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 1906 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-12-06 |
Dual assurance for healthcare and future education development: normalized assistance for low-income population in rural areas-evidence from the population identification
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1384474
PMID:39628808
|
研究论文 | 本研究探讨了农村低收入人口在医疗和未来教育方面的关系，并开发了一种智能识别分类模型来准确检测和分类农村低收入个体 | 提出了一个准确度达到91.93%的智能识别分类模型，超过了其他基线神经网络算法 | 研究仅限于广东省J市，结果可能不适用于其他地区 | 探索农村低收入人口在医疗和未来教育方面的关系，并为政策制定提供支持 | 农村低收入人口的医疗和教育状况 | 机器学习 | NA | 深度学习算法 | 神经网络 | 大数据 | NA | NA | NA | NA | NA |
| 742 | 2024-12-06 |
SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1469490
PMID:39628873
|
研究论文 | 本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像 | 提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节 | NA | 开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露 | 低计数[18F]-FDG-PET脑部图像 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者 | NA | NA | NA | NA |
| 743 | 2024-12-06 |
The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241079
PMID:39520159
|
研究论文 | 研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性 | 提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性 | 研究样本量较小，且仅限于一家医院的病例 | 探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果 | 良性和恶性肺结节 | 计算机视觉 | 肺部疾病 | 深度学习 | 深度学习模型 | CT图像 | 120例肺结节患者 | NA | NA | NA | NA |
| 744 | 2024-12-05 |
[Changes in FDG-PET Images of Small Lung and Liver Masses Caused by the Deep Learning-based Time-of-flight Processing]
2024, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.25-1518
PMID:39617445
|
研究论文 | 研究评估了基于深度学习的飞行时间处理（DL-ToF）对PET图像中肺部和肝脏小肿块的影响 | DL-ToF通过后处理模拟飞行时间效应，应用深度学习增强PET图像 | 研究仅使用了一个胸腹部仿真模型，未涉及临床数据 | 评估DL-ToF在PET成像中的有效性 | 肺部和肝脏的小肿块 | 计算机视觉 | NA | PET成像 | 深度学习 | 图像 | 一个胸腹部仿真模型 | NA | NA | NA | NA |
| 745 | 2024-12-05 |
Estimating protein-ligand interactions with geometric deep learning and mixture density models
2024, Journal of biosciences
IF:2.1Q2
PMID:39618061
|
研究论文 | 本文介绍了一种基于几何深度学习和混合密度模型的方法，用于预测蛋白质与配体的结合构象 | 开发了一种生成蛋白质图形表示的技术，利用图神经网络学习基于距离概率的统计势能，并结合全局优化算法进行配体结合构象的预测 | NA | 改进现有的基于物理学的解决方案，提高蛋白质与配体相互作用的预测精度 | 蛋白质与配体的结合构象 | 计算机视觉 | NA | 几何深度学习 | 图神经网络 | 结构数据 | NA | NA | NA | NA | NA |
| 746 | 2024-12-05 |
Advanced Analysis of OCT/OCTA Images for Accurately Differentiating Between Glaucoma and Healthy Eyes Using Deep Learning Techniques
2024, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S472231
PMID:39618988
|
研究论文 | 评估OCT和OCTA图像在区分青光眼和健康眼睛中的区分能力，使用深度学习技术 | 提出了一种结合OCT和OCTA图像的深度学习方法，用于更准确地区分青光眼和健康眼睛 | 研究样本量相对较小，可能影响结果的普适性 | 评估OCT和OCTA图像在区分青光眼和健康眼睛中的有效性 | 青光眼和健康眼睛的OCT和OCTA图像 | 计算机视觉 | 眼科疾病 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 157名受试者的1106次眼扫描 | NA | NA | NA | NA |
| 747 | 2024-12-05 |
Segmentation of glioblastomas via 3D FusionNet
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1488616
PMID:39619438
|
研究论文 | 本文提出了一种用于脑肿瘤自动分割的端到端3D深度学习模型 | FusionNet结合了U-Net和SegNet的优点，在肿瘤分割性能上优于两者 | 尽管模型在脑肿瘤分割上表现出色，但仍有提升空间 | 开发一种能够自动分割脑肿瘤的3D深度学习模型 | 胶质母细胞瘤（GBM）患者的脑肿瘤 | 计算机视觉 | 脑肿瘤 | NA | FusionNet | MRI图像 | 630名GBM患者 | NA | NA | NA | NA |
