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 1869 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2024-10-29 |
Deep learning-assisted ultrasonic diagnosis of cervical lymph node metastasis of thyroid cancer: a retrospective study of 3059 patients
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1204987
PMID:38390270
|
研究论文 | 本研究开发了一种深度学习系统，用于识别和区分甲状腺癌的转移性颈部淋巴结 | 使用Y-Net深度学习模型进行超声图像分割和分类，提高了转移性颈部淋巴结的分类准确性 | 研究为回顾性研究，且样本量有限，可能影响模型的泛化能力 | 开发一种深度学习系统，以提高甲状腺癌转移性颈部淋巴结超声图像的分类准确性 | 3059名疑似甲状腺癌转移性颈部淋巴结的患者 | 计算机视觉 | 甲状腺癌 | 深度学习 | Y-Net | 超声图像 | 3059名患者，包括1228个良性淋巴结和1284个转移性淋巴结 | NA | NA | NA | NA |
| 862 | 2024-10-28 |
Derivation, External Validation and Clinical Implications of a deep learning approach for intracranial pressure estimation using non-cranial waveform measurements
2024-Jan-30, medRxiv : the preprint server for health sciences
DOI:10.1101/2024.01.30.24301974
PMID:38352556
|
研究论文 | 开发并验证了一种使用非侵入性颅外生理波形数据检测颅内压升高的AI方法 | 提出了一种仅使用颅外波形数据进行颅内压估计的深度学习方法，并在外部数据集上进行了验证 | 研究基于回顾性数据，且样本量有限，需要进一步的前瞻性研究验证 | 开发和验证一种非侵入性方法来检测颅内压升高 | 颅内压升高的检测及其与临床结果的关联 | 机器学习 | NA | 深度学习 | AI模型 | 波形数据 | 开发阶段157例，外部验证56例，结果关联1694例 | NA | NA | NA | NA |
| 863 | 2024-10-28 |
Linking Gene Fusions to Bone Marrow Failure and Malignant Transformation in Dyskeratosis Congenita
2024-Jan-28, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25031606
PMID:38338888
|
研究论文 | 本文分析了先天性角化不良症患者RNA-Seq数据中的基因融合，以深入了解该疾病进展中的作用 | 首次详细研究了先天性角化不良症中基因融合对骨髓衰竭和恶性转化的影响 | 仅基于RNA-Seq数据和计算模拟，缺乏实验验证 | 探讨基因融合在先天性角化不良症进展中的作用 | 先天性角化不良症患者的基因融合 | 基因组学 | 先天性角化不良症 | RNA-Seq | 深度学习 | RNA序列 | 若干先天性角化不良症患者 | NA | NA | NA | NA |
| 864 | 2024-10-28 |
RETRACTED: Liu et al. Prediction of Ovarian Cancer Response to Therapy Based on Deep Learning Analysis of Histopathology Images. Cancers 2023, 15, 4044
2024-Jan-24, Cancers
IF:4.5Q1
DOI:10.3390/cancers16030493
PMID:38339431
|
correction | 该文章因故被撤回 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 865 | 2024-10-28 |
Navigating urban congestion: A Comprehensive strategy based on an efficient smart IoT wireless communication for PV powered smart traffic management system
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310002
PMID:39453902
|
研究论文 | 本文提出了一种基于高效智能物联网无线通信的综合策略，用于太阳能供电的智能交通管理系统，以解决埃及城市严重的交通拥堵问题 | 结合了关键基础设施改进和尖端技术，利用深度学习和优化算法在物联网支持的5G框架内改善通信 | 模型主要针对埃及城市，可能不适用于其他地区的交通管理 | 现代化埃及的交通管理系统，使其符合全球智能交通网络的指导方针 | 埃及城市的交通拥堵问题 | 物联网 | NA | 深度学习、优化算法 | NA | NA | NA | NA | NA | NA | NA |
| 866 | 2024-10-28 |
Predictive value of 18F-FDG PET/CT radiomics for EGFR mutation status in non-small cell lung cancer: a systematic review and meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1281572
PMID:38361781
|
meta-analysis | 本研究通过meta分析评估了18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR基因突变状态中的价值 | 首次通过meta分析系统评估了18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR突变中的应用 | 研究存在异质性，主要来源于深度学习和研究区域的不同 | 评估18F-FDG PET/CT放射组学在预测非小细胞肺癌EGFR基因突变中的价值 | 非小细胞肺癌患者及其EGFR基因突变状态 | digital pathology | lung cancer | 18F-FDG PET/CT放射组学 | NA | image | 共纳入17项研究，涉及3763例非小细胞肺癌患者 | NA | NA | NA | NA |
| 867 | 2024-10-27 |
A Multi-level ensemble approach for skin lesion classification using Customized Transfer Learning with Triple Attention
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309430
PMID:39446759
|
研究论文 | 本文提出了一种基于卷积神经网络的多层次集成学习方法，用于皮肤病变分类 | 引入了多层次信息增益比例平均（ML-IGPA）方法，用于确定模型预测的最优权重分配 | NA | 提高皮肤病变分类的准确性和可解释性 | 皮肤病变，包括皮肤疾病和皮肤癌 | 计算机视觉 | 皮肤癌 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | HAM1000数据集 | NA | NA | NA | NA |
| 868 | 2024-10-27 |
Can deep learning identify humans by automatically constructing a database with dental panoramic radiographs?
