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 1879 篇文献，本页显示第 721 - 740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 721 | 2024-12-01 |
Employing Xception convolutional neural network through high-precision MRI analysis for brain tumor diagnosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1487713
PMID:39606635
|
研究论文 | 本文提出了一种基于Xception卷积神经网络的高精度MRI分析方法，用于脑肿瘤的诊断 | 引入了Xception架构，并结合批量归一化和dropout层来减少过拟合，通过迁移学习和定制的密集层设置提高了模型的泛化能力 | NA | 提高脑肿瘤诊断的准确性和可靠性 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | MRI分析 | Xception卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 722 | 2024-12-01 |
Enhanced skin cancer diagnosis: a deep feature extraction-based framework for the multi-classification of skin cancer utilizing dermoscopy images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1495576
PMID:39606634
|
研究论文 | 本文提出了一种基于深度特征提取的框架，用于利用皮肤镜图像对皮肤癌进行多分类诊断 | 本文提出了四种卷积神经网络（CNN）模型的变体，并结合支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）进行皮肤癌分类，提高了诊断准确率 | 本文未提及如何处理数据不平衡问题以及模型的泛化能力 | 提高皮肤癌诊断的准确性，帮助医生进行诊断 | 皮肤癌的分类和预测 | 计算机视觉 | 皮肤癌 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 10,015张皮肤镜图像 | NA | NA | NA | NA |
| 723 | 2024-12-01 |
Bibliometric and visual analysis of radiomics for evaluating lymph node status in oncology
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1501652
PMID:39610679
|
研究论文 | 本文通过文献计量学和可视化方法分析了2012年至2023年间关于放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示了该领域的研究热点和未来趋势 | 本文首次通过文献计量学和可视化方法全面分析了放射组学在评估淋巴结状态中的应用，揭示了研究热点和未来趋势 | 本文主要基于文献计量学和可视化分析，未涉及具体实验或临床数据，因此缺乏对实际应用效果的深入探讨 | 分析放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示研究热点和未来趋势 | 2012年至2023年间发表的关于放射组学在评估淋巴结状态中的研究出版物 | 数字病理学 | 肿瘤学 | 文献计量学和可视化分析 | NA | 文本 | 898篇英文原创文章和综述 | NA | NA | NA | NA |
| 724 | 2024-12-01 |
Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.)
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0278
PMID:39610705
|
研究论文 | 研究利用无人机RGB图像和深度学习方法评估干豆的相对成熟度、植株密度和植株高度 | 采用混合卷积神经网络和长短期记忆模型以及Faster R-CNN算法，提高了相对成熟度和植株密度测量的准确性和效率 | 在植株高度估计中，PC和DSM数据源的选择依赖于特定的环境和飞行条件 | 探索无人机图像和深度学习方法在干豆田间试验中测量相对成熟度、植株密度和植株高度的应用 | 干豆的相对成熟度、植株密度和植株高度 | 计算机视觉 | NA | 深度学习 | 混合卷积神经网络和长短期记忆模型、Faster R-CNN | 图像 | NA | NA | NA | NA | NA |
| 725 | 2024-12-01 |
RDA-MTE: an innovative model for emotion recognition in sports behavior decision-making
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1466013
PMID:39610868
|
研究论文 | 本文提出了一种基于深度学习的模型RDA-MTE，用于在体育行为决策中进行情感识别 | 该模型结合了预训练的ResNet-50、双向注意力机制和多层Transformer编码器，提高了情感识别的准确性和鲁棒性 | NA | 研究情感刺激在体育行为决策中的作用 | 情感识别和体育行为决策 | 机器学习 | NA | 深度学习 | RDA-MTE | 图像 | FER-2013数据集和CK+数据集 | NA | NA | NA | NA |
| 726 | 2024-11-29 |
Development of ultrasound-based clinical, radiomics and deep learning fusion models for the diagnosis of benign and malignant soft tissue tumors
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1443029
PMID:39600644
|
研究论文 | 本研究开发了一种基于超声的临床、影像组学和深度学习融合模型，用于良性和恶性软组织肿瘤的诊断 | 本研究创新性地将临床数据、影像组学特征和深度学习特征融合，构建了一个支持向量机模型，显著提高了诊断性能 | 本研究为回顾性研究，样本来自两家医院，可能存在选择偏倚 | 开发一种基于超声的融合模型，用于准确诊断良性和恶性软组织肿瘤 | 良性和恶性软组织肿瘤 | 机器学习 | NA | 支持向量机 | 支持向量机 | 图像 | 训练集包含516例患者，外部验证集包含78例患者 | NA | NA | NA | NA |
| 727 | 2024-11-29 |
Spatial heterogeneity response of soil salinization inversion cotton field expansion based on deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1437390
PMID:39600903
|
研究论文 | 本研究利用深度学习模型对土壤盐渍化进行反演，并探讨了棉花田扩张对土壤盐渍化的影响 | 本研究首次结合CNN、LSTM和RF模型，通过Landsat-8影像提取特征变量，实现了对土壤盐渍化的高精度反演，并揭示了棉花田扩张与土壤盐渍化的空间异质性关系 | 本研究主要基于Landsat-8影像数据，未来可结合更多类型的遥感数据以提高模型的泛化能力 | 探讨深度学习在土壤盐渍化反演中的应用，并分析棉花田扩张对土壤盐渍化的影响 | 土壤盐渍化及其对棉花田扩张的空间异质性影响 | 计算机视觉 | NA | 深度学习 | CNN, LSTM, RF | 影像 | 97个田间样本 | NA | NA | NA | NA |
| 728 | 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 | NA | NA | NA | NA |
| 729 | 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 | NA | NA | NA | NA |
| 730 | 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 | NA | NA | NA | NA |
| 731 | 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 | NA | NA | NA | NA |
| 732 | 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 | NA | NA | NA | NA |
| 733 | 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 | NA | NA | NA | NA |
| 734 | 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 | NA | NA | NA | NA |
| 735 | 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 | NA | NA | NA | NA |
| 736 | 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 | NA | NA | NA | NA |
| 737 | 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 | NA | NA | NA | NA |
| 738 | 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 | NA | NA | NA | NA |
| 739 | 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 | NA | NA | NA | NA |
| 740 | 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 | NA | NA | NA | NA |