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 1907 篇文献，本页显示第 1061 - 1080 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1061 | 2024-10-11 |
A sustainable artificial-intelligence-augmented digital care pathway for epilepsy: Automating seizure tracking based on electroencephalogram data using artificial intelligence
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241287356
PMID:39381810
|
研究论文 | 本研究开发了一种基于人工智能的自动化癫痫发作追踪模型，用于头皮脑电图数据的分析，旨在支持可持续的数字癫痫护理路径 | 本研究提出了一个结合随机森林、主成分分析和支持向量机的AI增强框架，以及卷积神经网络模型，用于自动化脑电图癫痫发作追踪，提高了诊断准确性 | AI集成框架的可持续性依赖于技术基础设施、专业人员、培训计划、患者数字素养、财务资源和监管合规性等因素 | 开发一种AI增强模型，用于自动化脑电图癫痫发作追踪，支持可持续的数字癫痫护理路径 | 头皮脑电图数据和癫痫患者 | 机器学习 | 癫痫 | 机器学习 | 卷积神经网络 | 脑电图数据 | NA | NA | NA | NA | NA |
| 1062 | 2024-10-11 |
AmpClass: an Antimicrobial Peptide Predictor Based on Supervised Machine Learning
2024, Anais da Academia Brasileira de Ciencias
IF:1.1Q3
DOI:10.1590/0001-3765202420230756
PMID:39383429
|
研究论文 | 本文介绍了一种基于监督机器学习的抗菌肽预测工具AmpClass | AmpClass在识别具有抗菌活性的肽方面优于传统的最先进预测模型，并与深度学习模型取得相似的结果 | NA | 开发一种新的抗菌肽预测工具，以应对抗生素耐药性问题 | 抗菌肽和非抗菌肽 | 机器学习 | NA | 监督学习 | NA | 肽序列 | 15945个抗菌肽和12535个非抗菌肽 | NA | NA | NA | NA |
| 1063 | 2024-10-10 |
Image restoration in frequency space using complex-valued CNNs
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1353873
PMID:39376505
|
研究论文 | 本文探讨了在频率空间中使用复值卷积神经网络（CV-CNN）进行图像恢复的潜力 | 提出了基于复值卷积神经网络（CV-CNN）的新模型，配备了复值注意力门，用于频率域中的图像去噪和超分辨率任务 | 空间域中的实值卷积神经网络（RV-CNN）在处理完整频率谱时存在局限性，导致纹理和结构元素的缺失 | 解决空间域中实值卷积神经网络在图像恢复任务中的局限性，探索复值卷积神经网络在频率域中的应用 | 图像去噪和超分辨率任务 | 计算机视觉 | NA | 复值卷积神经网络（CV-CNN） | 复值卷积神经网络（CV-CNN） | 图像 | 涉及超分辨率结构光照显微镜（SR-SIM）和常规图像数据集 | NA | NA | NA | NA |
| 1064 | 2024-10-10 |
Pilot turning behavior cognitive load analysis in simulated flight
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1450416
PMID:39376543
|
研究论文 | 本文通过模拟飞行实验，分析了不同转向任务中的认知负荷，并开发了一种基于机器学习和深度学习算法的认知负荷识别模型 | 本文首次将LSTM-Attention模型应用于飞行员转向任务的认知负荷识别，并取得了较高的F1分数 | 实验仅基于模拟飞行环境，未考虑实际飞行中的复杂情况 | 识别模拟飞行中不同转向任务的认知负荷 | 飞行员在模拟飞行中的转向行为 | 机器学习 | NA | 心率变异性（HRV）分析 | LSTM-Attention | 心率数据和飞行数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1065 | 2024-10-10 |
Integrating tabular data through image conversion for enhanced diagnosis: A novel intelligent decision support system for stratifying obstructive sleep apnoea patients using convolutional neural networks
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272632
PMID:39376943
|
研究论文 | 本文介绍了一种基于深度学习技术的智能决策支持系统，通过将表格数据转换为图像来诊断阻塞性睡眠呼吸暂停的严重程度 | 创新点在于将患者数据形式化为图像，并使用卷积神经网络进行训练和推理 | NA | 开发一种新的数据形式化方法，以利用深度学习技术从表格数据中进行诊断 | 阻塞性睡眠呼吸暂停患者的严重程度 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 2472名患者的数据，其中247个样本用于初步测试 | NA | NA | NA | NA |
| 1066 | 2024-10-09 |
Multi-modal remote perception learning for object sensory data
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1427786
PMID:39377028
|
研究论文 | 本文介绍了一种名为深度融合网络（DFN）的新方法，通过结合多目标检测和语义分析来提高上下文场景理解能力 | 提出了深度融合网络（DFN），通过结合深度学习和融合技术来提高复杂场景中的准确性和理解能力 | NA | 提高智能系统在复杂场景中的上下文理解和对象检测能力 | 多模态远程感知数据 | 计算机视觉 | NA | 深度学习 | 深度融合网络（DFN） | 图像 | SUN-RGB-D数据集和NYU-Dv2数据集 | NA | NA | NA | NA |
| 1067 | 2024-10-10 |
Quality assessment of traditional Chinese medicine based on data fusion combined with machine learning: A review
2024, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2023.2189477
PMID:36966435
|
综述 | 本文综述了基于数据融合和机器学习的中药质量评估方法 | 本文介绍了多源信息融合技术和机器学习在中药质量评估中的应用，提高了评估的准确性和全面性 | 本文主要综述了现有方法，未提出新的具体技术或模型 | 探讨数据融合和机器学习在中药质量评估中的应用 | 中药的质量评估 | 机器学习 | NA | 数据融合 | 深度学习 | 化学成分数据 | NA | NA | NA | NA | NA |
| 1068 | 2024-10-09 |
Automated Cell Lineage Reconstruction using Label-Free 4D Microscopy
2024-Jan-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.20.576449
PMID:38328064
|
研究论文 | 本文介绍了一种名为embGAN的深度学习管道，用于在无标记的3D时间序列显微镜成像中实现自动细胞检测和跟踪 | embGAN无需手动数据标注即可进行训练，学习到的检测具有高度的尺度不变性，并且在多个实验室和仪器的图像中具有良好的泛化能力 | NA | 开发一种自动化的细胞谱系重建方法 | 无标记的3D时间序列显微镜成像中的细胞检测和跟踪 | 计算机视觉 | NA | 深度学习 | GAN | 图像 | 多个实验室和仪器的图像 | NA | NA | NA | NA |
| 1069 | 2024-10-09 |
Breast Multiparametric MRI for Prediction of Neoadjuvant Chemotherapy Response in Breast Cancer: The BMMR2 Challenge
2024-01, Radiology. Imaging cancer
DOI:10.1148/rycan.230033
PMID:38180338
|
研究论文 | 描述了BMMR2挑战的设计、实施和结果，旨在通过多参数乳腺MRI预测新辅助化疗反应 | 识别了几种具有高预测性能的模型，进一步扩展了多参数乳腺MRI作为治疗反应早期标志物的价值 | NA | 通过多参数乳腺MRI识别基于图像的标志物，预测新辅助化疗后的病理完全反应 | 多参数乳腺MRI数据，包括扩散加权成像和动态对比增强MRI，以及临床数据 | 数字病理学 | 乳腺癌 | 多参数MRI | 深度学习和人工智能方法 | 图像 | 573例乳腺MRI研究，来自191名女性（平均年龄48.9岁±10.56） | NA | NA | NA | NA |
| 1070 | 2024-10-09 |
DGDRP: drug-specific gene selection for drug response prediction via re-ranking through propagating and learning biological network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1441558
PMID:39371421
|
研究论文 | 本文提出了一种基于图神经网络（GNN）的药物特异性基因选择模型DGDRP，用于药物反应预测 | DGDRP通过路径知识增强的网络传播算法和GNN学习到的基因与药物目标嵌入相似性进行基因重排序，从而选择与药物机制相关的基因，提高了药物反应预测的准确性 | NA | 开发一种新的方法来提高药物反应预测的准确性，并发现有效的生物标志物 | 药物特异性基因的选择和药物反应预测 | 机器学习 | NA | 图神经网络（GNN） | GNN | 基因数据 | NA | NA | NA | NA | NA |
| 1071 | 2024-10-09 |
Deep learning-based Alzheimer's disease detection: reproducibility and the effect of modeling choices
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1360095
PMID:39371524
|
研究论文 | 本文研究了基于深度学习的阿尔茨海默病检测方法的再现性和建模选择的影响 | 本文探讨了数据增强技术和模型复杂度对阿尔茨海默病检测性能的影响，强调了这些常被忽视的因素的重要性 | 本文未详细讨论其他可能影响模型性能的因素，如数据质量和样本多样性 | 研究如何通过严格遵循最佳实践来确保机器学习在临床实践中的可靠性和再现性 | 阿尔茨海默病的检测 | 机器学习 | 阿尔茨海默病 | 磁共振成像 (MRI) | 3D卷积神经网络 (CNN) | 图像 | 使用了来自ADNI语料库的MRI数据进行二分类问题研究 | NA | NA | NA | NA |
| 1072 | 2024-10-09 |
Spiking representation learning for associative memories
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1439414
PMID:39371606
|
研究论文 | 本文介绍了一种新型脉冲神经网络（SNN），用于无监督表示学习和联想记忆操作 | 利用Hebbian突触和活动依赖的结构可塑性，结合Poisson脉冲发生器模型，实现了高效的表示学习和联想记忆操作 | NA | 解决人工脉冲神经网络在处理大规模现实数据集时的挑战 | 脉冲神经网络的表示学习和联想记忆操作 | 机器学习 | NA | Hebbian突触和活动依赖的结构可塑性 | 脉冲神经网络（SNN） | NA | NA | NA | NA | NA | NA |
| 1073 | 2024-10-09 |
The Deep Learning-Crop Platform (DL-CRoP): For Species-Level Identification and Nutrient Status of Agricultural Crops
2024, Research (Washington, D.C.)
DOI:10.34133/research.0491
PMID:39371687
|
研究论文 | 本文介绍了一种名为Deep Learning-Crop Platform (DL-CRoP)的深度学习平台，用于通过叶片、茎和根图像识别商业种植植物及其营养需求 | DL-CRoP平台通过卷积神经网络提取内在特征模式，并在识别任务中取得了显著成果。此外，通过引入多头注意力机制改进了氮缺乏分类的准确性 | 尽管DL-CRoP平台在多个案例中表现出色，但在某些情况下（如案例D）的准确率仍有提升空间 | 开发一种可靠的深度学习平台，用于精确识别农作物种类及其营养状态 | 商业种植的植物及其营养需求 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了Jammu University-Botany Image Database (JU-BID)中的植物图像数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 1074 | 2024-10-09 |
A global model-agnostic rule-based XAI method based on Parameterized Event Primitives for time series classifiers
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1381921
PMID:39372662
|
研究论文 | 本文提出了一种基于参数化事件原语的全局模型无关规则化XAI方法，用于时间序列分类器的解释 | 该方法通过生成决策树图和特定规则集，揭示了深度学习时间序列分类器推断背后的关键时间步，增强了模型的可解释性 | NA | 提高复杂时间序列分类模型的全局可解释性 | 时间序列分类器及其解释方法 | 机器学习 | NA | 决策树分类器 | 深度学习模型 | 时间序列数据 | 使用了来自UCR档案的多样化真实世界数据集进行实验 | NA | NA | NA | NA |
| 1075 | 2024-10-09 |
MLGCN: an ultra efficient graph convolutional neural model for 3D point cloud analysis
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1439340
PMID:39372661
|
研究论文 | 本文提出了一种超高效的图卷积神经网络模型MLGCN，用于3D点云分析 | MLGCN模型利用浅层图神经网络块在不同空间局部性级别提取特征，并通过预计算的KNN图共享GCN块，显著减少了计算开销和内存使用 | NA | 开发一种高效且适用于低内存和低CPU设备的3D点云分析模型 | 3D点云数据的对象分类和部分分割任务 | 计算机视觉 | NA | 图卷积神经网络（GCN） | 多级图卷积神经网络（MLGCN） | 3D点云数据 | NA | NA | NA | NA | NA |
| 1076 | 2024-10-09 |
Multicenter Integration of MR Radiomics, Deep Learning, and Clinical Indicators for Predicting Hepatocellular Carcinoma Recurrence After Thermal Ablation
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S482760
PMID:39372710
|
研究论文 | 开发并验证了一种创新的预测模型，该模型整合了多序列磁共振（MR）放射组学、深度学习特征和临床指标，以准确预测肝细胞癌（HCC）在热消融后的复发情况 | 首次将多序列MR放射组学、深度学习特征和临床指标整合到一个预测模型中，以提高肝细胞癌复发预测的准确性 | 研究为回顾性多中心队列研究，样本量相对较小，且仅限于接受热消融治疗的肝细胞癌患者 | 开发和验证一种能够准确预测肝细胞癌在热消融后复发的综合模型 | 接受热消融治疗的肝细胞癌患者 | 计算机视觉 | 肝癌 | 磁共振成像（MRI） | 3D卷积神经网络（3D CNN） | 图像 | 535名患者，包括462名男性和43名女性 | NA | NA | NA | NA |
| 1077 | 2024-10-09 |
Brain tumor grade classification using the ConvNext architecture
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284920
PMID:39372816
|
研究论文 | 本研究提出了一种使用ConvNext架构对脑肿瘤进行分级分类的方法 | 本研究采用了现代卷积神经网络ConvNext，并结合迁移学习技术，实现了对脑肿瘤的高精度分类 | NA | 开发一种非侵入性且准确的方法来对脑肿瘤进行分级诊断 | 脑肿瘤的分级分类 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | ConvNext | 图像 | 使用了BraTS 2019数据集，输入了三种MRI序列作为预训练CNN的三个通道 | NA | NA | NA | NA |
| 1078 | 2024-10-09 |
Classification of underlying paroxysmal supraventricular tachycardia types using deep learning of sinus rhythm electrocardiograms
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241281200
PMID:39372813
|
研究论文 | 本研究利用深度学习模型对窦性心律心电图进行分类，以区分房室结折返性心动过速和隐匿性房室折返性心动过速 | 本研究首次使用深度学习模型对窦性心律心电图进行分类，以区分不同类型的阵发性室上性心动过速 | 研究样本量有限，且深度学习模型在区分两种心律失常类型时的表现仍有提升空间 | 探索利用窦性心律心电图通过深度学习进行房室结折返性心动过速和隐匿性房室折返性心动过速的分类 | 房室结折返性心动过速和隐匿性房室折返性心动过速患者 | 机器学习 | 心血管疾病 | 深度学习 | ResNet-34 | 心电图 | 1179名患者，其中833名患有房室结折返性心动过速，346名患有隐匿性房室折返性心动过速 | NA | NA | NA | NA |
| 1079 | 2024-10-09 |
Deep Learning-Based Detection of Impacted Teeth on Panoramic Radiographs
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241288319
PMID:39372969
|
研究论文 | 本文通过改进预训练的MedSAM模型，实现了全景X光片中阻生牙的检测 | 本文对SAM模型进行了改进，通过聚焦牙齿中心来提高阻生牙检测的准确性 | 模型的准确性和选择仍有待进一步提高 | 通过改进模型提高阻生牙在X光片中的检测准确性，辅助牙科诊断 | 阻生牙的检测 | 计算机视觉 | NA | 深度学习 | MedSAM | 图像 | 1016张X光片，分为训练集、验证集和测试集，比例为16:3:1 | NA | NA | NA | NA |
| 1080 | 2024-10-08 |
Uncertainty-Aware Active Domain Adaptive Salient Object Detection
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3413598
PMID:38889015
|
研究论文 | 提出了一种新的成本效益高的显著目标检测框架，通过有限数量的主动选择的注释，将模型从合成数据适应到真实世界数据 | 设计了一种不确定性感知的主动域适应算法，用于生成真实世界目标图像的标签，并利用数据增强的预测方差计算超像素级别的不确定性值 | NA | 减轻数据标注的负担，提高显著目标检测的性能 | 显著目标检测模型 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 六个基准显著目标检测数据集 | NA | NA | NA | NA |