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 1201 - 1220 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1201 | 2024-09-15 |
AFM-YOLOv8s: An Accurate, Fast, and Highly Robust Model for Detection of Sporangia of Plasmopara viticola with Various Morphological Variants
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0246
PMID:39263595
|
研究论文 | 本文开发了一种名为AFM-YOLOv8s的增强型YOLOv8s模型，用于检测葡萄霜霉病孢子囊 | 引入了自适应交叉融合模块、轻量级特征提取模块FasterCSP和新的损失函数MPDIoU，显著提高了检测精度和速度 | 尽管FasterCSP在模型复杂度和大小上有所减少，但可能会导致轻微的精度损失 | 开发一种高效、准确的深度学习模型，用于快速检测葡萄霜霉病孢子囊 | 葡萄霜霉病孢子囊及其多种形态变异 | 计算机视觉 | 葡萄霜霉病 | 深度学习 | YOLOv8s | 图像 | 自定义的葡萄霜霉病孢子囊数据集 | NA | NA | NA | NA |
| 1202 | 2024-09-15 |
Enhancing reginal wall abnormality detection accuracy: Integrating machine learning, optical flow algorithms, and temporal convolutional networks in multi-view echocardiography
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310107
PMID:39264929
|
研究论文 | 本文提出了一种结合机器学习、光流算法和时间卷积网络的多视角超声心动图区域壁异常检测方法 | 本文创新性地利用多周期和多视角的超声心动图数据，结合U-Net分割、光流算法和时间卷积网络，提取丰富的运动场特征，以提高区域壁异常检测的准确性 | NA | 提高区域壁运动异常检测的准确性，为早期心肌梗死诊断提供更全面和精确的工具 | 区域壁运动异常（RWMA）和心肌梗死（MI） | 机器学习 | 心血管疾病 | 光流算法、时间卷积网络 | U-Net、SVM分类器 | 超声心动图 | HMC-QU数据集 | NA | NA | NA | NA |
| 1203 | 2024-09-15 |
Causal Inference Meets Deep Learning: A Comprehensive Survey
2024, Research (Washington, D.C.)
DOI:10.34133/research.0467
PMID:39257419
|
综述 | 本文全面回顾了因果推断在深度学习中的应用 | 通过将因果模型替代相关性模型，提高模型的解释性和稳定性 | 讨论了因果推断的当前局限性和未来研究方向 | 探讨因果推断与深度学习的结合及其应用 | 深度学习模型及其在大型任务和特定模态中的应用 | 机器学习 | NA | 因果推断 | 深度学习模型 | NA | NA | NA | NA | NA | NA |
| 1204 | 2024-09-15 |
Individuals carrying the HLA-B*15 allele exhibit favorable responses to COVID-19 vaccines but are more susceptible to Omicron BA.5.2 and XBB.1.16 infection
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1440819
PMID:39257586
|
研究论文 | 研究携带HLA-B*15等位基因个体对COVID-19疫苗的反应及对Omicron变种感染的易感性 | 首次揭示携带HLA-B*15等位基因个体对COVID-19疫苗有良好反应，但对Omicron变种感染更易感 | 研究样本量有限，未涵盖所有可能的HLA等位基因类型 | 探讨HLA-B*15等位基因对COVID-19疫苗反应及Omicron变种感染的影响 | 携带HLA-B*15等位基因的个体 | NA | COVID-19 | ELISA、流式细胞术、人工智能深度学习技术 | 深度学习 | 血液样本 | 252名志愿者 | NA | NA | NA | NA |
| 1205 | 2024-09-15 |
AR-AI assisted ophthalmic nursing: Preliminary usability study in clinical settings
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241269470
PMID:39257872
|
研究论文 | 研究利用增强现实（AR）和人工智能（AI）技术开发眼科病房护士智能辅助系统，并评估其在临床工作中的可用性和可接受性 | 首次将AR和AI技术结合应用于眼科病房护理工作，开发了具有患者面部识别、自动信息匹配和护理工作管理功能的智能辅助系统 | 研究样本量较小，仅涉及眼科日间病房护士，未来需扩大样本量和研究范围 | 开发和评估基于AR和AI技术的眼科病房护士智能辅助系统的可用性和可接受性 | 眼科病房护士及其护理工作 | 机器学习 | NA | 增强现实（AR）、深度学习、声学识别、语音交互、图像识别 | NA | 文本、图像 | 眼科日间病房护士 | NA | NA | NA | NA |
