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 1879 篇文献，本页显示第 1261 - 1280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1261 | 2024-08-27 |
Corrigendum to: Deep Learning-based Automated Knee Joint Localization in Radiographic Images Using Faster R-CNN
2024, Current medical imaging
IF:1.1Q3
DOI:10.2174/157340562001240606112211
PMID:39185659
|
correction | 本文是对之前发表的文章中作者隶属关系变更的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1262 | 2024-08-26 |
LERCause: Deep learning approaches for causal sentence identification from nuclear safety reports
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308155
PMID:39172869
|
研究论文 | 本文介绍了LERCause数据集及其标注方法，用于核安全领域因果句子的分类 | 首次利用BERT相关模型进行核安全领域因果句子分类，并公开发布了标注数据和代码以支持后续研究的复现性 | NA | 提高核安全研究和应用中因果句子的识别准确性 | 核安全报告中的因果句子 | 自然语言处理 | NA | BERT模型（BERT、BioBERT和SciBERT）、关键词启发式策略、标准机器学习方法（逻辑回归、梯度提升和支持向量机）、深度学习方法（卷积神经网络） | BERT、CNN | 文本 | 10,608个标注句子 | NA | NA | NA | NA |
| 1263 | 2024-08-26 |
VT-3DCapsNet: Visual tempos 3D-Capsule network for video-based facial expression recognition
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307446
PMID:39178187
|
研究论文 | 本文提出了一种基于视频的面部表情识别框架VT-3DCapsNet，通过引入改进的3D-ResNet架构和AU感知注意力模块，增强胶囊网络的特征表示能力，并结合基于时间金字塔网络的表情识别模块，提高识别准确性 | 本文的创新点在于提出了结合改进的3D-ResNet架构和AU感知注意力模块的3D-CapsNet模型，以及基于时间金字塔网络的表情识别模块，有效解决了传统CNN在处理面部表情变化时的局限性 | NA | 旨在提高基于视频的面部表情识别的准确性 | 面部表情识别 | 计算机视觉 | NA | 3D-CapsNet | CNN | 视频 | 扩展的Kohn-Kanada (CK+)数据库和Acted Facial Expression in Wild (AFEW)数据库 | NA | NA | NA | NA |
| 1264 | 2024-08-25 |
A joint learning framework for multisite CBCT-to-CT translation using a hybrid CNN-transformer synthesizer and a registration network
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1440944
PMID:39175474
|
研究论文 | 本文提出了一种联合学习框架SynREG，用于多站点CBCT到CT的转换，通过混合CNN-transformer合成器和配准网络来提高CBCT图像质量 | SynREG框架集成了混合CNN-transformer架构和配准网络，能够动态校正局部结构错位，提高合成CT图像的保真度 | 由于配准不完美，配对数据集的局部结构错位可能导致模型性能不佳 | 开发一种统一的深度学习模型，通过生成合成CT图像来提高多站点CBCT图像的质量 | 135名癌症患者的配对CBCT和规划CT图像，包括头颈部、胸部和腹部肿瘤 | 计算机视觉 | 癌症 | 深度学习 | 混合CNN-transformer | 图像 | 135名癌症患者用于训练，23名额外患者用于独立测试 | NA | NA | NA | NA |
| 1265 | 2024-08-25 |
A deep learning radiomics model based on CT images for predicting the biological activity of hepatic cystic echinococcosis
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1426468
PMID:39175611
|
研究论文 | 本研究基于CT图像，利用深度学习放射组学模型预测肝包虫病的生物活性分级 | 首次提出基于CT图像的深度学习放射组学模型用于预测肝包虫病的生物活性分级 | 研究为回顾性分析，样本量相对较小 | 探索基于CT图像的深度学习放射组学模型在预测肝包虫病生物活性分级中的应用潜力 | 肝包虫病的生物活性分级 | 机器学习 | 肝病 | CT | 深度神经网络 | 图像 | 160名肝包虫病患者，其中127名用于训练，33名用于验证 | NA | NA | NA | NA |
| 1266 | 2024-08-24 |
Integration of single-cell manipulation, whole transcriptome analysis, and image-based deep learning for studying "Singularity Biology"
2024, Biophysics and physicobiology
IF:1.6Q4
DOI:10.2142/biophysico.bppb-v21.s005
PMID:39175857
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1267 | 2024-08-25 |
Evaluating deep learning techniques for identifying tongue features in subthreshold depression: a prospective observational study
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1361177
PMID:39176227
