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 1877 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 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1141 | 2024-09-21 |
Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3455989
PMID:39264770
|
研究论文 | 提出了一种基于深度学习的自适应视频流凸包预测方法，通过循环卷积网络（RCN）分析视频片段的时空复杂度来预测其凸包 | 采用循环卷积网络（RCN）和两步迁移学习方案，显著减少了预编码时间和计算开销 | 未提及具体限制 | 减少自适应视频流中预编码步骤的时间和计算开销 | 视频片段的凸包预测 | 计算机视觉 | NA | 深度学习 | 循环卷积网络（RCN） | 视频 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1142 | 2024-09-21 |
Change Representation and Extraction in Stripes: Rethinking Unsupervised Hyperspectral Image Change Detection With an Untrained Network
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3438100
PMID:39269800
|
研究论文 | 提出了一种新的无监督高光谱图像变化检测方法StripeCD，通过在无训练网络中集成优化建模来表示和建模条纹变化 | 引入了一种新的特征空间表示方法，通过条纹形式表示变化特征，并提出了一种多尺度前向-后向分割框架来突出显著变化 | 依赖于无训练网络的特征波动性可能导致变化检测结果不准确 | 改进无监督高光谱图像变化检测方法，减少对标注数据的依赖 | 高光谱图像的变化检测 | 计算机视觉 | NA | 无训练卷积网络 | 卷积神经网络 | 图像 | 涉及三个广泛使用的高光谱图像数据集 | NA | NA | NA | NA |
| 1143 | 2024-09-21 |
Diagnostic Value of Artificial Intelligence in Minimal Breast Lesions Based on Real-Time Dynamic Ultrasound Imaging
2024, International journal of general medicine
IF:2.1Q2
DOI:10.2147/IJGM.S479969
PMID:39295853
|
研究论文 | 探讨基于实时动态超声成像系统的人工智能在诊断微小乳腺病变中的价值 | 使用基于实时动态超声成像系统的人工智能进行微小乳腺病变的诊断 | 仍存在一些漏诊和误诊的情况 | 研究人工智能在微小乳腺病变诊断中的应用价值 | 直径≤10mm的微小乳腺病变 | 计算机视觉 | 乳腺癌 | 深度学习算法 | 深度学习 | 视频 | 291例微小乳腺病变，其中228例良性，63例恶性 | NA | NA | NA | NA |
| 1144 | 2024-09-21 |
A general prediction model for compound-protein interactions based on deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1465890
PMID:39295942
|
研究论文 | 本文开发了一种基于深度学习的化合物-蛋白质相互作用预测模型，并验证了其在中药中的应用 | 本文提出了一个集成大规模生物活性基准数据集和深度学习算法的计算模型，用于预测化合物-蛋白质相互作用，并在中药中验证了其有效性 | 由于化合物和目标的多样性以及缺乏大规模相互作用数据集和负数据集，现有计算方法在预测准确性和泛化能力方面面临挑战 | 开发一种准确的化合物-蛋白质相互作用预测模型，以促进药物发现和理解中药的生物活性 | 化合物-蛋白质相互作用，特别是中药中的化合物 | 机器学习 | NA | 深度学习 | NA | 生物活性数据 | 使用了黄芪和白花蛇舌草这对中药组合中的活性化合物，并从多个公共数据库和文献中收集了这些化合物的完整目标数据 | NA | NA | NA | NA |
| 1145 | 2024-09-21 |
Analysis and comparison of retinal vascular parameters under different glucose metabolic status based on deep learning
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.09.02
PMID:39296560
|
研究论文 | 本文开发了一种基于深度学习的模型，用于自动分割视网膜血管，并分析和比较不同血糖代谢状态下的血管参数 | 本文首次使用深度学习模型U-Net进行视网膜血管分割，并分析了不同血糖代谢状态下的血管参数差异 | 样本量相对较小，可能影响结果的普适性 | 评估人工智能在图像分割和视网膜血管参数分析中预测糖尿病前期的潜力 | 视网膜血管参数在不同血糖代谢状态下的差异 | 计算机视觉 | 糖尿病 | 深度学习 | U-Net | 图像 | 总共600只眼睛，包括200名正常人、200名糖尿病前期患者和200名糖尿病患者 | NA | NA | NA | NA |
| 1146 | 2024-09-21 |
Systematic bibliometric and visualized analysis of research hotspots and trends on the application of artificial intelligence in glaucoma from 2013 to 2022
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.09.22
PMID:39296573
|
综述 | 对2013年至2022年间人工智能在青光眼领域的应用进行文献计量分析和可视化研究 | 通过CiteSpace和VOSviewer软件分析了不同国家、机构、作者和期刊的贡献及共现关系，揭示了该领域的研究热点和未来趋势 | 文章主要关注文献计量分析，未深入探讨具体技术细节和临床应用效果 | 全面了解人工智能在青光眼领域的研究现状，并识别未来研究的新方向 | 2013年至2022年间发表的关于人工智能在青光眼领域应用的英文文章 | 计算机视觉 | 眼科疾病 | NA | NA | 文本 | 750篇英文文章 | NA | NA | NA | NA |
| 1147 | 2024-09-21 |
Deep learning-based ultrasonographic classification of canine chronic kidney disease
