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 1441 - 1460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1441 | 2024-08-05 |
Biobjective gradient descent for feature selection on high dimension, low sample size data
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305654
PMID:39024199
|
研究论文 | 本文提出了一种新的方法，将特征选择与深度神经网络的训练过程结合。 | 创新点在于将基于稀疏化的特征选择整合到深度神经网络的训练中，并使用约束双目标梯度下降法。 | 文中未提及特定的局限性 | 研究深度学习在高维低样本数据上的特征选择问题。 | 使用人工和真实数据集评估新方法的有效性。 | 机器学习 | 稀有疾病 | 深度学习 | 深度神经网络 | 人工和真实数据集 | 文中未提供具体样本数量 | NA | NA | NA | NA |
| 1442 | 2024-08-05 |
Diabetic retinopathy identification based on multi-source-free domain adaptation
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.07.03
PMID:39026925
|
研究论文 | 该研究旨在开发一种无源领域适应的方法，以有效识别糖尿病视网膜病变（DR） | 提出了一种多源无源领域适应方法，通过生成合成伪标签来处理无标记数据 | NA | 旨在克服糖尿病视网膜病变识别中的数据标记、隐私和大量标记数据的挑战 | 无标记数据集的糖尿病视网膜病变识别 | 计算机视觉 | 糖尿病视网膜病变 | 无源领域适应（SFDA） | NA | 图像 | 利用三个彩色眼底照片数据集（APTOS2019、DDR和EyePACS）进行验证 | NA | NA | NA | NA |
| 1443 | 2024-08-05 |
Spotting Culex pipiens from satellite: modeling habitat suitability in central Italy using Sentinel-2 and deep learning techniques
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1383320
PMID:39027906
|
研究论文 | 本研究通过深度学习技术预测意大利中部的 Culex pipiens 栖息地适宜性 | 该研究开发了多种深度学习模型（如 DCNN 和 MAGAT），结合 Sentinel-2 卫星数据，提供了新的方式来检测蚊子的潜在分布与栖息地适宜性 | 研究只集中在意大利中部的特定地区，可能无法推广到其他地区 | 预测 Culex pipiens 在意大利中部的潜在分布 | 主要研究对象为 Culex pipiens 蚊子及其栖息地 | 机器学习 | NA | Sentinel-2, 深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT) | 深度卷积神经网络 (DCNN), 多邻接图注意力网络 (MAGAT) | 图像 | 2,555 次昆虫学采集，108,064 张 20 米分辨率的图像补丁 | NA | NA | NA | NA |
| 1444 | 2024-08-05 |
Exploring the Methodological Approaches of Studies on Radiographic Databases Used in Cariology to Feed Artificial Intelligence: A Systematic Review
2024, Caries research
IF:2.9Q1
DOI:10.1159/000536277
PMID:38342096
|
系统评价 | 本研究系统评价了用于计算机辅助诊断的牙科放射数据库的不同方法论方法 | 提出了标准化指南以提高研究的可重复性和结果的普遍适用性 | 大多数研究为单中心研究，且仅有9%的研究在评估模型性能时使用了外部测试集 | 评估使用放射数据库进行龋齿分类、检测和分割的机器学习与深度学习研究的方法论 | 关注机器学习和深度学习在龋齿检测中的应用研究 | 计算机视觉 | 龋齿 | 卷积神经网络 | 卷积神经网络 | 牙科放射图像 | 涉及的样本大小范围为95到38437 | NA | NA | NA | NA |
| 1445 | 2024-08-05 |
Effect of dexamethasone pretreatment using deep learning on the surgical effect of patients with gastrointestinal tumors
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304359
PMID:39018292
|
研究论文 | 探讨深度学习在胃肠肿瘤手术麻醉管理中的应用效果及其重要性 | 首次将基于深度学习的麻醉监测系统应用于胃肠肿瘤手术，改善患者术后认知和生理恢复 | 样本量有限，仅在一个机构内进行，可能影响外部适用性 | 研究深度学习在胃肠肿瘤手术麻醉管理中的应用效果 | 80名接受胃肠肿瘤手术的老年患者 | 机器学习 | 胃肠肿瘤 | 深度学习 | GBDT和PKPD模型 | 临床数据 | 80名老年患者 | NA | NA | NA | NA |
| 1446 | 2024-08-05 |
An innovative approach to detecting the freshness of fruits and vegetables through the integration of convolutional neural networks and bidirectional long short-term memory network
2024, Current research in food science
IF:6.2Q1
DOI:10.1016/j.crfs.2024.100723
PMID:39022740
|
