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 1801 - 1820 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1801 | 2024-08-07 |
Robust deep learning method for fruit decay detection and plant identification: enhancing food security and quality control
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1366395
PMID:38774219
|
研究论文 | 本文提出了一种用于水果腐烂检测和植物识别的鲁棒深度学习方法 | 该方法不仅关注模型精度，还考虑了鲁棒性和有限数据场景的挑战，实现了99.93%的高精度 | NA | 提高食品质量和安全控制 | 水果腐烂检测和植物识别 | 机器学习 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 1802 | 2024-08-07 |
On the additive artificial intelligence-based discovery of nanoparticle neurodegenerative disease drug delivery systems
2024, Beilstein journal of nanotechnology
IF:2.6Q2
DOI:10.3762/bjnano.15.47
PMID:38774585
|
研究论文 | 本文利用信息融合、扰动理论和机器学习相结合的IFPTML技术，通过构建线性和非线性模型，预测纳米粒子神经退行性疾病药物输送系统（N2D3Ss）的有效性 | 本文首次采用IFPTML技术，结合线性判别分析（LDA）和人工神经网络（ANN）算法，提高了N2D3Ss的预测准确性 | 由于N2D3Ss相关数据的相对有限，AI/ML分析面临挑战 | 开发新的神经退行性疾病药物输送系统 | 纳米粒子神经退行性疾病药物输送系统（N2D3Ss） | 机器学习 | 神经退行性疾病 | IFPTML | LDA, ANN（MLP和DLN） | 数据集 | 4403个NDD试验和260个NP细胞毒性试验，生成三个包含500,000个案例的新工作数据集 | NA | NA | NA | NA |
| 1803 | 2024-08-07 |
Innova4Health: an integrated approach for prevention of recurrence and personalized treatment of Major Depressive Disorder
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1366055
PMID:38774832
|
研究论文 | 本文介绍了一种综合方法，用于预防复发和个性化治疗重度抑郁症（MDD），通过集成数字和环境生物标志物来改善MDD的预防策略。 | 利用可穿戴技术和环境监测设备生成的数字生物标志物，结合现有的生理、心理病理学和其他指标，创新地应用于MDD的评估和治疗。 | NA | 验证一种AI工具，以增强MDD的早期临床管理，并建立一个AI基础设施来管理医疗大数据。 | 诊断为MDD的青少年和年轻成年人。 | NA | 精神疾病 | 可穿戴技术，环境监测 | 深度学习AI系统 | 数字生物标志物，环境数据 | 两个实验组，每组10名青少年和30名年轻成年人。 | NA | NA | NA | NA |
| 1804 | 2024-08-07 |
A Novel Validated Real-World Dataset for the Diagnosis of Multiclass Serous Effusion Cytology according to the International System and Ground-Truth Validation Data
2024, Acta cytologica
IF:1.6Q3
DOI:10.1159/000538465
PMID:38522415
|
研究论文 | 本文开发了一个新的公开浆膜腔积液细胞学数据集，并应用人工智能算法测试其在临床实践中的诊断效用和安全性 | 这是第一个基于标准化诊断系统的最大公开浆膜腔积液细胞学数据集，包括多种类型的积液和心包液标本，以及诊断上具有挑战性的非典型类别 | 模型在多类别分类问题中达到74%的准确率，对于高风险诊断的误分类率为0.13 | 开发和测试用于浆膜腔积液诊断的人工智能算法 | 浆膜腔积液细胞学数据集及其在临床实践中的应用 | 数字病理学 | NA | 转移学习 | VGG16深度学习模型和随机森林分类器 | 图像 | 3,731张图像分布在四个TIS诊断类别中 | NA | NA | NA | NA |
| 1805 | 2024-08-07 |
Advances in artificial intelligence in thyroid-associated ophthalmopathy
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1356055