|
研究论文 | 本研究旨在评估使用深度学习技术通过舌象特征非侵入性诊断亚阈值抑郁的潜力，并探讨这些特征与针灸治疗效果的相关性 | 本研究首次使用多种高级深度学习模型分析舌象特征，并发现SEResNet101模型在识别亚阈值抑郁舌象特征方面表现最佳，且能有效评估针灸治疗效果 | NA | 评估深度学习技术在通过舌象特征诊断亚阈值抑郁中的应用潜力 | 亚阈值抑郁患者的舌象特征及针灸治疗效果 | 计算机视觉 | NA | 深度学习 | SEResNet101 | 图像 | NA | NA | NA | NA | NA |
| 1268 | 2024-08-24 |
ECOLE: Learning to call copy number variants on whole exome sequencing data
2024-01-02, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-44116-y
PMID:38167256
|
研究论文 | 本文介绍了一种基于深度学习的体细胞和生殖系拷贝数变异（CNV）检测方法ECOLE，用于全外显子测序（WES）数据 | ECOLE采用变压器架构的变体，通过在匹配的全基因组测序（WGS）样本上进行高置信度调用来学习每个外显子的CNV调用，并通过迁移学习进一步训练和微调模型 | 尽管ECOLE在人类专家标记的数据上首次实现了高精度（68.7%）和高召回率（49.6%），但仍存在一定的改进空间 | 旨在提高全外显子测序数据中拷贝数变异的检测准确性，以用于临床应用 | 全外显子测序数据中的拷贝数变异 | 机器学习 | NA | 全外显子测序（WES） | 变压器架构 | 测序数据 | 使用了一小部分专家调用的样本进行训练和微调 | NA | NA | NA | NA |
| 1269 | 2024-08-24 |
A deep learning-based cascade algorithm for pancreatic tumor segmentation
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1328146
PMID:39169945
|
研究论文 | 本文设计了一种级联的胰腺肿瘤分割算法，通过多尺度U-Net和基于非局部定位与聚焦模块的网络进行胰腺和肿瘤的分割 | 引入非局部定位模块和聚焦模块，以及设计新的损失函数来提高对小目标的敏感性 | 未提及 | 提高胰腺肿瘤分割的准确性 | 胰腺肿瘤的分割 | 计算机视觉 | 胰腺肿瘤 | 深度学习 | U-Net | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1270 | 2024-08-24 |
A review of psoriasis image analysis based on machine learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1414582
PMID:39170035
|
综述 | 本文综述了过去十年中基于机器学习的银屑病图像分析的研究和应用 | NA | NA | 旨在总结机器学习在银屑病分析中的应用，并探讨未来的研究方向 | 银屑病图像分析 | 机器学习 | 银屑病 | 机器学习 | 传统机器学习模型和深度学习模型 | 图像 | 53篇出版物 | NA | NA | NA | NA |
| 1271 | 2024-08-24 |
The future of medicine: an outline attempt using state-of-the-art business and scientific trends
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1391727
PMID:39170042
|
综述 | 本文综述了当前商业和科学趋势对未来医药生态系统的影响 | 探讨了人工智能、机器学习、大数据和真实世界数据在医药产品生命周期中的应用，以及个性化医疗的突破 | NA | 探讨未来医药生态系统的发展 | 医药生态系统及其与技术的互动 | NA | NA | 人工智能、机器学习、大数据、真实世界数据、纳米技术 | 人工神经网络、深度学习 | 数据 | NA | NA | NA | NA | NA |
| 1272 | 2024-08-24 |
Evaluation and analysis of visual perception using attention-enhanced computation in multimedia affective computing
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1449527
PMID:39170679
|
研究论文 | 本文提出了一种注意力增强的多层变换器（AEMT）模型，用于改善面部表情识别（FER）在自然环境中的鲁棒性和准确性 | AEMT模型集成了双分支卷积神经网络（CNN）、注意力选择融合（ASF）模块和多层变换器编码器（MTE），通过捕获长距离依赖和复杂特征关系，显著提高了特征表示和分类准确性 | NA | 提高面部表情识别在复杂现实场景中的鲁棒性和准确性 | 面部表情识别系统在自然环境中的性能 | 计算机视觉 | NA | 卷积神经网络（CNN），多层变换器编码器（MTE） | 注意力增强的多层变换器（AEMT） | 图像 | 在RAF-DB和AffectNet数据集上进行了评估，分别达到了81.45%和71.23%的准确率 | NA | NA | NA | NA |
| 1273 | 2024-08-23 |
An advanced Artificial Intelligence platform for a personalised treatment of Eating Disorders
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1414439
PMID:39165503
|
研究论文 | 本研究利用人工智能（AI），特别是机器学习（ML）和深度学习（DL），开发一个先进的平台，以改善饮食失调（EDs）的诊断和个性化治疗 | 本研究通过集成患者数据、支持医疗专业人员和增强患者能力，提高了护理的可及性、个性化治疗计划和优化护理路径 | NA | 利用AI技术改善饮食失调的诊断和治疗 | 饮食失调患者 | 机器学习 | 饮食失调 | 机器学习（ML）和深度学习（DL） | AI算法 | 多样化的数据源 | NA | NA | NA | NA | NA |
| 1274 | 2024-08-23 |
Thyroid Cancer Central Lymph Node Metastasis Risk Stratification Based on Homogeneous Positioning Deep Learning
2024, Research (Washington, D.C.)
DOI:10.34133/research.0432
PMID:39165637
|
研究论文 | 本研究开发了一种基于同质定位深度学习的甲状腺癌中央淋巴结转移风险分层方法 | 采用差异同构对齐方法结合图变换器准确提取甲状腺结节的定位和形态信息，预测中央淋巴结转移 | NA | 评估超声诊断的甲状腺癌中央淋巴结转移风险和预防性淋巴结手术的必要性 | 甲状腺癌患者的中央淋巴结转移风险 | 数字病理学 | 甲状腺癌 | 深度学习 | 图变换器 | 图像 | 88,796张超声图像，来自48,969名患者 | NA | NA | NA | NA |
| 1275 | 2024-08-23 |
CSNet: A Count-Supervised Network via Multiscale MLP-Mixer for Wheat Ear Counting
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0236
PMID:39165670
|
研究论文 | 提出了一种基于多尺度MLP-Mixer的计数监督网络CSNet，用于小麦穗头自动计数 | CSNet利用数量信息而非位置信息进行训练，减少了人工标注的需求 | NA | 提高小麦穗头计数的准确性并降低标注成本 | 小麦穗头的自动计数技术 | 计算机视觉 | NA | MLP-Mixer | CNN | 图像 | 使用了公开的小麦穗头检测数据集 | NA | NA | NA | NA |
| 1276 | 2024-08-23 |
A lightweight dual-attention network for tomato leaf disease identification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420584
PMID:39166234
|
研究论文 | 本文提出了一种基于机器视觉的番茄叶病分类识别方法，通过图像增强和数据扩充解决数据不平衡问题，并引入具有双注意力机制的卷积块构建轻量级模型LDAMNet，以提高特征提取能力 | 创新性地使用混合通道注意力（HCA）和坐标注意力（CSA）处理图像的通道和空间信息，并提出鲁棒交叉熵（RCE）损失函数以减少噪声标签的影响 | 未来研究需要进一步优化模型的结构和计算效率，并在更多实际场景中验证其应用效果 | 提高番茄叶病识别的准确性和泛化能力 | 番茄叶病图像 | 计算机视觉 | NA | 机器视觉方法 | 卷积神经网络（CNN） | 图像 | 在番茄病害数据集上达到98.71%的平均识别准确率，并在水稻作物病害数据集上展示了良好的识别能力 | NA | NA | NA | NA |
| 1277 | 2024-08-23 |
[[Applications] 13. Segmentation of Infant Brain Ventricles with Hydrocephalus Using Deep Learning]
2024, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-2398
PMID:39168595
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1278 | 2024-08-22 |
M-VAAL: Multimodal Variational Adversarial Active Learning for Downstream Medical Image Analysis Tasks
2024, Medical Image Understanding and Analysis. Medical Image Understanding and Analysis (Conference)
DOI:10.1007/978-3-031-48593-0_4
PMID:39156493
|
研究论文 | 本文提出了一种多模态变分对抗主动学习方法（M-VAAL），用于提高医学图像分析任务中的数据效率 | M-VAAL方法利用多模态辅助信息增强主动采样，提高模型的鲁棒性 | NA | 旨在减少医学领域中大规模标注样本的需求，通过主动学习选择最有信息量的样本进行标注 | 脑肿瘤分割与多标签分类，以及胸部X光图像分类 | 计算机视觉 | NA | 变分对抗主动学习 | 变分对抗网络 | 图像 | 使用了BraTS2018数据集和COVID-QU-Ex数据集 | NA | NA | NA | NA |
| 1279 | 2024-08-22 |
A retrospective evaluation of individual thigh muscle volume disparities based on hip fracture types in followed-up patients: an AI-based segmentation approach using UNETR
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17509
PMID:39161969
|
研究论文 | 本研究使用基于UNETR的AI自动分割模型，评估了随访的髋部骨折患者中不同类型骨折导致的单个大腿肌肉体积差异 | 采用基于深度学习算法的自动肌肉分割模型，实现了对大腿肌肉体积差异的高效准确分析 | 研究样本量较小，仅包括18名患者 | 评估髋部骨折患者随访期间大腿肌肉体积的变化，并指导康复干预 | 髋部骨折患者的单个大腿肌肉体积 | 计算机视觉 | 骨折 | CT扫描 | UNETR | 图像 | 18名髋部骨折手术治疗后的患者 | NA | NA | NA | NA |
| 1280 | 2024-08-21 |
Prediction of multiclass surgical outcomes in glaucoma using multimodal deep learning based on free-text operative notes and structured EHR data
2024-01-18, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad213
PMID:37964658
|
研究论文 | 本研究开发并评估了基于自由文本手术记录和结构化电子健康记录的多模态深度学习模型，用于预测青光眼手术的多类别结果 | 本研究首次将术中信息纳入多模态模型，用于预测青光眼手术的多类别结果，并展示了其在临床决策中的价值 | NA | 研究目的是通过整合术中信息，提高青光眼手术结果预测的准确性 | 青光眼手术的多类别结果预测 | 机器学习 | 青光眼 | 多模态深度学习 | 神经网络 | 文本和结构化数据 | NA | NA | NA | NA | NA |