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 1581 - 1600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1581 | 2024-08-05 |
Development of a machine vision-based weight prediction system of butterhead lettuce (Lactuca sativa L.) using deep learning models for industrial plant factory
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1365266
PMID:38903437
|
研究论文 | 本研究开发了一种基于机器视觉的黄头生菜新鲜重量预测系统，以监测从移栽阶段到收获的作物 | 首次在工业植物工厂中应用深度学习模型进行作物重量的非破坏性估算 | 在拥挤的室内种植环境中开发高性能系统的难度较大 | 开发一种实时监测作物重量的非破坏性系统，以提高产量和利润 | 室内种植工厂中的黄头生菜等作物 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 在四个月内手动测量了11次新鲜重量 |
| 1582 | 2024-08-05 |
LGC-DBP: the method of DNA-binding protein identification based on PSSM and deep learning
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1411847
PMID:38903752
|
研究论文 | 本文介绍了一种新型模型LGC-DBP，用于识别DNA结合蛋白。 | 该模型结合了LSTM、门控启发卷积和改进的通道注意机制，提高了对DBP的预测能力 | 未提及具体的局限性 | 研究旨在提升对DNA结合蛋白的识别与理解 | 研究对象为DNA结合蛋白及其特征 | 计算机视觉 | NA | PSSM, 深度学习 | LSTM, 门控启发卷积 | 蛋白质序列 | 未提供样本大小 |
| 1583 | 2024-08-05 |
End-to-end prognostication in colorectal cancer by deep learning: a retrospective, multicentre study
2024-Jan, The Lancet. Digital health
DOI:10.1016/S2589-7500(23)00208-X
PMID:38123254
|
研究论文 | 该研究利用深度学习对结直肠癌患者的预后进行预测 | 开发并外部验证了一种基于深度学习的预后分层系统，能够自动预测结直肠癌患者的整体生存和癌症特异性生存 | 未详细说明现有模型在临床常规中的广泛应用情况 | 为结直肠癌患者提供更加精准的生存预后预测，为个性化治疗提供支持 | 来自澳大利亚、德国和美国的4428名接受手术切除的结直肠癌患者 | 数字病理学 | 结直肠癌 | 深度学习 | 自注意力机制 | 组织样本 | 4428名患者的组织样本 |
| 1584 | 2024-08-05 |
Leveraging ChatGPT to optimize depression intervention through explainable deep learning
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1383648
PMID:38903640
|
研究论文 | 本研究探讨了ChatGPT在抑郁干预中的应用潜力。 | 提出了一种新的框架，将ChatGPT与BERT和SHAP集成，以提高心理健康干预的准确性和有效性。 | NA | 确定ChatGPT作为辅助手段在抑郁干预中的有效性。 | 心理健康干预中的咨询师与患者的互动。 | 自然语言处理 | 抑郁症 | ChatGPT, BERT, SHAP | NA | 文本 | NA |
| 1585 | 2024-08-05 |
Deep learning models for interpretation of point of care ultrasound in military working dogs
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1374890
PMID:38903685
|
研究论文 | 本研究开发了深度学习分类神经网络来评估军事工作犬的点位超声图像 | 利用人工智能技术来增强对超声图像的解析，尤其是在战场环境中对军事工作犬的特定伤害进行诊断 | 模型尽管在某些扫描点表现出高准确性，但无法始终准确识别相关特征 | 研究的目的是提升军事工作犬的超声图像解读能力，进而优化急救措施 | 研究对象为五只在全身麻醉或深度镇静下进行检查的军事工作犬 | 计算机视觉 | NA | POCUS | MobileNetV2, DarkNet-19, ShrapML | 影像 | 327个超声剪辑 |
| 1586 | 2024-08-05 |
Fusion of fruit image processing and deep learning: a study on identification of citrus ripeness based on R-LBP algorithm and YOLO-CIT model
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1397816
PMID:38903428
|
研究论文 | 本研究提出了一种YOLO-CIT模型，结合R-LBP算法，准确识别不同成熟阶段的柑橘水果 | 提出了结合R-LBP算法增强特征提取的新方法，并应用于YOLO-CIT模型以提高柑橘成熟度的识别精度 | 研究中未提及样本多样性和实际环境因素对模型表现的影响 | 研究柑橘水果的成熟度识别，以指导采摘机器人路径规划和产量估算 | 不同成熟阶段的柑橘水果 | 计算机视觉 | NA | R-LBP算法 | YOLO-CIT模型 | 图像 | 实验中使用了多张处理后的柑橘水果图像 |
| 1587 | 2024-08-05 |
Lightweight cotton diseases real-time detection model for resource-constrained devices in natural environments
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1383863
PMID:38903431
|
研究论文 | 本文介绍了一种针对自然环境中棉花病害的轻量级实时检测模型CDDLite-YOLO | 该模型在YOLOv8基础上进行了创新，采用了C2f-Faster模块和Slim-neck结构，有效提高了检测速度和准确性 | 虽然模型在轻量化和速度上表现优秀，但具体的适用范围和环境限制尚未完全探讨 | 研究旨在开发一种适合资源受限设备的棉花病害检测模型 | 研究对象为棉花及其种植过程中可能发生的各种病害 | 计算机视觉 | 棉花病害 | 深度学习 | YOLO | 图像 | NA |
| 1588 | 2024-08-05 |
Chronic Wound Image Augmentation and Assessment Using Semi-Supervised Progressive Multi-Granularity EfficientNet
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3248307
PMID:38899014
|
研究论文 | 使用半监督学习和深度学习方法对慢性创伤图像进行增强和评估 | 提出了一种半监督PMGEfficientNet方法，提高了慢性创伤图像评分的准确性，并优于基线模型 | 合成创伤图像生成未能改善创伤评估的结果 | 通过增强创伤数据集，提升深度学习在创伤评估中的应用效果 | 小型且不平衡的创伤数据集以及二次未标记的创伤图像数据集 | 计算机视觉 | NA | 半监督学习 | EfficientNet卷积神经网络 | 图像 | 共计11509张创伤图像，包括1639张标记图像和9870张未标记图像 |
| 1589 | 2024-08-05 |
A Deep Learning Approach for Beamforming and Contrast Enhancement of Ultrasound Images in Monostatic Synthetic Aperture Imaging: A Proof-of-Concept
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3401098
PMID:38899024
|
研究论文 | 本研究展示了一种深度神经网络（DNN）用于重建高对比度超声图像的方法 | 该文章创新性地使用DNN从单通道合成孔径（SA）方法的射频信号中重建图像，提高了图像质量和对比度 | 研究中使用的模拟图像可能无法完全代表实际临床场景的复杂性 | 研究的目的是提高合成孔径超声成像的图像质量和对比度 | 研究对象是通过单通道SA获取的射频信号及其重建的目标图像 | 数字病理学 | NA | 超声成像 | U-net | 图像 | 27200对射频信号和500幅模拟测试图像 |
| 1590 | 2024-08-05 |
NeoSSNet: Real-Time Neonatal Chest Sound Separation Using Deep Learning
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3401571
PMID:38899018
|
研究论文 | 本研究介绍了一种名为NeoSSNet的新型深度学习模型，旨在实时分离新生儿的胸部声音 | 创新点在于提出了类似于Conv-TasNet的基于掩蔽的架构，并结合了一维卷积和变换器架构的掩蔽生成器 | NA | 研究旨在改进新生儿胸音分离的质量和效率 | 主要针对新生儿的心音和肺音 | 数字病理学 | 心血管疾病和呼吸系统疾病 | 深度学习 | 卷积神经网络（CNN） | 声音 | NA |
| 1591 | 2024-08-05 |
UKSSL: Underlying Knowledge Based Semi-Supervised Learning for Medical Image Classification
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3305190
PMID:38899016
|
研究论文 | 本研究介绍了一种基于潜在知识的半监督框架UKSSL，用于医学图像分类。 | 提出了一种结合MedCLR和UKMLP的框架，有效利用未标记数据和少量标记数据进行医学图像分类。 | 研究仅使用了50%的标记数据，可能影响结果的推广性。 | 旨在解决医学图像分类中由于标记数据稀缺而导致的训练高性能模型的挑战。 | 研究对象为未标记和有限标记的医学图像。 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | 使用了LC25000和BCCD数据集，其中50%为标记数据 |
| 1592 | 2024-08-05 |
Multimodal Emotion Recognition Based on Facial Expressions, Speech, and EEG
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3240280
PMID:38899017
|
研究论文 | 本文提出了一种基于深度学习的多模态情感识别方法Deep-Emotion，能够有效集成面部表情、语音和脑电图（EEG）的特征 | 提出了一种新框架Deep-Emotion，包括改进的GhostNet、轻量级全卷积神经网络和树状LSTM模型以提升情感识别性能 | 需要处理的计算能力增加，实时检测与提升深度神经网络的鲁棒性仍然是挑战 | 提升多模态情感识别的表现和准确性 | 面部表情、语音和脑电图（EEG）的情感特征 | 机器学习 | NA | 脑电图（EEG）、深度学习 | GhostNet, LFCNN, tLSTM | 图像、音频 | 使用了CK+、EMO-DB和MAHNOB-HCI等数据集进行广泛实验 |
| 1593 | 2024-08-05 |
Gastric Section Correlation Network for Gastric Precancerous Lesion Diagnosis
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3277219
PMID:38899022
|
研究论文 | 本文提出了一种通过内镜图像诊断胃早期癌前病变的新方法 | 提出了胃部分相关网络（GSCNet），首次实现从内镜图像中识别高胃癌风险患者 | NA | 诊断胃体优先的胃炎指数（CGI）以识别高胃癌风险患者 | 内镜图像中的胃部分 | 数字病理学 | 胃癌 | 内镜图像分析 | 深度学习网络 | 图像 | NA |
| 1594 | 2024-08-05 |
Guest Editorial Introduction to the Special Section on Weakly-Supervised Deep Learning and Its Applications
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3404653
PMID:38899020
|
评论 | 本篇文章介绍了弱监督深度学习及其在生物医学数据分析中的应用 | 提出了弱监督深度学习技术作为解决生物医学数据分析挑战的新方法 | 涉及的特定限制尚未在摘要中提及 | 探讨弱监督深度学习技术在生物医学数据分析中的应用 | 生物医学领域的数据，包括信号、图像和视频 | 深度学习 | NA | 深度学习 | GANs, GNNs, ViTs, DRL | 信号、图像和视频 | NA |
| 1595 | 2024-08-05 |
Histopathology-based breast cancer prediction using deep learning methods for healthcare applications
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1300997
PMID:38894870
|
研究论文 | 本研究使用深度学习方法分析乳腺癌的组织病理学图像，以提高自动诊断的准确性 | 该论文提出了一种结合超分辨率生成对抗网络 (SRGAN) 和补丁式特征提取的创新方法，显著提高了乳腺癌的分类准确性 | 研究依赖于特定的公共数据集，可能影响结果的广泛适用性 | 研究旨在通过深度学习提高乳腺癌的自动诊断准确性 | 研究对象包括BreakHis和侵袭性导管癌 (IDC) 数据集中的组织病理学图像 | 数字病理学 | 乳腺癌 | 超分辨率生成对抗网络 (SRGAN) 和长短期记忆网络 (LSTM) | Inception V3 和 Resnet-50 | 图像 | 使用了BreakHis和IDC数据集中的组织病理学图像 |
| 1596 | 2024-08-05 |
A comprehensive approach for osteoporosis detection through chest CT analysis and bone turnover markers: harnessing radiomics and deep learning techniques
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1296047
PMID:38894742
|
研究论文 | 本研究评估了利用放射组学、深度学习和迁移学习方法分析胸部CT扫描的可能性 | 结合放射组学和深度学习技术，同时考虑骨转换标志物进行骨质疏松症的筛查 | 骨转换标志物可能对骨质疏松症筛查并非必要 | 评估胸部CT扫描和骨转换标志物在骨质疏松症筛查中的应用 | 488名接受胸部CT和骨密度检测的患者 | 数字病理学 | 骨质疏松症 | 放射组学，深度学习 | 2D和3D深度学习模型, 2D和3D迁移学习模型 | 医学影像 | 488名患者 |
| 1597 | 2024-08-05 |
The potential of the transformer-based survival analysis model, SurvTrace, for predicting recurrent cardiovascular events and stratifying high-risk patients with ischemic heart disease
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304423
PMID:38889124
|
研究论文 | 本研究评估了基于Transformer的生存分析模型SurvTrace在预测复发心血管事件及高风险缺血性心脏病患者分层中的准确性 | 该研究利用最先进的深度学习方法Transformer进行生存分析，展示了其在心血管事件预测中的优势 | 本研究的局限在于仅基于特定医院的患者数据，可能影响结果的普遍适用性 | 本研究的目的是评估SurvTrace模型在预测复发心血管事件及高风险患者中的准确性 | 研究对象为2005年至2019年在东京大学医院接受经皮冠状动脉介入的心血管患者 | 计算机视觉 | 心血管疾病 | Transformer | NA | 数据集 | 总共3938个病例，其中394个作为测试数据集，3544个用于模型训练 |
| 1598 | 2024-08-05 |
A high-accuracy lightweight network model for X-ray image diagnosis: A case study of COVID detection
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303049
PMID:38889106
|
研究论文 | 本研究提出了一种高精度轻量级网络模型用于X光图像诊断，专注于COVID-19检测。 | 本研究采用了MobileNetV3作为基础架构，并通过引入密集块、过渡层、标签平滑损失和类别加权等创新方法，显著提高了模型的分类准确性，同时减少了参数数量。 | 该研究未提及实验证据的外部验证和应用范围的广泛性，可能限制了其通用性。 | 研究旨在开发一种快速可靠的X光图像诊断方法，以应对COVID-19病情的快速传播。 | 主要研究对象为COVID-19患者的X光影像。 | 计算机视觉 | COVID-19 | 深度学习 | MobileNetV3 | 图像 | 使用公开可获取的数据库进行验证，样本数量未具体说明 |
| 1599 | 2024-08-05 |
Exploring deep learning radiomics for classifying osteoporotic vertebral fractures in X-ray images
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1370838
PMID:38606087
|
研究论文 | 本文开发并验证了一种深度学习放射组学模型，用于预测骨质疏松椎体骨折的分类 | 创新点在于使用深度学习放射组学模型，从X光图像中提取特征，以分类骨质疏松椎体骨折 | 该研究尚未讨论模型在不同种族或年龄组的适用性 | 研究旨在利用X光图像预测骨质疏松椎体骨折的分类 | 研究对象包括942名患者，检查1076个椎骨 | 医学影像处理 | 骨质疏松病 | 深度学习放射组学 | ResNet-50 | 图像 | 942名患者，1076个椎骨的X光图像 |
| 1600 | 2024-08-05 |
Small target tea bud detection based on improved YOLOv5 in complex background
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1393138
PMID:38887461
|
研究论文 | 该研究提出了一种基于改进YOLOv5的小目标茶芽检测方法 | 使用注意力机制和轻量级卷积方法，提高了茶芽检测的准确性和速度 | 现有检测方法在复杂背景下仍然存在局限 | 实现智能茶芽采摘的准确和快速茶芽检测 | 茶芽 | 计算机视觉 | NA | YOLOv5, SPPF, GSConv | NA | 图像 | NA |