深度学习在生物医药领域中的应用
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，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10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 12169 篇文献，本页显示第 2901 - 2920 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 2901 | 2024-11-26 |
Convolutional neural network for oral cancer detection combined with improved tunicate swarm algorithm to detect oral cancer
2024-11-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79250-0
PMID:39562767
|
研究论文 | 本文提出了一种结合改进的海鞘群算法的卷积神经网络用于口腔癌检测 | 本文创新性地将改进的海鞘群算法与卷积神经网络结合，提高了口腔癌检测的准确性 | NA | 开发一种更准确的口腔癌检测方法 | 口腔癌患者的图像数据 | 计算机视觉 | 口腔癌 | 卷积神经网络 | CNN | 图像 | 口腔癌图片数据集 |
| 2902 | 2024-11-26 |
Dynamic Mechanism for Subtype Selectivity of Endocannabinoids
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.25.620304
PMID:39554065
|
研究论文 | 研究了内源性大麻素对大麻素受体亚型选择性的动态机制 | 提出了两种假设来解释内源性大麻素对大麻素受体的选择性，并通过分子动力学模拟和深度学习方法验证了这些假设 | 研究主要基于模拟和理论计算，需要进一步的实验验证 | 解释内源性大麻素对大麻素受体的亚型选择性机制，为开发选择性药物提供理论支持 | 内源性大麻素及其对大麻素受体的选择性 | NA | NA | 分子动力学模拟 | 深度学习 | 模拟数据 | NA |
| 2903 | 2024-11-26 |
Uncertainty-Aware Deep Learning Characterization of Knee Radiographs for Large-Scale Registry Creation
2024-Oct-29, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.10.103
PMID:39477040
|
研究论文 | 本文介绍了一种用于膝关节X光片注册的自动化图像摄取管道，结合了多标签图像语义分类器、基于保形预测的不确定性量化和膝关节硬件的对象检测模型 | 本文引入了基于保形预测的不确定性量化方法，增强了模型在不确定情况下的透明度 | NA | 开发一种自动化方法来表征膝关节X光片，用于大规模注册创建 | 膝关节X光片 | 计算机视觉 | NA | 保形预测 | EfficientNet | 图像 | 26,000张膝关节X光片，其中11,841张标注了手术构造位置 |
| 2904 | 2024-10-30 |
Deep Learning-Based Method for Rapid 3D Whole-Heart Modeling in Congenital Heart Disease: Correspondence
2024-Oct-28, Cardiology
IF:1.9Q3
DOI:10.1159/000542318
PMID:39467517
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2905 | 2024-11-26 |
Deep learning prediction of survival in patients with heart failure using chest radiographs
2024-Sep, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03177-w
PMID:38969836
|
研究论文 | 本研究开发并验证了一种使用胸部X光片进行深度学习生存预测模型，用于预测心力衰竭患者的生存率 | 本研究首次使用深度学习模型结合胸部X光片和临床参数，显著提高了心力衰竭患者生存预测的准确性 | 本研究样本量较小，且仅限于特定时间段和机构的患者数据 | 开发和验证一种基于胸部X光片的深度学习生存预测模型，用于心力衰竭患者的生存预测 | 心力衰竭患者及其胸部X光片 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 353名心力衰竭患者 |
| 2906 | 2024-11-26 |
USE OF ARTIFICIAL INTELLIGENCE IN THE DIAGNOSIS AND TREATMENT OF ORTHOPEDIC DISEASES: LITERATURE REVIEW
2024-Sep, Georgian medical news
PMID:39580822
|
综述 | 本文综述了人工智能技术在骨科疾病诊断和治疗中的应用 | 本文总结了人工智能在骨科疾病诊断和治疗中的有效性 | NA | 综述和分析人工智能在肌肉骨骼系统疾病诊断和治疗中的应用 | 骨科疾病的诊断和治疗 | 机器学习 | NA | 机器学习、深度学习、虚拟现实 | 神经网络 | 图像 | 348篇出版物，其中201篇可公开获取 |
| 2907 | 2024-11-26 |
Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01008-x
PMID:38413460
|
研究论文 | 本文提出了一种基于深度学习的胶质瘤分级方法，通过分析肿瘤微环境特征进行自动多分类 | 本文创新性地使用深度学习方法自动分类胶质瘤分级，并通过肿瘤微环境分析协议学习、发现和量化微环境元素 | 研究受限于人类白细胞抗原染色的胶质瘤组织微阵列数据集较小且数据分布不平衡 | 开发一种自动化的胶质瘤分级方法，以减少手动图像检查的时间和劳动量 | 胶质瘤及其微环境特征 | 数字病理学 | 脑肿瘤 | 深度学习 | DenseNet121 | 图像 | 206张图像，分为5个类别 |
| 2908 | 2024-11-26 |
DilatedToothSegNet: Tooth Segmentation Network on 3D Dental Meshes Through Increasing Receptive Vision
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01061-6
PMID:38441700
|
研究论文 | 本文介绍了一种名为DilatedToothSegNet的牙齿分割网络，通过增加感受野来提高3D牙模的分割精度 | 提出了一个名为扩张边缘卷积的网络操作符，通过扩展网络的感受野来增强学习更远特征的能力，从而提高分割结果 | NA | 提高3D牙模中牙齿的自动分割精度 | 3D牙模中的牙齿分割 | 计算机视觉 | NA | 几何深度学习 | CNN | 3D模型 | 使用了最近发布的基准数据集Teeth3DS进行评估 |
| 2909 | 2024-11-26 |
Large-scale 3D non-Cartesian coronary MRI reconstruction using distributed memory-efficient physics-guided deep learning with limited training data
2024-Jul, Magma (New York, N.Y.)
DOI:10.1007/s10334-024-01157-8
PMID:38743377
|
研究论文 | 本文提出了一种基于分布式内存高效物理引导深度学习（PG-DL）的大规模3D非笛卡尔冠状MRI重建方法 | 结合了深度学习和MRI重建的最新进展，提出了一种2.5D重建方法，使用2D卷积神经网络处理3D体积数据，以克服硬件限制和训练数据不足的问题 | NA | 实现高质量的物理引导深度学习重建，克服硬件限制和训练数据不足的问题 | 大规模3D非笛卡尔冠状MRI | 计算机视觉 | 心血管疾病 | MRI | 卷积神经网络（CNN） | 图像 | NA |
| 2910 | 2024-11-26 |
Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1450804
PMID:39364166
|
研究论文 | 研究了抗生素耐药菌株的形态学变化，并使用生物信息学工具和深度学习方法进行分类 | 提出了新的深度学习方法用于单细胞分类，并成功应用于喹诺酮和β-内酰胺耐药菌株的分类 | 仅研究了10种抗生素耐药菌株，样本量有限 | 研究抗生素耐药菌株的形态学变化及其与基因表达的关系 | 抗生素耐药菌株的形态学特征 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 图像 | 10种抗生素耐药菌株 |
| 2911 | 2024-11-26 |
Artificial intelligence in predicting pathogenic microorganisms' antimicrobial resistance: challenges, progress, and prospects
2024, Frontiers in cellular and infection microbiology
IF:4.6Q1
DOI:10.3389/fcimb.2024.1482186
PMID:39554812
|
综述 | 本文综述了人工智能和机器学习技术在预测病原微生物抗菌药物耐药性方面的最新进展 | 介绍了支持向量机、随机森林和深度学习网络等主要AI和ML模型在耐药性预测中的应用 | 讨论了数据可用性、模型可解释性和跨物种耐药性预测等主要挑战 | 探讨通过算法优化、数据集扩展和跨学科合作来研究微生物耐药性的新视角和解决方案 | 病原微生物的抗菌药物耐药性 | 机器学习 | NA | 人工智能 (AI) 和机器学习 (ML) | 支持向量机、随机森林、深度学习网络 | 生物医学数据 | NA |
| 2912 | 2024-11-26 |
Predicting Immune Checkpoint Inhibitor-Related Pneumonitis via Computed Tomography and Whole-Lung Analysis Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文提出了一种基于计算机断层扫描（CT）图像和深度学习的全肺分析模型，用于预测免疫检查点抑制剂相关性肺炎（ICI-P）的风险 | 本文提出了一种新颖的全肺分析深度学习模型，结合了密集连接卷积网络（DenseNet）和特征金字塔网络（FPN），能够自动挖掘CT图像中的全局肺部信息，无需手动标注图像 | NA | 预测免疫检查点抑制剂相关性肺炎（ICI-P）的个体化风险，以辅助个性化免疫治疗计划 | 免疫检查点抑制剂相关性肺炎（ICI-P）的风险预测 | 计算机视觉 | 肺部疾病 | 深度学习 | DenseNet 和 FPN 结合的深度学习模型 | CT图像 | 157名患者 |
| 2913 | 2024-11-26 |
Erratum: Bioinformatic analysis reveals the association between bacterial morphology and antibiotic resistance using light microscopy with deep learning
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1516320
PMID:39583549
|
correction | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 2914 | 2024-11-25 |
Automated tablet defect detection and the prediction of disintegration time and crushing strength with deep learning based on tablet surface images
2024-Dec-25, International journal of pharmaceutics
IF:5.3Q1
DOI:10.1016/j.ijpharm.2024.124896
PMID:39489389
|
研究论文 | 本文提出了一种基于深度学习的自动检测片剂缺陷并预测崩解时间和抗压强度的方法 | 利用YOLOv5算法进行实时缺陷识别和基于表面纹理预测崩解时间和抗压强度 | 仍有进一步改进的空间 | 提高制药生产中的质量控制和效率 | 片剂的缺陷检测、崩解时间和抗压强度的预测 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 涉及五种不同类别的缺陷 |
| 2915 | 2024-11-25 |
Lightweight deep learning model for underwater waste segmentation based on sonar images
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.09.008
PMID:39277917
|
研究论文 | 本文提出了一种基于声呐图像的轻量级深度学习模型，用于水下废物分割，为自主水下机器人提供像素级定位信息和废物类别 | 引入了混合感知和多尺度注意力模块，以捕捉多尺度上下文特征并增强高级关键信息，同时使用采样注意力模块和跨层交互模块实现特征下采样和融合细节特征与语义特征 | NA | 提高水下废物回收的自动化程度，促进可持续海洋发展 | 水下废物及其在声呐图像中的分割 | 计算机视觉 | NA | 深度学习 | 多尺度跨层网络 | 图像 | NA |
| 2916 | 2024-11-25 |
Unveiling the non-linear effects of water and oil on hyperspectral imaging-based characterization of solid waste by hyperspectral unmixing
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.09.011
PMID:39357305
|
研究论文 | 本文研究了水和油对固体废物高光谱成像特征的非线性影响，并提出了基于高光谱解混的新方法 | 首次尝试使用高光谱解混技术提取固体废物中的端元成分，并展示了其贡献度 | NA | 研究水和油对固体废物高光谱成像特征的非线性影响 | 固体废物的高光谱成像特征 | 计算机视觉 | NA | 高光谱成像 | 深度学习模型 | 光谱数据 | 各种固体废物成分受纯水、油和三种渗滤液影响的光谱数据 |
| 2917 | 2024-11-25 |
Deep learning approaches for classification of copper-containing metal scrap in recycling processes
2024-Dec-15, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.10.022
PMID:39454556
|
研究论文 | 本文研究了使用深度学习方法对含铜金属废料进行分类，以替代传统的XRF/XRT设备 | 本文首次在金属回收过程中使用RGB相机和深度学习模型进行含铜金属废料的分类，并评估了多种CNN架构的性能 | 本文仅评估了20种常见的CNN架构，未涵盖所有可能的深度学习模型 | 开发一种低成本的传感器设备和深度学习模型，用于在金属回收过程中高效分离铜和铁废料 | 含铜和铁的金属废料 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 2200个金属废料样本 |
| 2918 | 2024-11-25 |
Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy
2024-Dec-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343376
PMID:39580159
|
研究论文 | 本文提出了一种基于深度学习和二维拉曼光谱的快速准确细菌鉴定策略 | 通过结合小波包变换和Gramian角场技术，实现了高精度且高效的细菌鉴定，相比传统方法训练时间减少了90% | NA | 开发一种快速且准确的细菌鉴定方法 | 细菌鉴定 | 机器学习 | NA | 拉曼光谱 | 深度学习模型 | 光谱图像 | 两种和三十种细菌分离株 |
| 2919 | 2024-11-25 |
Enhancing decision confidence in AI using Monte Carlo dropout for Raman spectra classification
2024-Dec-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343346
PMID:39580162
|
研究论文 | 本文提出了一种结合蒙特卡罗 dropout 和卷积神经网络的方法，用于增强拉曼光谱分类中的决策置信度 | 本文的创新点在于在推理阶段使用蒙特卡罗 dropout 来测量模型的不确定性，从而提高预测的可靠性 | NA | 本文的研究目的是提高基于拉曼光谱的细菌菌株识别的准确性 | 本文的研究对象是拉曼光谱数据及其在细菌菌株识别中的应用 | 机器学习 | NA | 蒙特卡罗 dropout | 卷积神经网络 (CNN) | 光谱数据 | 两个数据集，分别是 1206 个光谱和 3000 个光谱 |
| 2920 | 2024-11-25 |
Artificial neural networks development in prosthodontics - a systematic mapping review
2024-Dec, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.105385
PMID:39362297
|
综述 | 本文系统地分类了现有文献，并全面概述了人工神经网络（ANN）在修复学中的预测模型 | 本文引入了对修复学中ANN目标、数据、架构、评估指标和局限性的系统分析 | 本文揭示了ANN开发中的局限性，特别是在数据生命周期方面 | 旨在系统地分类现有文献，并全面概述人工神经网络（ANN）在修复学中的预测模型 | 修复学中的人工神经网络（ANN）预测模型 | 机器学习 | NA | 人工神经网络（ANN） | 人工神经网络（ANN） | NA | 从597篇文章中筛选出70篇报告，其中33%来自2023年，29%关注种植修复，71%关注非种植修复 |