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 2035 篇文献，本页显示第 1081 - 1100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1081 | 2024-11-19 |
IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae018
PMID:38649300
|
研究论文 | 本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络 | IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法 | NA | 开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒 | 原核和真核病毒的识别与分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 1082 | 2024-11-19 |
Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae057
PMID:39185700
|
研究论文 | 本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来 | 本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域 | NA | 研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用 | 胶质母细胞瘤的数字病理图像和分子亚型 | 数字病理 | 脑癌 | 深度学习 | Xception卷积神经网络 | 图像 | 276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证 | NA | NA | NA | NA |
| 1083 | 2024-11-19 |
Advances in AI-Driven Retention Prediction for Different Chromatographic Techniques: Unraveling the Complexity
2024, Critical reviews in analytical chemistry
IF:4.2Q1
DOI:10.1080/10408347.2023.2254379
PMID:37672314
|
综述 | 本文综述了不同色谱技术中基于人工智能的保留时间预测方法 | 深度学习模型在保留时间预测中的准确性和有效性优于线性机器学习模型，支持向量机神经网络在薄层色谱中广泛用于预测不同化合物的保留因子，化学信息学、化学计量学和混合方法也被用于建模，比传统模型更可靠 | 由于缺乏总结性文献，本文旨在提供一个全面的文献综述 | 探索不同色谱技术中基于人工智能的保留时间预测方法 | 不同色谱技术中的化合物保留时间预测 | 化学信息学 | NA | 色谱技术 | 深度学习模型、支持向量机神经网络 | 化合物数据 | NA | NA | NA | NA | NA |
| 1084 | 2024-11-17 |
TomoNet: A streamlined cryogenic electron tomography software pipeline with automatic particle picking on flexible lattices
2024, Biological imaging
DOI:10.1017/S2633903X24000060
PMID:38828212
|
研究论文 | 开发了一种名为TomoNet的软件包，用于低温电子断层扫描（cryoET）和子断层平均的全流程处理，具有自动粒子挑选和三维分类功能 | TomoNet集成了模板匹配和深度学习两种互补的自动粒子挑选方法，并支持1D、2D和3D阵列的结构处理 | NA | 开发一种高效的软件工具，用于低温电子断层扫描中的自动粒子挑选和三维分类 | 低温电子断层扫描数据中的病毒样颗粒、细菌表面层和核外蛋白复合物 | 计算机视觉 | NA | 低温电子断层扫描（cryoET） | 深度学习 | 图像 | 三种类型的数据集 | NA | NA | NA | NA |
| 1085 | 2024-11-17 |
ONDL: An optimized Neutrosophic Deep Learning model for classifying waste for sustainability
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313327
PMID:39514594
|
研究论文 | 本文提出了一种优化的中智深度学习模型（ONDL）用于废物分类，以促进可持续发展 | 本文的创新点在于结合了中智理论和深度迁移学习（DTL）模型，并使用灰狼优化（GWO）进行图像特征选择，以提高废物分类的准确性和效率 | 本文的局限性在于仅测试了两个公开的废物管理数据集，未来可以扩展到更多类型的废物数据集以验证模型的泛化能力 | 本文的研究目的是通过优化中智深度学习模型来提高废物分类的准确性，从而促进可持续发展 | 本文的研究对象是废物分类，具体包括有机物、可回收物和不可回收物 | 机器学习 | NA | 深度迁移学习（DTL），灰狼优化（GWO） | 中智深度学习模型（ONDL） | 图像 | 两个数据集：DSWM1包含2个类别，DSWM2包含3个类别 | NA | NA | NA | NA |
| 1086 | 2024-11-17 |
Research on recognition of slippery road surface and collision warning system based on deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310858
PMID:39527616
|
研究论文 | 本文提出了一种基于深度学习的湿滑路面识别与碰撞预警系统 | 本文提出了集成SE注意力机制和多层次特征信息的FS-ResNet50模型，并结合yolov5算法和自适应交通环境特征的驾驶安全距离模型，提高了预警精度和降低了误报率 | NA | 解决现有车辆碰撞预警系统检测速度慢、预测误差大和环境适应性差的问题 | 湿滑路面状态和前方车辆位置 | 计算机视觉 | NA | 深度学习 | FS-ResNet50, yolov5 | 图像 | NA | NA | NA | NA | NA |
| 1087 | 2024-11-17 |
Enhancing multiclass COVID-19 prediction with ESN-MDFS: Extreme smart network using mean dropout feature selection technique
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310011
PMID:39531465
|
研究论文 | 本研究提出了一种新的方法ESN-MDFS，结合极端智能网络和均值丢弃特征选择技术，用于增强多类别肺部疾病（包括COVID-19）的诊断准确性 | 本研究的创新点在于结合了极端智能网络和均值丢弃特征选择技术，以及使用预训练的VGG-16模型提取的动态深度学习特征 | NA | 本研究的目的是提高便携式胸部X光片中多类别肺部疾病的检测准确性 | 本研究的对象是COVID-19、细菌性肺炎、病毒性肺炎和正常病例的胸部X光片图像 | 计算机视觉 | 肺部疾病 | 极端智能网络（ESN）和均值丢弃特征选择技术（MDFS） | 极端智能网络（ESN） | 图像 | 超过6000张胸部X光片图像 | NA | NA | NA | NA |
| 1088 | 2024-11-17 |
Knowledge mapping and research trends of brain-computer interface technology in rehabilitation: a bibliometric analysis
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1486167
PMID:39539351
|
研究论文 | 本研究通过文献计量方法分析了脑机接口技术在康复领域的研究进展 | 首次系统全面地对脑机接口技术在康复领域的应用进行了文献计量分析 | 研究仅基于Web of Science Core Collection的数据，可能存在数据偏差 | 分析脑机接口技术在康复领域的研究进展和趋势 | 脑机接口技术在康复领域的应用 | NA | NA | 文献计量分析 | NA | 文献 | 1431篇相关出版物，4932名作者，1281个机构，79个国家，386种学术期刊 | NA | NA | NA | NA |
| 1089 | 2024-11-17 |
Parkinson's disease detection from EEG signal employing autoencoder and RBFNN-based hybrid deep learning framework utilizing power spectral density
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297355
PMID:39539721
|
研究论文 | 本文提出了一种基于自编码器和径向基函数神经网络的混合深度学习框架，用于从脑电信号中检测帕金森病 | 本文的创新点在于结合了自编码器和径向基函数神经网络，提高了帕金森病的检测准确率 | NA | 本文的研究目的是通过引入混合深度学习方法，克服利用深度学习进行帕金森病准确识别的挑战 | 本文的研究对象是帕金森病患者的脑电信号 | 机器学习 | 帕金森病 | 脑电信号分析 | 自编码器和径向基函数神经网络 | 脑电信号 | 31名受试者和93分钟的脑电记录 | NA | NA | NA | NA |
| 1090 | 2024-11-17 |
Predicting an opaque bubble layer during small-incision lenticule extraction surgery based on deep learning
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1487482
PMID:39539961
|
研究论文 | 本研究旨在利用深度学习技术预测飞秒激光小切口角膜基质透镜取出术（SMILE）中不透明气泡层（OBL）的形成 | 开发了一种基于SENet的残差回归深度神经网络模型，用于预测SMILE手术中的OBL形成 | 研究仅在一家大学医院进行，样本量有限，且仅使用了手术视频数据 | 预测飞秒激光SMILE手术中不透明气泡层的形成 | 不透明气泡层（OBL）的形成 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 视频 | 3271个训练样本，704个验证样本，467个内部验证样本 | NA | NA | NA | NA |
| 1091 | 2024-11-17 |
Facial emotion recognition using deep quantum and advanced transfer learning mechanism
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1435956
PMID:39539995
|
研究论文 | 本文提出了一种利用深度量子计算和高级迁移学习机制进行面部情感识别的系统设计 | 本文创新性地结合了量子计算和残差连接，显著减少了计算时间，并提高了面部情感识别的准确性 | NA | 开发一种高效准确的面部情感识别系统 | 面部表情和情感 | 计算机视觉 | NA | 量子计算 | ResNet-18 | 图像 | NA | NA | NA | NA | NA |
| 1092 | 2024-11-17 |
Retraction: Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313640
PMID:39541288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1093 | 2024-11-17 |
Cancer genetics and deep learning applications for diagnosis, prognosis, and categorization
2024, Journal of biological methods
DOI:10.14440/jbm.2024.0016
PMID:39544183
|
研究论文 | 本文探讨了基因表达数据在癌症诊断、预后和分类中的应用，并介绍了深度学习技术在其中的作用 | 本文提出使用深度学习策略来增强基因表达数据集的维度，并通过合成样本来加强信息范围 | 基因表达数据集的样本数量有限，且癌症特征多样复杂 | 研究基因表达数据在癌症诊断、预后和分类中的应用，并探讨深度学习技术在其中的潜力 | 基因表达数据和癌症疾病 | 机器学习 | 癌症 | 基因表达微阵列 | 深度学习 | 基因表达数据 | 样本数量有限 | NA | NA | NA | NA |
| 1094 | 2024-11-17 |
LCGSC-YOLO: a lightweight apple leaf diseases detection method based on LCNet and GSConv module under YOLO framework
