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 12166 篇文献，本页显示第 4101 - 4120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4101 | 2024-11-06 |
Reproducibility and explainability in digital pathology: The need to make black-box artificial intelligence systems more transparent
2024-Oct, Journal of public health research
IF:1.6Q3
DOI:10.1177/22799036241284898
PMID:39493704
|
研究论文 | 本文探讨了人工智能在数字病理学中的可重复性和可解释性问题，强调了使黑箱人工智能系统更加透明的必要性 | 本文提出了在数字病理学中应用人工智能算法的新工具，并强调了这些工具在分析病理组织方面的成功应用 | 本文指出，尽管人工智能在数字病理学中取得了成功，但大多数临床实践中的病理学家缺乏使用这些算法的专门培训 | 本文旨在探讨人工智能在数字病理学中的可重复性和可解释性，以及如何使这些系统更加透明 | 本文研究的对象是数字病理学中的人工智能系统及其在病理组织分析中的应用 | 数字病理学 | NA | 机器学习 (ML) 和深度学习 (DL) | NA | 图像 | NA |
| 4102 | 2024-11-06 |
DeepIDA-GRU: a deep learning pipeline for integrative discriminant analysis of cross-sectional and longitudinal multiview data with applications to inflammatory bowel disease classification
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae339
PMID:39007595
|
研究论文 | 本文开发了一种深度学习管道，用于整合横截面和纵向多视图数据，并应用于炎症性肠病的分类 | 本文提出了一种新的管道，结合统计和深度学习方法，整合横截面和纵向数据，并识别关键变量，提供更深入的生物学见解 | 现有的方法通常需要所有视图的数据类型相同，或者在整合方法中不考虑任何类别结果 | 开发一种新的方法，整合横截面和纵向多视图数据，并应用于炎症性肠病的分类 | 横截面和纵向多组学数据（宏基因组学、转录组学和代谢组学） | 机器学习 | 炎症性肠病 | 功能主成分分析和欧拉特征 | GRU | 多视图数据 | NA |
| 4103 | 2024-11-06 |
DeepVID v2: Self-Supervised Denoising with Decoupled Spatiotemporal Enhancement for Low-Photon Voltage Imaging
2024-May-16, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.16.594448
PMID:38798473
|
研究论文 | 本文介绍了一种名为DeepVID v2的自监督去噪框架，用于增强低光子电压成像中的空间和时间性能 | DeepVID v2通过解耦空间和时间增强能力，克服了传统方法中空间和时间性能之间的权衡问题 | NA | 开发一种新的自监督去噪框架，以提高低光子电压成像的准确性和分辨率 | 电压成像数据中的噪声和神经元活动的提取 | 计算机视觉 | NA | 自监督深度学习 | NA | 图像 | NA |
| 4104 | 2024-11-06 |
Automatic detection of methane emissions in multispectral satellite imagery using a vision transformer
2024-May-14, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-47754-y
PMID:38744827
|
研究论文 | 本文提出了一种利用视觉变换器在多光谱卫星图像中自动检测甲烷排放的方法 | 该方法通过深度学习克服了多光谱卫星数据在光谱分辨率上的权衡，实现了全球覆盖和高时空分辨率的甲烷检测 | NA | 开发一种能够自动、高分辨率检测全球范围内甲烷排放的方法 | 多光谱卫星图像中的甲烷排放点源 | 计算机视觉 | NA | 深度学习 | 视觉变换器 | 多光谱卫星图像 | NA |
| 4105 | 2024-11-06 |
Tradeoffs in alignment and assembly-based methods for structural variant detection with long-read sequencing data
2024-Mar-19, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-46614-z
PMID:38503752
|
