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 12029 篇文献，本页显示第 4321 - 4340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4321 | 2024-12-02 |
Photorealistic attention style transfer network for architectural photography photos
2024-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81249-6
PMID:39609556
|
研究论文 | 本文提出了一种用于建筑摄影照片的逼真注意力风格迁移网络，通过深度学习算法实现建筑照片风格的转换，同时保留关键结构和内容 | 本文的创新点在于利用语义分割模型将输入图像分割为前景和背景进行独立风格迁移，并使用坐标注意力机制对建筑细节进行精细处理，同时引入损失函数捕捉光影和色彩，确保图像的逼真度和艺术美感 | 本文未提及具体的局限性 | 研究目的是解决现有算法在建筑摄影风格迁移中面临的复杂细节处理和艺术效果保持的挑战 | 研究对象是建筑摄影照片的风格迁移 | 计算机视觉 | NA | 深度学习算法 | 注意力机制网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 4322 | 2024-12-02 |
Enhancement and evaluation for deep learning-based classification of volumetric neuroimaging with 3D-to-2D knowledge distillation
2024-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80938-6
PMID:39609597
|
研究论文 | 本文提出了一种新的3D-to-2D知识蒸馏框架，用于增强基于深度学习的体积神经影像分类 | 本文创新性地利用3D体积影像数据集和投影的2D数据集，通过知识蒸馏框架提升2D CNN的分类性能 | 由于医疗领域数据获取成本高和标注资源密集，可用数据量有限 | 提升基于深度学习的体积神经影像分类性能 | 体积神经影像数据和投影的2D数据 | 计算机视觉 | NA | 3D卷积神经网络 (CNN) | CNN | 影像 | 两个数据集，分别来自123I-DaTscan SPECT和18F-AV133 PET | NA | NA | NA | NA |
| 4323 | 2024-12-02 |
The factors affecting aerobics athletes' performance using artificial intelligence neural networks with sports nutrition assistance
2024-Nov-28, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81437-4
PMID:39609607
|
研究论文 | 本文通过结合运动营养辅助和人工智能神经网络，全面探讨影响有氧运动员表现的因素 | 本文引入了ShuffleNet V3和Inception V3优化算法，并结合通道注意力机制，提出了一种基于ShuffleNet V3的有氧运动分类与识别模型，显著提高了分类识别的准确性 | NA | 探讨影响有氧运动员表现的因素，并提出一种新的分类与识别模型 | 有氧运动员的表现及其影响因素 | 机器学习 | NA | 神经网络算法 | ShuffleNet V3 | 运动数据和营养数据 | 使用了MultiSports数据集和自建数据集 | NA | NA | NA | NA |
| 4324 | 2024-12-02 |
cidalsDB: an AI-empowered platform for anti-pathogen therapeutics research
2024-Nov-28, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00929-7
PMID:39609715
|
研究论文 | 本文介绍了一个名为CidalsDB的AI赋能平台，用于抗病原体治疗药物的研究 | CidalsDB是一个新颖的网络服务器，整合了PubChem的生物测定数据，并实现了多种机器学习和深度学习算法，用于预测分子的生物活性 | NA | 开发一个AI辅助的药物发现平台，用于抗感染病原体的药物研究 | 利什曼原虫和冠状病毒 | 机器学习 | NA | 机器学习 (ML) 和深度学习 (DL) 算法 | 随机森林 (RF), 多层感知器 (MLP), ChemBERTa, 梯度提升 (GB), 图卷积网络 (GCN) | 分子数据 | NA | NA | NA | NA | NA |
| 4325 | 2024-12-02 |
The efficacy of topological properties of functional brain networks in identifying major depressive disorder
2024-11-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80294-5
PMID:39604455
|
研究论文 | 研究探讨了功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性 | 首次揭示了重度抑郁症患者脑网络拓扑属性的变化，并验证了这些属性在识别患者中的有效性 | 研究样本量较小，且仅使用了单一的脑成像技术 | 探索功能性脑网络拓扑属性在识别重度抑郁症患者中的有效性 | 重度抑郁症患者和健康对照组的功能性脑网络 | 神经科学 | 精神疾病 | 功能性磁共振成像 (fMRI) | 支持向量机 (SVM) | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 4326 | 2024-12-02 |
AI-empowered perturbation proteomics for complex biological systems
2024-Nov-13, Cell genomics
IF:11.1Q1
DOI:10.1016/j.xgen.2024.100691
PMID:39488205
|
研究论文 | 本文介绍了扰动蛋白质组学的基本原理、必要性和实用性，并提出了一个通用的PMMP（扰动、测量、建模到预测）流程 | 提出了基于大规模扰动蛋白质组数据的通用PMMP流程和基础模型构建方法 | 未具体说明所使用的模型和数据类型 | 推动系统生物学的发展，提高对生物系统扰动响应的理解和预测能力 | 生物系统的扰动响应、作用机制和蛋白质功能 | 系统生物学 | NA | 扰动蛋白质组学 | 传统机器学习或深度学习模型 | 蛋白质表达、翻译后修饰、蛋白质相互作用、运输和定位变化数据 | NA | NA | NA | NA | NA |
| 4327 | 2024-12-02 |
Decoding protein dynamicity in DNA ligase activity through deep learning-based structural ensembles
2024-Nov-07, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.07.622521
PMID:39574676
|
研究论文 | 本研究利用AlphaFold3模型研究了DNA连接酶的结构动力学及其在DNA修复中的机制 | 通过修改AlphaFold3的输入参数，生成了DNA结合酶的详细构象状态，提供了增强的机制见解 | NA | 揭示与蛋白质功能相关的构象集合，以理解蛋白质在DNA修复中的机制 | NAD依赖的Taq连接酶和人类DNA连接酶1 | 计算机视觉 | NA | AlphaFold3 | 深度学习模型 | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 4328 | 2024-12-02 |
Enhancing chest X-ray datasets with privacy-preserving large language models and multi-type annotations: a data-driven approach for improved classification
2024-Aug-15, ArXiv
PMID:38711436
|
研究论文 | 本文提出了一种利用隐私保护的大型语言模型和多类型注释来增强胸部X光数据集的方法，以提高分类效果 | 本文提出了MAPLEZ方法，利用本地可执行的大型语言模型从胸部X光报告中提取和增强发现标签，不仅提取二元标签，还提取位置、严重程度和放射科医生的不确定性 | NA | 提高胸部X光图像分析中数据集标签的质量和分类模型的性能 | 胸部X光报告中的异常发现标签 | 计算机视觉 | NA | 大型语言模型 | 深度学习模型 | 文本 | 五个测试集中的八种异常 | NA | NA | NA | NA |
| 4329 | 2024-12-02 |
Application of image recognition technology in pathological diagnosis of blood smears
2024-Aug-06, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-024-01379-z
PMID:39105953
|
研究论文 | 本文综述了利用图像识别算法诊断血液涂片中疾病的方法和步骤，重点介绍了疟疾和白血病的诊断 | 利用图像识别技术提高血液涂片诊断的效率和准确性 | NA | 探讨图像识别技术在血液涂片病理诊断中的应用 | 血液涂片中的疟疾和白血病 | 计算机视觉 | 血液疾病 | 图像识别技术 | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 4330 | 2024-12-02 |
DeepResBat: deep residual batch harmonization accounting for covariate distribution differences
2024-Aug-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.01.18.574145
PMID:38293022
|
研究论文 | 本文提出了一种基于深度神经网络的MRI数据集间变异性校正方法DeepResBat，通过结合非线性回归树和条件变分自编码器，显式考虑协变量分布差异，从而提高数据集间的一致性 | 本文的创新点在于提出了两种新的深度学习方法（coVAE和DeepResBat），显式考虑了协变量分布差异，并证明了不考虑协变量会导致次优的校正效果 | coVAE方法在不存在关联的情况下会产生虚假的协变量关联，未来研究应避免这一假阳性陷阱 | 研究目的是开发一种能够显式考虑协变量分布差异的深度学习方法，以提高多数据集MRI数据的校正效果 | 研究对象是来自三个大洲的三个数据集，共2787名参与者和10085个解剖T1扫描图像 | 机器学习 | NA | 深度神经网络 | 条件变分自编码器（cVAE） | MRI图像 | 2787名参与者和10085个解剖T1扫描图像 | NA | NA | NA | NA |
| 4331 | 2024-12-02 |
Single-cell sequencing reveals novel proliferative cell type: a key player in renal cell carcinoma prognosis and therapeutic response
2024-Jul-25, Clinical and experimental medicine
IF:3.2Q2
DOI:10.1007/s10238-024-01424-x
PMID:39052149
|
研究论文 | 本研究利用单细胞RNA测序技术揭示了肾细胞癌中一种新型增殖细胞亚群，并探讨了其在患者预后和治疗反应中的作用 | 发现了名为“Prol”的高度增殖细胞亚群，并开发了一种基于人工智能网络的Prol特征，用于预测肾细胞癌的预后 | NA | 揭示肾细胞癌的分子异质性，并开发新的预后预测工具 | 肾细胞癌中的增殖细胞亚群及其在预后和治疗反应中的作用 | 数字病理学 | 肾细胞癌 | 单细胞RNA测序 | 人工智能网络（包括传统回归、机器学习和深度学习算法） | RNA | NA | NA | NA | NA | NA |
| 4332 | 2024-12-02 |
Brain Disorder Detection and Diagnosis using Machine Learning and Deep Learning - A Bibliometric Analysis
2024, Current neuropharmacology
IF:4.8Q1
|
综述 | 本文通过文献计量分析，探讨了机器学习和深度学习在脑部疾病检测和诊断中的应用趋势 | 本文首次对机器学习和深度学习在脑部疾病检测和诊断领域的文献进行了定量文献计量分析 | 文献计量分析主要依赖于Scopus数据库中的文章，可能存在数据偏差 | 提供关于机器学习和深度学习在脑部疾病检测和诊断领域应用趋势的定量分析，以指导未来研究方向 | 脑部疾病的检测和诊断 | 机器学习 | NA | 机器学习，深度学习 | 卷积神经网络 | 文献 | 1550篇文献 | NA | NA | NA | NA |
| 4333 | 2024-12-01 |
Mapping of oil spills in China Seas using optical satellite data and deep learning
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.135809
PMID:39278029
|
研究论文 | 本文开发了一种基于深度学习的模型，用于识别、分类和量化中国海域的石油泄漏 | 首次使用深度学习技术对中国海域的石油泄漏进行详细的空间分布和数量分析 | 研究数据仅涵盖2019年4月至2023年8月，可能无法全面反映长期趋势 | 评估和管理中国海域的石油泄漏 | 中国海域的石油泄漏及其对海洋和沿海环境的影响 | 遥感 | NA | 深度学习 | 深度学习模型 | 光学卫星数据 | 7个卫星传感器的数据，时间跨度为2019年4月至2023年8月 | NA | NA | NA | NA |
| 4334 | 2024-12-01 |
Simultaneously mapping the 3D distributions of multiple heavy metals in an industrial site using deep learning and multisource auxiliary data
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136000
PMID:39357360
|
研究论文 | 本文提出了一种基于多任务卷积神经网络（MT-CNN）的模型，用于同时预测工业场地中多种重金属的三维分布 | 通过整合多源协变量的邻域斑块，MT-CNN模型能够捕捉水平和垂直的污染信息，并在预测精度上优于常用的随机森林（RF）、普通克里金（OK）和反距离加权（IDW）方法 | NA | 提高工业场地中多种土壤污染物三维分布的预测精度，为风险评估和修复提供支持 | 工业场地中的锌（Zn）、铅（Pb）、镍（Ni）和铜（Cu）等重金属的三维分布 | 机器学习 | NA | 多任务卷积神经网络（MT-CNN） | 多任务卷积神经网络（MT-CNN） | 多源协变量数据 | NA | NA | NA | NA | NA |
| 4335 | 2024-12-01 |
Deep learning-powered efficient characterization and quantification of microplastics
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136241
PMID:39454332
|
研究论文 | 本文提出了一种人工智能框架，通过整合计算机视觉和深度学习技术，自动化微塑料的表征和定量分析 | 研究的创新点包括开发了一个集成数据处理、分析、可视化和人机交互的人工智能框架，将FTIR数据转换为轮廓图像的方法，数据增强策略以解决数据稀缺和不平衡问题，用于识别微塑料的深度学习模型，用于定量微塑料的计算机视觉算法，以及增强数据可访问性的工程师友好型图形用户界面 | NA | 自动化微塑料的表征和定量分析 | 微塑料的分类、分割和定量 | 计算机视觉 | NA | 傅里叶变换红外光谱（FTIR） | 深度学习模型 | 光谱数据和图像 | 涉及聚乙烯、聚丙烯、聚苯乙烯、聚酰胺、乙烯-醋酸乙烯酯和醋酸纤维素 | NA | NA | NA | NA |
| 4336 | 2024-12-01 |
