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 1641 - 1660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1641 | 2024-08-05 |
An End-to-End CRSwNP Prediction with Multichannel ResNet on Computed Tomography
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/4960630
PMID:38883273
|
研究论文 | 本文提出一种结合多角度鼻窦计算机断层扫描图像和人工智能的方法，用于预测慢性鼻窦炎伴鼻息肉的亚型 | 提出多通道特征自适应融合模型，以提升对CT图像中重要鼻窦信息的关注度，增强检测精度 | 未提及具体的局限性 | 研究精准医学在慢性鼻窦炎伴鼻息肉中的应用，通过准确预测亚型以改善治疗效果 | 192名慢性鼻窦炎伴鼻息肉患者的22,265张CT图像 | 计算机视觉 | 慢性鼻窦炎 | 人工智能(AI) | 多通道神经网络 | 图像 | 192名患者的22,265张CT图像 | NA | NA | NA | NA |
| 1642 | 2024-08-05 |
Impact of a deep learning sepsis prediction model on quality of care and survival
2024-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00986-6
PMID:38263386
|
研究论文 | 本研究评估了一种深度学习模型（COMPOSER）对败血症患者结果的影响 | 首次在真实世界中评估深度学习模型对败血症早期预测的影响 | 限于在两个急诊科进行的准实验研究，可能影响结果的普遍适用性 | 评估深度学习模型对败血症患者的结果影响 | 6217名成年败血症患者 | 自然语言处理 | 败血症 | 深度学习 | NA | 样本数据 | 6217名成年败血症患者 | NA | NA | NA | NA |
| 1643 | 2024-08-05 |
Research on load clustering algorithm based on variational autoencoder and hierarchical clustering
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303977
PMID:38870191
|
研究论文 | 本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法 | 创新性地将变分自编码器与度量学习整合，以提高聚类精度和可解释性 | 在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在 | 探索时间序列数据的聚类分析方法 | 工业负载数据的时间序列聚类 | 机器学习 | NA | 变分自编码器 (VAE) | 门控递归单元 (GRU) | 时间序列数据 | 工业负载数据，样本量未具体提及 | NA | NA | NA | NA |
| 1644 | 2024-08-05 |
A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics
2024, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2024.1395721
PMID:38872916
|
研究论文 | 本研究开发了深度学习模型，用于利用单细胞转录组学分类头颈鳞状细胞癌（HNSCC）和人类乳头状瘤病毒（HPV）患者 | 提出了一个基于人工神经网络的模型，通过单细胞转录组学准确区分HNSCC与正常样本，并能够分类HPV阳性和阴性样本 | 研究样本量相对较小，仅使用了20个HNSCC样本和9个正常组织样本 | 旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率 | 针对头颈鳞状细胞癌患者和正常样本进行分类 | 机器学习 | 头颈癌 | 单细胞转录组学 | 人工神经网络 | 基因表达数据 | 20个HNSCC样本（包括13个HPV阴性样本和7个HPV阳性样本），9个正常组织样本 | NA | NA | NA | NA |
| 1645 | 2024-08-05 |
Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410249
PMID:38872880
|
研究论文 | 本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用 | 提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性 | 未提到具体的样本数量和数据集多样性，可能影响结果的普适性 | 提高高产和抗逆小麦品种的育种效率 | 冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性 | 数字病理学 | NA | 高通量表型分析（HTP）和深度学习（DL） | 深度神经网络（DNN） | 图像 | NA | NA | NA | NA | NA |
| 1646 | 2024-08-05 |
FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0288670
PMID:38870182
|
研究论文 | 本文介绍了一种名为FaceTouch的计算机视觉框架，用于检测手与脸的接触以协助追踪传染病 | 引入了一种基于监督对比学习的深度学习模型，可以在复杂场景中检测手对脸的接触，克服了面部部分遮挡的问题 | 缺乏其他基准数据集的支持，训练依赖于我们收集的数据集 | 旨在提供一种自动检测手与脸接触的方法，以减少传染病传播 | 检测在城市环境中或室内人们的手对脸的接触 | 计算机视觉 | NA | 深度学习 | 监督对比学习 | 视频 | 基于我们收集的数据集，样本数量未明确给出 | NA | NA | NA | NA |
| 1647 | 2024-08-05 |
Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1406806
PMID:38873177
|
研究论文 | 本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性 | 提出了一种新方法，通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割 | 使用的数据集是低质量的膀胱镜图像，可能影响模型的准确性 | 目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性 | 研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割 | 计算机视觉 | 膀胱癌 | 深度学习 | Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34 | 图像 | 低质量的标注膀胱镜图像数据集 | NA | NA | NA | NA |