研究论文 | 本文系统比较了14种基于比对的结构变异检测方法和4种基于组装的结构变异检测方法，并提供了选择最合适工具的指南 | 首次系统比较了多种基于比对和组装的结构变异检测方法，并提供了详细的性能评估和选择指南 | 缺乏全面的基准测试限制了对算法性能的理解和进一步的算法开发 | 评估和比较基于比对和组装的结构变异检测方法的性能，并提供选择指南 | 14种基于比对的结构变异检测方法和4种基于组装的结构变异检测方法 | 基因组学 | NA | 长读长测序 | 深度学习 | DNA序列 | NA |
| 4106 | 2024-11-06 |
Dynamic clustering via branched deep learning enhances personalization of stress prediction from mobile sensor data
2024-Mar-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-56674-2
PMID:38503794
|
研究论文 | 本文开发了一种名为Branched CALM-Net的平台，通过动态聚类和分支深度学习技术，个性化预测大学生从移动传感器数据中的压力水平 | 首次在多任务设置中利用分支技术实现个性化和持续适应 | NA | 克服从移动电话数据预测压力水平的挑战，解决数据不规则性、个体间变异性和冷启动问题 | 大学生从移动传感器数据中的压力水平 | 机器学习 | NA | 分支深度学习 | Branched CALM-Net | 移动传感器数据 | Dartmouth StudentLife研究中的学生数据 |
| 4107 | 2024-11-06 |
A commentary on 'Intelligent cataract surgery supervision and evaluation via deep learning'
2024-Mar-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001030
PMID:38126410
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4108 | 2024-11-06 |
Evaluation and optimization of sequence-based gene regulatory deep learning models
2024-Feb-17, bioRxiv : the preprint server for biology
DOI:10.1101/2023.04.26.538471
PMID:38405704
|
研究论文 | 本文通过DREAM挑战评估和优化基于序列的基因调控深度学习模型，探讨了模型架构和训练策略对基因组学模型性能的影响 | 开发了一个框架来分解模型为逻辑等价的构建块，并测试了所有可能的组合，观察到性能的提升 | NA | 评估和优化基因调控深度学习模型的性能 | 基因调控DNA序列与基因表达之间的关系 | 机器学习 | NA | 神经网络 | 神经网络 | DNA序列 | 数百万个随机启动子DNA序列及其对应的表达水平 |
| 4109 | 2024-11-06 |
Deep learning predicts therapy-relevant genetics in acute myeloid leukemia from Pappenheim-stained bone marrow smears
2024-01-09, Blood advances
IF:7.4Q1
DOI:10.1182/bloodadvances.2023011076
PMID:37967385
|
研究论文 | 开发了一种全自动端到端的深度学习管道，用于从常规染色的骨髓涂片扫描图像中直接预测急性髓系白血病的治疗相关遗传异常 | 首次使用深度学习技术从常规染色的骨髓涂片图像中直接预测急性髓系白血病的遗传异常，提供了一种快速且经济高效的筛查工具 | 需要进一步验证模型在其他骨髓疾病中的适用性 | 开发一种快速且经济高效的工具，用于在急性髓系白血病诊断当天直接从常规染色的骨髓涂片中预测治疗相关的遗传异常 | 急性髓系白血病患者的骨髓涂片图像 | 计算机视觉 | 血液疾病 | 深度学习 | 卷积神经网络 | 图像 | 408名急性髓系白血病患者，超过200万张单细胞图像 |
| 4110 | 2024-11-06 |
DCMA: faster protein backbone dihedral angle prediction using a dilated convolutional attention-based neural network
2024, Frontiers in bioinformatics
IF:2.8Q2
DOI:10.3389/fbinf.2024.1477909
PMID:39493577
|
研究论文 | 提出了一种名为DCMA的轻量级方法，用于预测蛋白质骨架的二面角 | 引入了一种新的轻量级方法DCMA，结合了膨胀卷积和多头注意力机制，以提高预测性能并减少计算资源需求 | NA | 开发一种更高效的计算方法来预测蛋白质骨架的二面角 | 蛋白质骨架的二面角 | 机器学习 | NA | 膨胀卷积和多头注意力机制 | CNN | 蛋白质序列数据 | 使用了公共的CASP基准数据集进行验证 |
| 4111 | 2024-11-06 |
