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 658 | 2024-11-24 |
Boosted Harris Hawks Shuffled Shepherd Optimization Augmented Deep Learning based motor imagery classification for brain computer interface
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313261
PMID:39570847
|
研究论文 | 本文提出了一种基于增强的Harris Hawks Shuffled Shepherd优化和深度学习的运动想象分类方法，用于脑机接口 | 本文创新性地结合了Harris Hawks Shuffled Shepherd优化算法和深度学习技术，用于运动想象分类，显著提高了分类准确率 | NA | 提高脑机接口中运动想象分类的准确性，增强与外部设备的通信和控制能力 | 运动想象分类在脑机接口中的应用 | 机器学习 | NA | 深度学习 | 卷积自动编码器 (CAE) | 脑电图 (EEG) | BCIC-III和BCIC-IV数据集 |
| 659 | 2024-11-24 |
FDCN-C: A deep learning model based on frequency enhancement, deformable convolution network, and crop module for electroencephalography motor imagery classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309706
PMID:39570849
|
研究论文 | 提出了一种基于频率增强、可变形卷积网络和裁剪模块的深度学习模型FDCN-C，用于脑电图运动想象分类 | 创新设计了频率增强模块，利用连续时间尺度的卷积核提取不同频段的特征，并通过注意力机制筛选并整合到原始脑电数据中；采用可变形卷积网络增强时间特征提取能力，利用偏移参数调节卷积核大小；设计了一维卷积层整合所有通道信息；使用扩张卷积形成裁剪分类模块，多次计算脑电数据的多样化感受野 | 未提及 | 提高脑电图运动想象分类的准确性 | 脑电图运动想象分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 脑电图 | 使用了两个公开数据集进行验证 |
| 660 | 2024-11-24 |
Towards efficient IoT communication for smart agriculture: A deep learning framework
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311601
PMID:39570960
|
研究论文 | 本文研究了智能农业中物联网通信的优化，提出了一种提高数据传输效率的完整策略 | 本文提出了结合拉格朗日优化和深度卷积神经网络（DCNN）的模型，旨在最大化能源效率和数据吞吐量 | NA | 优化智能农业生态系统中的数据传输效率 | 物联网传感器与中央控制系统之间的通信距离 | 机器学习 | NA | 深度学习 | 深度卷积神经网络（DCNN） | 传感器数据（温度、湿度、土壤湿度） | NA |