深度学习在生物医药领域中的应用
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，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10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 1537 篇文献，本页显示第 1141 - 1160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2024-08-05 |
Personalized chemotherapy selection for patients with triple-negative breast cancer using deep learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1418800
PMID:38966532
|
研究论文 | 本研究探索了深度学习模型在个性化化疗选择中的表现 | 利用自归一化平衡个体治疗效果模型为三阴性乳腺癌患者提供个性化化疗建议 | 需要在临床环境中验证这些模型，并增加更多特征和结果测量 | 旨在量化基线特征对化疗效果的影响 | 接受模型推荐治疗的三阴性乳腺癌患者 | 机器学习 | 三阴性乳腺癌 | 深度学习 | 自归一化平衡个体治疗效果模型（SNB） | 患者临床数据 | 共包含10,070名女性三阴性乳腺癌患者 |
| 1142 | 2024-08-07 |
Editorial: Machine learning and deep learning applications in pathogenic microbiome research
2024, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2024.1429197
PMID:38966252
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1143 | 2024-08-05 |
Deep learning-based stress detection for daily life use using single-channel EEG and GSR in a virtual reality interview paradigm
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305864
PMID:38959272
|
研究论文 | 本研究建立了一个基于生理指标和深度学习技术的实用压力检测框架 | 采用虚拟现实访谈范式和多列结构相结合的单通道EEG和GSR数据，提高了压力预测的能力 | 研究样本量有限，仅包含30名参与者，可能影响结果的广泛适用性 | 研究旨在通过集成生理指标和深度学习技术实现压力检测 | 研究对象为在虚拟现实访谈中经历压力诱导的30名参与者 | 计算机视觉 | NA | 深度学习 | CNN, Vision Transformer | 生物信号 | 30名参与者 |
| 1144 | 2024-08-05 |
Encoding temporal information in deep convolution neural network
2024, Frontiers in neuroergonomics
IF:1.5Q4
DOI:10.3389/fnrgo.2024.1287794
PMID:38962279
|
研究论文 | 本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力 | 引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码 | 虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制 | 解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题 | 对不同的EEG数据集进行实证研究，评估EnK的效果 | 机器学习 | NA | 深度学习，CNN | CNN | EEG信号 | 多个EEG数据集，包括人机协作、P300视觉诱发电位等 |
| 1145 | 2024-08-05 |
A lightweight network architecture for traffic sign recognition based on enhanced LeNet-5 network
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1431033
PMID:38962176
|
研究论文 | 本研究提出了一种轻量级的卷积神经网络架构，用于交通标志识别 | 通过改进经典的LeNet-5网络模型，以实现轻量级且易于部署的嵌入式应用 | 未提及具体的限制因素 | 实现一种轻量级的卷积神经网络架构，以提高交通标志识别的准确性和速度 | 改进LeNet-5网络模型以应对无人驾驶系统中的交通标志识别 | 计算机视觉 | NA | 卷积神经网络（CNN） | LeNet-5 | 图像 | 使用德国交通标志识别基准（GTSRB）数据库进行测试 |
| 1146 | 2024-08-05 |
Generative preparation tasks in digital collaborative learning: actor and partner effects of constructive preparation activities on deep comprehension
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1335682
PMID:38962237
|
研究论文 | 本研究探讨了在数字协作学习中，建设性准备活动对深度理解的影响 | 研究通过实验分析了不同生成性准备任务对深度学习影响的差异，尤其关注了先前知识的调节作用 | 研究对象为非专业大学生，可能影响结果的普遍性 | 探索建设性准备活动如何促进后续协作中的深度学习 | 122名非专家大学生，他们被分配到61个二人组进行研究 | 数字学习 | NA | 实验研究 | NA | 文本 | 122名参与者，61个二人组 |
| 1147 | 2024-08-05 |
A Review of Motor Brain-Computer Interfaces Using Intracranial Electroencephalography Based on Surface Electrodes and Depth Electrodes
2024, IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society
IF:4.8Q1
DOI:10.1109/TNSRE.2024.3421551
PMID:38949928
|
综述 | 本文回顾了使用表面电极和深部电极的运动脑-机接口研究 | 与以往的综述不同，本文从解码目标或任务的角度呈现研究发现 | 关闭环路BCI的感官反馈仍处于早期阶段，且慢性植入ECoG表面及深部电极的研究尚未充分评估 | 探讨脑-机接口在运动解码方面的应用 | 对使用表面电极（ECoG）和深部电极（包括SEEG和DBS电极）的人类被试进行的研究 | 计算机视觉 | 神经损伤或疾病 | 电生理技术 | 深度学习 | 信号 | 涉及多项研究的多个被试 |
| 1148 | 2024-08-05 |
Comparison of image quality between Deep learning image reconstruction and Iterative reconstruction technique for CT Brain- a pilot study
2024, F1000Research
DOI:10.12688/f1000research.150773.1
PMID:38962692
|
研究论文 | 本文比较了深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 本研究通过使用卷积神经网络 (CNN) 的深度学习图像重建 (DLIR) 算法，展示了其在减少噪声和提高图像质量方面的优势。 | 本研究是一个小规模的初步研究，样本量有限，结果需要在更大人群中进一步验证。 | 评估深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 研究对象为接受非对比CT脑部检查的30名患者。 | 数字病理学 | NA | 深度学习图像重建 (DLIR)，迭代重建 (iDose 4) | 卷积神经网络 (CNN) | 影像 | 30名接受非对比CT脑部检查的患者 |
| 1149 | 2024-08-05 |
Scanner-Independent MyoMapNet for Accelerated Cardiac MRI T1 Mapping Across Vendors and Field Strengths
2024-01, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.28739
PMID:37052580
|
研究论文 | 本文开发并评估了一种基于MyoMapNet的加速心脏T1映射方法，该方法可以在不同厂商和磁场强度下使用 | 提出的SI-MyoMapNet通过将扫描仪厂商和磁场强度作为额外输入纳入深度学习架构，从而实现模型的通用性 | 仅使用四张T1加权图像进行建模，可能在某些情况下影响精度 | 开发一种能够在各种扫描仪和磁场强度下进行心脏T1映射的方法 | 1423名已知或怀疑患有心脏病的患者 | 数字病理学 | 心脏疾病 | 改良Look-Locker反转恢复（MOLLI） | 卷积神经网络（CNN） | 图像 | 1423名患者 |
| 1150 | 2024-08-05 |
Effects of different ground segmentation methods on the accuracy of UAV-based canopy volume measurements
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393592
PMID:38957596
|
研究论文 | 本文研究了不同地面分割方法对无人机( UAV) 基于果树冠秆体积测量精度的影响。 | 本文提出了一种基于深度学习的U-Net模型在果树冠分割中的应用，并与传统的OTS和RANSAC方法进行了比较。 | 研究主要依赖于手动标记的数据集，可能对分割结果造成一定的偏差。 | 本文旨在探讨不同分割方法对无人机果树冠体积测量精度的影响。 | 研究对象为果树冠及其体积测量。 | 数字病理 | NA | 结构从运动 (SFM) 技术、深度学习 | U-Net | 图像 | 使用了手动标记的数据集，但具体样本大小未提供 |
| 1151 | 2024-08-05 |
Application of CT and MRI images based on artificial intelligence to predict lymph node metastases in patients with oral squamous cell carcinoma: a subgroup meta-analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1395159
PMID:38957322
|
meta-analysis | 本研究系统评估了人工智能在预测口腔鳞状细胞癌患者淋巴结转移中的应用 | 首次定量评估了基于人工智能的CT和MRI在口腔鳞状细胞癌中的淋巴结转移预测性能 | 纳入的研究数量有限，且异质性存在 | 研究基于人工智能的CT和MRI在预测口腔鳞状细胞癌患者淋巴结转移的诊断性能 | 纳入了关于口腔鳞状细胞癌患者淋巴结转移预测的相关研究 | 医学影像 | 口腔癌 | 人工智能算法 | 机器学习和深度学习 | 影像 | 纳入了14项符合条件的研究 |
| 1152 | 2024-08-05 |
[Application of artificial intelligence in glaucoma. Part 1. Neural networks and deep learning in glaucoma screening and diagnosis]
2024, Vestnik oftalmologii
DOI:10.17116/oftalma202414003182
PMID:38962983
|
review | 本文回顾了人工智能在青光眼筛查、诊断、监测和治疗中的应用 | 文章探讨了深度学习和神经网络如何改善青光眼筛查的有效性 | 所回顾的文献结果相互矛盾，表明AI模型的改进需要进一步研究和标准化方法 | 探讨人工智能在青光眼筛查和诊断中的应用 | 关注使用深度学习和神经网络分析大数据的技术 | NA | 青光眼 | 眼部成像技术 | 神经网络 | 大数据 | NA |
| 1153 | 2024-08-05 |
Enhancing unmanned ground vehicle performance in SAR operations: integrated gesture-control and deep learning framework for optimised victim detection
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1356345
PMID:38957217
|
研究论文 | 本研究提出了一种通过集成手势控制和深度学习来增强无人地面车辆在搜索和救援操作中的表现。 | 研究引入了一种新颖的技术框架，结合先进的手势识别和最前沿的深度学习，特别设计用于在灾难场景中提升UGV的受害者识别能力。 | NA | 提升在灾害中进行搜索和救援的情况意识和受害者检测能力。 | 无人地面车辆（UGVs）在混乱环境中的表现优化。 | 计算机视觉 | NA | YOLOv8，手势识别，深度学习 | MOA-SConv-Bi-LSTM-GRU | 图像 | 在模拟紧急场景中进行全面测试 |
| 1154 | 2024-08-05 |
Enhancing brain tumor detection in MRI with a rotation invariant Vision Transformer
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1414925
PMID:38957549
|
研究论文 | 该文章介绍了一种新型深度学习模型RViT用于MRI脑肿瘤分类。 | 引入旋转不变的补丁嵌入，提高了脑肿瘤识别的准确性 | NA | 提高MRI脑肿瘤检测的准确性 | 脑肿瘤的MRI扫描 | 计算机视觉 | 脑肿瘤 | 深度学习 | Vision Transformer | 影像 | 使用Kaggle的脑肿瘤MRI数据集进行评估 |
| 1155 | 2024-08-05 |
Translating prognostic quantification of c-MYC and BCL2 from tissue microarrays to whole slide images in diffuse large B-cell lymphoma using deep learning
2024-Jan-19, Diagnostic pathology
IF:2.4Q2
DOI:10.1186/s13000-023-01425-6
PMID:38243330
|
研究论文 | 本研究开发了一种基于深度学习的方法，可以在全切片图像中对c-MYC和BCL2的阳性肿瘤细胞进行自动量化 | 提出了一种使用注意力机制的多实例学习技术，能够在不需要单个细胞核注释的情况下，从组织微阵列核心的注释中回归阳性肿瘤细胞的比例 | 本研究的模型可能在不同类型组织样本或更复杂的组织结构中表现不如预期 | 评估c-MYC和BCL2在弥漫大B细胞淋巴瘤中的预后能力，并通过深度学习技术实现自动化量化 | 弥漫大B细胞淋巴瘤患者的肿瘤样本，尤其是关注c-MYC和BCL2的阳性表达 | 数字病理学 | 淋巴瘤 | 注意力机制的多实例学习 | NA | 全切片图像 | 使用来自斯坦福的公开组织微阵列数据集进行训练，涉及多中心队列的全切片图像 |
| 1156 | 2024-08-05 |
StratoLAMP: Label-free, multiplex digital loop-mediated isothermal amplification based on visual stratification of precipitate
2024-Jan-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2314030121
PMID:38165933
|
研究论文 | 本研究提出了一种无需标签的多重数字环介导等温扩增方法StratoLAMP，基于沉淀物的可视化分层进行分析 | StratoLAMP通过视觉分层沉淀物无标签实现多重核酸检测，省去荧光染料或探针，降低复杂性和成本 | 尚未提及研究的具体局限性 | 开发一种高效且成本低的无标签多重核酸检测方法 | 研究不同浓度引物对核酸靶标扩增沉淀物产生的影响 | 数字病理学 | NA | 数字环介导等温扩增 | 深度学习 | 图像 | NA |
| 1157 | 2024-08-05 |
Heterogeneity in intrahepatic macrophage populations and druggable target expression in patients with steatotic liver disease-related fibrosis
2024-Jan, JHEP reports : innovation in hepatology
IF:9.5Q1
DOI:10.1016/j.jhepr.2023.100958
PMID:38162144
|
研究论文 | 本研究评估了脂肪性肝病患者体内的肝内巨噬细胞与药物靶点的表达情况 | 发现了脂肪性肝病患者中巨噬细胞表型及药物靶点的显著异质性 | 患者内表型差异很大，可能影响结果的一致性 | 确定肝内巨噬细胞活性评分或纤维化分期对表型和药物靶点表达的影响 | 评估脂肪性肝病患者及对照者的肝内巨噬细胞 | 数字病理学 | 脂肪性肝病 | 基因表达分析、免疫组化、谱成像和空间分析 | 深度学习/人工智能算法 | 基因和蛋白质数据 | 共计64个样本，包含30个来自活检的样本和34个用于蛋白表达分析的样本 |
| 1158 | 2024-08-05 |
A deep learning algorithm to identify carotid plaques and assess their stability
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1321884
PMID:38952409
|
研究论文 | 本文开发了一种深度学习算法，以识别颈动脉斑块并评估其稳定性 | 提出了一种基于BCNN-ResNet的自动化算法，提供更一致和客观的诊断方法 | 研究未提及潜在的临床适用性和长期效果验证 | 旨在利用深度学习解决颈动脉斑块筛查中的主观性问题 | 使用超声图像评估颈动脉斑块的存在与稳定性 | 计算机视觉 | NA | 超声 | BCNN-ResNet | 图像 | 3860张超声图像，来自1339名参与者 |
| 1159 | 2024-08-05 |
Residual and bidirectional LSTM for epileptic seizure detection
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1415967
PMID:38952709
|
研究论文 | 本文提出了一种名为ResBiLSTM的混合深度学习方法，用于通过EEG信号检测癫痫发作 | 创新性地结合了一维残差神经网络和双向长短时记忆网络来提取空间和时间特征 | NA | 旨在提高癫痫发作检测的准确性和效率 | 癫痫发作数据集，特别是来自波恩大学和天普大学医院的数据集 | 机器学习 | 癫痫 | EEG信号分析 | 残差神经网络和双向LSTM | 生物信号 | 使用了波恩数据集和天普大学医院的数据集进行评估 |
| 1160 | 2024-08-05 |
Toward the design of persuasive systems for a healthy workplace: a real-time posture detection
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1359906
PMID:38953011
|
研究论文 | 本研究开发了用于实时姿势检测的说服性技术 | 本研究使用YOLO-V3模型在姿势检测中取得了比CNN模型更高的精确度，提出了将其集成到健康工作场所设计中的建议 | 研究中收集的姿态数据仅来源于YouTube视频和Kaggle，可能存在数据集的多样性和代表性不足问题 | 探讨如何设计用于促使健康行为的系统，特别是姿势检测技术 | 研究对象为工作场所中的用户姿势，特别关注舒适与不舒适的姿势分类 | 计算机视觉 | NA | 深度学习 | YOLO-V3和CNN | 图像 | 使用了来自YouTube视频和Kaggle的姿势数据集进行训练 |