Are ICD codes reliable for observational studies? Assessing coding consistency for data quality
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297056
PMID:39493629
|
研究论文 | 评估ICD代码在电子健康记录中的编码一致性及其对数据质量的影响 | 使用深度学习和统计模型分析ICD-9-CM到ICD-10-CM转换期间ICD代码分配的变化 | 研究仅限于美国退伍军人管理局的数据，结果可能不适用于其他医疗系统 | 评估ICD代码在不同时间和地点的可靠性，以确保观察性研究的数据质量 | ICD-9-CM到ICD-10-CM转换期间的ICD代码分配 | NA | NA | 深度学习 | 统计模型 | 电子健康记录数据 | 687个最常用的代码集群 |
| 4112 | 2024-11-06 |
The application of explainable artificial intelligence (XAI) in electronic health record research: A scoping review
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241272657
PMID:39493635
|
综述 | 本文综述了可解释人工智能（XAI）方法在电子健康记录（EHR）数据研究中的应用 | 本文首次系统评估了XAI方法在ML/DL模型中的应用效果，并指出了当前研究的不足 | 本文仅限于对已发表文献的综述，未进行实证研究 | 评估XAI方法在ML/DL模型中使用EHR数据的效果 | XAI方法在ML/DL模型中的应用 | 机器学习 | NA | NA | 极端梯度提升模型、随机森林模型 | 电子健康记录数据 | 76篇相关文献 |
| 4113 | 2024-11-06 |
Commentary on "Large-Scale Pancreatic Cancer Detection via Non-Contrast CT and Deep Learning"
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241293521
PMID:39494415
|
评论 | 评论Cao等人开发的用于早期检测胰腺导管腺癌（PDAC）的AI模型PANDA | NA | 模型主要在东亚数据集上训练，可能影响其在不同人群中的泛化能力；对罕见病变的检测能力有待提高；高特异性可能导致误报 | 评论PANDA模型在胰腺癌早期检测中的应用 | PANDA模型及其在胰腺癌检测中的表现 | 计算机视觉 | 胰腺癌 | 深度学习 | AI模型 | CT扫描图像 | 主要基于东亚数据集 |
| 4114 | 2024-11-06 |
Breast Cancer Diagnosis Using Virtualization and Extreme Learning Algorithm Based on Deep Feed Forward Networks
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241278907
PMID:39494417
|
研究论文 | 本文提出了一种基于深度前馈网络的虚拟化和极限学习算法，用于乳腺癌的诊断 | 本文提出了智能窗口遗迹删除（SWVD）技术进行预处理，并使用深度残差多类架构（DRMFA）进行特征提取，结合改进的乌鸦觅食-ELM（ACF-ELM）算法进行分类 | NA | 开发一种新的乳腺癌诊断方法，利用云技术和机器学习提高诊断准确性 | 乳腺癌的早期检测和诊断 | 机器学习 | 乳腺癌 | 深度学习 | 极限学习机（ELM） | 图像 | 使用了DDSM和INbreast数据集 |
| 4115 | 2024-11-04 |
Decoding viewer emotions in video ads
2024-Nov-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76968-9
PMID:39487244
|
研究论文 | 本文研究了视频广告中观众情感的解码问题 | 本文通过深度学习方法解决了缺乏大规模情感标注视频数据集的问题，并提供了一个准确的深度学习解决方案 | 本文的模型在检测某些情感类别时表现较好，但在其他类别上仍有改进空间 | 理解和预测观众对视频的情感反应 | 视频广告中的观众情感 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 视频和音频 | 超过30,000个真实视频广告，每个广告平均由75名观众标注，共有超过230万个情感标注 |
| 4116 | 2024-11-04 |
Artificial intelligence in abdominal and pelvic ultrasound imaging: current applications
2024-Nov-02, Abdominal radiology (New York)
DOI:10.1007/s00261-024-04640-x
PMID:39487919
|