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312537
PMID:39446777
|
研究论文 | 本研究提出了一种利用深度学习识别个体的方法，通过构建牙科全景X光片数据库来识别个体 | 利用卷积神经网络在牙科全景X光片上识别个体，并构建了一个包含1029对PM-AM牙科全景X光片的数据库 | 研究样本仅限于20至49岁的成年人，且性别对识别成功率有显著影响 | 提出一种新的方法，通过识别牙齿变化和使用深度学习进行人类识别 | 20至49岁成年人，拥有至少两张牙科全景X光片 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 1029对PM-AM牙科全景X光片，时间跨度从2000年到2020年 | NA | NA | NA | NA |
| 869 | 2024-10-27 |
NIDS-FGPA: A federated learning network intrusion detection algorithm based on secure aggregation of gradient similarity models
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308639
PMID:39446819
|
研究论文 | 本文提出了一种基于安全梯度相似模型聚合的联邦学习网络入侵检测算法NIDS-FGPA | 利用联邦学习架构和Paillier同态加密技术确保训练过程的安全性，并引入梯度相似模型聚合算法动态选择和加权不同模型的更新以减少通信开销 | NA | 解决工业物联网中网络入侵检测系统面临的数据特征不完整、标签缺失、参数泄露和高通信开销等问题 | 网络入侵检测 | 机器学习 | NA | 联邦学习、Paillier同态加密 | 二维卷积神经网络和双向门控循环单元(2DCNN-BIGRU) | 网络流量数据 | Edge-IIoTset和CIC IoT 2023数据集 | NA | NA | NA | NA |
| 870 | 2024-10-26 |
Deep learning innovations in South Korean maritime navigation: Enhancing vessel trajectories prediction with AIS data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310385
PMID:39446863
|
研究论文 | 本文介绍了一种利用卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）和门控循环单元（GRU）进行船舶轨迹预测的新方法 | 本文提出了一种专门针对AIS数据的预处理方法，包括高级过滤技术以去除异常值和错误数据点，并结合环境条件和船舶特定特征等上下文信息 | NA | 提高船舶轨迹预测的准确性，从而增强海上交通安全 | 船舶轨迹数据 | 机器学习 | NA | 卷积神经网络（CNN）、深度神经网络（DNN）、长短期记忆网络（LSTM）、门控循环单元（GRU） | CNN、DNN、LSTM、GRU | 轨迹数据 | 大量AIS数据 | NA | NA | NA | NA |
| 871 | 2024-10-27 |
Analysis and visualization of the effect of multiple sclerosis on biological brain age
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1423485
PMID:39450049
|
研究论文 | 研究使用深度学习模型预测多发性硬化症患者的脑龄差距，并比较健康个体与患者的脑龄差距 | 首次使用卷积神经网络（CNN）预测多发性硬化症患者的脑龄差距，并生成显著性图以识别对脑龄预测任务重要的脑区 | 样本量相对较小，且仅限于复发缓解型多发性硬化症患者 | 探讨基于图像的脑龄差距预测在多发性硬化症患者中的应用价值 | 多发性硬化症患者与健康个体的脑龄差距 | 计算机视觉 | 多发性硬化症 | 卷积神经网络（CNN） | CNN | 图像 | 5294名健康个体和195名复发缓解型多发性硬化症患者 | NA | NA | NA | NA |
| 872 | 2024-10-27 |
FIDMT-GhostNet: a lightweight density estimation model for wheat ear counting
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435042
PMID:39450085
|
研究论文 | 提出了一种基于FIDMT-GhostNet的轻量级小麦穗计数模型，用于自动定位和计数小麦穗 | 引入了基于GhostNet的轻量级网络进行特征提取，并结合FIDMT网络提高计数精度，同时采用密集上采样卷积模块和局部最大值检测策略来解决小麦穗目标小和背景干扰的问题 | NA | 开发一种高效的小麦穗自动计数方法，以提高农业管理、产量预测和资源分配的效率 | 小麦穗的自动定位和计数 | 计算机视觉 | NA | 深度学习 | GhostNet | 图像 | 使用了包括WEC、WEDD和GWHD在内的多个小麦图像数据集进行训练和测试 | NA | NA | NA | NA |
| 873 | 2024-10-27 |
Enhancing prediction accuracy of foliar essential oil content, growth, and stem quality in Eucalyptus globulus using multi-trait deep learning models
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1451784
PMID:39450087
|
研究论文 | 本研究利用多性状深度学习模型预测桉树的叶片精油含量、生长和茎质量 | 本研究首次将基因组和表型组学方法结合，利用深度学习模型预测桉树的多性状，并发现多性状方法在预测准确性上优于单性状方法 | 本研究仅限于9年生的桉树育种群体，结果可能不适用于其他年龄或品种的桉树 | 研究目的是提高桉树生长相关性状和精油产量的预测准确性 | 研究对象是桉树的叶片精油含量、茎质量和生长相关性状 | 机器学习 | NA | 单核苷酸多态性（SNPs）、单倍型、近红外光谱（NIR） | 深度学习（DL）模型、卷积神经网络（CNN）、多层感知器（MLP） | 基因组数据、表型数据 | 9年生的桉树育种群体 | NA | NA | NA | NA |
| 874 | 2024-10-27 |
DeepO-GlcNAc: a web server for prediction of protein O-GlcNAcylation sites using deep learning combined with attention mechanism
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1456728
PMID:39450274
|
研究论文 | 本文开发了一个基于深度学习的工具DeepO-GlcNAc，用于预测蛋白质O-GlcNAcylation位点 | 提出了一个新的深度学习框架DeepO-GlcNAc，结合了长短期记忆网络（LSTM）、卷积神经网络（CNN）和注意力机制，显著提高了O-GlcNAcylation位点预测的性能 | 模型在跨物种数据集上的表现较强，但在人类数据集上的表现未提及 | 开发一个基于深度学习的工具，以提高蛋白质O-GlcNAcylation位点的预测准确性 | 蛋白质O-GlcNAcylation位点 | 机器学习 | NA | 深度学习 | LSTM、CNN、注意力机制 | 蛋白质组学数据 | 包含五个跨物种数据集，未提及人类数据集的具体样本数量 | NA | NA | NA | NA |
| 875 | 2024-10-26 |
An ensemble deep learning model for medical image fusion with Siamese neural networks and VGG-19
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309651
PMID:39441782
|
研究论文 | 本文提出了一种基于Siamese神经网络和VGG-19的集成深度学习模型，用于多模态医学图像融合 | 该模型结合了预训练和非预训练网络，通过堆叠集成方法，能够有效保留详细信息并提高图像质量，显著改善对比度、增加分辨率并减少伪影 | NA | 开发一种高效的混合学习模型，用于多模态医学图像融合 | 多模态医学图像 | 计算机视觉 | NA | 深度学习 | Siamese神经网络, VGG-19 | 图像 | 来自Havard-Medical-Image-Fusion Datasets、GitHub和Kaggle的公开可用源图像 | NA | NA | NA | NA |
| 876 | 2024-10-26 |
Deep learning and AI in reducing magnetic resonance imaging scanning time: advantages and pitfalls in clinical practice
2024, Polish journal of radiology
IF:0.9Q4
DOI:10.5114/pjr/192822
PMID:39444654
|
研究论文 | 本文探讨了深度学习和人工智能在减少磁共振成像扫描时间中的应用及其在临床实践中的优势和局限 | 开发了基于人工智能的算法，特别是深度学习模型，用于从更少的数据点重建高分辨率图像，显著提高了MRI效率 | 未具体提及 | 描述和讨论引入深度学习重建技术以减少MRI扫描时间在临床实践中的优缺点 | 磁共振成像（MRI）扫描时间的减少及其在临床实践中的应用 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 未具体提及 | NA | NA | NA | NA |
