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 1281 - 1300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1281 | 2024-08-21 |
Presegmenter Cascaded Framework for Mammogram Mass Segmentation
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/9422083
PMID:39155940
|
研究论文 | 本文提出了一种新颖的两阶段端到端级联框架，用于乳腺X线摄影图像中的乳腺肿块分割，该框架结合了潜在肿块区域的显著性图来指导深度学习模型进行乳腺肿块分割 | 引入预分割注意力（PSA）块在第二阶段分割模型中，使模型能够根据生成的显著性图动态适应乳腺X线图像中最具信息量的区域 | 当前的深度学习模型在乳腺X线摄影肿块分割中存在假阳性（FPs）、假阴性（FNs）和端到端方法的挑战 | 提高乳腺X线摄影图像中乳腺肿块分割的准确性，以支持早期癌症诊断和治疗计划 | 乳腺X线摄影图像中的乳腺肿块 | 计算机视觉 | 乳腺癌 | 深度学习（DL） | U-net | 图像 | 使用了三个数据集：INbreast、CSAW-S和DMID | NA | NA | NA | NA |
| 1282 | 2024-08-21 |
Automatic detection of fish scale circuli using deep learning
2024, Biology methods & protocols
IF:2.5Q3
DOI:10.1093/biomethods/bpae056
PMID:39155982
|
研究论文 | 本文介绍了一种使用卷积神经网络（CNN）自动从鱼鳞图像中提取生长数据的全自动方法 | 提出了一种基于CNN的自动化方法来检测鱼鳞的生长环（circuli），并能从多个径向轨迹中自动检测鱼鳞中心和个体生长环 | 在鱼鳞图像的淡水区域，生长带最为狭窄，导致circuli检测的置信度较低 | 开发一种自动化的方法来提取鱼鳞的生长数据，以便于鱼类年龄和生长分析 | 鱼鳞的生长环（circuli） | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 焦点检测器训练使用了725张鱼鳞图像，circuli检测器训练使用了40,678个circuli标注 | NA | NA | NA | NA |
| 1283 | 2024-08-21 |
Comprehensive multimodal deep learning survival prediction enabled by a transformer architecture: A multicenter study in glioblastoma
2024 Jan-Dec, Neuro-oncology advances
IF:3.7Q2
DOI:10.1093/noajnl/vdae122
PMID:39156618
|
研究论文 | 本研究通过结合MR图像、临床和分子病理数据，利用基于transformer的深度学习模型，旨在提高胶质母细胞瘤生存预测的准确性 | 提出了一种基于transformer的非线性和非比例生存预测模型，并采用自监督学习技术有效编码高维MRI输入，通过交叉注意力与非图像数据整合 | NA | 提高胶质母细胞瘤生存预测的准确性 | 胶质母细胞瘤患者的生存预测 | 机器学习 | 脑肿瘤 | transformer | transformer | 图像和非图像数据 | 共涉及三个独立公共测试集，分别为UPenn-GBM（378例）、UCSF-PDGM（366例）和Rio Hortega University Hospital（RHUH）-GBM（36例） | NA | NA | NA | NA |
| 1284 | 2024-08-21 |
BFNet: a full-encoder skip connect way for medical image segmentation
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1412985
PMID:39156824
|
研究论文 | 本文提出了一种新的BFNet模型，通过全编码器跳跃连接方式改进医学图像分割 | BFNet模型能够利用编码器层的所有特征图，并通过重新连接当前层的编码器，使解码器更好地学习分割目标的位置信息和边界信息 | 文章未明确提及现有模型的具体限制 | 改进医学图像分割的准确性和减少网络参数 | 医学图像分割 | 计算机视觉 | NA | 卷积神经网络(CNN) | U-Net | 图像 | 文章未提供具体样本数量 | NA | NA | NA | NA |
| 1285 | 2024-08-21 |
A deep learning approach to dysphagia-aspiration detecting algorithm through pre- and post-swallowing voice changes
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1433087
PMID:39157445
|