PMID:38715793
|
研究论文 | 本文讨论了人工智能，特别是深度学习技术在甲状腺相关眼病诊断和治疗中的应用 | 介绍了深度学习技术在甲状腺相关眼病诊断、分级和治疗决策中的应用 | 提到了人工智能在甲状腺相关眼病研究中的一些局限性 | 探讨人工智能在甲状腺相关眼病中的应用及其未来发展方向 | 甲状腺相关眼病 | 机器学习 | 甲状腺疾病 | 深度学习 | 深度学习模型 | 影像数据 | NA | NA | NA | NA | NA |
| 1806 | 2024-08-07 |
FPNC Net: A hydrogenation catalyst image recognition algorithm based on deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300924
PMID:38768105
|
研究论文 | 本文提出了一种基于FPNC Net的氢化催化剂图像识别算法，用于解决催化剂粘附和堆叠导致的低识别准确率问题 | 引入空间可分离卷积核提取催化剂边缘的多尺度特征，并在骨干网络中加入特征金字塔网络（FPN）进行深浅特征融合，同时通过注意力模块自适应调整权重以突出催化剂目标特征 | NA | 提高氢化催化剂图像的智能识别效率和准确性 | 氢化催化剂图像的识别 | 计算机视觉 | NA | 深度学习 | FPNC Net | 图像 | NA | NA | NA | NA | NA |
| 1807 | 2024-08-07 |
Res2Net-based multi-scale and multi-attention model for traffic scene image classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300017
PMID:38768119
|
研究论文 | 本文提出了一种基于Res2Net的多尺度多注意力模型，用于交通场景图像分类 | 引入了自适应特征细化金字塔模块（AFRPM）以增强多尺度特征提取，并整合了频域、空间和通道注意力机制 | 由于天气条件、时间、光照变化和标注成本，传统深度学习方法在提取复杂交通场景特征和实现更高识别准确性方面仍有局限 | 提高交通场景图像分类的准确性和鲁棒性 | 交通场景图像 | 计算机视觉 | NA | NA | Res2Net | 图像 | 使用了Traffic-Net数据集 | NA | NA | NA | NA |
| 1808 | 2024-08-07 |
A confounder controlled machine learning approach: Group analysis and classification of schizophrenia and Alzheimer's disease using resting-state functional network connectivity
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0293053
PMID:38768123
|
研究论文 | 本研究利用静息态功能网络连接（rs-FNC）数据，采用机器学习算法和深度学习模型对阿尔茨海默病（AD）、晚期轻度认知障碍（LMCI）和精神分裂症（SZ）患者进行分类分析 | 本研究首次采用混杂因素控制的rs-FNC数据，结合机器学习和深度学习模型，对AD和SZ患者进行直接比较，以识别两种疾病间的共同生物标志物 | 研究样本主要集中在AD和SZ患者，未涵盖其他类型的神经退行性疾病 | 旨在通过比较AD和SZ患者的静息态功能网络连接，识别两种疾病的共同生物标志物 | 阿尔茨海默病、晚期轻度认知障碍和精神分裂症患者 | 机器学习 | 阿尔茨海默病、精神分裂症 | 静息态功能磁共振成像（rs-fMRI） | 支持向量机、逻辑回归、随机森林、k-最近邻、全连接神经网络 | 功能网络连接数据 | 162名AD和LMCI患者，181名精神分裂症患者，315名认知正常（CN）受试者 | NA | NA | NA | NA |
| 1809 | 2024-08-07 |
Human lineage mutations regulate RNA-protein binding of conserved genes NTRK2 and ITPR1 involved in human evolution
2024, General psychiatry
IF:5.3Q1
DOI:10.1136/gpsych-2023-101425
PMID:38770356
|
研究论文 | 本文研究了人类谱系突变（HLMs）通过转录后修饰在人类进化中的作用 | 发现了一小部分人类特异性突变通过影响关键脑相关基因的转录后修饰，对人类物种形成做出了贡献 | NA | 探讨人类谱系突变对人类进化中转录后修饰的贡献 | 人类谱系突变对RNA结合蛋白亲和力的影响 | 机器学习 | 神经发育障碍 | 深度学习模型Seqweaver | 深度学习模型 | 基因数据 | 涉及的突变数量为0.27%的人类常见变异 | NA | NA | NA | NA |
| 1810 | 2024-08-07 |
Analyzing EEG patterns in young adults exposed to different acrophobia levels: a VR study
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1348154
PMID:38770396
|
研究论文 | 本研究通过虚拟现实技术分析不同高度恐惧症水平下年轻成年人的脑电图（EEG）模式 | 本研究创新地使用脑电图信号实时精确评估高度恐惧症水平，并采用多种机器学习和深度学习技术进行分析 | NA | 研究的主要目的是开发一种实时精确的工具，用于评估高度恐惧症水平 | 研究对象为18名被诊断为高度恐惧症的年轻成年人 | 机器学习 | 心理疾病 | 脑电图（EEG） | 卷积神经网络（CNN）和人工神经网络（ANN） | 脑电图数据 | 18名高度恐惧症患者 | NA | NA | NA | NA |
| 1811 | 2024-08-07 |
CD-Loop: a chromatin loop detection method based on the diffusion model
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1393406
PMID:38770419
|
研究论文 | 本文提出了一种基于扩散模型的深度学习框架CD-Loop，用于预测染色质环 | CD-Loop结合了扩散模型的去噪过程和预训练得到的先验概率，通过密度聚类算法预测染色质环，优于现有方法 | NA | 研究染色质的三维结构 | 染色质环的结构和功能 | 生物信息学 | NA | Hi-C | 扩散模型 | 接触图 | 不同细胞类型、物种和测序深度 | NA | NA | NA | NA |
| 1812 | 2024-08-07 |
MIFAM-DTI: a drug-target interactions predicting model based on multi-source information fusion and attention mechanism
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1381997
PMID:38770418
|
研究论文 | 本文提出了一种基于多源信息融合和注意力机制的药物-靶点相互作用预测模型MIFAM-DTI | MIFAM-DTI模型通过整合多源信息并利用图注意力网络和多头自注意力机制，自主学习注意力权重，更全面地捕捉序列数据中的信息 | NA | 提高药物-靶点相互作用预测的准确性和效率 | 药物-靶点相互作用的预测 | 机器学习 | NA | 图注意力网络，多头自注意力 | MIFAM-DTI | 特征向量，邻接矩阵 | NA | NA | NA | NA | NA |
| 1813 | 2024-08-07 |
Deep learning-assisted lesion segmentation in PET/CT imaging: A feasibility study for salvage radiation therapy in prostate cancer
2024, Oncoscience
DOI:10.18632/oncoscience.603
PMID:38770445
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1814 | 2024-08-07 |
Ischemic stroke outcome prediction with diversity features from whole brain tissue using deep learning network
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1394879
PMID:38765270
|
研究论文 | 本研究提出了一种基于全脑多样性特征的缺血性中风结果预测方法，通过深度学习网络提高预测的准确性和效率 | 本研究不使用患者基本信息和病变图像特征，直接从动态磁敏感对比灌注加权成像中提取特征，结合机器和深度学习模型进行预测 | NA | 提高缺血性中风结果预测的准确性和效率 | 缺血性中风的结果预测 | 机器学习 | 中风 | 动态磁敏感对比灌注加权成像（DSC-PWI） | Resnet 18 | 图像 | NA | NA | NA | NA | NA |
| 1815 | 2024-08-07 |
Data leakage in deep learning studies of translational EEG
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1373515
PMID:38765672
|
研究论文 | 本文探讨了在应用深度神经网络（DNNs）于人类脑电图（EEG）记录以识别多种疾病时，由于数据分割方式导致的数据泄露问题 | 通过比较基于片段和基于受试者的保留方法，揭示了现有研究中普遍存在的数据泄露问题 | 仅限于分析两种数据集（阿尔茨海默病和癫痫发作），可能需要更多数据集来验证结论的普遍性 | 评估和揭示在EEG数据分析中使用深度学习模型时可能存在的数据泄露问题 | 脑电图记录和深度神经网络分类器的性能 | 机器学习 | NA | 深度神经网络（DNNs） | DNN分类器 | 脑电图（EEG）记录 | 涉及两个数据集（一个用于阿尔茨海默病分类，另一个用于癫痫发作分类） | NA | NA | NA | NA |
