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 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 | 2024-09-11 |
A Deep Learning Based Intelligent Decision Support System for Automatic Detection of Brain Tumor
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241277322
PMID:39238891
|
研究论文 | 本文提出了一种基于深度学习的智能决策支持系统，用于自动检测脑肿瘤 | 本文采用了从零开始构建的卷积神经网络（CNN）和迁移学习模型（VGG-16、VGG-19、LeNet-5），并通过数据增强和超参数调优来提高检测精度 | NA | 开发一种能够自动检测脑肿瘤的智能决策支持系统，以辅助医疗从业者进行诊断 | 脑肿瘤的自动检测 | 计算机视觉 | 脑肿瘤 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 大量脑部图像数据 | NA | NA | NA | NA |
| 1222 | 2024-09-11 |
RT-DETR-SoilCuc: detection method for cucumber germinationinsoil based environment
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1425103
PMID:39239193
|
研究论文 | 本文提出了一种基于RT-DETR的黄瓜发芽检测方法，适用于土壤环境 | 设计了一种轻量级的实时黄瓜发芽检测模型，通过引入在线图像增强、Adown下采样操作符、广义高效轻量网络、在线卷积重参数化机制和归一化高斯Wasserstein距离损失函数，提高了模型的训练效果和轻量化程度 | NA | 解决现有深度学习种子发芽检测技术在复杂土壤环境中识别准确率下降的问题 | 黄瓜发芽过程 | 计算机视觉 | NA | Real-Time DEtection TRansformer (RT-DETR) | RT-DETR-SoilCuc | 图像 | 不同盐浓度压力下的黄瓜发芽实验 | NA | NA | NA | NA |
| 1223 | 2024-09-11 |
Modeling of SPM-GRU ping-pong ball trajectory prediction incorporating YOLOv4-Tiny algorithm
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306483
PMID:39240792
|
研究论文 | 研究通过先进的计算机视觉和深度学习技术提高乒乓球轨迹预测的准确性，实现实时准确的乒乓球位置和运动轨迹跟踪 | 结合物理模型和深度学习方法，创新性地应用微型第四代实时目标检测算法与门控循环单元于乒乓球运动分析 | NA | 提高乒乓球轨迹预测的准确性 | 乒乓球的运动轨迹 | 计算机视觉 | NA | YOLOv4-Tiny算法 | 门控循环单元（GRU） | 图像 | NA | NA | NA | NA | NA |
| 1224 | 2024-09-11 |
Evaluation of influencing factors of China university teaching quality based on fuzzy logic and deep learning technology
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303613
PMID:39240954
|
研究论文 | 本文基于模糊逻辑和深度学习技术，评估了中国大学教学质量的影响因素 | 本文提出了一种结合模糊逻辑和深度学习的评估模型，使用顺序直觉模糊（SIF）辅助长短期记忆（LSTM）模型来精确测量教学质量 | NA | 评估和提升大学教学质量 | 大学教学质量的影响因素 | 机器学习 | NA | 模糊逻辑，深度学习 | LSTM | 问卷调查数据 | 60多名教师和学生的开放式问卷调查 | NA | NA | NA | NA |
| 1225 | 2024-09-11 |
Multifunctional aggregation network of cell nuclei segmentation aiming histopathological diagnosis assistance: A new MA-Net construction
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308326
PMID:39241001
|
研究论文 | 本文提出了一种基于U-Net的深度学习模型MA-Net，用于从H&E染色图像中准确分割细胞核，以辅助组织病理学诊断 | 本文创新性地应用了特征融合模块、注意力门单元和空洞空间金字塔池化到U-Net的编码器、解码器、跳跃连接和瓶颈部分，以提升网络在细胞核分割任务中的性能 | NA | 提升组织病理学图像中细胞核分割的准确性，以辅助自动化诊断系统 | H&E染色图像中的细胞核 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 多个公共数据集 | NA | NA | NA | NA |