研究论文 | 本研究旨在通过深度学习模型识别吞咽困难-吸入患者与健康个体之间的声音特征差异，特别是关注吞咽前后的声音变化 | 本研究首次使用深度学习模型分析吞咽困难患者吞咽前后的声音变化，并提出了一种新的声音分析程序 | 研究样本中女性参与者较少，可能影响模型的性别平衡 | 评估基于声音分析的程序，以检测吞咽困难患者吞咽前后的变化，并提供实时监测 | 吞咽困难-吸入患者与健康个体的声音特征 | 机器学习 | 吞咽困难 | 深度学习 | EfficientAT模型 | 声音数据 | 198名年龄大于40岁的参与者 | NA | NA | NA | NA |
| 1286 | 2024-08-21 |
Assessment of inspiration and technical quality in anteroposterior thoracic radiographs using machine learning
2024-01, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2023.10.014
PMID:37918335
|
研究论文 | 本研究开发了一种深度学习模型，用于评估前后胸片的吸气和技术质量 | 首次使用卷积神经网络评估前后胸片的吸气和技术质量 | 模型在技术质量不足的图像上表现最差 | 探索机器学习算法在评估前后胸片吸气和技术质量方面的性能 | 前后胸片的吸气和技术质量 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 2375张成人前后胸片 | NA | NA | NA | NA |
| 1287 | 2024-08-19 |
Forecasting CO2 emissions of fuel vehicles for an ecological world using ensemble learning, machine learning, and deep learning models
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2234
PMID:39145202
|
研究论文 | 本研究通过比较分析18种基于机器学习、集成学习和深度学习范式的回归算法，评估和预测燃油车辆的二氧化碳排放量 | 研究发现集成学习方法具有更高的预测准确性和更低的误差率，其中包含极端梯度提升（XGB）、随机森林和轻梯度提升机（LGBM）的算法表现尤为突出 | 深度学习模型虽然能达到高R2值，但训练时间更长且需要更多计算资源 | 旨在估计和减少车辆二氧化碳排放，促进环境可持续性和减少大气中的温室气体排放 | 燃油车辆的二氧化碳排放量 | 机器学习 | NA | 回归分析 | 集成学习算法、深度学习模型（如CNN、DNN和GRU） | NA | NA | NA | NA | NA | NA |
| 1288 | 2024-08-19 |
Detecting images generated by diffusers
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2127
PMID:39145210
|
研究论文 | 本文探讨了通过文本到图像扩散模型生成的图像的检测任务，评估了使用不同模型和数据集的检测效果 | 提出使用多层感知器（MLP）和卷积神经网络（CNN）从CLIP或RoBERTa提取的特征中检测生成图像，并发现结合文本信息可以提高泛化能力 | 模型在某些情况下可能无法准确区分由不同扩散模型生成的图像 | 研究如何准确可靠地区分真实图像和由文本到图像扩散模型生成的合成图像 | 通过文本到图像扩散模型生成的图像，特别是来自MSCOCO和Wikimedia数据集的图像 | 计算机视觉 | NA | 文本到图像扩散模型 | 多层感知器（MLP），卷积神经网络（CNN） | 图像 | 使用MSCOCO和Wikimedia数据集中的图像进行实验 | NA | NA | NA | NA |
| 1289 | 2024-08-19 |
Bacterial image analysis using multi-task deep learning approaches for clinical microscopy
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2180
PMID:39145215
|
研究论文 | 本文利用多任务深度学习方法对细菌显微图像进行分析，以自动化检测和分类细菌 | 本文开发了三种深度学习算法（SSD-MobileNetV2、EfficientDet和YOLOv4）来自动检测和分类大肠杆菌的不同生长阶段 | NA | 研究旨在通过深度学习技术自动化细菌显微图像的检测和分类 | 大肠杆菌的不同生长阶段，包括杆状细胞、分裂细胞和微菌落 | 计算机视觉 | NA | 深度学习 | SSD-MobileNetV2, EfficientDet, YOLOv4 | 图像 | NA | NA | NA | NA | NA |
| 1290 | 2024-08-19 |
Mining software insights: uncovering the frequently occurring issues in low-rating software applications
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2115
PMID:39145243
|
研究论文 | 本研究聚焦于从亚马逊应用商店中收集的64个低评分应用的终端用户评论，通过内容分析和扎根理论方法，识别影响软件进化的关键概念，并评估机器学习和深度学习算法在自动分类用户反馈中的表现 | 本研究首次专注于低评分软件应用的用户反馈分析，并开发了一种基于扎根理论和内容分析的方法来识别常见问题 | 研究仅限于亚马逊应用商店中的64个低评分应用，可能无法完全代表所有低评分软件应用的情况 | 探讨低评分软件应用中频繁出现的问题，并评估机器学习和深度学习算法在自动分类用户反馈中的有效性 | 64个低评分软件应用的用户反馈 | 自然语言处理 | NA | 机器学习, 深度学习 | CNN, LSTM, BiLSTM, GRU, BiGRU, RNN, MLP, RF, KNN, AdaBoost, Voting | 文本 | 64个低评分应用 | NA | NA | NA | NA |
| 1291 | 2024-08-19 |
Recognition of inscribed cursive Pashtu numeral through optimized deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2124
PMID:39145239
|
研究论文 | 研究提出了一种优化的机器学习模型，用于从0到9识别手写Pashtu数字 | 提出的LSTM模型在识别Pashtu数字方面略优于CNN模型 | NA | 提出一种能够有效识别Pashtu数字的优化机器学习模型 | Pashtu数字从0到9 | 机器学习 | NA | 光学字符识别（OCR） | LSTM和CNN | 图像 | 数据集按80:20的比例分割 | NA | NA | NA | NA |
| 1292 | 2024-08-19 |
A novel 3D LiDAR deep learning approach for uncrewed vehicle odometry
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2189
PMID:39145248
|
研究论文 | 本文提出了一种基于3D LiDAR和深度学习的无人车辆里程计方法 | 利用基于点云的深度学习替代传统的基于卷积神经网络（CNN）的方法，并使用正态分布变换（NDT）算法优化深度学习模型的粗略姿态估计 | NA | 提高下一代自主车辆在不确定环境下的自定位和姿态注册的精确度 | 无人车辆的里程计 | 机器学习 | NA | LiDAR-based localization and mapping (LOAM) | 深度学习模型 | 点云 | NA | NA | NA | NA | NA |
| 1293 | 2024-08-19 |
Natural language processing with transformers: a review
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2222
PMID:39145251
|
综述 | 本文综述了基于Transformer的自然语言处理（NLP）任务解决方案，包括BERT和GPT架构 | 系统总结并比较了基于Transformer架构的NLP应用 | NA | 旨在简要总结NLP任务的使用案例及其主要架构 | NLP任务及其基于Transformer的解决方案 | 自然语言处理 | NA | Transformer | BERT, GPT | 文本 | NA | NA | NA | NA | NA |
| 1294 | 2024-08-19 |
Efficient prediction of anticancer peptides through deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2171
PMID:39145253
|
研究论文 | 本研究利用二维卷积神经网络（2D CNN）深度学习模型，旨在提高抗癌肽预测的准确性 | 提出的2D CNN模型在预测抗癌肽方面表现优于现有方法，准确率、精确度、召回率和F1分数均较高 | 未来研究应扩大数据集，探索其他深度学习架构，并通过实验研究验证模型预测 | 开发和评估一个基于2D CNN的深度学习模型，以提高抗癌肽预测的准确性 | 抗癌肽的预测和识别 | 机器学习 | 癌症 | 2D CNN | 2D CNN | 序列 | 来自多个公共数据库和实验研究的多样化肽序列数据集 | NA | NA | NA | NA |
| 1295 | 2024-08-19 |
Adversarial Learning for MRI Reconstruction and Classification of Cognitively Impaired Individuals
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3408840
PMID:39148927
|
研究论文 | 开发了一种双目标对抗学习框架，用于同时重建高质量的脑部磁共振图像并保留疾病特异性成像特征，以预测从轻度认知障碍到阿尔茨海默病的进展 | 引入了一种双目标对抗学习框架，结合生成对抗网络和分类器，以在重建高质量脑部MRI的同时保留疾病特异性成像特征 | NA | 开发一种新的深度学习框架，用于提高脑部MRI的重建质量和疾病特异性成像特征的保留 | 轻度认知障碍（MCI）到阿尔茨海默病（AD）的进展预测 | 计算机视觉 | 阿尔茨海默病 | 生成对抗网络（GAN） | GAN | 图像 | 来自阿尔茨海默病神经成像倡议（ADNI）的342名参与者和国家阿尔茨海默病协调中心（NACC）的190名参与者 | NA | NA | NA | NA |