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1443234
PMID:39296582
|
研究论文 | 本研究开发了一种基于深度学习的模型，用于通过超声图像对犬慢性肾病（CKD）进行分类，并评估其与兽医影像专家的诊断性能 | 首次尝试将人工智能应用于兽医超声诊断，并开发了一种基于卷积神经网络的对象检测算法来分类犬慢性肾病的IRIS阶段 | 多类分类的准确性较低，仅为0.46 | 开发和验证一种基于深度学习的模型，用于通过超声图像对犬慢性肾病进行分类，并评估其临床实用性 | 犬慢性肾病（CKD）的超声图像 | 机器学习 | 犬病 | 卷积神经网络（CNN） | CNN | 图像 | 883张超声图像，来自198只狗 | NA | NA | NA | NA |
| 1148 | 2024-09-21 |
Deepfake: definitions, performance metrics and standards, datasets, and a meta-review
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1400024
PMID:39296632
|
综述 | 本文全面概述了深度伪造（deepfake）的概念，涵盖了定义、性能指标和标准、相关数据集等多个重要方面 | 本文提供了对深度伪造最全面的综述，包括对15篇相关综述论文的元分析 | NA | 全面了解和分析深度伪造的概念、性能指标、标准、数据集以及相关挑战和建议 | 深度伪造的定义、性能指标和标准、相关数据集以及相关综述论文 | 计算机视觉 | NA | 深度学习 | NA | 图像、视频、音频 | 15篇相关综述论文 | NA | NA | NA | NA |
| 1149 | 2024-09-21 |
Utilizing deep learning models in an intelligent spiral drawing classification system for Parkinson's disease classification
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1453743
PMID:39296906
|
研究论文 | 本文提出了一种利用深度学习模型进行智能螺旋绘图分类系统，用于帕金森病的分类 | 本文通过分析手绘螺旋图中的重要和独特特征，利用迁移学习模型（如VGG19、InceptionV3、ResNet50v2和DenseNet169）进行帕金森病的诊断 | 本文的研究样本量较小，未来需要扩大数据集并进一步优化迁移学习策略 | 开发一种高效准确的帕金森病分类系统，以改善患者的生活质量和早期治疗效果 | 手绘螺旋图和帕金森病 | 机器学习 | 神经退行性疾病 | 迁移学习 | InceptionV3 | 图像 | 102个手绘螺旋图 | NA | NA | NA | NA |
| 1150 | 2024-09-21 |
Super-resolution reconstruction improves multishell diffusion: using radiomics to predict adult-type diffuse glioma IDH and grade
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1435204
PMID:39296980
|
研究论文 | 本文通过深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发和验证了预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型 | 使用深度学习超分辨率重建技术提高多壳扩散图像的分辨率，并开发了新的预测模型 | 高级扩散模型在诊断性能上并未优于简单扩散模型 | 提高多壳扩散图像的分辨率，并开发预测成人弥漫性胶质瘤IDH状态和2/3级肿瘤的模型 | 成人弥漫性胶质瘤的IDH状态和2/3级肿瘤 | 计算机视觉 | 脑肿瘤 | 深度学习超分辨率重建 | 生成对抗网络 | 图像 | 90例成人弥漫性胶质瘤患者 | NA | NA | NA | NA |
| 1151 | 2024-09-20 |
Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309109
PMID:39190686
|
研究论文 | 开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变 | 首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性 | 研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元 | 开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征 | 患有肺炎的18个月至17岁儿童 | 计算机视觉 | 肺炎 | 深度学习 | 深度学习算法 | 视频 | 107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频 | NA | NA | NA | NA |
| 1152 | 2024-09-20 |
Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1416169
PMID:39290391
|
研究论文 | 本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型 | 本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案 | 本文未提及具体的局限性 | 开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型 | 肩部磁共振图像中的冈上肌脂肪浸润 | 计算机视觉 | 肩部疾病 | 深度学习 | U-Net 和 VGG-19 | 图像 | 606 张肩部磁共振图像 | NA | NA | NA | NA |
| 1153 | 2024-09-20 |
Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1427239
PMID:39290396
|
研究论文 | 本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势 | 本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性 | NA | 研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策 | 研究对象是COVID-19的传播动态和未来趋势 | 机器学习 | COVID-19 | XGBoost, LSTM | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 1154 | 2024-09-20 |
