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 1841 - 1860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1841 | 2024-08-07 |
Identifying pests in precision agriculture using low-cost image data acquisition
2024, Brazilian journal of biology = Revista brasleira de biologia
DOI:10.1590/1519-6984.281671
PMID:38747863
|
研究论文 | 本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性 | 本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术 | NA | 探索无人机在精准农业中识别害虫的应用 | 评估VGG-16、CNN和FCN模型在植物病害检测中的有效性 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 1842 | 2024-08-07 |
Cancer Immunotherapy and Medical Imaging Research Trends from 2003 to 2023: A Bibliometric Analysis
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S457367
PMID:38736544
|
meta-analysis | 本文通过文献计量分析方法，探讨了2003年至2023年间癌症免疫治疗与医学影像研究的发展趋势 | 首次系统性地对癌症免疫治疗与医学影像领域的研究进行了文献计量分析 | NA | 旨在明确过去研究轨迹，总结当前研究热点，揭示科学发展动态，并探索未来研究方向 | 癌症免疫治疗与医学影像相关的出版物 | 医学影像 | 癌症 | MRI, 深度学习 | NA | NA | 美国发表最多，共265篇；中国次之，共170篇 | NA | NA | NA | NA |
| 1843 | 2024-08-07 |
On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1378149
PMID:38736660
|
研究论文 | 本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务 | 使用合成图像和物理世界图像的混合数据集训练网络，以提高图像分割任务的性能 | NA | 设计用于视觉引导无人机的深度学习控制算法，以进行电力塔检查 | 自主无人机及其在电力塔检查中的应用 | 计算机视觉 | NA | 卷积神经网络 | U-NET | 图像 | 合成图像数据集、物理世界图像数据集及混合数据集 | NA | NA | NA | NA |
| 1844 | 2024-08-07 |
Predict lncRNA-drug associations based on graph neural network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1388015
PMID:38737125
|
研究论文 | 本研究利用图卷积网络（GCN）和图注意力网络（GAT）基于lncRNA和药物相似网络预测lncRNA-药物关联（LDAs） | 提出了一种基于深度学习的框架，用于预测新的lncRNA-药物关联，该方法在五个数据集上实现了良好的性能（平均AUCs > 0.92） | NA | 开发预测lncRNA-药物关联的方法，以促进基于lncRNA的药物开发 | lncRNA和药物的关联 | 机器学习 | NA | 图卷积网络（GCN），图注意力网络（GAT） | GCN，GAT | 网络数据 | 五个数据集 | NA | NA | NA | NA |
| 1845 | 2024-08-07 |
FM-FCN: A Neural Network with Filtering Modules for Accurate Vital Signs Extraction
2024, Research (Washington, D.C.)
DOI:10.34133/research.0361
PMID:38737196
|
研究论文 | 本文提出了一种名为过滤模块全卷积网络（FM-FCN）的新型网络，结合传统过滤技术与神经网络，用于增强生理信号并抑制噪声 | FM-FCN通过引入过滤模块（FM）作为网络模块，利用过滤器结构消除不需要的干扰，构建了深度学习与信号处理方法之间的桥梁 | NA | 提高生理信号提取的准确性和可靠性 | 远程光电容积脉搏波（PPG）信号的提取和心率（HR）估计 | 机器学习 | NA | 全卷积网络（FCN） | CNN | 信号 | NA | NA | NA | NA | NA |
| 1846 | 2024-08-07 |
How AI drives innovation in cardiovascular medicine
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1397921
PMID:38737711
|
comments | 本文总结了人工智能和深度学习在心血管医学领域的一些重要进展 | NA | NA | 探讨人工智能在心血管医学中的应用及其对患者护理的影响 | 心血管医学领域 | machine learning | cardiovascular disease | AI | deep learning | NA | NA | NA | NA | NA | NA |
| 1847 | 2024-08-07 |
Automated system for training and assessing reaching and grasping behaviors in rodents
2024-01-01, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2023.109990
PMID:37866457
|
研究论文 | 本文介绍了一种名为PANDA系统的自动化系统，用于训练和评估啮齿动物的到达、抓握和拉扯行为，并同步神经数据分析 | 该系统通过自动化训练过程显著提高了性能，并使用深度学习技术简化了视频评估，自动将到达动作分割为不同的到达/拉扯阶段 | NA | 研究运动控制、动机、感觉运动整合和运动障碍 | 啮齿动物的到达、抓握和拉扯行为 | NA | 帕金森病、中风 | NA | NA | 视频 | 在15分钟内，啮齿动物拉扯超过100米 | NA | NA | NA | NA |
| 1848 | 2024-08-07 |
DeepSSM: A blueprint for image-to-shape deep learning models
2024-Jan, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2023.103034
PMID:37984127
|
研究论文 | 本文提出了一种基于深度学习的框架DeepSSM，用于从医学图像中直接推断出低维形状描述符及其相关形状表示 | DeepSSM避免了传统模型所需的繁重手动预处理和分割步骤，显著提高了计算时间，并引入了基于模型的数据增强策略来解决形状建模应用中的数据稀缺问题 | NA | 开发一种深度学习框架，用于直接从3D图像中推断出统计形状表示 | 医学图像中的低维形状描述符及其相关形状表示 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了三个医学数据集 | NA | NA | NA | NA |
| 1849 | 2024-08-07 |
Multimodal deep learning-based drought monitoring research for winter wheat during critical growth stages
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300746
PMID:38722916
|
研究论文 | 本文针对传统干旱监测方法的滞后性和局限性，提出了一种基于多模态深度学习的冬小麦干旱胁迫监测S-DNet模型 | 结合冬小麦的田间干旱表型特征、气象因素和物联网技术，整合气象干旱指数SPEI和深度图像学习数据，构建了多模态深度学习模型S-DNet，提高了干旱识别的准确性和泛化能力 | NA | 旨在解决传统干旱监测方法的不足，实现对冬小麦干旱胁迫的非破坏性、准确和快速监测 | 冬小麦在关键生长阶段的干旱胁迫 | 机器学习 | NA | 深度学习 | DenseNet-121 | 图像 | 涉及冬小麦在拔节-抽穗、抽穗-开花和开花-成熟阶段的干旱胁迫图像数据集 | NA | NA | NA | NA |
| 1850 | 2024-08-07 |
Natural language processing augments comorbidity documentation in neurosurgical inpatient admissions
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303519
PMID:38723044
|
研究论文 | 研究使用自然语言处理技术识别神经外科住院患者常见并发症的可行性 | 采用自然语言处理技术，通过机器学习和深度学习算法，从放射学报告中可靠地识别常见的神经外科并发症 | 研究仅限于单一医院的神经外科服务和急诊部门，样本量相对较小 | 验证自然语言处理技术能否仅通过住院患者头部影像的文本报告识别两种常见的神经外科并发症 | 神经外科住院患者的头部影像报告 | 自然语言处理 | NA | 自然语言处理 | 随机森林分类器 | 文本 | 979份CT或MRI脑部扫描报告，其中76份用于子集比较 | NA | NA | NA | NA |
| 1851 | 2024-08-07 |
Lumbar spine MRI annotation with intervertebral disc height and Pfirrmann grade predictions
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0302067
PMID:38728318
|
研究论文 | 本文提出了一种自动标注腰椎间盘高度和退变程度的方法，通过使用Pfirrmann分级系统量化退变状态 | 采用了ResNet-50模型和集成决策树分类器组合，实现了对腰椎间盘MRI图像的高度和Pfirrmann等级的自动预测 | NA | 开发一种高效准确的腰椎间盘MRI自动标注方法 | 腰椎间盘及其退变状态 | 计算机视觉 | 腰椎疾病 | 深度学习 | ResNet-50 | 图像 | 515个MRI研究 | NA | NA | NA | NA |
| 1852 | 2024-08-07 |
Predicting drug-Protein interaction with deep learning framework for molecular graphs and sequences: Potential candidates against SAR-CoV-2
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0299696
PMID:38728335
|
研究论文 | 本文提出了一种基于注意力机制的深度学习框架，用于预测药物与蛋白质的相互作用，并筛选出针对SARS-CoV-2的潜在候选药物。 | 该研究利用深度学习框架GraphDPI-3CL，通过分子图和序列数据，实现了对3CLpro酶的高效预测，并发现了具有高结合亲和力的10种分子。 | NA | 开发针对SARS-CoV-2的广谱抗病毒药物。 | SARS-CoV-2的3CLpro酶及其潜在的抗病毒药物。 | 机器学习 | COVID-19 | 深度学习 | 注意力机制 | 分子图和序列数据 | 训练数据集包含114,555个化合物，筛选数据集包含276,003个化合物 | NA | NA | NA | NA |
| 1853 | 2024-08-07 |
Short-term prediction of PM2.5 concentration by hybrid neural network based on sequence decomposition
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0299603
PMID:38728371
|
研究论文 | 本研究提出了一种新的混合预测模型MIC-CEEMDAN-CNN-BiGRU，用于基于24小时历史数据窗口的PM2.5短期预测 | 该模型结合了最大信息系数（MIC）特征选择、完整集合经验模态分解与自适应噪声（CEEMDAN）、卷积神经网络（CNN）和双向循环门控神经网络（BiGRU），以优化预测准确性 | NA | 准确预测PM2.5浓度，以减轻空气污染 | PM2.5浓度 | 机器学习 | NA | CEEMDAN, CNN, BiGRU | CNN, BiGRU | 时间序列数据 | 使用2016年北京PM2.5监测数据 | NA | NA | NA | NA |
| 1854 | 2024-08-07 |
Coronary heart disease classification using deep learning approach with feature selection for improved accuracy
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-231807
PMID:38339946
|
研究论文 | 本研究利用LASSO技术进行特征选择，开发了一种深度卷积神经网络（CNN）模型，用于冠状动脉疾病（CHD）的分类，以提高准确性 | 本研究采用了LASSO技术进行特征选择，并开发了一种改进的CNN模型，该模型在CHD数据集上实现了99.36%的准确率，相较于以往研究的80%至92%有显著提升 | NA | 开发和验证一种用于冠状动脉疾病分类的深度学习模型，以提高诊断准确性 | 冠状动脉疾病（CHD）的分类 | 机器学习 | 心血管疾病 | LASSO技术 | CNN | 数据集 | 使用了NHANES数据集中的49个特征 | NA | NA | NA | NA |
| 1855 | 2024-08-07 |
Implemented classification techniques for osteoporosis using deep learning from the perspective of healthcare analytics
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-231517
PMID:38393861
|
研究论文 | 本文研究了使用深度学习技术从医疗分析角度对骨质疏松症进行分类的方法 | 采用深度卷积神经网络（DCNN）和松鼠搜索算法（SSA）优化网络权重，提高了分类准确性 | NA | 研究如何通过深度学习算法提高骨质疏松症的分类准确性 | 骨质疏松症的分类和诊断 | 机器学习 | 骨质疏松症 | 深度学习 | 深度卷积神经网络（DCNN） | 图像 | NA | NA | NA | NA | NA |
| 1856 | 2024-08-07 |
HBNET: A blended ensemble model for the detection of cardiovascular anomalies using phonocardiogram
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-231290
PMID:38393859
|
研究论文 | 研究提出了一种名为HBNET的混合集成模型，用于通过心音图检测心血管异常 | 该研究首次使用混合深度学习模型和softmax回归开发了一种新的混合集成模型，用于区分成人和儿童心音的五个不同类别 | 研究中未明确提及模型的局限性 | 旨在开发一种新的混合集成模型，以提高心音图分类的准确性和可靠性，并创建一个全面的5类儿童心音图数据集 | 成人和儿童的心音图 | 机器学习 | 心血管疾病 | 混合深度学习模型 | CNN-BiLSTM和CNN-LSTM | 音频信号 | 成人和儿童的心音图数据集 | NA | NA | NA | NA |
| 1857 | 2024-08-07 |
The effect of the re-segmentation method on improving the performance of rectal cancer image segmentation models
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230690
PMID:38517809
|
研究论文 | 本文研究了重新分割方法对直肠癌图像分割模型性能的提升效果 | 提出了使用重新分割方法手动修正模型分割区域并将其用于训练，以提高模型分割能力 | 深度学习切割直肠肿瘤仍无法与手动分割相比，主要障碍是缺乏高质量数据集 | 旨在提高直肠癌图像分割模型的性能 | 直肠癌CT图像和直肠区域图像 | 计算机视觉 | 直肠癌 | NA | NA | 图像 | 354张直肠癌CT图像和308张直肠区域图像 | NA | NA | NA | NA |
| 1858 | 2024-08-07 |
Sequential graph convolutional network and DeepRNN based hybrid framework for epileptic seizure detection from EEG signal
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241249874
PMID:38726217
|
研究论文 | 提出了一种结合顺序图卷积网络（SGCN）和深度循环神经网络（DeepRNN）的混合框架，用于从脑电图（EEG）信号中自动检测癫痫发作 | 该框架通过融合门控循环单元（GRU）与传统RNN，解决了梯度消失问题，并提高了模型的复杂性和性能 | NA | 开发一种新的深度学习算法，用于从EEG信号中自动检测癫痫发作 | 癫痫发作的自动检测 | 机器学习 | 癫痫 | 深度学习算法 | 顺序图卷积网络（SGCN）和深度循环神经网络（DeepRNN） | 脑电图（EEG）信号 | 在CHB-MIT和TUH数据集上进行了广泛实验 | NA | NA | NA | NA |
| 1859 | 2024-08-07 |
Automatic grading evaluation of winter wheat lodging based on deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1284861
PMID:38726297
|
research paper | 本研究设计了一种分类-语义分割多任务神经网络模型MLP_U-Net，用于自动评估冬小麦倒伏等级，准确估计倒伏角度和倒伏面积 | 提出了一种基于U-Net架构改进的MLP_U-Net模型，通过增强编码器的鲁棒性，提高了分类准确性和分割网络的强度 | NA | 实现冬小麦倒伏等级的准确和及时评估，为农业保险公司评估农业损失和种子选择提供技术支持 | 冬小麦倒伏等级评估 | machine learning | NA | deep learning | MLP_U-Net | image | 82种冬小麦品种 | NA | NA | NA | NA |
| 1860 | 2024-08-07 |
EMPT: a sparsity Transformer for EEG-based motor imagery recognition
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1366294
PMID:38721049
|
研究论文 | 本文提出了一种结合混合专家层和概率稀疏自注意力机制的Transformer神经网络，用于解码脊髓损伤患者运动想象（MI）EEG的时间-频率-空间域特征 | 引入了混合专家层和Kullback-Leibler散度注意力池化机制，通过稀疏化Transformer神经网络，提高了其在EEG数据集上的适用性 | NA | 开发一种新的深度学习方法，用于基于运动想象的EEG数据解码 | 脊髓损伤患者的运动想象EEG信号 | 机器学习 | 脊髓损伤 | Transformer神经网络 | Transformer | EEG信号 | 脊髓损伤患者的MI EEG数据集 | NA | NA | NA | NA |