综述 | 本文综述了人工智能在腹部和盆腔超声成像中的当前应用 | 展示了人工智能在疾病诊断、监测和报告优化方面的早期成果 | 大多数应用尚未经过前瞻性验证（多中心研究）或获得FDA批准，存在偏倚风险 | 提供人工智能在腹部和盆腔超声成像中当前最先进应用的全面概述 | 腹部和盆腔超声成像中的人工智能应用 | 计算机视觉 | NA | 人工智能 | 深度学习 | 图像 | 57篇文献，包括多器官检测、妇科、肝胆系统和肌肉骨骼等应用 |
| 4117 | 2024-11-04 |
Multi-modality deep learning-based [68Ga]Ga-DOTA-FAPI-04 PET polar map generation: potential value in detecting reactive fibrosis after myocardial infarction
2024-Nov, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06850-3
PMID:39060373
|
研究论文 | 本研究提出了一种基于多模态深度学习的方法，用于生成[68Ga]Ga-DOTA-FAPI-04 PET极地图，并探讨其在检测心肌梗死后反应性纤维化和评估其与心脏功能关系中的潜在价值 | 本研究创新性地融合了多模态图像，弥补了[68Ga]Ga-DOTA-FAPI-04 PET图像中心脏结构信息的缺失，提高了极地图生成的准确性 | 本研究仅在ST段抬高型心肌梗死患者中进行了验证，未来需在更广泛的患者群体中进行验证 | 提高[68Ga]Ga-DOTA-FAPI-04 PET图像极地图生成的准确性，并探讨其在临床诊断中的应用潜力 | 心肌梗死后反应性纤维化和心脏功能 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 133对[68Ga]Ga-DOTA-FAPI-04 PET/MR图像，来自87名ST段抬高型心肌梗死患者 |
| 4118 | 2024-11-04 |
Sedation-free pediatric [18F]FDG imaging on totalbody PET/CT with the assistance of artificial intelligence
2024-Nov, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06818-3
PMID:38958680
|
研究论文 | 研究使用人工智能辅助的超快速全身PET/CT进行无镇静儿童[18F]FDG成像的可行性 | 结合超快速成像技术和基于深度学习的衰减与散射校正，实现了无镇静的儿童PET成像 | 研究样本量较小，仅包括35名镇静儿童和5名非镇静儿童 | 探讨无镇静儿童PET成像的可行性 | 4岁以下儿童的PET成像 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 35名镇静儿童和5名非镇静儿童 |
| 4119 | 2024-11-04 |
A deep learning approach for cervical cord injury severity determination through axial and sagittal magnetic resonance imaging segmentation and classification
2024-Nov, European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society
IF:2.6Q1
DOI:10.1007/s00586-024-08464-7
PMID:39198286
|
研究论文 | 本文研究了通过轴向和矢状磁共振成像分割和分类来确定颈椎脊髓损伤严重程度的深度学习方法 | 利用深度卷积神经网络对颈椎脊髓损伤的MRI图像进行分割和分类，以提高损伤严重程度的识别准确性 | 需要进一步研究以开发更高级的模型来预测脊髓损伤病例中的患者预后 | 分析深度学习技术用于从MRI扫描中识别和分类颈椎脊髓损伤严重程度 | 颈椎脊髓损伤患者的MRI图像 | 计算机视觉 | 脊髓损伤 | 深度学习 | 深度卷积神经网络 | 图像 | 2019年至2022年间入院的创伤性和非创伤性颈椎脊髓损伤患者 |
| 4120 | 2024-11-04 |
Multiscale Conditional Adversarial Networks based domain-adaptive method for rotating machinery fault diagnosis under variable working conditions
2024-Nov, ISA transactions
IF:6.3Q1
DOI:10.1016/j.isatra.2024.08.027
PMID:39237396
|
研究论文 | 提出了一种基于多尺度条件对抗网络的领域自适应方法，用于变工况下的旋转机械故障诊断 | 引入了一种新的多尺度模块和注意力机制，增强了模型的动态调整和自适应能力，并使用双向长短期记忆网络进行时空特征的域适应 | NA | 解决变工况下旋转机械故障诊断中的领域偏移问题 | 旋转机械故障诊断 | 机器学习 | NA | 多尺度条件对抗网络 (MCAN) | 双向长短期记忆网络 (BiLSTM) | 数据 | 使用了两个公开的故障诊断数据集和一个状态监测实验数据 |