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 2035 篇文献，本页显示第 1761 - 1780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1761 | 2024-08-05 |
An encoding framework for binarized images using hyperdimensional computing
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1371518
PMID:38946939
|
研究论文 | 本文提出了一种新的轻量级方法，仅依赖原生的超维算术向量运算来编码二值图像 | 提出了一种新的编码框架，能够保持近邻位置模式的相似性 | 没有提到具体的限制 | 探讨如何有效地编码二值图像以提高超维计算的性能 | 二值图像，使用MNIST和Fashion-MNIST数据集进行测试 | 机器学习 | NA | 超维计算 | NA | 图像 | 包含MNIST和Fashion-MNIST数据集的测试集 | NA | NA | NA | NA |
| 1762 | 2024-08-05 |
[Direct Positron Emission Imaging Using Ultrafast Timing Performance Detectors]
2024, Igaku butsuri : Nihon Igaku Butsuri Gakkai kikanshi = Japanese journal of medical physics : an official journal of Japan Society of Medical Physics
DOI:10.11323/jjmp.44.2_29
PMID:38945880
|
研究论文 | 本文阐述了如何使用超快速计时性能探测器实现直接正电子发射成像。 | 提出了直接正电子发射成像（dPEI）的概念，并开发了超快速辐射探测器，突破了传统成像的几何限制。 | 尽管提高了CTR，但仍需解决一些限制以使dPEI更具实用性。 | 研究如何通过直接正电子发射成像技术改善医学成像。 | 开发和展示不同类型的模体下的dPEI，以及研究其局限性。 | 医学成像 | NA | 超快速辐射探测器 | 深度学习信号处理 | 图像 | 不同类型的模体 | NA | NA | NA | NA |
| 1763 | 2024-08-05 |
DKPE-GraphSYN: a drug synergy prediction model based on joint dual kernel density estimation and positional encoding for graph representation
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1401544
PMID:38948360
|
研究论文 | 本文介绍了一种名为DKPE-GraphSYN的药物协同预测模型，用于预测癌症药物的联合治疗效果 | 该模型结合了双核密度估计和位置编码，以捕捉基因表达的加权概率密度和空间分布信息 | 目前的研究方法通常忽视数据中的复杂非线性关系，不充分利用癌症药物的结构信息 | 研究旨在提高癌症药物组合治疗的预测准确性 | 研究对象为癌症药物及其对细胞系的协同作用 | 数字病理学 | 癌症 | 双核密度估计和位置编码 | 图神经网络 | 基因表达数据 | 综合癌症药物和细胞系协同数据集 | NA | NA | NA | NA |
| 1764 | 2024-08-05 |
Application of Deep Learning for Studying NMDA Receptors
2024, Methods in molecular biology (Clifton, N.J.)
DOI:10.1007/978-1-0716-3830-9_16
PMID:38727914
|
research paper | 本文介绍了基于大型预训练模型的三个在线工具，用于药物开发，特别是针对NMDA受体的工具 | 提出了三种易于访问的在线工具，促进了AI技术与NMDA受体专家之间的联系 | 对于非专业人士在使用和部署AI及预训练模型方面仍存在挑战 | 研究如何利用深度学习促进神经系统疾病药物开发 | 针对NMDA受体的药物开发 | 计算机视觉 | 中枢神经系统疾病 | 深度学习 | 大型预训练模型 | 化学数据 | NA | NA | NA | NA | NA |
| 1765 | 2024-08-05 |
Recent advancements in machine learning for bone marrow cell morphology analysis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1402768
PMID:38947236
|
综述 | 本文回顾了机器学习在骨髓细胞形态分析中的最新进展 | 探讨了基于机器学习的骨髓细胞形态分析的潜力与吸引力，并提供了自动化算法的推荐 | 尽管人工智能在临床诊断中有潜力，但手动分析仍是金标准，存在一定的局限性 | 为血液学家提供选择合适的机器学习算法以自动化骨髓细胞形态检查的建议 | 六个骨髓细胞形态处理过程的自动化分析 | 机器学习 | 血液病 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 1766 | 2024-08-05 |
Deep learning-based differentiation of peripheral high-flow and low-flow vascular malformations in T2-weighted short tau inversion recovery MRI
2024, Clinical hemorheology and microcirculation
IF:2.1Q3
DOI:10.3233/CH-232071
PMID:38306026
|
研究论文 | 本文评估了一种卷积神经网络（CNN）在T2加权短tau反转恢复MRI中区分周边高流量和低流量血管畸形的表现 | 使用CNN在血管畸形的诊断中，与专家放射科医师的表现相当，且对于初级放射科医师的辅助效果有限 | 该研究为单中心研究，样本量可能限制结果的广泛适用性 | 评估CNN在区分高流量和低流量血管畸形中的效果 | 527个MRI图像，其中386个为低流量血管畸形，141个为高流量血管畸形 | 计算机视觉 | NA | MRI | CNN | 图像 | 527个MRI图像 | NA | NA | NA | NA |
| 1767 | 2024-08-05 |
Variants in Candidate Genes for Phenotype Heterogeneity in Patients with the 22q11.2 Deletion Syndrome
2024, Genetics research
IF:1.4Q4
DOI:10.1155/2024/5549592
PMID:38586596
|
研究论文 | 本研究探讨了22q11.2缺失综合症患者表型异质性的候选基因变异 | 通过对九个候选基因进行靶向下一代测序，发现了与22q11.2缺失相关的新的遗传变异 | 研究仅基于巴西一个相对较大的22q11.2DS人群，可能限制了结果的普遍性 | 探究可能作为遗传修饰因子并影响22q11.2缺失综合症表型异质性的遗传变异 | 对60名22q11.2DS患者进行基因变异的研究 | 数字病理学 | NA | 下一代测序（NGS） | 深度学习模型（GARFIELD-NGS） | 基因组数据 | 60名22q11.2DS患者 | NA | NA | NA | NA |
| 1768 | 2024-08-05 |
Multiparametric MRI-based radiomics approach with deep transfer learning for preoperative prediction of Ki-67 status in sinonasal squamous cell carcinoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1305836
PMID:38939344
|
研究论文 | 本文开发了一种结合传统手工特征和深度迁移学习特征的多参数MRI放射组学方法，以预测鼻窦鳞状细胞癌的Ki-67状态 | 创新之处在于结合了传统手工特征与深度迁移学习特征以提高预测能力 | 在病理、临床和MRI特征中未发现独立预测因子 | 研究旨在基于多参数MRI预测鼻窦鳞状细胞癌患者的Ki-67状态 | 研究对象为231名鼻窦鳞状细胞癌患者 | 数字病理学 | 鼻窦鳞状细胞癌 | 多参数MRI | 支持向量机和其他集成学习模型（LightGBM, ExtraTrees） | 影像 | 231名患者（训练组185名，测试组46名） | NA | NA | NA | NA |
| 1769 | 2024-08-05 |
DEKR-SPrior: An Efficient Bottom-Up Keypoint Detection Model for Accurate Pod Phenotyping in Soybean
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0198
PMID:38939747
|
研究论文 | 提出了一种底部向上的模型DEKR-SPrior，旨在提高大豆荚的表型准确性 | 设计了新颖的结构先验模块(SPrior)，利用余弦相似性来提高特征区分度 | 对深度学习模型在拥挤荚的表型识别中的有效性仍有待进一步研究 | 提高大豆荚和种子的高通量表型测定精度 | 密集堆叠和重叠的大豆荚和种子 | 数字植物学 | NA | 深度学习(DL) | DEKR-SPrior | 图像 | 使用了多个图像数据集进行实验 | NA | NA | NA | NA |
| 1770 | 2024-08-05 |
Predicting COPD exacerbations based on quantitative CT analysis: an external validation study
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1370917
PMID:38933101
|
研究论文 | 这篇文章探讨了基于定量CT分析预测慢性阻塞性肺病(COPD)加重的潜力 | 首次确认了CT衍生的生物标记物与COPD加重之间的关联，并开发了深度学习系统进行预测 | 这是一个回顾性研究，可能存在选择偏倚 | 研究定量CT分析在预测COPD加重方面的效果 | 包含1150名COPD患者的临床数据 | 医学影像学 | 慢性阻塞性肺病 | 定量CT分析 | 深度学习系统 | 临床数据 | 1150名患者 | NA | NA | NA | NA |
| 1771 | 2024-08-05 |
Finding the limits of deep learning clinical sensitivity with fractional anisotropy (FA) microstructure maps
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1415085
PMID:38933144
|
研究论文 | 本研究探讨了使用深度学习减少扩散加权成像中的输入体积数量对临床敏感性的影响 | 开发了一种名为“one-minute FA”的深度学习网络，可以使用更少的DW体积生成与标准方法相同特征的FA图 | 在外部临床数据集上测试时，使用4或7个DW体积的网络未能显示患者组之间的显著差异 | 研究减少扩散加权成像输入体积数量对生成FA图及其临床敏感性的影响 | 评估在不同数量的DW输入体积下训练的深度学习网络的表现和临床敏感性 | 数字病理学 | 神经疾病 | 扩散加权成像 (DW) | 深度学习网络 | 图像 | 使用高分辨率的开放获取人类连通组项目数据集，测试了两个未见过的外部临床数据集 | NA | NA | NA | NA |
| 1772 | 2024-08-05 |
Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0188
PMID:38933805
|
研究论文 | 本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法 | 提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量 | 研究中未提及样本的多样性或数据的局限性 | 研究的目的是提高玉米杂交田中穗子状态的识别精度 | 研究对象为玉米杂交田中的穗子 | 计算机视觉 | NA | 深度学习 | 对象检测模型 | 图像 | NA | NA | NA | NA | NA |
| 1773 | 2024-08-05 |
ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305491
PMID:38924026
|
