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 1882 篇文献，本页显示第 1221 - 1240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1221 | 2024-09-04 |
Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1352129
PMID:39221008
|
研究论文 | 本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化 | 利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向 | NA | 旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径 | 轻度认知障碍相关的文献 | NA | 轻度认知障碍 | 文献计量分析 | NA | 文献 | 6075篇文章 | NA | NA | NA | NA |
| 1222 | 2024-09-04 |
Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241277081
PMID:39221175
|
研究论文 | 本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列 | 采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡 | 尽管模型表现良好，但统计测试显示各模型间无显著差异 | 预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | 机器学习 | NA | 深度学习算法 | Neural Networks, Naive Bayes, Gradient Boosting | 转录组数据 | 使用NCBI GEO DATA SET GSE218606的数据 | NA | NA | NA | NA |
| 1223 | 2024-09-04 |
Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17896
PMID:39221284
|
研究论文 | 研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。 | 本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。 | 研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。 | 评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。 | 研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。 | 机器学习 | NA | 深度学习 | LSTM神经网络 | 压力数据和惯性测量数据 | 50名跑步者（25名女性，25名男性） | NA | NA | NA | NA |
| 1224 | 2024-09-04 |
Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1423515
PMID:39206118
|
研究论文 | 本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体 | 本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能 | NA | 旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类 | 研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT） | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | 924名参与者（478名CU和446名DAT） | NA | NA | NA | NA |
| 1225 | 2024-09-04 |
Dominating Alzheimer's disease diagnosis with deep learning on sMRI and DTI-MD
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1444795
PMID:39211812
|
研究论文 | 本文提出了一种名为MADNet的多模态深度学习方法，用于辅助阿尔茨海默病（AD）的诊断，通过融合sMRI和DTI-MD数据进行特征提取和分类 | MADNet采用双分支并行提取特征，结合注意力机制在决策层进行长距离依赖建模，并通过特征融合基于重要性跨模态整合信息 | NA | 开发一种有效的计算机辅助诊断方法，用于快速准确地评估AD患者的病情和受影响区域 | 阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者 | 机器学习 | 老年疾病 | 深度学习 | CNN | 图像 | 包括AD、MCI和CN的公开ADNI数据集和自收集的XWNI数据集 | NA | NA | NA | NA |
| 1226 | 2024-09-04 |
Multimodal Machine Learning in Image-Based and Clinical Biomedicine: Survey and Prospects
2024, International journal of computer vision
IF:11.6Q1
DOI:10.1007/s11263-024-02032-8
PMID:39211895
|
review | 本文综述了多模态机器学习在医学图像分析和临床决策支持系统中的应用现状与前景 | 强调了多模态表示、融合、翻译、对齐和协同学习中的挑战与创新 | 存在数据偏差和生物医学领域“大数据”稀缺等挑战 | 探讨多模态模型在临床预测中的变革潜力，并强调其原则性评估和实际应用的必要性 | 多模态机器学习在医学图像分析和临床决策支持系统中的应用 | machine learning | NA | NA | deep learning | multimodal | NA | NA | NA | NA | NA |
| 1227 | 2024-09-01 |
IDSL_MINT: a deep learning framework to predict molecular fingerprints from mass spectra
2024-Jan-18, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00804-5
PMID:38238779
|
研究论文 | 本文介绍了一个名为IDSL_MINT的深度学习框架，该框架能够将串联质谱（MS/MS）数据转换为分子指纹描述符，从而提高未标记代谢组学和暴露组学研究中的注释率 | IDSL_MINT框架利用transformer模型处理质谱数据，类似于大型语言模型，并支持用户自定义的分子指纹描述符，提高了未标记MS/MS谱的注释率 | NA | 开发一个易于使用且可定制的深度学习框架，用于训练和利用新模型预测分子指纹，以改进化合物注释流程 | 串联质谱（MS/MS）数据及其在代谢组学和暴露组学中的应用 | 机器学习 | NA | 串联质谱（MS/MS） | transformer模型 | 质谱数据 | 使用LipidMaps数据库进行基准测试 | NA | NA | NA | NA |
| 1228 | 2024-09-01 |
Artificial Intelligence for the Management of Breast Cancer: An Overview
2024, Current drug discovery technologies
|
综述 | 本文综述了人工智能和机器学习在乳腺癌管理中的应用，包括早期检测、诊断、预后、药物发现、高级图像分析、精准医学、预测建模和个性化治疗计划 | 介绍了多种算法如卷积神经网络、支持向量机、决策树和深度学习方法在乳腺癌数据分析中的应用 | NA | 探讨人工智能和机器学习在乳腺癌管理中的应用，以提高诊断和治疗的准确性和个性化 | 乳腺癌的早期检测、诊断、预后、药物发现、图像分析、精准医学、预测建模和个性化治疗 | 机器学习 | 乳腺癌 | NA | 卷积神经网络 | 临床数据、基因组数据和影像数据 | NA | NA | NA | NA | NA |
| 1229 | 2024-09-01 |
An end-to-end framework for private DGA detection as a service
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304476
PMID:39196905
|
研究论文 | 本文提出了一种端到端的隐私保护框架，用于将域名分类为DGA（恶意）或非DGA（良性）域名，通过结合安全多方计算和差分隐私技术实现 | 首次提出了一种端到端的隐私保护框架，结合了安全多方计算和差分隐私技术，确保在分类过程中不泄露域名信息和模型细节，并提供了差分隐私保证 | NA | 开发一种隐私保护的DGA检测服务框架 | 域名分类为DGA或非DGA | 机器学习 | NA | 安全多方计算（MPC），差分隐私（DP） | 深度学习模型 | 域名 | NA | NA | NA | NA | NA |
| 1230 | 2024-08-31 |
Network depth affects inference of gene sets from bacterial transcriptomes using denoising autoencoders
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae066
PMID:39027639
|
研究论文 | 研究使用深度去噪自编码器（DAEs）从细菌转录组数据中推断基因集，并探讨网络架构对基因集推断的影响 | 将去噪自编码器的应用扩展到深度网络，并研究网络深度和宽度对基因集推断的影响 | 需要进一步验证和优化深度去噪自编码器在不同细菌数据集上的应用 | 开发一种基于深度去噪自编码器的管道，用于从转录组数据中提取基因集，并评估网络架构对基因集推断的影响 | 大肠杆菌的转录组数据和独立尿路致病性大肠杆菌数据集 | 机器学习 | NA | 去噪自编码器（DAEs） | DAE | 转录组数据 | 多个公开可用的细菌基因表达数据集 | NA | NA | NA | NA |
| 1231 | 2024-08-31 |
Rapid prediction of wall shear stress in stenosed coronary arteries based on deep learning
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1360330
PMID:39188371
|
研究论文 | 本文利用深度学习技术，通过结合合成数据和真实患者数据，训练了一个U-net架构的模型，用于快速预测狭窄冠状动脉的壁剪应力 | 本文采用了两种合成数据生成方法，并将其与真实患者数据结合，提高了模型的训练效果 | 文章中使用的患者数据有限，主要依赖于合成数据 | 开发一种快速且高效的深度学习模型，用于临床实践中预测冠状动脉的壁剪应力 | 狭窄冠状动脉的壁剪应力 | 机器学习 | 心血管疾病 | 深度学习 | U-net | 图像 | 患者数据有限，主要使用合成数据 | NA | NA | NA | NA |
| 1232 | 2024-08-31 |
A new method of rock type identification based on transformer by utilizing acoustic emission
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309165
PMID:39190747
|
研究论文 | 本文提出了一种基于声发射信号和3CTNet模型的新型岩石类型识别框架，该模型结合了卷积神经网络和Transformer编码器，用于智能识别不同岩石断裂的声发射信号 | 引入了一种新的信号识别模型3CTNet，该模型通过建立数据中相邻位置的依赖关系并逐步提取高级特征，提高了岩石类型识别的准确性 | NA | 解决传统分析方法在处理大数据时的不足，提高岩石类型识别的效率和准确性 | 岩石类型的识别 | 地球科学 | NA | 声发射信号处理 | 3CTNet（CNN与Transformer的结合） | 声发射信号 | NA | NA | NA | NA | NA |
| 1233 | 2024-08-31 |
CSAM: A 2.5D Cross-Slice Attention Module for Anisotropic Volumetric Medical Image Segmentation
2024-Jan, IEEE Winter Conference on Applications of Computer Vision. IEEE Winter Conference on Applications of Computer Vision
DOI:10.1109/wacv57701.2024.00582
PMID:39193208
|
研究论文 | 本文提出了一种2.5D交叉切片注意力模块（CSAM），用于各向异性体积医学图像分割 | CSAM通过在不同尺度的深度特征图上应用语义、位置和切片注意力，以最少的可训练参数捕获整个体积中的切片间信息 | NA | 解决各向异性体积医学数据分割中的问题，特别是磁共振成像（MRI）数据 | 各向异性体积医学图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1234 | 2024-08-30 |
Assessment of deep learning image reconstruction (DLIR) on image quality in pediatric cardiac CT datasets type of manuscript: Original research
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300090
PMID:39186484
|
研究论文 | 评估深度学习图像重建（DLIR）在儿科心脏CT数据集中的图像质量 | 高级别DLIR在儿科心脏CT扫描中显示出比传统重建方法更高的信噪比（SNR）和对比噪声比（CNR），以及更好的图像锐度 | NA | 评估深度学习图像重建（DLIR）与传统图像重建方法在儿科心脏CT图像质量上的差异 | 儿科心脏CT扫描图像 | 计算机视觉 | NA | 深度学习图像重建（DLIR） | NA | 图像 | 109例儿科心脏CT扫描 | NA | NA | NA | NA |
| 1235 | 2024-08-30 |
Optimized ensemble deep learning for predictive analysis of student achievement
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309141
PMID:39186491
|
研究论文 | 本文提出了一种结合DistilBERT与LSTM（DBTM）和Spotted Hyena Optimizer（SHO）的优化集成深度学习方法，用于预测学生学业成绩 | 该方法通过优化参数，显著提高了模型的准确性、对数损失和执行时间，相较于早期模型有显著改进 | NA | 旨在通过技术创新提高教育领域的学生成绩预测准确性 | 学生学业成绩 | 机器学习 | NA | DistilBERT, LSTM, Spotted Hyena Optimizer | 混合模型 | 教育数据 | 大量数据集 | NA | NA | NA | NA |
| 1236 | 2024-08-30 |
Automated brain tumor diagnostics: Empowering neuro-oncology with deep learning-based MRI image analysis
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306493
PMID:39190622
|
研究论文 | 本文提出了一种基于深度学习的MRI图像分析技术，用于自动化脑肿瘤的分割和分类 | 采用了一种新颖的混合深度学习技术，结合了卷积神经网络和ResNeXt101，以提高肿瘤分割和分类的准确性 | NA | 旨在通过自动化技术提高脑肿瘤诊断的准确性和效率 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | 卷积神经网络和ResNeXt101 | MRI图像 | 使用BRATS 2020数据集，包含MRI图像及其对应的肿瘤分割 | NA | NA | NA | NA |
| 1237 | 2024-08-30 |
Behavioral marker-based predictive modeling of functional status for older adults with subjective cognitive decline and mild cognitive impairment: Study protocol
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241269555
PMID:39193313
|
研究论文 | 本研究描述了一种基于行为标志的预测模型，用于评估主观认知下降和轻度认知障碍老年人的功能状态的研究方案 | 本研究采用混合效应机器学习模型和标准机器学习模型来预测功能状态随时间的变化 | NA | 开发利用行为数据和机器学习技术的自我护理干预措施，以自动化分析老年人的功能下降 | 65岁及以上具有主观认知下降或轻度认知障碍的老年人 | 机器学习 | 老年疾病 | 机器学习 | MErf, MEgbm, MEmod, MEctree, 随机森林, 梯度提升机 | 行为和心理社会标志数据 | 130名老年人 | NA | NA | NA | NA |
| 1238 | 2024-08-29 |
Deep learning for 3D cephalometric landmarking with heterogeneous multi-center CBCT dataset
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305947
PMID:38917161
|
研究论文 | 本文研究了一种轻量级深度学习神经网络在多中心、多民族和多设备数据集上快速定位46个临床重要头影测量标志点的临床应用 | 本文提出的方法能够处理来自不同中心、不同设备和不同种族的异构数据集，并且在计算上更为轻量级 | NA | 分析轻量级深度学习神经网络在多中心、多民族和多设备数据集上定位头影测量标志点的临床应用 | 46个临床重要的头影测量标志点 | 计算机视觉 | NA | 深度学习 | 神经网络 | CBCT扫描图像 | 309个CBCT扫描数据，包括芬兰和泰国患者 | NA | NA | NA | NA |
| 1239 | 2024-08-29 |
Deeply-Learned Generalized Linear Models with Missing Data
2024, Journal of computational and graphical statistics : a joint publication of American Statistical Association, Institute of Mathematical Statistics, Interface Foundation of North America
IF:1.4Q2
DOI:10.1080/10618600.2023.2276122
PMID:39184956
|
研究论文 | 本文提出了一种新的深度学习架构，用于处理带有缺失数据的一般化线性模型，并展示了其在监督学习任务中的优越性能 | 本文提出的新架构能够灵活处理可忽略和不可忽略的缺失数据模式，这是首次在训练时能够同时考虑这两种模式的深度学习方法 | NA | 研究如何有效处理深度学习中的缺失数据问题 | 深度学习中的一般化线性模型及其在回归和分类问题中的应用 | 机器学习 | NA | 深度学习 | 一般化线性模型 | 数据集 | 案例研究使用了UCI机器学习库中的银行营销数据集 | NA | NA | NA | NA |
| 1240 | 2024-08-29 |
Vessel trajectory classification via transfer learning with Deep Convolutional Neural Networks
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308934
PMID:39186723
|
研究论文 | 本文介绍了一种基于深度卷积神经网络和迁移学习的新框架Dense121-VMC，用于同时提取和分类航行和徘徊轨迹 | 提出了一种新的框架Dense121-VMC，利用深度卷积神经网络和迁移学习，有效提取输入图像中的显著特征并识别轨迹间的细微差异 | 现有基于CNN的方法主要关注航行或徘徊运动模式，难以从输入图像中捕捉有价值的特征和细微差异 | 提高船舶轨迹分类的准确性和效率，确保海上安全和船舶导航效率 | 船舶轨迹分类 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |