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 1869 篇文献，本页显示第 1821 - 1840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1821 | 2024-08-07 |
Apriori prediction of chemotherapy response in locally advanced breast cancer patients using CT imaging and deep learning: transformer versus transfer learning
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1359148
PMID:38756659
|
研究论文 | 本研究使用深度学习网络和CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，比较了ViT变换器和迁移学习网络的性能 | 首次使用ViT变换器和迁移学习网络结合CT影像预测局部晚期乳腺癌患者对新辅助化疗的反应，并展示了注意力机制的重要性 | 研究结果依赖于训练数据和测试数据的分割比例，且不同网络的性能差异较大 | 开发预测模型以预测局部晚期乳腺癌患者对新辅助化疗的肿瘤反应 | 局部晚期乳腺癌患者对新辅助化疗的反应 | 机器学习 | 乳腺癌 | CT影像 | ViT变换器, VGG16, VGG19, ResNet-50, ResNet-101, ResNet-152, InceptionV3, Xception | 影像 | 117名局部晚期乳腺癌患者，其中82名有临床病理反应，35名无反应 | NA | NA | NA | NA |
| 1822 | 2024-08-07 |
Open and remotely accessible Neuroplatform for research in wetware computing
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1376042
PMID:38756757
|
研究论文 | 本文介绍了一个开放且远程访问的神经平台，用于湿件计算和类器官智能的研究 | 开发了一个硬件和软件系统，支持大规模的电生理实验，并设计了微流控系统以自动化培养基流动和更换 | NA | 探索使用生物神经网络进行计算的新方法 | 神经类器官 | 人工智能 | NA | 电生理技术 | NA | 数据 | 超过1,000个脑类器官 | NA | NA | NA | NA |
| 1823 | 2024-08-07 |
Contrastive learning with token projection for Omicron pneumonia identification from few-shot chest CT images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1360143
PMID:38756944
|
研究论文 | 本文提出了一种名为CoTP的对比学习模型，通过令牌投影技术提高从少量胸部CT图像中识别Omicron肺炎的诊断质量 | 利用无标签数据进行CoTP的拟合，并通过少量标记样本进行微调，同时引入新的Omicron数据集和改进的数据增强策略 | NA | 提高基于少量胸部CT图像的Omicron肺炎诊断效率 | Omicron肺炎的胸部CT图像识别 | 计算机视觉 | 肺炎 | 对比学习 | ResNet50 | 图像 | 少量标记样本和无标签数据 | NA | NA | NA | NA |
| 1824 | 2024-08-07 |
A Survey on 3D Skeleton-Based Action Recognition Using Learning Method
2024, Cyborg and bionic systems (Washington, D.C.)
DOI:10.34133/cbsystems.0100
PMID:38757045
|
综述 | 本文综述了基于三维骨骼的动作识别（3D SAR）在计算机视觉领域的研究进展，特别关注了深度学习架构的应用 | 首次全面讨论了基于深度学习的3D骨骼数据动作识别方法 | 之前的综述主要集中在视频或RGB数据为主的方法，对骨骼数据的覆盖有限 | 强调动作识别的重要性，并突出三维骨骼数据作为宝贵模态的意义 | 基于四种基本深度架构的动作识别技术 | 计算机视觉 | NA | 深度学习 | 循环神经网络、卷积神经网络、图卷积网络、Transformer | 骨骼数据 | 涉及当前最大的3D骨骼数据集NTU-RGB+D及其新版本NTU-RGB+D 120 | NA | NA | NA | NA |
| 1825 | 2024-08-07 |
Human Pose Estimation for Clinical Analysis of Gait Pathologies
2024, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322241231108
PMID:38757143
|
研究论文 | 本研究提出了一种用于定量评估步态障碍的二分类方法，特别是针对杜兴肌营养不良症（DMD）的步态特征进行分析 | 研究利用从YouTube和公开数据集中收集的新颖基准数据集，提取时间距离变量和下肢矢状关节角度，并采用机器学习和深度学习技术进行模式识别 | 当前模型能够区分健康对象和DMD患者，但不能区分DMD患者和其他步态障碍患者 | 开发一种成本效益高的方法，通过分析2D和3D人体姿态估计轨迹来检测步态异常 | 杜兴肌营养不良症（DMD）患者的步态特征 | 计算机视觉 | 神经肌肉疾病 | 人体姿态估计 | 支持向量机（SVM）和深度网络 | 视频（RGB） | 数据来自YouTube和公开数据集的健康儿童 | NA | NA | NA | NA |
| 1826 | 2024-08-07 |
[[Fundamentals] 8. Works on Mac or Windows! Practical Deep Learning with PyTorch]
2024, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-2336
PMID:38644222
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1827 | 2024-08-07 |
Deep learning-based classification of the capillary ultrastructure in human skeletal muscles
2024, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2024.1363384
PMID:38751446
|
研究论文 | 本研究利用卷积神经网络（CNN）对人类骨骼肌毛细血管超微结构进行分类，以区分健康参与者与系统性病理患者 | 使用预训练的CNN模型在电子显微镜图像上区分健康控制组与系统性病理患者的毛细血管超微结构，其准确性高于传统的形态计量分析 | NA | 训练CNN模型以识别健康参与者与系统性病理患者肌肉活检中毛细血管的形态计量模式，用于假设生成 | 人类骨骼肌毛细血管的超微结构 | 机器学习 | 糖尿病，高血压，外周动脉疾病 | 透射电子显微镜（TEM） | CNN（ResNet101） | 图像 | 1810张电子显微镜图像，来自70名参与者 | NA | NA | NA | NA |
| 1828 | 2024-08-07 |
The Importance of Understanding Deep Learning
2024, Erkenntnis
DOI:10.1007/s10670-022-00605-y
PMID:38751773
|
research paper | 本文探讨了深度神经网络（DNNs）的理解问题及其在科学中的应用 | 本文提出了对深度神经网络理解的不同概念，特别是解释性理解的重要性 | 本文未明确指出具体的实验或数据分析限制 | 探讨当前对深度神经网络理解不足是否限制了其在科学中的应用 | 深度神经网络（DNNs）及其在科学中的应用 | machine learning | NA | NA | DNNs | NA | NA | NA | NA | NA | NA |
| 1829 | 2024-08-07 |
Detection of sweet corn seed viability based on hyperspectral imaging combined with firefly algorithm optimized deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1361309
PMID:38751847
|
研究论文 | 本研究利用高光谱成像技术结合萤火虫算法优化的深度学习方法，对甜玉米种子的不同活力等级进行识别 | 本研究提出的萤火虫算法优化的CNN-LSTM模型在甜玉米种子活力等级分类中表现出优于其他模型的性能 | NA | 识别甜玉米种子的活力等级 | 甜玉米种子 | 机器学习 | NA | 高光谱成像 | CNN-LSTM | 光谱图像 | 496颗种子，包括四个活力等级的种子 | NA | NA | NA | NA |
| 1830 | 2024-08-07 |
Subcutaneous fat predicts bone metastasis in breast cancer: A novel multimodality-based deep learning model
2024, Cancer biomarkers : section A of Disease markers
IF:2.2Q3
DOI:10.3233/CBM-230219
PMID:38043007
|
研究论文 | 本研究利用深度学习方法，结合临床信息和CT图像特征，预测乳腺癌患者的骨转移 | 首次提出使用皮下脂肪指数作为预测乳腺癌骨转移的独立预后因素，并采用多模态深度学习算法进行预测 | NA | 探索利用深度学习技术预测乳腺癌患者的骨转移 | 乳腺癌患者的骨转移预测 | 机器学习 | 乳腺癌 | CT图像 | CNN | 图像 | 431名乳腺癌患者 | NA | NA | NA | NA |
| 1831 | 2024-08-07 |
Learning multi-site harmonization of magnetic resonance images without traveling human phantoms
2024, Communications engineering
DOI:10.1038/s44172-023-00140-w
PMID:38420332
|
研究论文 | 本文提出了一种无需人类受试者跨站点采集数据即可实现磁共振图像多站点协调的深度学习方法 | 该方法通过分离站点特定外观信息和站点不变解剖信息，生成适用于任何目标站点的图像，无需额外数据收集 | NA | 提高磁共振图像数据的一致性，实现多站点图像数据的有效整合 | 磁共振图像的多站点协调 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | 超过6,000张多站点T1和T2加权图像 | NA | NA | NA | NA |
| 1832 | 2024-08-07 |
MHCII-peptide presentation: an assessment of the state-of-the-art prediction methods
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1293706
PMID:38646540
|
研究论文 | 本文评估了最新的MHCII-肽结合预测计算方法的性能 | 采用了深度学习算法和大量训练数据，新开发的预测方法性能优于旧方法 | NA | 评估和概述最新的MHCII-肽结合预测计算方法 | MHCII-肽结合预测方法 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列数据 | 包含20种人类MHCII蛋白同种型的结合和非结合肽的独立数据集 | NA | NA | NA | NA |
| 1833 | 2024-08-07 |
Artificial intelligence in the healthcare sector: comparison of deep learning networks using chest X-ray images
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1386110
PMID:38660365
|
研究论文 | 本研究探讨了深度学习网络在胸部X光图像疾病诊断中的应用 | 本研究首次比较了ResNet101、AlexNet、GoogLeNet和Xception在胸部X光图像疾病诊断中的成功率 | 研究使用的数据集仅包含COVID-19、病毒性肺炎和健康个体的胸部X光图像 | 旨在确定深度学习网络在疾病诊断中的成功率 | 深度学习网络ResNet101、AlexNet、GoogLeNet和Xception | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 1,680张胸部X光图像，包括COVID-19、病毒性肺炎和健康个体 | NA | NA | NA | NA |
| 1834 | 2024-08-07 |
A hybrid deep learning scheme for MRI-based preliminary multiclassification diagnosis of primary brain tumors
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1363756
PMID:38746679
|
研究论文 | 本研究探索了一种结合多种先进技术的混合深度学习方案，用于提高原发性脑肿瘤诊断的分类性能和可解释性 | 本研究通过结合超分辨率重建、动态学习率退火策略、特征迁移和机器学习等技术，提高了深度学习模型的分类性能和可解释性 | NA | 探索一种混合深度学习方案，以提高原发性脑肿瘤诊断的准确性和自动化程度 | 原发性脑肿瘤的诊断 | 机器学习 | 脑肿瘤 | 深度学习 | DenseNet121, LightGBM | MRI图像 | 230名原发性脑肿瘤患者，包括97名脑膜瘤、66名胶质瘤和67名垂体瘤 | NA | NA | NA | NA |
| 1835 | 2024-08-07 |
MAMILNet: advancing precision oncology with multi-scale attentional multi-instance learning for whole slide image analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1275769
PMID:38746682
|
研究论文 | 本文介绍了MAMILNet，一种用于全切片图像分析的多尺度注意力多实例学习框架，旨在提高肿瘤检测、分类和治疗反应预测的精确度 | MAMILNet通过引入注意力机制和多尺度策略，提高了模型的泛化能力和预测准确性，同时减少了病理学家的手动工作量 | NA | 推动精准肿瘤学和个体化治疗计划的发展 | 全切片图像分析中的肿瘤检测、分类和治疗反应预测 | 数字病理学 | NA | 多尺度注意力多实例学习 | 注意力机制 | 图像 | 1171例涵盖多种癌症类型 | NA | NA | NA | NA |
| 1836 | 2024-08-07 |
Editorial: IoT, UAV, BCI empowered deep learning models in precision agriculture
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1399753
PMID:38751845
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1837 | 2024-08-07 |
Convolutional Neural Networks for Glioma Segmentation and Prognosis: A Systematic Review
2024, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2023050852
PMID:38683153
|
综述 | 本文综述了卷积神经网络（CNN）在胶质瘤分割和预后预测中的应用 | CNN在医学影像处理中的应用，特别是在胶质瘤分类和预后预测中的创新应用 | 模型可解释性、数据可用性和计算效率方面的挑战 | 探讨CNN在神经肿瘤学领域中的应用及其未来发展方向 | 胶质瘤的分割、分类和预后预测 | 计算机视觉 | 脑癌 | CNN | CNN | 图像 | NA | NA | NA | NA | NA |
| 1838 | 2024-08-07 |
A multifaceted suite of metrics for comparative myoelectric prosthesis controller research
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291279
PMID:38739557
|
研究论文 | 本文提出了一套全面的肌电假肢控制评估指标，用于分析设备运动细节，包括任务表现、控制特性和用户体验 | 引入了新的肌电假肢控制评估指标，能够更详细地分析设备运动质量和用户意图匹配度，以及用户对设备可靠性和控制器训练要求的看法 | NA | 开发适用于个人的假肢控制器，以预测用户的意图运动 | 肌电假肢控制器及其在复杂功能任务中的表现 | 机器人技术 | NA | 深度学习 | 循环卷积神经网络（RCNN） | NA | 8名无上肢损伤的参与者 | NA | NA | NA | NA |
| 1839 | 2024-08-07 |
Transformer-based framework for multi-class segmentation of skin cancer from histopathology images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1380405
PMID:38741771
|
研究论文 | 本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割 | 该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别 | NA | 旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距 | 非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC） | 数字病理学 | 皮肤癌 | Transformer | Transformer | 图像 | 使用公开可用的数据集进行评估 | NA | NA | NA | NA |
| 1840 | 2024-08-07 |
Design of urban road fault detection system based on artificial neural network and deep learning
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1369832
PMID:38741790
|
研究论文 | 本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测 | 本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性 | NA | 提高城市交通管理中的道路故障检测效率和安全性 | 城市道路故障检测系统 | 机器学习 | NA | 图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制 | 多层感知器（MLP） | 道路拓扑图、交通数据 | 使用标记的道路故障数据进行训练 | NA | NA | NA | NA |