| 1816 | 2024-08-07 |
Fusion inception and transformer network for continuous estimation of finger kinematics from surface electromyography
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1305605
PMID:38765870
|
研究论文 | 本文提出了一种名为融合初始和变换器网络（FIT）的新型深度学习模型，用于从表面肌电图（sEMG）连续估计手指运动学 | FIT模型结合了Inception和Transformer网络的优势，有效处理序列数据的局部和全局信息 | NA | 实现稳定、自然和一致的人机交互（HCI）控制 | 从表面肌电图信号中预测手部关节角度的值 | 机器学习 | NA | 深度学习 | 融合初始和变换器网络（FIT） | 表面肌电图信号 | 10名受试者的六种典型手部抓握动作 | NA | NA | NA | NA |
| 1817 | 2024-08-07 |
FetSAM: Advanced Segmentation Techniques for Fetal Head Biometrics in Ultrasound Imagery
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2024.3382487
PMID:38766538
|
研究论文 | FetSAM是一种先进的深度学习模型，旨在通过改进胎儿头部超声图像分割来提高产前诊断的精确度 | FetSAM采用了基于提示的学习方法和双损失机制（结合加权DiceLoss和加权Lovasz Loss），并通过AdamW优化和类别权重调整来实现更好的分割平衡 | NA | 提高胎儿头部超声图像分割的准确性，从而提升产前诊断的精确度 | 胎儿头部超声图像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 最大的胎儿头部指标数据集 | NA | NA | NA | NA |
| 1818 | 2024-08-07 |
An integrated technology for quantitative wide mutational scanning of human antibody Fab libraries
2024-Jan-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.16.575852
PMID:38293170
|
research paper | 本文介绍了一种名为MAGMA-seq的综合技术，用于定量分析人类抗体Fab库的广泛突变扫描 | MAGMA-seq技术结合了多种抗原和抗体，并使用深度测序确定定量生物物理参数，能够在一个实验中测量多个给定亲本抗体突变体的结合情况 | NA | 旨在通过学习抗体分子识别，设计高亲和力结合物，以对抗几乎任何蛋白质表面 | 研究对象包括人类抗体的Fab库，以及多种抗原和抗体的序列-功能关系 | NA | NA | 深度测序 | NA | 序列数据 | 两个汇集库，包含十个不同人类抗体的突变体 | NA | NA | NA | NA |
| 1819 | 2024-08-07 |
CylinGCN: Cylindrical structures segmentation in 3D biomedical optical imaging by a contour-based graph convolutional network
2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种基于轮廓的图卷积网络CylinGCN，用于生物医学光学成像中的三维圆柱结构分割 | 将圆柱结构视为三维图，引入了一种新的基于轮廓的图神经网络，能够提取语义特征和复杂拓扑关系，实现连续有效的三维分割 | NA | 开发一种新的方法用于生物医学光学成像中的三维圆柱结构分割 | 生物医学光学成像中的圆柱结构，如血管、气道和肠道 | 计算机视觉 | NA | 图卷积网络(GCN) | 图神经网络 | 三维体积数据 | 两种光学断层成像数据，小动物全身光声断层成像(PAT)和内窥镜气道光学相干断层成像(OCT) | NA | NA | NA | NA |
| 1820 | 2024-08-07 |
Deep learning for report generation on chest X-ray images
2024-01, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了深度学习技术在胸部X光图像分析中的应用，特别是使用卷积神经网络（CNN）进行放射报告生成的进展和挑战 | 深度学习技术在胸部X光图像分析中的应用显示出超越人类放射科医生的潜力 | NA | 探讨深度学习技术在胸部X光图像分析中的应用，特别是放射报告生成的进展和挑战 | 胸部X光图像分析 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |