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 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-10-17 |
CNNs trained with adult data are useful in pediatrics. A pneumonia classification example
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306703
PMID:39052572
|
研究论文 | 本文探讨了使用成人数据训练的卷积神经网络（CNN）在儿科医疗中的适用性，并以肺炎分类为例进行了验证 | 本文展示了使用成人数据训练的CNN在儿科医疗中的适应性和有效性，为解决儿科数据稀缺问题提供了一种新思路 | 本文仅以肺炎分类为例，未涵盖其他儿科疾病，且研究样本仅限于1至5岁的儿童 | 验证使用成人数据训练的CNN在儿科医疗中的适用性 | 1至5岁儿童的胸部X光片 | 计算机视觉 | 肺炎 | 卷积神经网络（CNN） | CNN | 图像 | 46,947张成人胸部X光片用于训练，5,856张1至5岁儿童胸部X光片用于评估 | NA | NA | NA | NA |
| 982 | 2024-10-17 |
Multi-disease X-ray Image Classification of the Chest Based on Global and Local Fusion Adaptive Networks
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于全局和局部融合自适应网络的多疾病胸部X光图像分类方法 | 本文创新性地设计了MMPDenseNet网络，结合了自适应激活函数Meta-ACON、多头自注意力机制和金字塔挤压注意力模块，以增强特征表示和提取能力 | NA | 利用先进的图像处理技术和深度学习算法，自动分析和识别胸部X光图像中的病理或结构异常 | 胸部X光图像中的多标签疾病分类 | 计算机视觉 | NA | 深度学习算法 | MMPDenseNet | 图像 | NA | NA | NA | NA | NA |
| 983 | 2024-10-17 |
Revolution of Medical Review: The Application of Meta-Analysis and Convolutional Neural Network-Natural Language Processing in Classifying the Literature for Head and Neck Cancer Radiotherapy
2024 Jan-Dec, Cancer control : journal of the Moffitt Cancer Center
IF:2.5Q3
DOI:10.1177/10732748241286688
PMID:39323027
|
研究论文 | 本研究探讨了元分析和卷积神经网络-自然语言处理（CNN-NLP）技术在分类头颈癌放疗相关文献中的应用 | 通过将统计分析与深度学习相结合，成功识别了与正常组织并发症概率（NTCP）相关的关键研究 | 数据质量和模型泛化存在挑战 | 提高文献综述的效率和准确性 | 头颈癌放疗相关文献 | 自然语言处理 | 头颈癌 | 卷积神经网络-自然语言处理（CNN-NLP） | 卷积神经网络（CNN） | 文本 | NA | NA | NA | NA | NA |
| 984 | 2024-10-17 |
Multi-Scale Spatio-Temporal Memory Network for Lightweight Video Denoising
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3444315
PMID:39378250
|
研究论文 | 提出了一种多尺度时空记忆网络（MSTMN）用于轻量级视频去噪，旨在提高成本与性能之间的平衡 | 利用高斯-拉普拉斯金字塔分解的多尺度表示，设计了有效的方差估计、对齐误差估计和自适应融合模块，并引入了记忆增强模块以利用全局时空信息 | 未提及具体限制 | 解决深度学习视频去噪方法在实际应用中的高计算成本问题 | 视频去噪算法 | 计算机视觉 | NA | 高斯-拉普拉斯金字塔分解 | 多尺度时空记忆网络（MSTMN） | 视频 | 使用了真实世界的原始视频数据集进行实验 | NA | NA | NA | NA |
| 985 | 2024-10-17 |
LTPLN: Automatic pavement distress detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309172
PMID:39388401
|
研究论文 | 本文提出了一种基于轻量级Transformer Patch标签网络（LTPLN）的新方法，用于提高路面病害自动检测的效率 | 引入轻量级Transformer模型，结合深度可分离卷积模块和标签蒸馏策略，显著降低了计算复杂度并提高了检测速度 | 实验结果主要基于私有和公共数据集，尚未在更广泛的环境中验证其泛化能力 | 提高路面病害自动检测的效率和准确性 | 路面病害检测 | 计算机视觉 | NA | Transformer模型，深度可分离卷积 | 轻量级Transformer Patch标签网络（LTPLN） | 图像 | 私有路面病害数据集和公共数据集 | NA | NA | NA | NA |
| 986 | 2024-10-17 |
Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions
2024, Proceedings of the ... SIAM International Conference on Data Mining. SIAM International Conference on Data Mining
DOI:10.1137/1.9781611978032.41
PMID:39399238
|
研究论文 | 本文提出了一种名为AutoFM的神经架构搜索框架，用于自动融合多模态电子健康记录数据，以提高医疗预测的准确性 | 本文的创新点在于提出了一个自动化的神经架构搜索框架AutoFM，能够自动搜索最优的模型架构，用于编码多样的输入模态和融合策略 | NA | 本文的研究目的是通过自动化模型设计来挖掘电子健康记录数据，以提高医疗服务的质量 | 本文的研究对象是多模态电子健康记录数据 | 机器学习 | NA | 神经架构搜索 (NAS) | 神经网络 | 电子健康记录 (EHR) 数据 | NA | NA | NA | NA | NA |
| 987 | 2024-10-17 |
Specialized gray matter segmentation via a generative adversarial network: application on brain white matter hyperintensities classification
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1416174
PMID:39403067
|
研究论文 | 本文提出了一种基于生成对抗网络（GAN）的灰质分割方法，用于脑白质高信号（WMH）分类，特别是针对皮质旁WMH（JCWMH）的分类 | 本文创新性地使用条件生成对抗网络（cGAN）替代传统的分割流程，仅使用FLAIR图像进行WMH分类，显著提高了分类效率和准确性 | 由于缺乏多类标记的WMH数据集，研究中需要手动分割和标记部分数据，这可能影响模型的泛化能力 | 开发一种自动化的WMH检测和分类方法，以辅助脑部疾病的诊断和监测 | 脑白质高信号（WMH），特别是皮质旁WMH（JCWMH） | 计算机视觉 | 多发性硬化症（MS） | 生成对抗网络（GAN） | 条件生成对抗网络（cGAN） | 图像 | 大量本地数据集，手动分割和标记部分WMH和脑室数据 | NA | NA | NA | NA |
| 988 | 2024-10-17 |
Prediction Model for in-Stent Restenosis Post-PCI Based on Boruta Algorithm and Deep Learning: The Role of Blood Cholesterol and Lymphocyte Ratio
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S487511
PMID:39403292
|
研究论文 | 本文基于Boruta算法和深度学习开发了一种预测PCI术后支架内再狭窄的模型，并探讨了血胆固醇与淋巴细胞比率在其中的作用 | 首次将胆固醇-淋巴细胞比率（CLR）作为预测支架内再狭窄的新生物标志物，并结合深度学习模型进行预测 | 研究为回顾性分析，样本量有限，需进一步前瞻性研究验证 | 开发一种预测PCI术后支架内再狭窄的模型，并评估CLR的预测价值 | PCI术后支架内再狭窄的预测及CLR的预测作用 | 机器学习 | 心血管疾病 | 深度学习 | 多层感知器（MLP） | 临床和实验室数据 | 1967名患者 | NA | NA | NA | NA |
| 989 | 2024-10-17 |
Fruit and vegetable leaf disease recognition based on a novel custom convolutional neural network and shallow classifier
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1469685
PMID:39403618
|
研究论文 | 本文提出了一种基于自定义卷积神经网络和浅层分类器的水果和蔬菜叶片疾病识别方法 | 本文提出了一种新的深度学习和优化框架，结合了Bi-LSTM和Haze减少技术进行对比度增强，并设计了两种自定义模型BRwSA和IBRwSA，以及使用改进的人类学习优化算法进行特征优化和分类 | NA | 解决水果和蔬菜叶片疾病识别中的挑战，提高分类准确性和减少测试时间 | 苹果和黄瓜叶片疾病 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 苹果和黄瓜叶片数据集 | NA | NA | NA | NA |
| 990 | 2024-10-16 |
Towards full-stack deep learning-empowered data processing pipeline for synchrotron tomography experiments
2024-Jan-08, Innovation (Cambridge (Mass.))
DOI:10.1016/j.xinn.2023.100539
PMID:38089566
|
综述 | 本文综述了深度学习在同步辐射断层扫描数据处理管道中的最新进展 | 探讨了如何将医学影像和电子断层扫描等数据密集型领域的应用迁移到同步辐射断层扫描中 | 未具体提及 | 探讨深度学习在同步辐射断层扫描数据处理中的应用及其未来发展 | 同步辐射断层扫描数据处理管道 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 991 | 2024-10-16 |
Artificial Intelligence in Eye Movements Analysis for Alzheimer's Disease Early Diagnosis
2024, Current Alzheimer research
IF:1.8Q4
|
研究论文 | 本文探讨了利用人工智能技术分析眼球运动以早期诊断阿尔茨海默病的可能性 | 提出了一种基于眼球运动分析的非侵入性方法，结合人工智能特别是深度学习和机器学习技术，用于早期诊断阿尔茨海默病 | 卷积神经网络需要更多数据以实现精确分类 | 研究人工智能技术在眼球运动分析中的应用，以提高阿尔茨海默病的早期诊断准确性 | 眼球运动数据与阿尔茨海默病之间的关系 | 机器学习 | 阿尔茨海默病 | 深度学习 | 卷积神经网络 | 眼球运动数据 | NA | NA | NA | NA | NA |
| 992 | 2024-10-16 |
A dual-branch and dual attention transformer and CNN hybrid network for ultrasound image segmentation
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1432987
PMID:39397853
|
研究论文 | 提出了一种结合Transformer和CNN的混合网络DDTransUNet，用于超声图像分割 | 创新性地结合了Transformer和CNN，并引入了双分支编码器和双注意力机制，以有效融合全局上下文和局部细节信息 | NA | 提高超声图像分割的准确性，以支持临床诊断和治疗决策 | 超声图像中的器官和病变 | 计算机视觉 | NA | Transformer和CNN | DDTransUNet | 图像 | 三个超声图像数据集，包括TN3K、BUS-BRA和CAMUS | NA | NA | NA | NA |
| 993 | 2024-10-16 |
Development of prognostic models for advanced multiple hepatocellular carcinoma based on Cox regression, deep learning and machine learning algorithms
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1452188
PMID:39399114
|
研究论文 | 本文开发了基于Cox回归、深度学习和机器学习算法的预后模型，用于预测晚期多发性肝细胞癌患者的预后 | 本文首次将Cox回归、机器学习和深度学习算法应用于晚期多发性肝细胞癌的预后预测，并比较了不同模型的性能 | 研究仅基于SEER数据库的数据，可能存在数据偏倚；未在其他数据集上验证模型的泛化能力 | 识别多发性肝细胞癌的预后因素，并开发预后模型以量化患者的预后风险和生存概率 | 晚期多发性肝细胞癌患者 | 机器学习 | 肝癌 | Cox回归、机器学习、深度学习 | 梯度提升机（GBM） | 临床数据 | 从SEER数据库中获取的符合条件的肝癌患者 | NA | NA | NA | NA |
| 994 | 2024-10-16 |
Investigation of protein family relationships with deep learning
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae132
PMID:39399373
|
研究论文 | 本文提出了一种基于预训练神经网络ProtENN2的蛋白质家族相似性分析方法 | 利用ProtENN2模型生成高维度的家族嵌入，并基于这些嵌入计算家族间的相似性得分，用于改进Pfam家族的分类 | 方法存在一些失败模式，需要进一步改进 | 探索深度学习在蛋白质家族关系和功能理解中的应用 | 蛋白质家族及其相似性 | 机器学习 | NA | 深度学习 | 神经网络 | 蛋白质数据 | 涉及Pfam家族的分类 | NA | NA | NA | NA |
| 995 | 2024-10-16 |
Plant disease recognition datasets in the age of deep learning: challenges and opportunities
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1452551
PMID:39399537
|
研究论文 | 本文探讨了在深度学习时代植物病害识别数据集的挑战和机遇 | 提出了一个分类法来描述潜在的植物病害数据集，并提供了未来数据集创建的方向 | 未具体讨论现有数据集的具体局限性 | 探讨如何创建适合深度学习的植物病害识别数据集 | 植物病害识别数据集 | 计算机视觉 | 植物病害 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 996 | 2024-10-14 |
InstructNet: A novel approach for multi-label instruction classification through advanced deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311161
PMID:39388407
|
研究论文 | 本文提出了一种新的多标签指令分类方法InstructNet，通过使用先进的深度学习技术对“How To”文章进行分类 | 本文提出了InstructNet方法，并使用XLNet架构在多标签分类任务中取得了前所未有的高准确率 | 本文未详细讨论模型的训练时间和计算资源需求，以及在不同数据集上的泛化能力 | 研究如何通过深度学习技术对多标签指令文本进行分类 | 对“How To”文章进行多标签分类 | 自然语言处理 | NA | 深度学习 | XLNet | 文本 | 11,121条来自wikiHow的数据记录 | NA | NA | NA | NA |
| 997 | 2024-10-14 |
Multi-feature fusion based face forgery detection with local and global characteristics
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311720
PMID:39388418
|
研究论文 | 本文提出了一种基于多特征融合的面部伪造检测方法，结合空间域、噪声域和频率域的特征，并使用Inception Transformer动态学习局部和全局信息 | 本文的创新点在于综合分析伪造面部特征，融合空间域、噪声域和频率域的多特征，并使用Inception Transformer动态学习局部和全局信息 | 现有的检测方法主要基于单一特征域的判别信息进行分类，存在一定的局限性 | 研究准确高效的深度伪造视频检测技术 | 深度伪造视频的检测 | 计算机视觉 | NA | 深度学习 | Inception Transformer | 视频 | 在DFDC、Celeb-DF和FaceForensic++基准数据集上进行了评估 | NA | NA | NA | NA |
| 998 | 2024-10-14 |
Signal processing for enhancing railway communication by integrating deep learning and adaptive equalization techniques
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311897
PMID:39392828
|
研究论文 | 本文研究了一种基于可见光的高速通信信号处理方法，结合自适应均衡算法和深度学习技术，应用于铁路通信信号处理 | 本文创新地将自适应均衡算法与深度学习相结合，应用于铁路通信信号处理，并采用波分复用（WDM）和正交频分复用（OFDM）技术，以及模糊C均值均衡算法，有效减少了信号失真和干扰 | 实验结果表明，增加步长会降低均衡效果，增加调制参数会增加误码率 | 研究一种能够满足高速信号处理需求的高速通信信号处理方法，以提高铁路通信系统的质量和传输效率 | 铁路通信信号处理 | 通信技术 | NA | 波分复用（WDM）、正交频分复用（OFDM）、模糊C均值均衡算法 | 深度学习 | 信号 | NA | NA | NA | NA | NA |
| 999 | 2024-10-13 |
Knowledge mapping and bibliometric analysis of medical knee magnetic resonance imaging for knee osteoarthritis (2004-2023)
2024, Frontiers in surgery
IF:1.6Q2
DOI:10.3389/fsurg.2024.1387351
PMID:39345660
|
研究论文 | 本研究系统分析了2004年至2023年间全球关于膝关节磁共振成像（MRI）在膝骨关节炎（KOA）治疗中应用的研究现状，并通过知识图谱展示研究热点和未来趋势 | 本研究首次通过知识图谱形式展示膝关节MRI在KOA治疗中的应用研究热点和未来趋势 | 研究仅基于Web of Science核心数据库的文献，可能存在数据偏差 | 系统分析全球膝关节MRI在KOA治疗中的应用研究现状，探索研究热点和未来趋势 | 2004年至2023年间关于膝关节MRI在KOA治疗中的应用研究 | 数字病理学 | 骨关节炎 | 磁共振成像（MRI） | NA | 文本 | 共纳入2904篇文章 | NA | NA | NA | NA |
| 1000 | 2024-10-13 |
DynProfiler: a Python package for comprehensive analysis and interpretation of signaling dynamics leveraged by deep learning techniques
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae145
PMID:39391633
|
研究论文 | 本文介绍了一个名为DynProfiler的Python包，利用深度学习技术对信号传导动力学进行全面分析和解释 | DynProfiler利用整个信号传导动力学（包括中间变量）作为输入，并利用深度学习技术提取信息特征，无需任何标签，并结合现代可解释AI解决方案提供每个动力学的定量时间依赖性重要性评分 | NA | 开发一种能够有效提取信号传导动力学信息特征的工具，用于后续分析如患者分层和生存预测 | 信号传导动力学及其在乳腺癌患者中的应用 | 机器学习 | 乳腺癌 | 深度学习技术 | NA | 模拟信号传导动力学数据 | NA | NA | NA | NA | NA |