深度学习在生物医药领域中的应用
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，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10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 1854 篇文献，本页显示第 1481 - 1500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1481 | 2024-08-05 |
Research on intelligent forecasts of flight actions based on the implemented bi-LSTM
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2153
PMID:38983220
|
研究论文 | 利用航班数据快速识别航班动作，以客观评估飞行培训的质量 | 实现了基于bi-LSTM算法的航班动作预测，提高了训练精度和速度 | 需要对数据集进行预处理和专家规则注释 | 研究如何通过航班数据预测飞行动作以优化飞行训练 | 飞行训练中的飞行动作数据集 | 机器学习 | NA | bi-LSTM | bi-LSTM | 标记的飞行数据 | NA |
| 1482 | 2024-08-05 |
Hybrid deep spatial and statistical feature fusion for accurate MRI brain tumor classification
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1423051
PMID:38978524
|
研究论文 | 本研究提出了一种结合深度空间特征与手工统计特征的MRI脑肿瘤分类方法 | 该方法通过使用ResNet深度学习模型的灵感，提出了一种新颖的特征融合框架FusionNet | 未提及具体的局限性 | 开发一种有效的医疗图像分类方法 | 针对BraTS数据集中MRI脑肿瘤的图像进行分类 | 计算机视觉 | 脑肿瘤 | MRI | CNN | 图像 | BraTS数据集中的MRI脑肿瘤图像 |
| 1483 | 2024-08-05 |
Plant leaf disease recognition based on improved SinGAN and improved ResNet34
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1414274
PMID:38978997
|
研究论文 | 该论文提出了一种基于改进SinGAN和改进ResNet34的植物叶部病害识别方法 | 提出了一种名为ReSinGN的改进SinGAN用于图像增强，并通过引入CBAM模块和随机像素打乱技术显著提高生成图像的质量 | 农业数据集不足以及基于深度学习的病害识别模型参数众多且准确性不足的问题仍然存在 | 研究植物叶部病害的识别方法，以提高农业产品的数量和质量 | 以番茄叶部病害为实验对象进行识别研究 | 计算机视觉 | NA | 改进的SinGAN和改进的ResNet34 | ResNet34 | 图像 | NA |
| 1484 | 2024-08-05 |
Group-informed attentive framework for enhanced diabetes mellitus progression prediction
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1388103
PMID:38978615
|
研究论文 | 该文章提出了一种基于深度学习的框架，用于增强糖尿病进展预测的精确性和可靠性 | 创新点在于利用深度注意力变换器和针对性插补策略来解决缺失数据问题，并增强模型的稳健性 | 主要挑战在于处理不完整数据和缺乏更强预测模型 | 研究旨在提高糖尿病进展预测的准确性 | 研究对象为糖尿病患者的临床和体检数据 | 机器学习 | 糖尿病 | 深度学习 | 深度注意力变换器 | 临床数据和体检信息 | NA |
| 1485 | 2024-08-05 |
Artificial intelligence's contribution to early pulmonary lesion detection in chest X-rays: insights from two retrospective studies on a Czech population
2024, Casopis lekaru ceskych
PMID:38981713
|
研究论文 | 本文探讨了人工智能在胸部X光片中早期肺部病变检测中的作用 | 提出了一种基于深度学习的解决方案，以提高肺部病变，尤其是早期疾病阶段的检测能力 | 模型的特异性低于经验不同的放射科医生的判断 | 旨在提高早期肺部病变的检测精度和效率 | 针对捷克人群进行的两项回顾性研究中的肺部病变检测 | 医学影像学 | 肺癌 | 深度学习 | NA | X光片 | 来自一家低发病率的一般医院和一家专业肿瘤中心的研究数据 |
| 1486 | 2024-08-05 |
MetaAc4C: A multi-module deep learning framework for accurate prediction of N4-acetylcytidine sites based on pre-trained bidirectional encoder representation and generative adversarial networks
2024-01, Genomics
IF:3.4Q2
DOI:10.1016/j.ygeno.2023.110749
PMID:38008265
|
研究论文 | 本文提出了一个先进的深度学习模型MetaAc4C，用于准确预测N4-acetylcytidine位点 | 通过结合预训练的双向编码器表示（BERT）、BLSTM架构及生成对抗网络，MetaAc4C在不平衡数据集上超越了现有的预测模型 | 现有的实验技术和计算方法在识别ac4C位点时存在成本效益和性能上的限制 | 提高对N4-acetylcytidine位点的准确识别，以深入理解其调控机制 | N4-acetylcytidine位点 | 计算机视觉 | NA | 生成对抗网络 (GAN) | 双向长短期记忆网络 (BLSTM) | RNA样本 | NA |
| 1487 | 2024-08-05 |
DeepSplice: a deep learning approach for accurate prediction of alternative splicing events in the human genome
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1349546