| 748 | 2024-12-05 |
Advancing EGFR mutation subtypes prediction in NSCLC by combining 3D pretrained ConvNeXt, radiomics, and clinical features
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1464555
PMID:39619439
|
研究论文 | 本研究开发了一种结合3D预训练ConvNeXt、放射组学和临床特征的新方法，用于预测非小细胞肺癌患者中表皮生长因子受体（EGFR）及其亚型的表达状态 | 本研究首次将3D预训练ConvNeXt与放射组学和临床特征结合，用于EGFR突变及其亚型的预测 | 本研究为回顾性研究，样本量有限，未来需在更大规模的前瞻性研究中验证模型的有效性 | 开发一种新的方法，用于预测非小细胞肺癌患者中EGFR及其亚型的表达状态 | 非小细胞肺癌患者的EGFR及其亚型表达状态 | 计算机视觉 | 肺癌 | 3D卷积神经网络（3D-CNN） | ConvNeXt | 图像 | 732名非小细胞肺癌患者 | NA | NA | NA | NA |
| 749 | 2024-12-05 |
IGAMT: Privacy-Preserving Electronic Health Record Synthesization with Heterogeneity and Irregularity
2024, Proceedings of the ... AAAI Conference on Artificial Intelligence. AAAI Conference on Artificial Intelligence
DOI:10.1609/aaai.v38i14.29491
PMID:39619768
|
研究论文 | 提出了一种名为IGAMT的框架，用于生成隐私保护的合成电子健康记录（EHR）数据，解决了特征异质性、结构缺失值和时间测量不规则性等问题 | IGAMT框架不仅能够生成高质量的合成EHR数据，还能在隐私保护和数据效用之间实现更好的平衡 | 未明确提及 | 解决电子健康记录数据在机器学习应用中的隐私和安全问题 | 电子健康记录数据及其合成方法 | 机器学习 | NA | 深度学习 | NA | 文本 | 未明确提及 | NA | NA | NA | NA |
| 750 | 2024-12-05 |
Deep learning methods for high-resolution microscale light field image reconstruction: a survey
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1500270
PMID:39624772
|
综述 | 本文综述了基于深度学习的光场显微图像重建技术的最新进展 | 本文分类并分析了三种基于深度学习的光场显微重建算法的特点 | 本文讨论了提高光场显微预测时间信息的准确性、获取光场训练数据、利用现有数据进行数据增强以及深度神经网络的可解释性等挑战 | 综述基于深度学习的光场显微图像重建技术 | 光场显微图像重建技术 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 751 | 2024-12-05 |
Efficient generation of HPLC and FTIR data for quality assessment using time series generation model: a case study on Tibetan medicine Shilajit
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1503508
PMID:39624838
|
研究论文 | 本研究使用深度学习模型TimeVQVAE生成高效液相色谱（HPLC）和傅里叶变换红外光谱（FTIR）数据，以评估藏药Shilajit的质量 | 首次采用TimeVQVAE模型生成HPLC和FTIR数据，显著提高了数据量和分类准确性 | 研究仅限于Shilajit样本，未探讨其他药材的适用性 | 解决高原特色药材样本稀缺问题，提高质量评估的准确性和稳定性 | 藏药Shilajit | 机器学习 | NA | 高效液相色谱（HPLC）、傅里叶变换红外光谱（FTIR） | 时间向量量化变分自编码器（TimeVQVAE） | 时间序列数据 | 三种等级的Shilajit样本 | NA | NA | NA | NA |
| 752 | 2024-12-02 |
Brain Disorder Detection and Diagnosis using Machine Learning and Deep Learning - A Bibliometric Analysis
2024, Current neuropharmacology
IF:4.8Q1
|
综述 | 本文通过文献计量分析，探讨了机器学习和深度学习在脑部疾病检测和诊断中的应用趋势 | 本文首次对机器学习和深度学习在脑部疾病检测和诊断领域的文献进行了定量文献计量分析 | 文献计量分析主要依赖于Scopus数据库中的文章，可能存在数据偏差 | 提供关于机器学习和深度学习在脑部疾病检测和诊断领域应用趋势的定量分析，以指导未来研究方向 | 脑部疾病的检测和诊断 | 机器学习 | NA | 机器学习，深度学习 | 卷积神经网络 | 文献 | 1550篇文献 | NA | NA | NA | NA |
| 753 | 2024-12-01 |
stMMR: accurate and robust spatial domain identification from spatially resolved transcriptomics with multimodal feature representation
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae089
PMID:39607984
|
研究论文 | 本文介绍了一种名为stMMR的多模态几何深度学习方法，用于从空间转录组学数据中准确识别空间域 | stMMR通过图卷积网络和自注意力模块进行深度特征嵌入，并结合相似性对比学习来整合多模态特征 | NA | 开发一种能够有效整合基因表达、空间位置和组织学信息的多模态方法，以准确识别空间域 | 空间转录组学数据中的空间域识别 | 机器学习 | NA | 图卷积网络、自注意力模块、相似性对比学习 | 图卷积网络、自注意力模块 | 空间转录组学数据 | NA | NA | NA | NA | NA |
| 754 | 2024-12-01 |