研究论文 | 本文提出了一种通过融合卷积神经网络和双向长短时记忆网络检测水果和蔬菜新鲜度的创新方法 | 该方法结合不同的深度学习模型，以提取水果和蔬菜图像的特征以及图像中各区域之间的关联 | 目前尚需进一步提升现有研究在水果和蔬菜新鲜度检测中的性能 | 提高水果和蔬菜新鲜度检测的效率和准确性 | 水果和蔬菜的图像数据，用于新鲜度检测 | 计算机视觉 | NA | 深度学习 | CNN_BiLSTM | 图像 | NA | NA | NA | NA | NA |
| 1447 | 2024-08-05 |
The privacy-explainability trade-off: unraveling the impacts of differential privacy and federated learning on attribution methods
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1236947
PMID:39021435
|
研究论文 | 本文深入探讨了隐私保护技术对深度学习模型解释的影响 | 首次系统研究了隐私保护技术与可解释人工智能(XAI)方法在深度学习模型中的相互作用 | 在隐私保护和可解释性的权衡方面，尚未对某些特定情境进行深入分析 | 研究隐私保护技术对深度学习模型解释的影响及其应用建议 | 使用六个图像数据集和五个时间序列数据集进行实验 | 机器学习 | NA | 隐私保护机器学习(PPML) | 深度学习模型 | 图像和时间序列数据 | 六个图像数据集和五个时间序列数据集 | NA | NA | NA | NA |
| 1448 | 2024-08-05 |
Survival prediction landscape: an in-depth systematic literature review on activities, methods, tools, diseases, and databases
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1428501
PMID:39021434
|
综述 | 本文通过深入的系统性文献回顾，探讨了生存预测的活动、方法、工具、疾病和数据库。 | 文章整合了23个现有的综述研究，涵盖了44种不同疾病的90个最新生存预测模型，并提供了具体方法的见解。 | 尽管进行了全面分析，但可能未涵盖所有现有的生存预测模型和方法。 | 旨在通过集中现有生存预测知识和洞察，推动创新性进展。 | 研究对象为90个最新的生存预测工具和方法，涵盖44种不同的疾病。 | 计算生物学 | NA | 机器学习 | 深度学习 | 临床数据 | 90个生存预测模型 | NA | NA | NA | NA |
| 1449 | 2024-08-05 |
Triple-0: Zero-shot denoising and dereverberation on an end-to-end frozen anechoic speech separation network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0301692
PMID:39012881
|
研究论文 | 本研究提出了一种新颖的方法，通过一个端到端的冻结双耳无回声语音分离网络进行语音去噪和去混响。 | 该网络无需对新任务进行任何架构更改或微调，展示了在零样本测试条件下的有效性。 | 预训练模型在其训练期间从未遇到过噪声和混响条件，可能影响其在极端情况下的表现。 | 研究旨在改进语音增强技术，尤其是在噪声和混响环境中的非监督学习能力。 | 研究对象为被淹没在噪声和回声中的目标语音信号。 | 自然语言处理 | NA | 深度学习 | NA | 音频 | 使用了不同数据集上的语音样本进行测试，具体样本数量未说明 | NA | NA | NA | NA |
| 1450 | 2024-08-05 |
ArabBert-LSTM: improving Arabic sentiment analysis based on transformer model and Long Short-Term Memory
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1408845
PMID:39015364
|
研究论文 | 本文提出了一种基于变压器模型和长短期记忆网络(LSTM)的阿拉伯语情感分析模型。 | 创新之处在于结合了变压器模型和LSTM以处理阿拉伯语情感分析的复杂性。 | 本文未提及特定的限制条件。 | 本研究旨在提高阿拉伯语情感分析的准确性和可靠性。 | 研究对象为阿拉伯语文本中的情感分类。 | 自然语言处理 | NA | 变压器模型 | LSTM | 文本 | 四个阿拉伯语基准数据集 | NA | NA | NA | NA |
| 1451 | 2024-08-05 |
Comparison of deep learning architectures for predicting amyloid positivity in Alzheimer's disease, mild cognitive impairment, and healthy aging, from T1-weighted brain structural MRI
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1387196
PMID:39015378
|
研究论文 | 本文比较了多种深度学习架构在预测阿尔茨海默病、轻度认知障碍和健康老龄化中的β-淀粉样蛋白阳性。 | 提出了一种将经典机器学习算法与深度学习模型相结合的新方法，能够从T1加权MRI中推断β-淀粉样蛋白阳性 | 需要在更多样化的数据上进行进一步测试以验证结果 | 研究旨在从非侵入性的脑部扫描中预测β-淀粉样蛋白阳性，以帮助早期筛查阿尔茨海默病 | 参与者包括1847名老年人，包含健康对照组、轻度认知障碍者和痴呆患者 | 计算机视觉 | 阿尔茨海默病 | MRI | CNN, 3D Vision Transformers | 影像 | 1847名老年参与者（包括661名健康对照，889名轻度认知障碍者和297名痴呆患者） | NA | NA | NA | NA |
| 1452 | 2024-08-05 |
Prospective Role of Foundation Models in Advancing Autonomous Vehicles
2024, Research (Washington, D.C.)