| 1296 | 2024-08-19 |
An automatic glaucoma grading method based on attention mechanism and EfficientNet-B3 network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0296229
PMID:39150930
|
研究论文 | 本文提出了一种基于注意力机制和EfficientNet-B3网络的自动青光眼分级方法 | 该方法通过结合EfficientNetB3和ResNet34网络，从2D眼底图像和3D-OCT扫描图像中提取并融合特征，引入注意力机制以提高分类准确性，并减少特征冗余 | 该研究使用的是私有数据集，可能存在数据集大小和多样性的限制 | 旨在提高青光眼的早期识别和分级准确性 | 青光眼患者的眼底图像和3D-OCT扫描图像 | 计算机视觉 | 青光眼 | NA | CNN | 图像 | 包含2D眼底图像和3D-OCT扫描图像的私有数据集 | NA | NA | NA | NA |
| 1297 | 2024-08-19 |
A scalable blockchain-enabled federated learning architecture for edge computing
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308991
PMID:39150937
|
研究论文 | 本文提出了一种基于区块链的可扩展联邦学习架构FLCoin，用于边缘计算 | 提出了一种新的委员会基于的共识处理方法，并采用双层区块链架构，确保了系统的可扩展性和效率 | 未提及 | 探索区块链和联邦学习技术在物联网边缘网络中的集成 | 边缘计算中的数据处理和智能生成 | 机器学习 | NA | 区块链，联邦学习 | CNN | 图像 | 使用MNIST数据集进行实验 | NA | NA | NA | NA |
| 1298 | 2024-08-18 |
FDB-Net: Fusion double branch network combining CNN and transformer for medical image segmentation
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230413
PMID:38848160
|
研究论文 | 本文提出了一种结合CNN和Transformer的双分支医学图像分割网络FDB-Net，通过使用包含gnConv块的CNN和包含Varied-Size Window Attention块的Transformer作为特征提取骨干网络，确保网络具有全局感受野以及获取目标局部细节特征的能力。 | FDB-Net通过结合CNN和Transformer的双分支结构，克服了卷积操作受限的感受野和Transformer自注意力机制缺乏局部精细信息提取能力的局限。 | NA | 提高医学图像分割的性能 | 医学图像分割 | 计算机视觉 | NA | CNN, Transformer | FDB-Net | 图像 | NA | NA | NA | NA | NA |
| 1299 | 2024-08-18 |
Connectome-based schizophrenia prediction using structural connectivity - Deep Graph Neural Network(sc-DGNN)
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-230426
PMID:38820060
|
研究论文 | 本研究利用结构连接深度图神经网络（sc-DGNN）模型，通过分析与精神分裂症相关的功能连接子网络，提高了对精神分裂症的预测准确性 | 提出了一种新的结构连接深度图神经网络（sc-DGNN）模型，该模型在预测精神分裂症相关的功能连接异常方面表现优于传统的机器学习和深度学习方法 | NA | 提高对脑部疾病问题的预测准确性 | 研究与精神分裂症相关的功能连接子网络和图结构 | 机器学习 | 精神分裂症 | 扩散磁共振成像（dMRI） | 深度图神经网络（DGNN） | 图像 | 88名受试者 | NA | NA | NA | NA |
| 1300 | 2024-08-18 |
A fusion of deep neural networks and game theory for retinal disease diagnosis with OCT images
2024, Journal of X-ray science and technology
IF:1.7Q3
DOI:10.3233/XST-240027
PMID:38759091
|
研究论文 | 本文提出了一种结合深度神经网络和博弈论的混合模型GIGT，用于通过OCT图像诊断视网膜疾病 | 该方法结合了生成对抗网络（GANs）、Inception模型和博弈论，引入了一种战略和动态的诊断过程，提高了准确性和鲁棒性 | NA | 提高视网膜疾病诊断的准确性和可靠性 | 视网膜疾病 | 计算机视觉 | 视网膜疾病 | 生成对抗网络（GANs） | 混合模型GIGT | 图像 | NA | NA | NA | NA | NA |