Contrastive learning for neural fingerprinting from limited neuroimaging data
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1332747
PMID:39605927
|
研究论文 | 本文研究了在有限神经影像数据下使用对比学习进行神经指纹识别的方法 | 本文提出了一种基于对比学习的神经指纹识别方法，无需重新训练即可适应新受试者，并通过数据增强提高了模型在样本量有限情况下的鲁棒性 | 本文未详细讨论对比学习方法在不同数据集上的泛化能力 | 研究在有限样本量下提高神经指纹识别性能的方法 | 神经指纹识别的准确性和鲁棒性 | 机器学习 | NA | 对比学习 | 深度学习模型 | 功能连接数据 | 138名受试者的3特斯拉MRI和静息态fMRI扫描数据 | NA | NA | NA | NA |
| 755 | 2024-12-01 |
A review on deep learning methods for heart sound signal analysis
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1434022
PMID:39605951
|
综述 | 本文综述了深度学习方法在心音信号分析中的应用 | 本文通过回顾和比较不同深度学习方法在心音分析中的应用，提供了对这些方法性能的全面理解 | 由于评估方法的不一致性，某些方法的优越性并不具有结论性 | 探讨深度学习方法在心音信号分析中的最新进展 | 心音信号的异常检测和定位 | 机器学习 | 心血管疾病 | 深度学习 | CNN, LSTM | 信号 | NA | NA | NA | NA | NA |
| 756 | 2024-12-01 |
Foundations of automatic feature extraction at LHC-point clouds and graphs
2024, The European physical journal. Special topics
DOI:10.1140/epjs/s11734-024-01306-z
PMID:39605978
|
综述 | 本文综述了深度学习算法在大型强子对撞机（LHC）中的自动特征提取应用 | 探讨了物理启发式特征提取器的优势，超越了提高特征质量的理解 | NA | 系统探讨从现象学角度出发的自动特征提取及其物理启发架构的动机 | LHC中的点云和图表示 | 机器学习 | NA | 深度学习算法 | NA | 点云和图 | NA | NA | NA | NA | NA |
| 757 | 2024-12-01 |
Simple Imaging System for Label-Free Identification of Bacterial Pathogens in Resource-Limited Settings
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/6465280
PMID:39606275
|
研究论文 | 本文介绍了一种基于简单宽场无透镜成像系统的高通量方法，用于在资源有限的环境中无标签识别细菌病原体 | 提出了一种新的无透镜成像系统，结合监督深度学习算法，适用于资源有限的环境，无需移动机械部件或光学元件 | 尽管识别性能高，但仍存在一定的识别错误率，且未提及长期维护和实际应用中的稳定性 | 开发一种快速、准确且经济实惠的细菌识别方法，以改善资源有限环境中的感染治疗 | 五种常见细菌病原体的临床分离株 | 计算机视觉 | NA | 无透镜成像系统 | 深度学习算法 | 图像 | 252个临床分离株 | NA | NA | NA | NA |
| 758 | 2024-12-01 |
Sensitive Quantification of Cerebellar Speech Abnormalities Using Deep Learning Models
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3393243
PMID:39606584
|
研究论文 | 本文开发了一种基于深度学习模型的方法，用于敏感地量化小脑性言语异常 | 使用卷积神经网络捕捉小脑共济失调的言语表型，并基于对数梅尔频谱图的时间和频率偏导数进行分类和回归建模 | NA | 开发能够准确识别和量化共济失调言语临床体征的模型 | 小脑共济失调患者的言语异常 | 机器学习 | 神经退行性疾病 | 卷积神经网络 | CNN | 音频 | 包括共济失调患者和健康对照组 | NA | NA | NA | NA |
| 759 | 2024-12-01 |
Effective automatic classification methods via deep learning for myopic maculopathy
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1492808
PMID:39606624
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于对病理性近视相关的黄斑病变进行自动分类 | 采用五种深度学习架构（ResNet50、EfficientNet-B0、Vision Transformer、Contrastive Language-Image Pre-Training和RETFound），并通过集成学习方法提升模型性能 | 未来工作可能需要扩展数据集、整合图像质量评估以及优化集成算法以提高效率和适用性 | 提高病理性近视相关黄斑病变分类的准确性和可靠性 | 病理性近视相关的黄斑病变 | 计算机视觉 | 眼科疾病 | 深度学习 | 集成学习 | 图像 | 2159张标注的眼底图像 | NA | NA | NA | NA |
| 760 | 2024-12-01 |
Automated lung segmentation on chest MRI in children with cystic fibrosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1401473
PMID:39606627
|
研究论文 | 研究使用深度学习方法对患有囊性纤维化的儿童胸部MRI图像进行自动肺部分割 | 采用nnU-Net框架对胸部MRI图像进行自动肺部分割，展示了在不同疾病严重程度、患者年龄和尺寸下的高分割性能 | 在膈肌和背部区域存在不完全分割的挑战，需要进一步改进以增强模型的泛化能力 | 探索使用深度学习方法对囊性纤维化儿童的胸部MRI图像进行自动肺部分割的可行性和有效性 | 患有囊性纤维化的儿童的胸部MRI图像 | 计算机视觉 | 囊性纤维化 | 深度学习 | nnU-Net | MRI图像 | 165个标准化年度监测MRI扫描，来自84名囊性纤维化患者 | NA | NA | NA | NA |