| 1648 | 2024-08-05 |
Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1285166
PMID:38872900
|
研究论文 | 本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值 | 首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率 | 未提及模型在不同患者或病理状态下的适应性和广泛验证 | 探索基于深度学习工具的主动脉根部的自动分割技术的临床价值 | 183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 183个患者的CT扫描数据 | NA | NA | NA | NA |
| 1649 | 2024-08-05 |
STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1408688
PMID:38873109
|
研究论文 | 本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点 | STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征 | 尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性 | 本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用 | 研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点 | 机器学习 | 癌症 | 深度学习 | STM-ac4C | 序列数据 | 独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集 | NA | NA | NA | NA |
| 1650 | 2024-08-05 |
Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305253
PMID:38870192
|
研究论文 | 本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。 | 提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性 | 未提及具体的局限性 | 研究细胞穿透肽的分子描述符对膜渗透性的预测能力 | 细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性 | 机器学习 | NA | 深度学习 | ConvBoost-CPP | NA | NA | NA | NA | NA | NA |
| 1651 | 2024-08-05 |
Deep learning based ECG segmentation for delineation of diverse arrhythmias
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303178
PMID:38870233
|
研究论文 | 本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现 | 提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法 | 在标准基准上的高表现模型在稀有心律失常下性能较差 | 旨在提高心电图分割在不同心律失常情况下的性能 | 多种心律失常的心电图数据 | 数字病理学 | 心脏病 | 深度学习 | U-Net | 心电图（ECG） | 在多样化数据集上训练并在LUDB和QTDB数据集上评估 | NA | NA | NA | NA |
| 1652 | 2024-08-05 |
Stable tensor neural networks for efficient deep learning
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1363978
PMID:38873283
|
研究论文 | 该文章提出了一种基于张量的神经网络，用于高效地学习高维数据 | 引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练 | 本文没有具体提到实验的限制条件或潜在的应用局限性 | 研究旨在通过张量表示和处理来提高深度神经网络的训练效率 | 研究对象是高维数据及其在深度学习中的应用 | 机器学习 | NA | 深度神经网络 | 张量神经网络（t-NNs） | 图像 | 使用了MNIST和CIFAR-10两个基准图像数据集 | NA | NA | NA | NA |
| 1653 | 2024-08-05 |
Prediction of miRNAs and diseases association based on sparse autoencoder and MLP
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1369811
PMID:38873111
|
研究论文 | 该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联 | 采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性 | NA | 旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法 | miRNA和多种老年疾病的关联数据 | 计算机视觉 | 老年疾病 | 深度学习，稀疏自编码器和多层感知器 | 多层感知器 | 生物信息学数据 | 在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病 | NA | NA | NA | NA |
| 1654 | 2024-08-05 |
Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1361901
PMID:38873314
|
研究论文 | 本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标 | 创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型 | 研究可能受到传感器数据准确性和公共健康数据完整性影响 | 旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险 | 研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度 | 计算机视觉 | 呼吸系统疾病与心血管疾病 | 深度学习 | 卷积神经网络 | 环境监测数据 | 涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据 | NA | NA | NA | NA |
| 1655 | 2024-08-05 |
MRET: Modified Recursive Elimination Technique for ranking author assessment parameters
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303105
PMID:38870157
|
研究论文 | 本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名 | 创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数 | 限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估 | 研究的目的是识别和优先排序最有效的作者评估指标 | 研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体 | 自然语言处理 | NA | 深度学习 | 多层感知器 (MLP) | 数据集 | 共1050个个体，包括525个未获奖个体和525个潜在获奖个体 | NA | NA | NA | NA |
| 1656 | 2024-08-05 |
Investigation of the Binding Interaction of Mfsd2a with NEDD4-2 via Molecular Dynamics Simulations
2024-01-17, ACS chemical neuroscience
IF:4.1Q2
DOI:10.1021/acschemneuro.3c00791
PMID:38155530
|
研究论文 | 本文研究了Mfsd2a与NEDD4-2之间的结合相互作用，并通过分子动态模拟提供了结构基础 | 采用深度学习与分子动态模拟相结合的方法，获取了高质量的Mfsd2a结构及稳定的Mfsd2a/NEDD4-2-WW3相互作用模型 | 尚不清楚Mfsd2a与NEDD4-2结合的全面机制 | 旨在探讨Mfsd2a与NEDD4-2的结合相互作用 | 研究对象为Mfsd2a和NEDD4-2 | 分子生物学 | 神经疾病 | 分子动态模拟、深度学习 | NA | 结构数据 | 在氧-葡萄糖剥夺模型中验证了一个关键肽的抑制作用 | NA | NA | NA | NA |
| 1657 | 2024-08-05 |
Quantitative Prediction of Right Ventricular Size and Function From the ECG
2024-Jan-02, Journal of the American Heart Association
IF:5.0Q1
DOI:10.1161/JAHA.123.031671
PMID:38156471
|
研究论文 | 本研究利用深度学习和ECG分析预测右心室大小和功能 | 探索了通过深度学习进行ECG分析以评估右心室功能和大小，填补了传统方法的空白 | 研究限于UK Biobank和一个医疗系统的样本，可能影响结果的普遍适用性 | 研究深度学习在ECG分析中预测右心室功能和大小的能力 | 使用来自UK Biobank和多中心健康系统的患者数据进行模型训练和验证 | 机器学习 | 心血管疾病 | 深度学习 | NA | ECG | UK Biobank (n=42,938), MSHoriginal (n=3,019), MSHvalidation (n=115) | NA | NA | NA | NA |
| 1658 | 2024-08-05 |
Learning Attention in the Frequency Domain for Flexible Real Photograph Denoising
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3404253
PMID:38809730
|
研究论文 | 该文章提出了一种新的基于频率注意的方法来进行真实图像的去噪处理 | 本文创新性地引入了一种基于频率注意的框架，以全面表征多个频率通道的特征相关性 | 本文未提及具体的局限性 | 旨在解决当前基于CNN的去噪器在处理高频成分时的不足 | 主要研究真实图像去噪的效果和方法 | 计算机视觉 | NA | 深度学习 | 频率注意去噪网络 (FADNet) | 图像 | 在多个真实相机基准数据集上进行评估 | NA | NA | NA | NA |
| 1659 | 2024-08-05 |
Application value of artificial intelligence algorithm-based magnetic resonance multi-sequence imaging in staging diagnosis of cervical cancer
2024, Open life sciences
IF:1.7Q3
DOI:10.1515/biol-2022-0733
PMID:38867922
|
研究论文 | 本研究探讨了基于深度学习的多序列磁共振成像在宫颈癌分期诊断中的应用价值 | 提出了在DRN模型中加入特征增强层以提高宫颈癌MRI成像特征的信息，并评估了其诊断准确性 | 样本量仅为90例，可能限制研究的广泛适用性 | 探讨深度残差网络模型在宫颈癌分期诊断中的应用效果 | 90名在2019年8月至2021年5月间诊断为宫颈癌的患者 | 医学影像学 | 宫颈癌 | 磁共振成像 (MRI) | 深度残差网络 (DRN) | 医学影像 | 90例宫颈癌患者 | NA | NA | NA | NA |
| 1660 | 2024-08-05 |
Hate speech detection with ADHAR: a multi-dialectal hate speech corpus in Arabic
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1391472
PMID:38873176
|
研究论文 | 本文提出ADHAR，一个综合的阿拉伯语多方言、多类别仇恨言论语料库。 | ADHAR数据库维护了方言、类别和仇恨/非仇恨类之间的平衡，提供了一种无偏的评估方法。 | 本文没有提到样本的收集范围或其他可能的语料库限制。 | 研究阿拉伯语的仇恨言论检测。 | ADHAR语料库，包括现代标准阿拉伯语、埃及方言、黎凡特方言、海湾方言和马格里比方言。 | 自然语言处理 | NA | 深度学习 | 经典模型和深度学习模型 | 文本 | 70,369个词 | NA | NA | NA | NA |