DOI:10.34133/research.0399
PMID:39015204
|
研究论文 | 本文综述了基础模型在自动驾驶中的应用及未来趋势 | 探讨了基础模型在场景理解、推理及提升自动驾驶安全性方面的潜力 | 目前尚未详细说明在实际驾驶中的具体应用及验证情况 | 研究基础模型在自动驾驶领域的应用潜力 | 基础模型及其在自动驾驶中的应用 | 计算机视觉 | NA | 自监督学习 | 基础模型 | 语言和视觉数据 | NA | NA | NA | NA | NA |
| 1453 | 2024-08-05 |
An assessment of the value of deep neural networks in genetic risk prediction for surgically relevant outcomes
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0294368
PMID:39008506
|
研究论文 | 本文评估深度神经网络在手术相关结果的遗传风险预测中的价值 | 将深度神经网络与基因组学结合，提供了新的手术风险预测模型 | 预测模型的效果在某些情况下与线性模型相似，可能需要更大样本量进行验证 | 提高手术相关结果的预测准确性 | 关注房颤、静脉血栓栓塞和肺炎等手术相关结果 | 机器学习 | NA | 深度学习 | 线性模型和深度学习模型 | 遗传数据和临床特征 | 使用了UK Biobank的数据集 | NA | NA | NA | NA |
| 1454 | 2024-08-05 |
Artificial intelligence automatic measurement technology of lumbosacral radiographic parameters
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1404058
PMID:39011157
|
研究论文 | 本研究旨在开发和评估一种基于深度学习的模型，以自动测量侧位腰椎X光片上的骶腰部放射学参数 | 提出了一种全新的深度学习模型，能够自动识别关键脊椎点并计算相关参数，克服了手工测量的局限性 | 模型的准确性可能受到训练数据集质量和多样性的影响 | 研究旨在改善骶腰放射学参数的测量效率和准确性 | 回顾性收集了1240张侧位腰椎X光片用于模型训练和评估 | 数字病理学 | NA | 深度学习 | NA | 图像 | 1240张侧位腰椎X光片 | NA | NA | NA | NA |
| 1455 | 2024-08-05 |
Disentangling Accelerated Cognitive Decline from the Normal Aging Process and Unraveling Its Genetic Components: A Neuroimaging-Based Deep Learning Approach
2024, Journal of Alzheimer's disease : JAD
DOI:10.3233/JAD-231020
PMID:38306043
|
研究论文 | 该文章探讨了如何通过神经影像学深度学习方法区分正常衰老过程与阿尔茨海默病（AD）相关的加速认知衰退。 | 本研究通过一种新的深度学习模型识别了NELL1基因内的新变体（rs144614292），这是先前AD全基因组关联研究中未报道的。 | 研究仅基于特定样本，结果的普遍性可能受限于样本选择。 | 该研究旨在理清正常衰老与AD相关的加速认知衰退之间的关系，并揭示其遗传成分。 | 该研究对象为阿尔茨海默病神经影像学倡议（ADNI）研究中的1,313名个体。 | 数字病理学 | 阿尔茨海默病 | MRI | Siamese ResNet | 结构性MRI数据 | 1,313名个体，其中414名为认知正常者 | NA | NA | NA | NA |
| 1456 | 2024-08-05 |
Classification of pain expression images in elderly with hip fractures based on improved ResNet50 network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1421800
PMID:39011450
|
研究论文 | 本研究旨在设计一种改进的ResNet 50网络，以实现针对老年髋部骨折患者痛苦表情的自动分类模型 | 该文章创新地结合了深度学习在图像识别中的优势，利用MTCNN和转移学习来改进ResNet50网络 | 研究中可能未涉及其他年龄群体或不同类型骨折患者的痛苦表情识别 | 探索如何使用改进的ResNet50网络自动识别老年髋部骨折患者的痛苦表情 | 老年髋部骨折患者 | 计算机视觉 | 老年疾病 | 深度学习 | ResNet50 | 图像 | 训练集99.6%准确率、验证集98.7%准确率及测试集98.2%准确率 | NA | NA | NA | NA |
| 1457 | 2024-08-05 |
COVLIAS 3.0: cloud-based quantized hybrid UNet3+ deep learning for COVID-19 lesion detection in lung computed tomography
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1304483
PMID:39006802
|
研究论文 | 本文提出了基于云的量化混合UNet3+深度学习模型用于COVID-19病灶检测。 | 提出了两种新型的云端量化深度学习UNet3+混合模型，利用全尺度跳跃连接提高检测能力。 | 研究未提及具体在临床环境中的应用和验证。 | 提高COVID-19患者CT扫描中病灶检测的准确性。 | 使用3500个CT扫描的注释数据训练SDL和HDL模型。 | 计算机视觉 | 肺癌 | 深度学习 | UNet3+、VGG-UNet3+、ResNet-UNet3+ | CT图像 | 3500个CT扫描用于训练，500个CT扫描用于测试 | NA | NA | NA | NA |
| 1458 | 2024-08-05 |
Training immunophenotyping deep learning models with the same-section ground truth cell label derivation method improves virtual staining accuracy
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1404640
PMID:39007128
|
研究论文 | 本研究探讨了在同一切片上获得的细胞标签对H&E模型表现的影响 | 提出使用来自同一切片的细胞标签提高虚拟染色模型的准确性 | 未详细讨论与其他模型的比较及其外部有效性 | 评估细胞标签获取方法对深度学习模型性能的影响 | 针对肺癌组织中的CD3+ T细胞进行测试 | 数字病理学 | 肺癌 | 深度学习，Pix2Pix生成对抗网络 | P2P-GAN | 图像 | NA | NA | NA | NA | NA |
| 1459 | 2024-08-05 |
DeepRetroMoCo: deep neural network-based retrospective motion correction algorithm for spinal cord functional MRI
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1323109
PMID:39006826
|
研究论文 | 本研究提出了一种基于深度学习的卷积神经网络算法DeepRetroMoCo，用于纠正脊髓功能性MRI中的运动伪影。 | 该研究创新地利用深度学习方法显著提高了脊髓MRI运动纠正的效果，证明了其在脊髓数据处理中的有效性。 | 该研究的样本数量较小，仅包含27名参与者，可能限制了结果的普遍性。 | 本研究旨在开发并验证一种新的运动纠正算法，以提高脊髓fMRI图像的质量。 | 本研究的对象为27名参与者的脊髓fMRI数据。 | 计算机视觉 | NA | 卷积神经网络(CNN) | CNN | 图像 | 27名参与者的脊髓fMRI数据，共135次训练和81次测试 | NA | NA | NA | NA |
| 1460 | 2024-08-05 |
Explainable deep-learning framework: decoding brain states and prediction of individual performance in false-belief task at early childhood stage
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1392661
PMID:39006894
|
研究论文 | 本研究提出了一种可解释的深度学习框架，用于解码大脑状态并预测早期儿童阶段的表现。 | 提出了一种可解释的基于时空连接的图卷积神经网络模型，能够更准确地解码大脑状态并进行个体表现预测。 | 未详细讨论在不同儿童发展阶段的普遍性或模型在复杂情境中的适用性。 | 研究儿童在错误信念任务中的表现，并解码其大脑状态。 | 以早期儿童（3-12岁）和成年人（18-39岁）为对象进行实验。 | 深度学习 | NA | 功能连接性（FC）和个体间功能相关性（ISFC）矩阵 | 图卷积神经网络（Ex-stGCNN）和卷积变分自编码器（Ex-Convolutional VAE） | 视频 | 155（122名儿童；3-12岁和33名成人；18-39岁） | NA | NA | NA | NA |