| 877 | 2024-10-26 |
Dry age-related macular degeneration classification from optical coherence tomography images based on ensemble deep learning architecture
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1438768
PMID:39444813
|
研究论文 | 本文提出了一种基于集成深度学习架构的光学相干断层扫描图像干性年龄相关性黄斑变性分类方法 | 本文创新性地整合了四种不同的卷积神经网络（ResNet50、EfficientNetB4、MobileNetV3和Xception），并通过集成学习提高了干性AMD的分类准确性 | NA | 开发一种深度学习架构，以提高干性年龄相关性黄斑变性的分类准确性 | 干性年龄相关性黄斑变性的分类 | 计算机视觉 | 眼科疾病 | 深度学习 | 集成学习 | 图像 | 1,310名患者的4,096张原始图像，经过旋转和翻转操作后，数据集包含16,384张视网膜OCT图像 | NA | NA | NA | NA |
| 878 | 2024-10-26 |
Trends and hotspots in the field of diabetic retinopathy imaging research from 2000-2023
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1481088
PMID:39444814
|
研究论文 | 本研究通过文献计量分析评估了2000年至2023年间糖尿病视网膜病变成像研究领域的进展和热点 | 本研究首次通过文献计量分析方法，系统地评估了糖尿病视网膜病变成像研究领域的发展趋势和关键热点 | 本研究仅基于Web of Science Core Collection数据库中的文献信息，可能存在一定的数据偏差 | 评估糖尿病视网膜病变成像研究领域的发展趋势和关键热点 | 2000年至2023年间发表的糖尿病视网膜病变成像研究相关文献 | 计算机视觉 | 糖尿病视网膜病变 | 文献计量分析 | NA | 文献 | 共分析了1328篇文献，其中美国发表719篇，中国发表609篇 | NA | NA | NA | NA |
| 879 | 2024-10-26 |
Prediction of benign and malignant ground glass pulmonary nodules based on multi-feature fusion of attention mechanism
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1447132
PMID:39445066
|
研究论文 | 本研究开发并验证了一种新的特征融合算法，通过深度学习提高良性和恶性磨玻璃结节的分类性能 | 首次应用注意力机制融合全肺CT图像、影像组学特征、临床和形态学特征，显著提高了磨玻璃结节的分类性能 | NA | 开发和验证一种新的特征融合算法，以提高良性和恶性磨玻璃结节的分类性能 | 良性和恶性磨玻璃结节 | 计算机视觉 | 肺部疾病 | 深度学习 | 卷积神经网络 (CNN) 和反向传播神经网络 (BPNN) | 图像 | 385例磨玻璃结节，其中172例为良性，203例为恶性 | NA | NA | NA | NA |
| 880 | 2024-10-26 |
Enhancing facial feature de-identification in multiframe brain images: A generative adversarial network approach
2024, Progress in brain research
DOI:10.1016/bs.pbr.2024.07.003
PMID:39448110
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的深度学习方法，用于在脑部图像中对面部特征进行去识别化处理 | 本文的创新点在于使用生成对抗网络合成新的面部特征和轮廓，并专注于部分头部图像而非全头部图像 | 本文的局限性在于耳部检测的准确率在测试数据集中较低，仅为65.98% | 本文的研究目的是开发一种有效的面部特征去识别化方法，以符合隐私法规 | 本文的研究对象是脑部图像中的面部特征，包括耳朵、鼻子、嘴巴和眼睛 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 本文使用了490例公开的头颅CT图像数据集和70例头颅MR图像数据集进行训练和测试 | NA | NA | NA | NA |