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 12189 篇文献，本页显示第 3821 - 3840 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3821 | 2024-12-21 |
CRIECNN: Ensemble convolutional neural network and advanced feature extraction methods for the precise forecasting of circRNA-RBP binding sites
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108466
PMID:38615462
|
研究论文 | 提出了一种名为CRIECNN的新型集成深度学习模型，用于提高circRNA-RBP结合位点的预测准确性 | 采用了先进的特征提取方法和多种编码技术，结合了集成卷积神经网络、BiLSTM和自注意力机制，显著提升了预测性能 | 未提及具体的研究局限性 | 提高circRNA-RBP结合位点的预测准确性，增进对circRNA及其调控作用的了解 | circRNA与RNA结合蛋白（RBP）的相互作用 | 机器学习 | NA | NA | 集成卷积神经网络、BiLSTM、自注意力机制 | 序列数据 | 涉及四种不同的序列数据集和编码技术（BERT、Doc2Vec、KNF、EIIP） | NA | NA | NA | NA |
| 3822 | 2024-12-21 |
Semantic uncertainty Guided Cross-Transformer for enhanced macular edema segmentation in OCT images
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108458
PMID:38631114
|
研究论文 | 提出了一种名为语义不确定性引导的跨变压器网络（SuGCTNet）的新方法，用于OCT图像中多类黄斑水肿的同时分割 | 引入了语义不确定性引导的注意力模块（SuGAM）和跨变压器模块（CTM），通过语义不确定性和多尺度图像特征来提高分割性能 | 未提及具体限制 | 提高黄斑水肿在OCT图像中的分割准确性和连续性 | 黄斑水肿及其相关病变（如内层视网膜液体、亚视网膜液体和色素上皮脱离） | 计算机视觉 | 眼科疾病 | 深度学习 | 跨变压器网络（Cross-Transformer Network） | 图像 | 使用了公共数据集和多种OCT成像设备的数据 | NA | NA | NA | NA |
| 3823 | 2024-12-21 |
One-shot skill assessment in high-stakes domains with limited data via meta learning
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108470
PMID:38636326
|
研究论文 | 本文介绍了一种名为A-VBANet的元学习模型，能够在高风险领域通过一次性学习进行技能评估 | 提出了A-VBANet模型，能够在数据有限的情况下进行领域无关的技能评估，并通过一次性学习实现高精度评估 | NA | 开发一种能够在数据有限的高风险领域进行技能评估的深度学习模型 | 在腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术中评估手术技能 | 机器学习 | NA | 元学习 | A-VBANet | 视频 | 五个腹腔镜和机器人模拟器以及真实的腹腔镜胆囊切除术 | NA | NA | NA | NA |
| 3824 | 2024-12-21 |
DesTrans: A medical image fusion method based on Transformer and improved DenseNet
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108463
PMID:38640634
|
研究论文 | 提出了一种基于Transformer和改进DenseNet的医学图像融合方法，以提高图像融合的效果 | 引入了Transformer和改进的DenseNet网络模块，增强了特征提取能力，减少了特征损失和边缘模糊问题 | 未提及具体的局限性 | 提高医学图像融合的效果，解决传统方法中的边缘模糊和信息冗余问题 | 医学图像和自然图像的融合 | 计算机视觉 | NA | 深度学习 | Transformer, DenseNet | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3825 | 2024-12-21 |
Exploratory drug discovery in breast cancer patients: A multimodal deep learning approach to identify novel drug candidates targeting RTK signaling
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108433
PMID:38642491
|
研究论文 | 本研究开发了一种多模态深度神经网络（MM-DNN）模型，用于识别针对RTK信号通路的乳腺癌新药候选物 | 创新性地采用了多模态深度学习方法，结合组学数据进行药物发现，显著提高了预测准确性 | 研究主要集中在RTK信号通路，未涵盖其他潜在的药物靶点 | 开发一种新的药物发现策略，用于识别针对RTK信号通路的乳腺癌新药候选物 | 乳腺癌患者及RTK信号通路相关药物候选物 | 机器学习 | 乳腺癌 | 多模态深度神经网络（MM-DNN） | 多模态深度神经网络（MM-DNN） | 组学数据（基因组、蛋白质组表达数据和药物反应数据） | 从PubChem数据库中筛选的RTK信号通路相关药物分子 | NA | NA | NA | NA |
| 3826 | 2024-12-21 |
Advancing cancer driver gene detection via Schur complement graph augmentation and independent subspace feature extraction
2024-05, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2024.108484
PMID:38643595
|
研究论文 | 本文提出了一种名为SCIS-CDG的模型，通过Schur补图增强和独立子空间特征提取技术来提高癌症驱动基因的预测准确性 | 引入了Schur补图增强策略和独立子空间特征提取技术，增强了模型的泛化能力和对复杂网络的处理能力，并引入了基于基因网络结构的特征扩展组件和可学习的注意力权重机制 | 未提及具体的局限性 | 提高癌症驱动基因的预测准确性，指导癌症治疗 | 癌症驱动基因 | 机器学习 | NA | Schur补图增强，独立子空间特征提取，图神经网络 | 图神经网络 | 基因网络数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 3827 | 2024-12-21 |
scGraph2Vec: a deep generative model for gene embedding augmented by graph neural network and single-cell omics data
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae108
PMID:39704704
|
研究论文 | 本文提出了一种名为scGraph2Vec的深度生成模型，用于生成基因嵌入，结合了图神经网络和单细胞组学数据 | scGraph2Vec扩展了变分图自编码器框架，并整合了单细胞数据和基因-基因相互作用网络，生成的基因嵌入具有生物学可解释性 | NA | 探索基因的细胞过程，以理解复杂疾病和生物系统的特性 | 基因嵌入和基因网络 | 生物信息学 | NA | 图神经网络 | 变分图自编码器 | 单细胞组学数据 | NA | NA | NA | NA | NA |
| 3828 | 2024-12-21 |
Integrating the Physical Environment Within a Population Neuroscience Perspective
2024, Current topics in behavioral neurosciences
DOI:10.1007/7854_2024_477
PMID:38691314
|
研究论文 | 本文从人口神经科学的角度探讨了物理环境对大脑、行为和心理健康的影响 | 本文提出了利用深度学习和高质量数据整合多源数据，以更全面地描绘物理环境 | 现有研究存在暴露测量不一致和小样本依赖的问题 | 探讨环境暴露对心理健康的长期影响，并为未来研究提供指导 | 物理环境对大脑、行为和心理健康的影响 | NA | NA | 深度学习 | NA | 遥感图像、行政数据、传感器数据、社交媒体数据 | 大样本 | NA | NA | NA | NA |
| 3829 | 2024-12-21 |
Machine and deep learning algorithms for sentiment analysis during COVID-19: A vision to create fake news resistant society
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315407
PMID:39700256
|
研究论文 | 本文介绍了一种利用机器学习和深度学习算法进行情感分析的技术，旨在检测与COVID-19相关的虚假信息，从而创建一个对假新闻具有抵抗力的社会 | 本文引入了BiGRU深度学习分类器，展示了其在检测COVID-19相关虚假信息方面的高准确性和效率 | 本文未详细讨论数据集的多样性和可能存在的偏差，以及算法在不同语言或文化背景下的适用性 | 研究目的是通过情感分析技术检测COVID-19相关的虚假信息，提升社会对假新闻的抵抗能力 | 研究对象是与COVID-19相关的虚假新闻文章 | 自然语言处理 | NA | 自然语言处理 (NLP) | BiGRU | 文本 | 数据集包括555个真阴性和580个真阳性样本，以及81个假阴性和68个假阳性样本 | NA | NA | NA | NA |
| 3830 | 2024-12-21 |
Artificial Intelligence in Uveitis: Innovations in Diagnosis and Therapeutic Strategies
2024, Clinical ophthalmology (Auckland, N.Z.)
DOI:10.2147/OPTH.S495307
PMID:39703602
|
综述 | 本文探讨了人工智能在葡萄膜炎诊断和治疗策略中的创新应用 | 人工智能技术，包括机器学习和深度学习，展示了在前房炎症检测、玻璃体混浊分级和筛查眼部弓形虫病等领域的熟练应用 | 数据集质量、算法透明性和伦理问题等挑战仍然存在 | 探索人工智能在提高葡萄膜炎诊断精度、优化治疗方案和改善患者预后中的作用 | 葡萄膜炎的诊断和治疗 | NA | 葡萄膜炎 | 机器学习（ML）和深度学习（DL） | NA | NA | 52项高质量研究 | NA | NA | NA | NA |
| 3831 | 2024-12-21 |
A survey of detection of Parkinson's disease using artificial intelligence models with multiple modalities and various data preprocessing techniques
2024, Journal of education and health promotion
IF:1.4Q3
DOI:10.4103/jehp.jehp_1777_23
PMID:39703622
|
综述 | 本文综述了使用人工智能模型和多种数据预处理技术进行帕金森病检测的研究 | 本文探讨了多种数据集、模态和数据预处理技术，并提出了未来帕金森病研究中使用磁共振成像、多巴胺转运体扫描和单光子发射计算机断层扫描数据的子分类和关联分析建议 | 本文未详细讨论具体模型的局限性或数据预处理技术的不足 | 提高帕金森病的诊断准确性 | 帕金森病患者和健康对照者 | 机器学习 | 神经退行性疾病 | 磁共振成像、多巴胺转运体扫描、单光子发射计算机断层扫描 | 卷积神经网络、门控循环单元 | 图像 | 使用了帕金森病进展标志物计划数据集的3D脑图像，准确率分别为86.67%和94.02% | NA | NA | NA | NA |
| 3832 | 2024-12-21 |
Advancing cybersecurity and privacy with artificial intelligence: current trends and future research directions
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1497535
PMID:39703783
|
综述 | 本文综述了人工智能在网络安全和隐私保护中的应用现状，并指出了未来的研究方向 | 本文首次对人工智能在网络安全和隐私领域的广泛文献进行了全面的综合分析，识别了现有研究中的空白，并提出了未来研究的方向 | 本文主要基于文献综述，未进行实证研究，且未涵盖所有可能的AI应用场景 | 探讨人工智能在网络安全和隐私保护中的应用现状，并指出未来的研究方向 | 人工智能在网络安全和隐私保护中的应用 | 机器学习 | NA | BERTopic建模 | NA | 文本 | 9350篇出版物 | NA | NA | NA | NA |
| 3833 | 2024-12-21 |
From Images to Loci: Applying 3D Deep Learning to Enable Multivariate and Multitemporal Digital Phenotyping and Mapping the Genetics Underlying Nitrogen Use Efficiency in Wheat
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0270
PMID:39703939
|
研究论文 | 本文提出了一种利用低空航拍获取小麦田间图像，生成3D点云和多光谱图像，并通过深度学习技术进行小麦地块分割和氮利用效率相关基因定位的方法 | 本文首次将3D深度学习应用于小麦氮利用效率基因的定位，提出了小麦3D地块分割数据集，并结合PointNet++量化地块冠层高度，生成氮利用相关的植被指数 | 本文的研究对象仅限于小麦，且样本量相对较小，未来需要在大规模样本和更多作物上进行验证 | 通过3D数字动态表型分析定位小麦中与氮利用效率相关的基因 | 小麦的氮利用效率基因 | 数字病理学 | NA | 3D深度学习 | PointNet++ | 图像 | 160个小麦品种（660,000个单核苷酸多态性） | NA | NA | NA | NA |
| 3834 | 2024-12-21 |
Deep Learning Methods Using Imagery from a Smartphone for Recognizing Sorghum Panicles and Counting Grains at a Plant Level
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0234
PMID:39703938
|
研究论文 | 本研究利用智能手机拍摄的图像，通过深度学习方法识别高粱穗并进行粒数计数 | 开发了Sorghum-Net模型，用于高粱穗粒数估计，并提出了一个简单的方程将模型计数与田间观察的粒数关联起来 | 研究仅使用了单侧穗图像进行粒数估计，可能存在一定的误差 | 提高高粱穗检测和粒数估计的准确性，为田间高粱产量估算提供解决方案 | 高粱穗及其粒数 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 648张高粱穗图像 | NA | NA | NA | NA |
| 3835 | 2024-12-20 |
Advanced analytical methods for multi-spectral transmission imaging optimization: enhancing breast tissue heterogeneity detection and tumor screening with hybrid image processing and deep learning
2024-Dec-19, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01755b
PMID:39569814
|