| 1226 | 2024-09-11 |
Precision meets generalization: Enhancing brain tumor classification via pretrained DenseNet with global average pooling and hyperparameter tuning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307825
PMID:39241003
|
研究论文 | 研究通过预训练的DenseNet模型结合全局平均池化和超参数调优，提升脑肿瘤分类的准确性和泛化能力 | 采用DenseNet架构并结合全局平均池化和超参数调优，显著提高了脑肿瘤分类的准确性和泛化能力 | NA | 研究如何通过深度学习技术提高脑肿瘤分类的准确性和临床应用的泛化能力 | 脑肿瘤的分类，特别是三种常见类型：脑膜瘤、胶质瘤和垂体瘤 | 计算机视觉 | 脑肿瘤 | 深度学习 | DenseNet | 图像 | 3064张T1加权对比增强MRI图像，来自233名患者 | NA | NA | NA | NA |
| 1227 | 2024-09-11 |
Diagnostic accuracy of dental caries detection using ensemble techniques in deep learning with intraoral camera images
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0310004
PMID:39241044
|
研究论文 | 本文研究了使用深度学习中的集成技术通过口腔内相机图像进行龋齿检测的诊断准确性 | 本文创新性地应用了集成技术在口腔内相机图像分类任务中，显著提高了龋齿检测的性能 | 本文未详细讨论集成技术在不同深度学习模型中的具体应用细节 | 评估基于口腔内相机图像的深度学习技术在龋齿检测中的诊断性能 | 研究对象为2,682张口腔内相机图像，涉及534名参与者 | 计算机视觉 | 口腔疾病 | 深度学习 | ResNet-50, Inception-v3, Inception-ResNet-v2, Faster R-convolutional neural network | 图像 | 2,682张口腔内相机图像，534名参与者 | NA | NA | NA | NA |
| 1228 | 2024-09-11 |
Deep Learning Based Micro-RNA Analysis of Lipopolysaccharide Exposed Periodontal Ligament Stem Cells Exosomes Reveal Apoptotic and Inflammasome Derived Pathway Activation
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241277639
PMID:39246530
|
研究论文 | 本研究利用深度学习算法分析脂多糖暴露的牙周韧带干细胞外泌体中的微小RNA，揭示了与细胞凋亡和炎症小体激活相关的通路 | 首次使用深度学习算法识别脂多糖暴露的牙周韧带干细胞外泌体中的新型微小RNA生物标志物 | 需要未来研究使用独立数据集和实验方法验证这些生物标志物 | 利用深度学习算法揭示脂多糖暴露的牙周韧带干细胞外泌体中的新型微小RNA生物标志物，以理解其激活通路 | 脂多糖暴露的牙周韧带干细胞外泌体中的微小RNA | 机器学习 | 牙周疾病 | 深度学习分析 | 随机森林 | 微小RNA表达数据 | NCBI GEO DATA SET GSE163489中的健康和脂多糖诱导的牙周韧带干细胞 | NA | NA | NA | NA |
| 1229 | 2024-09-11 |
Feasibility of tongue image detection for coronary artery disease: based on deep learning
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1384977
PMID:39246581
|
研究论文 | 研究探讨了基于深度学习的舌象检测在冠状动脉疾病诊断中的可行性 | 开发了一种新的冠状动脉疾病诊断算法，结合舌象特征提高了诊断性能 | NA | 验证舌象在冠状动脉疾病诊断中的潜在价值，并开发一种结合舌象输入的诊断模型 | 冠状动脉疾病患者 | 计算机视觉 | 心血管疾病 | 深度学习 | Resnet-18 | 图像 | 684名患者 | NA | NA | NA | NA |
| 1230 | 2024-09-11 |
Comparing Deep Learning Performance for Chronic Lymphocytic Leukaemia Cell Segmentation in Brightfield Microscopy Images
2024, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322241272387
PMID:39246684
|
研究论文 | 本文比较了八种先进的神经网络架构在低对比度明场显微镜图像中对慢性淋巴细胞白血病细胞进行分割的性能 | 本文采用了八种不同的神经网络架构进行比较，并结合了watershed算法和StarDist工具，以提高细胞边界检测的准确性 | 本文未详细讨论不同方法在不同应用场景下的适用性，且未提供大规模数据集上的验证结果 | 研究目的是通过自动检测明场时间序列显微镜图像中的细胞，为细胞形态学和迁移研究提供新的机会 | 研究对象是慢性淋巴细胞白血病细胞在低对比度明场显微镜图像中的分割 | 计算机视觉 | 血液疾病 | 深度学习 | U-net, U-net++, Pyramid Attention Network, Multi-Attention Network, LinkNet, Feature Pyramid Network, DeepLabV3, DeepLabV3+ | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1231 | 2024-09-11 |
A feasibility study on utilizing machine learning technology to reduce the costs of gastric cancer screening in Taizhou, China
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277713
PMID:39247098
|
研究论文 | 本研究利用机器学习模型优化胃癌筛查评分并降低筛查成本 | 采用梯度提升机、分布式随机森林和深度学习三种机器学习模型优化胃癌筛查评分 | 三分类模型无法有效区分中高风险胃癌患者 | 优化胃癌筛查评分并降低筛查成本 | 228,634名参与泰州胃癌筛查项目的患者 | 机器学习 | 胃癌 | 机器学习 | 梯度提升机、分布式随机森林、深度学习 | 数值数据 | 228,634名患者 | NA | NA | NA | NA |
| 1232 | 2024-09-11 |
Prioritizing test cases for deep learning-based video classifiers
2024, Empirical software engineering
IF:3.5Q1
DOI:10.1007/s10664-024-10520-1
PMID:39247128
|
研究论文 | 本文提出了一种名为VRank的测试优先级排序方法，专门用于视频测试输入，以降低标签成本并提高测试效率 | VRank是首个专门为视频测试输入设计的测试优先级排序方法，考虑了视频数据中的时间信息 | 现有方法未能充分考虑视频数据中的时间信息 | 提出一种新的测试优先级排序方法，以降低视频测试输入的标签成本 | 视频测试输入的优先级排序 | 计算机视觉 | NA | NA | DNN分类器 | 视频 | 120个实验对象，包括自然和噪声数据集 | NA | NA | NA | NA |
| 1233 | 2024-09-11 |
AttentionTTE: a deep learning model for estimated time of arrival
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1258086
PMID:39247849
|
研究论文 | 提出了一种基于深度学习的ETA预测模型AttentionTTE，利用自注意力机制和循环神经网络捕捉时空相关性 | 引入自注意力机制捕捉全局空间相关性，结合循环神经网络捕捉局部时空依赖性，并通过多任务学习模块整合全局和局部信息 | NA | 解决城市智能交通系统中ETA预测问题 | 任意路径的旅行时间估计 | 机器学习 | NA | 自注意力机制、循环神经网络 | AttentionTTE | 轨迹数据 | 大量轨迹数据 | NA | NA | NA | NA |
| 1234 | 2024-09-08 |
ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages
2024-Jan-30, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-024-01072-y
PMID:38289518
|
研究论文 | 提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像 | 无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量 | NA | 开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像 | 脑部参数图像的重建 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者 | NA | NA | NA | NA |
| 1235 | 2024-09-08 |
Detecting pediatric appendicular fractures using artificial intelligence
2024, Revista da Associacao Medica Brasileira (1992)
DOI:10.1590/1806-9282.20240523
PMID:39230068
|
研究论文 | 评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性 | 开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果 | NA | 评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响 | 儿童四肢骨折的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5150张X光片，其中850张显示骨折，4300张未显示骨折 | NA | NA | NA | NA |
| 1236 | 2024-09-08 |
Iteratively Refined Image Reconstruction with Learned Attentive Regularizers
2024, Numerical functional analysis and optimization
IF:1.4Q2
DOI:10.1080/01630563.2024.2384849
PMID:39233889
|
研究论文 | 提出了一种利用深度学习能力并基于经典稀疏促进模型的图像重建正则化方案 | 该方案可解释性强，因为它对应于一系列凸问题的最小化，并且在每个问题中，基于先前解生成的掩码用于空间上细化正则化强度，使模型逐渐关注图像结构 | NA | 开发一种可解释性强且具有理论保证的图像重建方法 | 图像重建中的正则化方案 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1237 | 2024-09-08 |
Global bibliometric mapping of the research trends in artificial intelligence-based digital pathology for lung cancer over the past two decades
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241277735
PMID:39233894
|
研究论文 | 本文通过文献计量分析，探讨了过去二十年人工智能辅助数字病理学在肺癌研究中的趋势和热点 | 首次对人工智能辅助数字病理学在肺癌领域的研究进行了全面的文献计量分析 | 研究主要基于独立的国家研究，缺乏国际间的学术合作和数据共享 | 分析人工智能辅助数字病理学在肺癌研究中的趋势、热点和研究空白 | 过去二十年发表的197篇与数字病理学和肺癌相关的文献 | 数字病理学 | 肺癌 | 文献计量分析 | NA | 文献 | 197篇文献，涉及502个机构和39个国家 | NA | NA | NA | NA |
| 1238 | 2024-09-08 |
Comprehensive hepatotoxicity prediction: ensemble model integrating machine learning and deep learning
2024, Frontiers in pharmacology
IF:4.4Q1
DOI:10.3389/fphar.2024.1441587
PMID:39234116
|
研究论文 | 本文开发了一种集成模型，结合机器学习和深度学习算法，用于预测化学品和药物的肝毒性 | 本文创新性地采用了集成策略，将机器学习和深度学习算法结合，以提高肝毒性预测的准确性 | NA | 开发一种可靠的模型，用于预测化学品和药物对肝脏的潜在损害 | 化学品和药物的肝毒性 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) | 集成模型 | 分子特征 | 2588种化学品和药物 | NA | NA | NA | NA |
| 1239 | 2024-09-07 |
Classification of Parkinson's disease by deep learning on midbrain MRI
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1425095
PMID:39228827
|
研究论文 | 本文通过深度学习方法在脑部MRI图像上对帕金森病进行分类 | 本文创新性地使用基于定量磁敏感图（QSM）的磁敏感加权成像（SMWI）和神经黑色素敏感（NMS）MRI来评估黑质-1（N1），并开发了帕金森病的深度学习分类算法 | 本文的局限性在于分类错误的原因包括左右不对称、跨平面重切片、搏动伪影和N1过薄等问题，且临床效用需要在前驱期帕金森病队列中验证 | 比较四种帕金森病诊断方法的分类性能 | 帕金森病患者和健康对照者的脑部MRI图像 | 计算机视觉 | 帕金森病 | MRI | 深度学习 | 图像 | 82名帕金森病患者和107名健康对照者 | NA | NA | NA | NA |
| 1240 | 2024-09-07 |
Performance evaluation of semi-supervised learning frameworks for multi-class weed detection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1396568
PMID:39228840
|
研究论文 | 评估半监督学习框架在多类别杂草检测中的性能 | 提出了一种改进的伪标签生成模块和集成学生网络的半监督学习框架，显著减少了标注数据的需求 | 实验结果仅限于CottonWeedDet3和CottonWeedDet12数据集，可能需要进一步验证在其他数据集上的表现 | 探索半监督学习在杂草检测中的应用，减少对大量标注数据的依赖 | 多类别杂草检测 | 计算机视觉 | NA | 深度学习 | FCOS, Faster-RCNN | 图像 | CottonWeedDet3和CottonWeedDet12数据集，分别使用10%的标注数据进行训练 | NA | NA | NA | NA |