| 1206 | 2024-09-15 |
Deep learning image analysis for filamentous fungi taxonomic classification: Dealing with small datasets with class imbalance and hierarchical grouping
2024, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpae063
PMID:39258158
|
研究论文 | 研究探讨了使用深度学习对数百种丝状真菌进行分类的潜力，并解决了小数据集、类别不平衡和层次分组等常见问题 | 首次尝试使用深度学习对丝状真菌进行分类，并提出了处理小数据集和类别不平衡的方法 | 模型性能较低，主要由于数据集较小、类别不平衡和真菌菌落形态可塑性高 | 探索深度学习在丝状真菌分类中的应用潜力 | 数百种丝状真菌的菌落图像 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 606个真菌菌落图像 | NA | NA | NA | NA |
| 1207 | 2024-09-15 |
Unveiling the hidden: a deep learning approach to unraveling subzone-specific changes in peripapillary atrophy in type 2 diabetes
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1459040
PMID:39258228
|
研究论文 | 本研究利用深度学习模型评估了2型糖尿病患者中视盘周围萎缩（PPA）亚区的光学相干断层扫描血管造影（OCTA）变化 | 采用多任务联合深度学习模型自动化确定和量化PPA的微结构及其相应的微循环 | 需要纵向研究进一步阐明gamma区在DR发展和进展中的作用 | 评估2型糖尿病患者中视盘周围萎缩亚区的OCTA变化 | 2型糖尿病患者中视盘周围萎缩的beta区和gamma区 | 计算机视觉 | 糖尿病 | 光学相干断层扫描血管造影（OCTA） | 多任务联合深度学习模型 | 图像 | 2820张图像用于模型训练和验证，44只非增殖性糖尿病视网膜病变（NPDR）眼和46只无DR眼用于横断面研究 | NA | NA | NA | NA |
| 1208 | 2024-09-15 |
DeepMonitoring: a deep learning-based monitoring system for assessing the quality of cornea images captured by smartphones
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1447067
PMID:39258227
|
研究论文 | 本文构建了一个基于深度学习的图像质量监控系统，用于评估智能手机拍摄的角膜图像质量 | 提出了DeepMonitoring系统，能够识别低质量角膜图像并分析其成因，指导操作者及时获取高质量图像 | 未提及具体限制 | 开发一个能够评估智能手机拍摄角膜图像质量的系统，以促进AI诊断系统在临床中的应用 | 智能手机拍摄的角膜图像及其质量评估 | 计算机视觉 | 角膜疾病 | 深度学习 | NA | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1209 | 2024-09-15 |
Weakly supervised large-scale pancreatic cancer detection using multi-instance learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1362850
PMID:39267824
|
研究论文 | 本文提出了一种两阶段弱监督深度学习模型，用于通过CT图像检测胰腺癌 | 本文创新性地采用了两阶段弱监督学习方法，结合了nnU-Net和多实例学习模型，显著提高了胰腺癌检测的准确性 | 本文的局限性在于依赖于特定的数据集（HFH和MSKCC），可能限制了模型的普适性 | 研究目的是提高胰腺癌早期检测的准确性 | 研究对象是胰腺癌的CT图像 | 计算机视觉 | 胰腺癌 | 深度学习 | 两阶段模型（nnU-Net和多实例学习） | 图像 | 463例病例和2,882例对照 | NA | NA | NA | NA |
| 1210 | 2024-09-15 |
Neighborhood attention transformer multiple instance learning for whole slide image classification
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1389396
PMID:39267847
|
研究论文 | 本文介绍了一种名为NATMIL的新方法，通过使用Neighborhood Attention Transformer来整合WSI切片之间的上下文依赖关系，从而提高肿瘤分类的准确性 | 本文创新性地引入了Neighborhood Attention Transformer，通过整合更广泛的组织上下文来增强多实例学习，从而提高肿瘤分类的准确性 | NA | 提高使用全切片图像进行肿瘤分类的准确性 | 非小细胞肺癌和淋巴结肿瘤的全切片图像 | 数字病理学 | 肺癌 | Neighborhood Attention Transformer | Transformer | 图像 | 在Camelyon数据集上为89.6%，在TCGA-LUSC数据集上为88.1% | NA | NA | NA | NA |
| 1211 | 2024-09-14 |
EvoAug-TF: Extending evolution-inspired data augmentations for genomic deep learning to TensorFlow
2024-Jan-18, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.17.575961
PMID:38293144
|
研究论文 | 本文将基于进化启发的数据增强方法EvoAug扩展到TensorFlow框架，以提高基因组深度学习模型的泛化能力和可解释性 | 将EvoAug的功能扩展到TensorFlow框架，使其适用于更广泛的基于TensorFlow的基因组深度学习模型 | NA | 扩展EvoAug的功能以支持TensorFlow框架，提高基因组深度学习模型的性能 | 基因组深度学习模型及其在预测非编码基因组调控区域分子功能中的应用 | 机器学习 | NA | 深度神经网络（DNNs） | 深度神经网络（DNNs） | 基因组数据 | NA | NA | NA | NA | NA |
| 1212 | 2024-09-14 |
Antivirals for monkeypox virus: Proposing an effective machine/deep learning framework
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0299342
PMID:39264896
|
研究论文 | 本文提出了一个用于猴痘病毒抗病毒药物预测的计算框架 | 首次研究了深度学习方法在猴痘病毒抗病毒药物预测中的应用 | NA | 开发一种有效的计算框架来预测猴痘病毒的抗病毒药物 | 猴痘病毒及其潜在的抗病毒药物 | 机器学习 | NA | 深度学习 | 深度学习方法 | 病毒-抗病毒数据集 | NA | NA | NA | NA | NA |
| 1213 | 2024-09-13 |
Reference-Based Multi-Stage Progressive Restoration for Multi-Degraded Images
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3451939
PMID:39236125
|
研究论文 | 本文提出了一种基于参考图像的多阶段渐进式图像恢复方法，用于处理多重退化的图像 | 本文创新性地提出了Reference-based Image Restoration Transformer (Ref-IRT)模型，通过三个主要阶段逐步恢复图像细节，并引入了质量退化恢复方法和纹理转移/重建网络来增强恢复效果 | NA | 研究如何通过深度学习技术有效恢复多重退化图像的高质量细节 | 多重退化的图像 | 计算机视觉 | NA | 深度学习 | Transformer | 图像 | 在三个基准数据集上进行了实验 | NA | NA | NA | NA |
| 1214 | 2024-09-13 |
Smartphone region-wise image indoor localization using deep learning for indoor tourist attraction
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307569
PMID:39250439
|
研究论文 | 本文提出了一种利用深度学习技术通过智能手机图像进行室内旅游景点区域定位的方法 | 该方法无需基础设施投资，降低了将博物馆和海洋馆转变为智能场所的成本和时间 | 研究仅在巴西的一个实际场景中进行了评估，可能需要进一步验证其在其他地区的效果 | 开发一种适用于室内旅游景点的智能手机图像区域定位技术 | 智能手机拍摄的图像和室内旅游景点的位置分类 | 计算机视觉 | NA | 深度学习 | 神经网络（包括基于Transformer的模型） | 图像 | 3654张图像，来自10种不同智能手机 | NA | NA | NA | NA |
| 1215 | 2024-09-13 |
Innovation in public health surveillance for social distancing during the COVID-19 pandemic: A deep learning and object detection based novel approach
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308460
PMID:39250511
|
研究论文 | 本文提出了一种基于深度学习和目标检测的公共健康监测新方法，用于在COVID-19疫情期间监控社交距离 | 采用YOLOv4模型和无人机实时视频数据，实现了高效的社交距离监控，准确率达到82% | NA | 开发一种创新的公共健康监测方法，以应对COVID-19疫情期间的社交距离问题 | 社交距离的监控和违规行为的检测 | 计算机视觉 | COVID-19 | 目标检测 | YOLOv4 | 视频 | 使用无人机实时流式传输的25fps、1920 X 1080分辨率视频数据，监控范围为35米 | NA | NA | NA | NA |
| 1216 | 2024-09-13 |
Deep learning for detecting prenatal alcohol exposure in pediatric brain MRI: a transfer learning approach with explainability insights
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1434421
PMID:39252695
|
研究论文 | 本文利用深度学习技术，通过迁移学习方法检测儿童脑部MRI中的产前酒精暴露（PAE），并进行了可解释性分析 | 本文首次将深度学习应用于检测儿童脑部MRI中的产前酒精暴露，并采用迁移学习方法和可解释性分析来提高模型的性能和透明度 | 由于儿童脑部快速发育、运动伪影和数据不足等问题，构建适用于儿童群体的深度学习模型存在挑战 | 研究如何利用深度学习和迁移学习方法检测儿童脑部MRI中的产前酒精暴露，并进行可解释性分析 | 2至8岁儿童的T1加权结构脑部MRI扫描数据 | 计算机视觉 | NA | 深度学习 | 简单全卷积网络（SFCN） | 图像 | 涉及2至8岁儿童的脑部MRI扫描数据，具体样本数量未明确提及 | NA | NA | NA | NA |
| 1217 | 2024-09-13 |
High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0244
PMID:39252878
|
研究论文 | 本研究利用无人机遥感和深度学习模型对大豆生物量相关性状进行高通量表型分析 | 首次结合无人机遥感和深度学习模型进行大豆生物量相关性状的高通量表型分析，并提取潜在特征用于基因组预测 | 研究仅在2018年进行了一次田间试验，样本量有限，且仅在干旱和对照两种灌溉条件下进行 | 开发模型以利用无人机遥感和深度学习模型估计大豆生物量相关性状的表型值 | 大豆生物量相关性状，包括干重、主茎长度、节点和分支数量以及植株高度 | 计算机视觉 | NA | 无人机遥感 | 卷积神经网络（CNN） | 图像 | 198个已知全基因组序列的大豆种质 | NA | NA | NA | NA |
| 1218 | 2024-09-13 |
Choroidal Optical Coherence Tomography Angiography: Noninvasive Choroidal Vessel Analysis via Deep Learning
2024, Health data science
DOI:10.34133/hds.0170
PMID:39257642
|
研究论文 | 本文提出了一种基于深度学习的非侵入性脉络膜血管分析方法，通过光学相干断层扫描血管造影（OCTA）技术，实现对脉络膜亚层的血管分布评估 | 本文提出了一种新的脉络膜血管造影策略，并采用了一种集成判别均值教师结构来处理跨域分割任务中的特定问题 | 本文的实验结果主要基于特定的疾病样本，未来需要进一步验证其在更广泛疾病类型中的适用性 | 开发一种非侵入性的方法来评估脉络膜亚层的血管分布，支持脉络膜疾病的临床分析 | 脉络膜亚层的血管分布 | 计算机视觉 | NA | 光学相干断层扫描血管造影（OCTA） | 集成判别均值教师结构 | 图像 | NA | NA | NA | NA | NA |
| 1219 | 2024-09-11 |
MRGM: an enhanced catalog of mouse gut microbial genomes substantially broadening taxonomic and functional landscapes
2024 Jan-Dec, Gut microbes
IF:12.2Q1
DOI:10.1080/19490976.2024.2393791
PMID:39230075
|
研究论文 | 本文介绍了一种增强版的鼠肠道微生物基因组目录MRGM，显著扩展了分类和功能范围 | MRGM包含了42,245个非冗余的鼠肠道细菌基因组，覆盖1,524个物种，通过改进的基因组质量评估技术，捕捉到先前未被充分代表的谱系，并使用深度学习将基因本体注释率提高了18倍 | NA | 增强鼠肠道微生物组研究的转化价值，提供详细的鼠肠道微生物基因组目录 | 鼠肠道微生物组 | NA | NA | 深度学习 | NA | 基因组 | 42,245个非冗余的鼠肠道细菌基因组，覆盖1,524个物种 | NA | NA | NA | NA |
| 1220 | 2024-09-11 |
Deep learning model shows pathologist-level detection of sentinel node metastasis of melanoma and intra-nodal nevi on whole slide images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1418013
PMID:39238597
|
研究论文 | 本文研究了深度学习模型在检测黑色素瘤前哨淋巴结转移和结内痣方面的能力 | 深度学习模型在检测黑色素瘤前哨淋巴结转移方面达到了病理学家水平，并能区分结内痣和转移 | 需要进一步验证 | 评估人工智能在检测黑色素瘤前哨淋巴结转移和结内痣方面的能力 | 黑色素瘤前哨淋巴结转移和结内痣 | 数字病理学 | 黑色素瘤 | 深度学习 | 深度学习模型 | 图像 | 485张全切片图像，包括196个前哨淋巴结活检样本 | NA | NA | NA | NA |