研究论文 | 本文介绍了一种结合空间金字塔匹配模型（SPM）、调制与解调（M_D）和帧累积（FA）的混合图像处理和深度学习方法，用于优化多光谱透射成像并增强乳腺组织异质性检测和肿瘤筛查 | 本文创新性地将SPM、M_D和FA技术结合，显著提升了多光谱透射图像的质量，并通过U-Net语义分割和VGG16/19、ResNet50/101网络的结合，进一步提高了异质性分类的准确性 | 本文主要基于仿体实验，尚未在临床实际应用中验证其效果 | 优化多光谱透射成像技术，提高乳腺组织异质性检测和肿瘤筛查的准确性 | 多光谱透射图像中的乳腺组织异质性 | 计算机视觉 | 乳腺癌 | 多光谱透射成像（MTI） | VGG16/19、ResNet50/101 | 图像 | 仿体实验中的多光谱透射图像 | NA | NA | NA | NA |
| 3836 | 2024-12-20 |
Deep learning for opportunistic, end-to-end automated assessment of epicardial adipose tissue in pre-interventional, ECG-gated spiral computed tomography
2024-Dec-19, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01875-6
PMID:39699798
|
研究论文 | 本文开发了一种深度学习管道，用于在螺旋CT扫描中自动评估心外膜脂肪组织（EAT） | 提出了一个两步法，包括切片提取和组织分割，以实现EAT的稳健自动评估，并展示了其在临床常规中的应用潜力 | NA | 开发一种深度学习管道，用于在螺旋CT扫描中自动评估心外膜脂肪组织（EAT） | 心外膜脂肪组织（EAT）的自动评估 | 计算机视觉 | 心血管疾病 | 螺旋CT成像 | 2D卷积神经网络（CNN）、3D CNN、2D U-Net | 图像 | 1502名接受经导管主动脉瓣置换术（TAVR）的患者 | NA | NA | NA | NA |
| 3837 | 2024-12-20 |
Flexible Photoacoustic Device Integrating Electroluminescence, Piezoelectric Vibration, and Pressure Sensing
2024-Dec-18, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c18371
PMID:39628397
|
研究论文 | 本文开发了一种多功能柔性光声设备（MFPAD），集成了电致发光、压电振动和压力传感功能 | 该设备通过单一结构整合了多种传感功能，简化了设计并提高了适应性 | NA | 解决现有仿生设备独立传感模块导致的复杂设计和适应性差的问题 | 多功能柔性光声设备（MFPAD） | NA | NA | 气流辅助静电纺丝 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 3838 | 2024-12-20 |
Multi-dimensional hybrid bilinear CNN-LSTM models for epileptic seizure detection and prediction using EEG signals
2024-Dec-18, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ada0e5
PMID:39693763
|
研究论文 | 本文提出了一种多维混合双线性CNN-LSTM模型，用于基于EEG信号的癫痫发作检测和预测 | 创新点在于整合了EEG信号的时间、空间和频率信息，并通过频率域分离周期性和非周期性成分，使用自注意力机制过滤单通道特征，并结合CNN和LSTM网络捕捉时空特征 | NA | 开发一种自动检测和预测癫痫发作的方法，以改善患者护理和提高生活质量 | EEG信号中的癫痫发作 | 机器学习 | NA | EEG信号分析 | CNN-LSTM | 信号 | CHB-MIT数据集和Kaggle数据集 | NA | NA | NA | NA |
| 3839 | 2024-12-20 |
Generative modeling and augmentation of EEG signals using improved diffusion probabilistic models
2024-Dec-18, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ada0e4
PMID:39693767
|
研究论文 | 本文研究了改进的扩散概率模型（DPM）用于脑电图（EEG）信号的生成和数据增强 | 提出了使用改进的扩散概率模型进行脑电图信号的生成和数据增强，并通过隐式采样和渐进蒸馏缩短推理时间 | 在单步生成样本时，数据质量和采样步骤之间存在显著的权衡 | 开发一种高效的、可推广的数据增强方法，用于各种脑电图解码任务 | 脑电图信号的生成和数据增强 | 机器学习 | NA | 扩散概率模型（DPM） | 扩散概率模型 | 脑电图信号 | 使用了两个公开的脑电图数据集，并在跨受试者设置下训练和评估了四个分类模型 | NA | NA | NA | NA |
| 3840 | 2024-12-20 |
Low-power scalable multilayer optoelectronic neural networks enabled with incoherent light
2024-Dec-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-55139-4
PMID:39695133
|
研究论文 | 本文介绍了一种多层光电神经网络计算框架，利用非相干光实现高能效的深度学习计算 | 提出了交替使用光学和光电层的多层光电计算框架，显著减少了读入和读出的次数，为超低能耗的光学加速器铺平了道路 | 实验中仅使用了三层网络，且在MNIST数据库上的识别准确率为92%，在非线性螺旋数据上的分类准确率为86% | 开发一种高速度、高能效的计算方法，以满足现代深度学习和人工智能应用的需求 | 多层光电神经网络的计算框架及其在图像识别和分类中的应用 | 机器学习 | NA | 光电计算 | 多层神经网络 | 图像 | 使用了MNIST数据库中的图像数据和非线性螺旋数据进行实验 | NA | NA | NA | NA |