研究论文 | 介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架 | ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法 | 对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制 | 研究细胞周期进展的机制和生物物理特性之间的关系 | 高度密集的迁移细胞群体 | 数字病理学 | 癌症研究 | FUCCI | NA | 图像 | NA | NA | NA | NA | NA |
| 1774 | 2024-08-05 |
SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1414462
PMID:38933392
|
研究论文 | 本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用 | 提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性 | 未提及具体的限制 | 旨在提高基于声音的帕金森病检测的准确性 | 研究对象为语音数据中的帕金森病病例 | 机器学习 | 帕金森病 | 自监督深度表示模式学习 | 长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN） | 声音 | 未提及具体的样本大小 | NA | NA | NA | NA |
| 1775 | 2024-08-05 |
Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418546
PMID:38933391
|
研究论文 | 该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率 | 该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力 | 未提及 | 研究旨在优化脑肿瘤的检测和诊断流程 | 研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | CNN | 图像 | 7,023幅脑MRI图像 | NA | NA | NA | NA |
| 1776 | 2024-08-05 |
A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1344114
PMID:38933813
|
研究论文 | 介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加 | 提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法 | 尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类 | 研究深度学习模型的优化，使其能够进行一次性类别添加 | 预训练的深度学习图像分类器 | 机器学习 | NA | 非参数归一化 | 深度学习图像分类器 | 图像 | NA | NA | NA | NA | NA |
| 1777 | 2024-08-05 |
Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306470
PMID:38924028
|
更正 | 本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1778 | 2024-08-05 |
Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1429115
PMID:38933823
|
research paper | 本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗 | 创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态 | 研究的可行性需要进一步在多中心的大规模前瞻性研究中验证 | 本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态 | 研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶 | 医学影像学 | 甲状腺癌 | 深度学习 | SE-Net | 医学影像 | 496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶 | NA | NA | NA | NA |
| 1779 | 2024-08-05 |
A deep neural network and transfer learning combined method for cross-task classification of error-related potentials
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1394107
PMID:38933146
|
研究论文 | 本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。 | 创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。 | 目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。 | 研究如何通过深度学习提高错误相关电位的分类精度。 | 该研究的对象是错误相关电位（ErrPs）及其分类。 | 机器学习 | NA | 深度学习 | 卷积神经网络和变换器 | EEG信号 | NA | NA | NA | NA | NA |
| 1780 | 2024-08-05 |
Lung nodule malignancy classification with associated pulmonary fibrosis using 3D attention-gated convolutional network with CT scans
2024-01-13, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-023-04798-w
PMID:38216992
|
研究论文 | 本研究旨在使用3D注意力门控卷积网络对肺结节的恶性分类进行评估，考虑了相关的肺纤维化因素 | 提出了一种可视化的3D分类模型，并特别考虑肺纤维化的信息以提高肺结节恶性分类的准确性 | 本研究基于自有的CT数据集，可能缺乏足够的多样性以代表广泛的人群 | 评估在胸部CT图像中将纤维化微环境纳入肺结节恶性分类的效果 | 研究对象为胸部CT图像中的肺结节及其微环境 | 数字病理学 | 肺癌 | 深度学习 | 3D卷积神经网络 | CT图像 | 使用了内部CT数据集，具体样本大小未详细说明 | NA | NA | NA | NA |