PMID:38974384
|
研究论文 | 该文章介绍了一种基于深度学习的方法，用于准确预测人类基因组中的可变剪接事件。 | 创新点在于提出了深度剪接代码（DSC）模型，专门设计用于提高可变剪接事件的预测能力。 | 现有模型在突变存在的情况下捕捉可变剪接事件和实现高预测性能方面存在局限性。 | 研究目的是提高对可变剪接事件预测的准确性。 | 研究对象为人类基因组中的可变剪接事件。 | 生物信息学 | NA | 深度学习 | 深度剪接代码（DSC） | 基因组数据 | NA |
| 1488 | 2024-08-05 |
Impact of white matter hyperintensity volumes estimated by automated methods using deep learning on stroke outcomes in small vessel occlusion stroke
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1399457
PMID:38974905
|
研究论文 | 本研究评估了白质高强度（WMH）体积对小血管闭塞性中风（SVO）患者预后的影响 | 首次使用深度学习自动化方法评估WMH对SVO中风结果的影响 | 研究主要基于多中心注册数据库，可能存在选择偏倚 | 探讨WMH体积对SVO中风早期和延迟结果的影响 | 2013年8月至2022年11月期间的SVO中风患者 | 数字病理学 | 脑卒中 | 深度学习分割模型 | NA | 临床数据 | 1,718例SVO中风患者 |
| 1489 | 2024-08-05 |
Single-Subject Deep-Learning Image Reconstruction With a Neural Optimization Transfer Algorithm for PET-Enabled Dual-Energy CT Imaging
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3418347
PMID:38941203
|
研究论文 | 该文章提出了一种单主体深度学习图像重建方法，以改善PET辅助的双能CT成像。 | 本研究通过使用神经网络表示作为深度系数先验，提出了一种不依赖于群体基础预训练的新方法，从而提高了gCT图像重建的效果。 | 本研究未提供方法在不同临床环境下的适用性验证。 | 本研究旨在提高PET辅助双能CT成像的图像重建质量。 | 本研究关注于gCT图像的重建，基于单主体的神经网络表示。 | 数字病理学 | NA | POSITRON发射断层成像 (PET) | 深度神经网络 | 图像 | 计算机模拟，真实的假体数据和真实的患者数据 |
| 1490 | 2024-08-05 |
ResNet incorporating the fusion data of RGB & hyperspectral images improves classification accuracy of vegetable soybean freshness
2024-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-51668-6
PMID:38297076
|
研究论文 | 本研究提出了一种基于深度学习的模型，通过融合RGB和高光谱图像的数据来提高蔬菜大豆新鲜度分类的准确性 | 提出了一种新的分类模型ResNet-R&H，结合了RGB和高光谱图像的数据，提高了分类准确性 | 主要集中在蔬菜大豆的研究，其他食品的适用性尚不明确 | 评估蔬菜大豆的新鲜度并提高分类的准确性 | 蔬菜大豆的RGB和高光谱图像 | 计算机视觉 | NA | 深度学习 | ResNet | 图像 | 收集了四个不同存储时间的蔬菜大豆的RGB和高光谱图像 |
| 1491 | 2024-08-05 |
Deep learning based CETSA feature prediction cross multiple cell lines with latent space representation
2024-01-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-51193-6
PMID:38253642
|
研究论文 | 本研究提出了一种基于深度学习的计算框架CycleDNN，用于预测不同细胞系中的CETSA特征 | 提出了一种新的深度神经网络技术CycleDNN，通过循环预测实现了不同细胞系间CETSA特征的转换 | 依赖于特定的细胞系，MS-CETSA实验通常耗时且成本较高 | 旨在通过计算框架预测多种细胞系中的CETSA特征 | 不同的细胞系 | 数字病理学 | NA | 质谱结合细胞热位移实验 (MS-CETSA) | 自动编码器 | 生物数据 | 基于一个公共CETSA数据集进行实验 |
| 1492 | 2024-08-05 |
Large field-of-view pine wilt disease tree detection based on improved YOLO v4 model with UAV images
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1381367
PMID:38966144
|
研究论文 | 基于改进的YOLO v4模型和无人机图像，快速检测松枯病树木。 | 提出了一种改进的YOLO v4网络，结合了通道注意机制以增强神经网络的学习能力。 | 未提供关于模型在不同环境或多样化病害种类下的普适性验证 | 探讨松枯病的快速检测与智能诊断解决方案。 | 针对松枯病树木的检测与识别。 | 计算机视觉 | 松枯病 | 深度学习 | YOLO v4 | 图像 | 多个时段的病树样本 |
| 1493 | 2024-08-05 |
Gaussian filter facilitated deep learning-based architecture for accurate and efficient liver tumor segmentation for radiation therapy
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1423774
PMID:38966060
|
研究论文 | 本文旨在开发一种基于高斯滤波的自动分割方法，以提高肝肿瘤的自动分割准确性 | 使用高斯滤波与nnU-Net架构结合，能够有效区分肿瘤与囊肿，从而改善肝肿瘤分割结果 | 本研究的样本量相对较小，可能影响模型的推广性 | 改善肝肿瘤分割中的肿瘤边界清晰度及肿瘤与囊肿之间的混淆 | 肝肿瘤病例，使用LiTS2017、3D-IRCADb数据集及本院收集的肝癌病例 | 数字病理学 | 肝癌 | 高斯滤波 | nnU-Net | 影像 | 130个LiTS2017病例进行训练和验证，14个3D-IRCADb病例及25个本院肝癌病例用于测试 |
