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 12022 篇文献，本页显示第 3341 - 3360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3341 | 2024-12-19 |
LumVertCancNet: A novel 3D lumbar vertebral body cancellous bone location and segmentation method based on hybrid Swin-transformer
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108237
PMID:38422966
|
研究论文 | 提出了一种基于混合Swin-transformer的新型3D腰椎椎体松质骨定位与分割方法 | 提出了一个两阶段的粗到细解决方案，结合了Swin-transformer和CNN的优势，并引入了新的LumAnatomy损失函数和多尺度注意力特征融合模块（MSA-FFM） | 需要大量的标注数据，且算法复杂度较高 | 解决腰椎椎体松质骨的自动定位与分割问题，以辅助医学诊断和骨强度的人群分析 | 腰椎椎体松质骨的定位与分割 | 计算机视觉 | NA | Swin-transformer, CNN | 混合模型 | 图像 | 185个CT扫描数据 | NA | NA | NA | NA |
| 3342 | 2024-12-19 |
Unsupervised domain adaptation for histopathology image segmentation with incomplete labels
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108226
PMID:38428096
|
研究论文 | 本文提出了一种基于不完全标签的无监督域适应方法，用于组织病理学图像分割 | 本文提出了一种新的场景，即基于不完全标签的无监督域适应分割任务，并设计了SASN-IL网络，通过自适应染色调制模块提高模型在目标域上的分割性能 | 本文仅在一个胃癌数据集上进行了验证，未来需要在更多不同类型的数据集上进行测试 | 提高深度学习算法在组织病理学图像分割中的泛化能力 | 组织病理学图像的分割 | 数字病理学 | 胃癌 | 无监督域适应 | SASN-IL | 图像 | 一个胃癌数据集 | NA | NA | NA | NA |
| 3343 | 2024-12-19 |
ECPC-IDS: A benchmark endometrial cancer PET/CT image dataset for evaluation of semantic segmentation and detection of hypermetabolic regions
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108217
PMID:38430743
|
研究论文 | 本文发布了一个公开的子宫内膜癌PET/CT图像数据集ECPC-IDS，用于评估语义分割和检测高代谢区域 | 首次公开了一个包含大量多模态图像的子宫内膜癌数据集，为计算机辅助诊断提供了新的研究资源 | NA | 发布一个公开的子宫内膜癌PET/CT图像数据集，以促进计算机辅助诊断技术的发展 | 子宫内膜癌的PET/CT图像 | 计算机视觉 | 子宫内膜癌 | 深度学习 | 语义分割和目标检测模型 | 图像 | 分割部分包含7159张PET和CT图像，目标检测部分包含3579张PET和CT图像及XML标注文件 | NA | NA | NA | NA |
| 3344 | 2024-12-19 |
scAuto as a comprehensive framework for single-cell chromatin accessibility data analysis
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108230
PMID:38442554
|
研究论文 | 本文开发了一个名为scAuto的预训练深度学习框架，用于单细胞染色质可及性数据的分析，并提供了一个用户友好的在线分析工具 | scAuto通过预训练和微调的方法，学习DNA序列的通用语法，并将其应用于单细胞染色质可及性分析任务，提供了一个全面的分析框架和交互式网络服务器 | NA | 开发一个全面的单细胞染色质可及性数据分析框架，并提供用户友好的在线分析工具 | 单细胞染色质可及性数据 | 机器学习 | NA | 深度学习 | Transformer | 文本 | Buenrostro2018数据集 | NA | NA | NA | NA |
| 3345 | 2024-12-19 |
CODENET: A deep learning model for COVID-19 detection
2024-03, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108229
PMID:38447500
|
研究论文 | 本文提出了一种基于深度学习的新模型CODENET，用于通过胸部X光片进行COVID-19的自动诊断 | 该研究引入了对比学习技术，以充分利用潜在图像数据，增强模型在不同数据域中的特征提取能力和泛化能力 | NA | 开发一种准确且实用的自动诊断框架，用于COVID-19的检测，并提供良好的可解释性 | COVID-19的自动诊断 | 计算机视觉 | COVID-19 | 对比学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 3346 | 2024-12-19 |
Predicting the diabetic foot in the population of type 2 diabetes mellitus from tongue images and clinical information using multi-modal deep learning
2024, Frontiers in physiology
IF:3.2Q2
DOI:10.3389/fphys.2024.1473659
PMID:39691096
|
研究论文 | 本文基于中医和西医的定量和定性融合数据，结合中医和西医的客观参数，建立了一个糖尿病足（DF）预测模型 | 本文创新性地将舌象特征与临床信息结合，利用多模态深度学习方法建立了糖尿病足预测模型，证明了中医舌诊在糖尿病足风险预测中的独特优势和重要作用 | NA | 建立一个基于临床特征和客观舌色的糖尿病足预测模型，验证中医舌诊的科学性 | 2型糖尿病患者的糖尿病足风险预测 | 机器学习 | 糖尿病 | 深度神经网络（DNN） | ResNet-50 | 图像和临床数据 | 391名患者，其中267名为糖尿病足患者 | NA | NA | NA | NA |
| 3347 | 2024-12-19 |
Recognition and Localization of Maize Leaf and Stalk Trajectories in RGB Images Based on Point-Line Net
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0199
PMID:39691278
|
研究论文 | 本文提出了一种基于Point-Line Net的深度学习方法，用于自动识别玉米田RGB图像中的叶片和茎秆数量及其生长轨迹 | 本文创新性地开发了Point-Line Net方法，基于Mask R-CNN框架，并引入了一个新的轻量级“关键点”检测分支，用于描述叶片和茎秆的位置和生长 | 本文主要在实验室环境下进行实验，尚未完全解决田间复杂背景和严重遮挡问题 | 探索深度学习技术在田间农业中获取叶片和茎秆数量及其生长轨迹的应用 | 玉米田中的叶片和茎秆数量及其生长轨迹 | 计算机视觉 | NA | 深度学习 | Point-Line Net | 图像 | 实验结果基于自定义的距离验证指数，达到了33.5的量级 | NA | NA | NA | NA |
| 3348 | 2024-12-19 |
Artificial intelligence for chimeric antigen receptor-based therapies: a comprehensive review of current applications and future perspectives
2024, Therapeutic advances in vaccines and immunotherapy
DOI:10.1177/25151355241305856
PMID:39691280
|
综述 | 本文综述了人工智能在嵌合抗原受体（CAR）疗法中的当前应用和未来展望 | 本文探讨了人工智能在CAR疗法中的多种应用，如使用深度学习设计CAR、自然语言处理提取临床信息、计算机视觉分析CAR细胞形态、强化学习优化CAR输注剂量等 | 本文指出了使用人工智能进行CAR疗法的挑战，包括数据质量不足、模型验证需求、AI输出偏差和错误风险、伦理法律问题以及对人类在癌症免疫治疗中角色的影响 | 探讨人工智能在CAR疗法中的应用及其未来发展方向 | 人工智能在CAR疗法中的设计、生产、交付等方面的应用 | 机器学习 | NA | 深度学习、自然语言处理、计算机视觉、强化学习 | NA | 文本、图像 | NA | NA | NA | NA | NA |
| 3349 | 2024-12-19 |
Editorial: Investigating tumor immunotherapy responses in lung cancer using deep learning
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1529949
PMID:39691722
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 3350 | 2024-12-19 |
EEG-based action anticipation in human-robot interaction: a comparative pilot study
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1491721
PMID:39691819
|
研究论文 | 本研究探讨了如何利用脑电图（EEG）信号在人机交互中进行动作预测，以提高安全性和效率 | 本研究首次将EEG信号与深度学习技术结合，用于人机交互中的动作预测，展示了其在实时协作任务中的潜力 | 本研究仅进行了初步的试点实验，样本量较小，未来需要更大规模的研究来验证其有效性 | 探索如何利用EEG信号在人机交互中进行动作预测，以提高安全性和效率 | 人机交互中的动作预测 | 机器学习 | NA | 脑电图（EEG） | 深度学习分类模型 | 脑电图信号 | 一个运动想象（MI）数据集，具体样本量未明确说明 | NA | NA | NA | NA |
| 3351 | 2024-12-18 |
Deep learning model for diagnosis of venous thrombosis from lower extremity peripheral ultrasound imaging