A geographically weighted neural network model for digital soil mapping of heavy metal copper in coastal cities
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136285
PMID:39488972
|
研究论文 | 本研究提出了一种地理加权神经网络模型，用于沿海城市土壤中重金属铜的空间分布评估 | 结合深度学习和地理加权回归，提出了一种新的地理加权神经网络模型，用于处理土壤中铜的空间自相关性 | NA | 评估土壤中重金属铜的空间分布，以降低对人类健康的风险并确保土壤资源的可持续利用 | 沿海城市土壤中的重金属铜 | 数字病理学 | NA | 地理加权回归 (GWR) | 地理加权神经网络 (GWNN) | 土壤数据 | NA | NA | NA | NA | NA |
| 4337 | 2024-12-01 |
Highly air-permeable and dust-holding protective membranes by hierarchical structuring of electroactive poly(lactic acid) micro- and nanofibers
2024-Dec-05, Journal of hazardous materials
IF:12.2Q1
DOI:10.1016/j.jhazmat.2024.136462
PMID:39536344
|
研究论文 | 本文提出了一种微纳结构化的电活性聚乳酸（PLA）微纳纤维膜，用于提高呼吸防护性能 | 通过微纳结构和定制的Ag-BTO介电材料，显著提高了PLA纤维膜的电荷存储稳定性和过滤效率 | NA | 延长电纺PLA过滤器的服务寿命，提高空气过滤性能和呼吸监测 | 电活性聚乳酸微纳纤维膜及其在呼吸防护中的应用 | 材料科学 | NA | 电纺技术 | 卷积神经网络（CNN） | NA | NA | NA | NA | NA | NA |
| 4338 | 2024-12-01 |
Deep learning-aided respiratory motion compensation in PET/CT: addressing motion induced resolution loss, attenuation correction artifacts and PET-CT misalignment
2024-Dec, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-024-06872-x
PMID:39136740
|
研究论文 | 本文介绍了一种利用深度学习神经网络的统一数据驱动呼吸运动校正（uRMC）方法，用于解决PET/CT成像中由呼吸运动引起的分辨率损失、衰减校正伪影和PET-CT错位问题 | 本文首次提出了一种统一的数据驱动解决方案，用于补偿PET中的运动模糊、由PET-CT错位引起的衰减不匹配伪影以及PET和CT之间的错位 | NA | 研究目的是开发和验证一种数据驱动的解决方案，用于校正PET/CT成像中的呼吸运动 | 研究对象是737名接受[18F]FDG PET/CT扫描的患者，其中99名患者的数据用于验证，638名患者的数据用于训练神经网络 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 737名患者，其中99名用于验证，638名用于训练 | NA | NA | NA | NA |
| 4339 | 2024-12-01 |
A multimodal vision transformer for interpretable fusion of functional and structural neuroimaging data
2024-Dec-01, Human brain mapping
IF:3.5Q1
DOI:10.1002/hbm.26783
PMID:39600159
|
研究论文 | 本文介绍了一种用于融合功能性和结构性神经影像数据的可解释多模态视觉变换器模型 | 提出了MultiViT模型，利用视觉变换器和交叉注意力机制有效融合来自结构MRI的3D灰质图和功能MRI的功能网络连接矩阵，显著提高了精神分裂症的分类和诊断准确性 | 未提及 | 开发一种新的深度学习模型，用于更准确地诊断精神分裂症 | 精神分裂症的诊断 | 计算机视觉 | 精神疾病 | 功能磁共振成像（fMRI）、结构磁共振成像（MRI）、独立成分分析（ICA） | 视觉变换器（ViT） | 图像 | 未提及 | NA | NA | NA | NA |
| 4340 | 2024-12-01 |
Exploring the efficacy of various CNN architectures in diagnosing oral cancer from squamous cell carcinoma
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103034
PMID:39610794
|
研究论文 | 本文探讨了不同卷积神经网络（CNN）架构在诊断口腔鳞状细胞癌（OCSCC）中的有效性 | 本文提出了基于深度学习的多种CNN模型（如VGG16、ResNet50、LeNet-5、MobileNetV2和Inception V3）用于诊断OCSCC，并比较了它们的性能 | 本文未详细讨论数据集的多样性和模型的泛化能力 | 研究不同CNN架构在诊断口腔鳞状细胞癌中的性能 | 口腔鳞状细胞癌（OCSCC）和口腔发育不良 | 计算机视觉 | 口腔癌 | 卷积神经网络（CNN） | CNN | 图像 | 使用了NEOR和OCSCC数据集，图像被分割成小块并分类为正常或鳞状细胞癌 | NA | NA | NA | NA |