| 1494 | 2024-08-05 |
Personalized chemotherapy selection for patients with triple-negative breast cancer using deep learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1418800
PMID:38966532
|
研究论文 | 本研究探索了深度学习模型在个性化化疗选择中的表现 | 利用自归一化平衡个体治疗效果模型为三阴性乳腺癌患者提供个性化化疗建议 | 需要在临床环境中验证这些模型，并增加更多特征和结果测量 | 旨在量化基线特征对化疗效果的影响 | 接受模型推荐治疗的三阴性乳腺癌患者 | 机器学习 | 三阴性乳腺癌 | 深度学习 | 自归一化平衡个体治疗效果模型（SNB） | 患者临床数据 | 共包含10,070名女性三阴性乳腺癌患者 |
| 1495 | 2024-08-07 |
Editorial: Machine learning and deep learning applications in pathogenic microbiome research
2024, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2024.1429197
PMID:38966252
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1496 | 2024-08-05 |
Deep learning-based stress detection for daily life use using single-channel EEG and GSR in a virtual reality interview paradigm
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305864
PMID:38959272
|
研究论文 | 本研究建立了一个基于生理指标和深度学习技术的实用压力检测框架 | 采用虚拟现实访谈范式和多列结构相结合的单通道EEG和GSR数据，提高了压力预测的能力 | 研究样本量有限，仅包含30名参与者，可能影响结果的广泛适用性 | 研究旨在通过集成生理指标和深度学习技术实现压力检测 | 研究对象为在虚拟现实访谈中经历压力诱导的30名参与者 | 计算机视觉 | NA | 深度学习 | CNN, Vision Transformer | 生物信号 | 30名参与者 |
| 1497 | 2024-08-05 |
Encoding temporal information in deep convolution neural network
2024, Frontiers in neuroergonomics
IF:1.5Q4
DOI:10.3389/fnrgo.2024.1287794
PMID:38962279
|
研究论文 | 本文提出了一种新的时间编码方法EnK，用于提升卷积神经网络（CNN）对时间依赖特征的学习能力 | 引入了时间分解信息的新编码内核（EnK），在CNN的垂直卷积操作中实现时间编码 | 虽然提出的方法有效，但与复杂的序列数据结合时仍存在学习能力的限制 | 解决深度学习模型在处理EEG信号时对时间依赖特征的学习问题 | 对不同的EEG数据集进行实证研究，评估EnK的效果 | 机器学习 | NA | 深度学习，CNN | CNN | EEG信号 | 多个EEG数据集，包括人机协作、P300视觉诱发电位等 |
| 1498 | 2024-08-05 |
A lightweight network architecture for traffic sign recognition based on enhanced LeNet-5 network
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1431033
PMID:38962176
|
研究论文 | 本研究提出了一种轻量级的卷积神经网络架构，用于交通标志识别 | 通过改进经典的LeNet-5网络模型，以实现轻量级且易于部署的嵌入式应用 | 未提及具体的限制因素 | 实现一种轻量级的卷积神经网络架构，以提高交通标志识别的准确性和速度 | 改进LeNet-5网络模型以应对无人驾驶系统中的交通标志识别 | 计算机视觉 | NA | 卷积神经网络（CNN） | LeNet-5 | 图像 | 使用德国交通标志识别基准（GTSRB）数据库进行测试 |
| 1499 | 2024-08-05 |
Generative preparation tasks in digital collaborative learning: actor and partner effects of constructive preparation activities on deep comprehension
2024, Frontiers in psychology
IF:2.6Q2
DOI:10.3389/fpsyg.2024.1335682
PMID:38962237
|
研究论文 | 本研究探讨了在数字协作学习中，建设性准备活动对深度理解的影响 | 研究通过实验分析了不同生成性准备任务对深度学习影响的差异，尤其关注了先前知识的调节作用 | 研究对象为非专业大学生，可能影响结果的普遍性 | 探索建设性准备活动如何促进后续协作中的深度学习 | 122名非专家大学生，他们被分配到61个二人组进行研究 | 数字学习 | NA | 实验研究 | NA | 文本 | 122名参与者，61个二人组 |
| 1500 | 2024-08-05 |
Comparison of image quality between Deep learning image reconstruction and Iterative reconstruction technique for CT Brain- a pilot study
2024, F1000Research
DOI:10.12688/f1000research.150773.1
PMID:38962692
|
研究论文 | 本文比较了深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 本研究通过使用卷积神经网络 (CNN) 的深度学习图像重建 (DLIR) 算法，展示了其在减少噪声和提高图像质量方面的优势。 | 本研究是一个小规模的初步研究，样本量有限，结果需要在更大人群中进一步验证。 | 评估深度学习图像重建和迭代重建技术在CT脑部影像中的图像质量。 | 研究对象为接受非对比CT脑部检查的30名患者。 | 数字病理学 | NA | 深度学习图像重建 (DLIR)，迭代重建 (iDose 4) | 卷积神经网络 (CNN) | 影像 | 30名接受非对比CT脑部检查的患者 |