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111318
PMID:39687013
|
研究论文 | 本研究旨在建立一个深度学习模型，用于通过下肢外周超声图像诊断深静脉血栓 | 本研究创新性地使用卷积神经网络（UNet和ResNet）进行图像分割，并开发了一个用户友好的应用程序，以便前线临床医生快速评估临床严重性并进行及时干预 | NA | 建立一个深度学习模型，用于通过超声图像诊断深静脉血栓 | 下肢外周超声图像中的深静脉血栓 | 计算机视觉 | 深静脉血栓 | 卷积神经网络 | UNet, ResNet | 图像 | 通过标准和便携式手持超声方法获得的静脉双工超声视频图像 | NA | NA | NA | NA |
| 3352 | 2024-12-18 |
A Deep Learning Based Framework to Identify Undocumented Orphaned Oil and Gas Wells from Historical Maps: A Case Study for California and Oklahoma
2024-Dec-17, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.4c04413
PMID:39629830
|
研究论文 | 本文开发了一种基于深度学习的框架，用于从历史地图中识别未记录的孤立油气井，并在加利福尼亚州和俄克拉荷马州的四个县进行了案例研究 | 本文创新性地利用了最先进的计算机视觉神经网络模型U-Net，通过检测地理参考历史地形图中的油气井符号来识别潜在的未记录孤立油气井 | 本文的局限性在于仅在加利福尼亚州和俄克拉荷马州的四个县进行了验证，未来需要进一步扩展到全美范围 | 本文的研究目的是开发一种方法来识别未记录的孤立油气井，以减少其对环境和公共健康的潜在危害 | 本文的研究对象是未记录的孤立油气井及其在历史地图中的位置 | 计算机视觉 | NA | 计算机视觉神经网络模型 | U-Net | 地图 | 在加利福尼亚州和俄克拉荷马州的四个县中，发现了1301个潜在的未记录孤立油气井，覆盖面积超过40,000平方公里 | NA | NA | NA | NA |
| 3353 | 2024-12-18 |
Bimodal PET/MRI generative reconstruction based on VAE architectures
2024-Dec-17, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad9133
PMID:39527911
|
研究论文 | 本研究探索了在深度学习框架下基于变分自编码器（VAE）架构的正电子发射断层扫描（PET）/磁共振成像（MRI）联合重建方法 | 提出了基于VAE约束与交替方向乘子法（ADMM）优化技术的新方法，并探索了三种VAE架构以确定两种模态的最佳潜在表示 | 未提及具体限制 | 开发一种新的PET/MRI联合重建方法，以提高重建质量，特别是在短采集时间下的表现 | 脑部PET/MRI数据 | 计算机视觉 | NA | 变分自编码器（VAE），交替方向乘子法（ADMM） | VAE | 图像 | 脑部PET/MRI数据集 | NA | NA | NA | NA |
| 3354 | 2024-12-18 |
Novel approach for Arabic fake news classification using embedding from large language features with CNN-LSTM ensemble model and explainable AI
2024-Dec-16, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82111-5
PMID:39681596
|
研究论文 | 本文提出了一种基于ELMo词嵌入和CNN-LSTM集成模型的新方法，用于阿拉伯语假新闻分类，并结合可解释AI技术进行分析 | 本文的创新点在于提出了一种结合ELMo词嵌入和CNN-LSTM集成模型的投票框架，并引入了LIME可解释AI技术，显著提高了分类性能和模型可解释性 | 本文未提及具体的局限性 | 研究目的是提高阿拉伯语假新闻检测的准确性和可解释性 | 研究对象是阿拉伯语假新闻文本 | 自然语言处理 | NA | ELMo词嵌入，LIME可解释AI技术 | CNN-LSTM集成模型 | 文本 | NA | NA | NA | NA | NA |
| 3355 | 2024-12-18 |
Thermoelectric Material Performance (zT) Predictions with Machine Learning
2024-Dec-16, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c19149
PMID:39686715
|
研究论文 | 本文利用机器学习和深度学习模型，基于大量实验数据集预测热电材料性能 | 开发了一种可解释的模型，能够在大规模实验数据集上预测热电材料性能，并直接预测复杂的热电性能 | 预测结果与实验结果存在偏差，可能由文献误差、合成路线不同、晶体形态和粒径密度差异等因素引起 | 利用机器学习模型预测热电材料的性能 | 热电材料及其性能 | 机器学习 | NA | 机器学习，深度学习，密度泛函理论（DFT） | NA | 实验数据，晶体学数据 | 约160,000个数据点 | NA | NA | NA | NA |
| 3356 | 2024-12-18 |
Screening and evaluation of diabetic retinopathy via a deep learning network model: A prospective study
2024-Dec-15, World journal of diabetes
IF:4.2Q1
DOI:10.4239/wjd.v15.i12.2302
PMID:39676804
|
研究论文 | 本文评估了一种基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果 | 本文利用基于注意力机制的深度学习网络模型，显著提高了糖尿病视网膜病变的筛查准确性和效率 | 本文的研究对象仅限于18-70岁的永久居民，且样本量相对较小 | 评估基于注意力机制的深度学习网络模型在糖尿病视网膜病变筛查中的效果 | 糖尿病视网膜病变在自然人群和糖尿病患者中的筛查效果 | 计算机视觉 | 糖尿病 | 深度学习 | 注意力机制网络模型 | 图像 | 474名参与者，共948张眼底图像 | NA | NA | NA | NA |
| 3357 | 2024-12-18 |
Deep learning model combined with computed tomography features to preoperatively predicting the risk stratification of gastrointestinal stromal tumors
2024-Dec-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v16.i12.4663
PMID:39678791
|
研究论文 | 本文研究了结合深度学习模型和计算机断层扫描特征来术前预测胃肠道间质瘤的风险分层 | 本文开发了一种结合深度学习模型和常规计算机断层扫描数据的模型，用于术前预测胃肠道间质瘤的风险分层，显示出优于单一深度学习模型的性能 | 本文的局限性在于仅使用了回顾性分析的数据，且样本量相对较小 | 评估深度学习模型结合计算机断层扫描特征在预测胃肠道间质瘤风险分层中的应用 | 胃肠道间质瘤患者的术前风险分层 | 机器学习 | 胃肠道间质瘤 | 计算机断层扫描 | 卷积神经网络 | 图像 | 551名胃肠道间质瘤患者 | NA | NA | NA | NA |
| 3358 | 2024-12-18 |
Prediction of bladder cancer prognosis and immune microenvironment assessment using machine learning and deep learning models
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39327
PMID:39687145
|
研究论文 | 本研究整合了10种机器学习算法，开发了一种免疫相关的机器学习特征（IRMLS），并基于病理图像创建了一个深度学习模型来检测IRMLS亚型，用于预测膀胱癌的预后和评估免疫微环境 | 首次通过整合多种机器学习算法和深度学习模型，开发了IRMLS特征，用于预测膀胱癌的预后和评估免疫微环境，并验证了其作为独立预后因子的有效性 | 研究仅基于病理图像和已有的数据集，未涉及其他类型的数据或更广泛的临床验证 | 开发和验证一种基于机器学习的分子特征，用于预测膀胱癌的预后和评估免疫微环境，指导个性化精准治疗 | 膀胱癌患者的预后和免疫微环境 | 机器学习 | 膀胱癌 | 机器学习算法和深度学习模型 | 深度学习模型 | 病理图像 | 未明确具体样本数量 | NA | NA | NA | NA |
| 3359 | 2024-12-18 |
Effective identification of Alzheimer's disease in mouse models via deep learning and motion analysis
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e39353
PMID:39687151
|
研究论文 | 本文开发了一种基于深度学习和运动分析的无标记运动分析系统（MMAS），用于Morris水迷宫测试中阿尔茨海默病小鼠模型的有效识别 | 创新点在于使用深度学习技术开发了无标记运动分析系统（MMAS），并通过该系统识别出阿尔茨海默病小鼠的单侧头部转向和尾部摆动偏好，其准确性高于传统行为参数 | NA | 研究目的是提高阿尔茨海默病小鼠模型的识别效果、敏感性和可解释性 | 研究对象是阿尔茨海默病小鼠模型和野生型小鼠 | 机器学习 | 阿尔茨海默病 | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 3360 | 2024-12-18 |
scVAG: Unified single-cell clustering via variational-autoencoder integration with Graph Attention Autoencoder
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40732
PMID:39687165
|
研究论文 | 本文提出了一种名为scVAG的深度学习框架，结合变分自编码器（VAE）和图注意力自编码器（GATE），用于增强单细胞RNA测序数据的聚类 | scVAG通过集成VAE和GATE，实现了更灵活的潜在空间编码，取代了传统的线性主成分分析（PCA）方法，适用于非线性降维 | NA | 提高单细胞RNA测序数据聚类的准确性和解释性 | 单细胞RNA测序数据 | 机器学习 | NA | 单细胞RNA测序（scRNA-seq） | 变分自编码器（VAE）和图注意力自编码器（GATE） | 数据矩阵 | 20个数据集 | NA | NA | NA | NA |