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1398277
PMID:39544536
|
研究论文 | 提出了一种基于LCNet和GSConv模块的轻量级苹果叶病害检测方法LCGSC-YOLO | 使用LCNet重建主干网络，引入GSConv和VOVGSCSP模块，并在模型尾部嵌入坐标注意力机制，以减少参数和计算量并提高检测精度 | NA | 开发一种轻量级且高效的苹果叶病害检测方法 | 苹果叶病害 | 计算机视觉 | NA | YOLO框架 | CNN | 图像 | Plant Pathology 2021 (FGVC8)和AppleLeaf9混合数据集 | NA | NA | NA | NA |
| 1095 | 2024-11-10 |
An automated ECG-based deep learning for the early-stage identification and classification of cardiovascular disease
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-240543
PMID:39302394
|
研究论文 | 本文提出了一种基于心电图（ECG）的深度学习方法，用于早期识别和分类心血管疾病 | 本文创新性地结合了症状检测和ECG分析，并使用前馈神经网络（FFNN）和常数Q非平稳Gabor变换（CQNGT）来提高诊断准确性 | NA | 提高心血管疾病的诊断准确性 | 心血管疾病 | 机器学习 | 心血管疾病 | 深度学习 | 前馈神经网络（FFNN） | 图像 | NA | NA | NA | NA | NA |
| 1096 | 2024-11-15 |
Intelligent agriculture: deep learning in UAV-based remote sensing imagery for crop diseases and pests detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1435016
PMID:39512475
|
综述 | 本文综述了基于无人机遥感图像的深度学习技术在智能农业中用于作物病虫害检测的应用 | 本文介绍了大型语言模型（LLM）和大型视觉模型（LVM）在农业中的最新应用 | 本文讨论了现有研究中的一些不足和待解决的挑战 | 探讨智能农业中基于无人机遥感图像的深度学习技术在作物病虫害检测中的应用 | 作物病虫害检测 | 计算机视觉 | NA | 深度学习（DL） | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 1097 | 2024-11-15 |
Development of a deep learning model for automated detection of calcium pyrophosphate deposition in hand radiographs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1431333
PMID:39512610
|
研究论文 | 开发了一种深度学习模型，用于在手部X光片中自动检测钙焦磷酸盐沉积 | 首次开发了一种深度学习算法，能够自动且可靠地检测手部X光片中的钙焦磷酸盐沉积特征 | 模型在某些情况下可能会出现意外的高亮区域，可能是由于不同手部区域的相关特征 | 开发和测试一种深度学习算法，用于自动检测手部X光片中的钙焦磷酸盐沉积特征 | 手部X光片中的钙焦磷酸盐沉积特征，特别是三角纤维软骨复合体和掌指关节的钙化 | 计算机视觉 | 关节炎 | 卷积神经网络 | CNN | 图像 | 926张手部X光片，包括319例钙焦磷酸盐沉积阳性病例和607例阴性病例 | NA | NA | NA | NA |
| 1098 | 2024-11-15 |
Development and evaluation of a soft pneumatic muscle for elbow joint rehabilitation
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1401686
PMID:39512658
|
研究论文 | 开发并评估了一种用于肘关节康复的软气动肌肉 | 开发了生物力学兼容的软气动肌肉，优化了肘关节的精确旋转控制，并结合了基于深度学习的运动跟踪系统 | NA | 提高肘关节康复的安全性和有效性 | 肘关节的康复 | NA | NA | 有限元分析 | 深度学习算法 | NA | NA | NA | NA | NA | NA |
| 1099 | 2024-11-15 |
De novo design of mIDH1 inhibitors by integrating deep learning and molecular modeling
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1491699
PMID:39512821
|
研究论文 | 本研究通过整合深度学习和分子建模技术，设计了新的mIDH1抑制剂 | 首次尝试使用深度学习设计mIDH1抑制剂，为mIDH1抑制剂的设计提供了理论指导 | NA | 设计新的mIDH1抑制剂，用于癌症治疗 | mIDH1基因突变相关的急性髓系白血病、胶质瘤和某些实体瘤 | 机器学习 | 血液肿瘤 | 双向循环神经网络（BRNN）、分子对接、分子动力学模拟 | BRNN | 化合物 | 3890个新化合物（BRNN生成）和3680个新化合物（支架跳跃方法生成） | NA | NA | NA | NA |
| 1100 | 2024-11-15 |
Deep learning-based computed tomography urography image analysis for prediction of HER2 status in bladder cancer
2024, Journal of Cancer
IF:3.3Q2
DOI:10.7150/jca.101296
PMID:39513113
|
研究论文 | 本研究利用深度学习技术分析计算机断层扫描尿路造影（CTU）图像，预测膀胱癌中的HER2状态 | 首次提出了一种非侵入性方法，通过CTU图像识别和检测膀胱癌中的HER2表达 | NA | 旨在通过CTU图像检测HER2表达，以实现更精确的治疗 | 膀胱癌患者的CTU图像 | 计算机视觉 | 膀胱癌 | Pyradiomics包提取放射特征，主成分分析（PCA）降维 | 多层感知器（MLP） | 图像 | 97名膀胱癌患者 | NA | NA | NA | NA |