PNNGS, a multi-convolutional parallel neural network for genomic selection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410596
PMID:39290743
|
研究论文 | 本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性 | 引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS | 当训练样本在小集群中减少时，PNNGS的预测精度显著下降 | 提高基因组选择的预测精度和稳定性 | 水稻、向日葵、小麦和玉米的基因组选择 | 机器学习 | NA | 深度学习 | 并行神经网络 | 基因组数据 | 24个案例，不同集群的样本数量差异很大 | NA | NA | NA | NA |
| 1155 | 2024-09-20 |
DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1454652
PMID:39291256
|
研究论文 | 本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断 | 本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担 | NA | 开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核 | 肺炎和肺结核的诊断 | 计算机视觉 | 肺部疾病 | 深度学习 | 混合模型 | 图像 | NA | NA | NA | NA | NA |
| 1156 | 2024-09-19 |
Unlocking the potential: analyzing 3D microstructure of small-scale cement samples from space using deep learning
2024-Jan-25, NPJ microgravity
IF:4.4Q1
DOI:10.1038/s41526-024-00349-9
PMID:38272924
|
研究论文 | 本文提出了一种利用深度学习分析国际空间站微重力环境下硬化三钙硅酸盐样品三维微观结构的方法 | 本文创新性地利用深度学习框架从稀疏的实验数据中生成具有统计特性的微观结构集合，并展示了其在微重力环境下硬化水泥样品的独特微观形态 | NA | 研究微重力环境下硬化水泥样品的三维微观结构，并利用深度学习进行重建 | 微重力环境下硬化的三钙硅酸盐样品 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 微重力环境下硬化的三钙硅酸盐样品 | NA | NA | NA | NA |
| 1157 | 2024-09-19 |
Contextual emotion detection in images using deep learning
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1386753
PMID:38952408
|
研究论文 | 本文研究了基于深度学习的图像中情境情感检测技术 | 本文提出了两种基于深度学习技术的复杂算法（DCNN和VGG19），并通过优化超参数来分析情境和肢体语言，以提高对图像中人类情感的理解 | NA | 开发更富有同理心的系统，应用于从医学到社交媒体情感互动的多个领域 | 图像中的情境情感检测 | 计算机视觉 | NA | 深度学习 | DCNN, VGG19 | 图像 | 使用了来自多个数据库的真实图像，包括EMOTIC（ADE20K, MSCOCO）、EMODB_SMALL和FRAMESDB | NA | NA | NA | NA |
| 1158 | 2024-09-19 |
AlphaCRV: a pipeline for identifying accurate binder topologies in mass-modeling with AlphaFold
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae131
PMID:39286602
|
研究论文 | 介绍了一种名为AlphaCRV的Python工具包，用于在AlphaFold筛选中识别正确的相互作用蛋白 | 提出了AlphaCRV工具包，通过聚类、排序和可视化保守的结合拓扑结构，帮助在AlphaFold筛选中识别正确的相互作用蛋白 | NA | 开发一种工具，用于在蛋白质组规模上识别生物学相关的蛋白质-蛋白质相互作用 | 蛋白质-蛋白质相互作用 | 机器学习 | NA | AlphaFold | NA | 蛋白质序列和折叠结构 | NA | NA | NA | NA | NA |
| 1159 | 2024-09-19 |
A single sequence MRI-based deep learning radiomics model in the diagnosis of early osteonecrosis of femoral head
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1471692
PMID:39280340
|
研究论文 | 本研究开发并评估了一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的诊断 | 首次使用此类模型进行早期股骨头坏死的诊断，相比之前的多序列MRI放射组学方法更为简单，并利用深度学习技术进行改进 | NA | 开发和评估一种基于单序列MRI的深度学习放射组学模型，用于早期股骨头坏死的准确预测 | 早期股骨头坏死 | 机器学习 | 骨科疾病 | MRI | 深度学习模型 | 图像 | 150名患者（80名健康，70名坏死）的MRI扫描数据 | NA | NA | NA | NA |
| 1160 | 2024-09-19 |
A Systematic Review of Real-Time Deep Learning Methods for Image-Based Cancer Diagnostics
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S446745
PMID:39281299
|
综述 | 本文深入探讨了深度学习算法在实时癌症诊断中的应用 | 本文评估了不同成像模式在基于深度学习的癌症诊断中的准确性和周转时间，并探讨了可解释深度学习在癌症诊断中的应用潜力 | 本文指出泛化问题、数据变异性和可解释性是深度学习在临床试验中应用的主要障碍 | 本文旨在通过系统综述了解深度学习如何影响癌症诊断的等待时间 | 本文研究了深度学习在实时癌症诊断中的应用，评估了不同成像模式的准确性和周转时间，并探讨了基础设施的成本和效果 | 计算机视觉 | 癌症 | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |