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 12390 篇文献，本页显示第 4681 - 4700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4681 | 2024-12-20 |
Using deep learning models in magnetic resonance cholangiopancreatography images to diagnose common bile duct stones
2024 Jan-Jun, Scandinavian journal of gastroenterology
IF:1.6Q3
DOI:10.1080/00365521.2023.2257825
PMID:37712446
|
研究论文 | 本研究使用深度学习模型YOLOv5在磁共振胆胰管成像（MRCP）图像中诊断胆总管结石 | 首次使用深度学习模型YOLOv5在MRCP图像中检测胆总管结石 | 随着结石数量的增加，检测准确率逐渐下降 | 验证YOLOv5模型在MRCP图像中诊断胆总管结石的有效性，并与放射科医生的准确性进行比较 | 胆总管结石（CBDS）患者 | 计算机视觉 | 胆道疾病 | 深度学习 | YOLOv5 | 图像 | 63名胆总管结石患者 | NA | NA | NA | NA |
| 4682 | 2024-12-20 |
DenseIncepS115: a novel network-level fusion framework for Alzheimer's disease prediction using MRI images
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1501742
PMID:39697232
|
研究论文 | 提出了一种名为DenseIncepS115的新型深度学习架构，用于通过MRI图像预测阿尔茨海默病 | 该架构结合了Inception模块和Dense模块的自注意力机制，并通过深度连接层在网络级别进行融合，使用贝叶斯优化初始化超参数，并采用Catch Fish优化算法进行特征优化 | NA | 开发一种新的深度学习架构，用于早期预测阿尔茨海默病 | 通过MRI图像预测阿尔茨海默病 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | DenseIncepS115 | 图像 | 使用了两个公开数据集：阿尔茨海默病ADNI和阿尔茨海默病MRI分类数据集 | NA | NA | NA | NA |
| 4683 | 2024-12-20 |
Artificial intelligence applications in ophthalmic optical coherence tomography: a 12-year bibliometric analysis
2024, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2024.12.19
PMID:39697885
|
综述 | 本文通过文献计量分析方法，探讨了全球眼科光学相干断层扫描（OCT）成像中人工智能（AI）应用的现状和研究前沿 | 本文首次通过文献计量分析方法，全面评估了过去12年AI在眼科OCT中的应用，并指出了从传统机器学习到深度学习的转变趋势 | 本文主要依赖于文献计量分析，未涉及具体的技术细节或实验验证 | 探讨全球眼科OCT成像中AI应用的现状和研究前沿 | 全球范围内发表的关于AI在眼科OCT中应用的文献 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 深度学习（DL） | 图像 | 877篇文章，来自65个国家，其中261篇来自美国，252篇来自中国 | NA | NA | NA | NA |
| 4684 | 2024-12-20 |
AAUConvNeXt: Enhancing Crop Lodging Segmentation with Optimized Deep Learning Architectures
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0182
PMID:39698322
|
研究论文 | 本研究提出了一种创新的卷积神经网络架构AAUConvNeXt，通过集成智能优化算法来自动选择最优网络参数，从而提高作物倒伏分割的准确性和效率 | 本研究的创新点在于引入了一种新的卷积神经网络架构AAUConvNeXt，并结合智能优化算法来优化网络参数，显著提高了作物倒伏分割的精度和效率 | NA | 本研究的目的是通过优化深度学习架构来提高作物倒伏分割的准确性和效率 | 本研究的研究对象是作物倒伏现象，特别是水稻倒伏 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 4685 | 2024-12-20 |
The protective role of gamma zone peripapillary atrophy in diabetic retinopathy: insights from deep learning and SS-OCT angiography
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1501625
PMID:39698494
|
研究论文 | 本研究探讨了周边视盘萎缩（PPA）与糖尿病视网膜病变（DR）之间的关系，并利用深度学习和扫频源光学相干断层扫描（SS-OCT）血管造影揭示潜在机制 | 首次揭示了伽马区周边视盘萎缩与糖尿病视网膜病变风险降低之间的关联，并提出了伽马区可能反映与进行性近视相关的后眼组织变薄和微血管减少，从而增强对DR的结构抵抗力的假设 | 本研究为横断面研究，无法确定因果关系，且样本主要为2型糖尿病患者，结果的普适性有待进一步验证 | 探讨周边视盘萎缩与糖尿病视网膜病变之间的关系及其潜在机制 | 2型糖尿病患者的周边视盘萎缩与糖尿病视网膜病变 | 数字病理学 | 糖尿病视网膜病变 | 扫频源光学相干断层扫描（SS-OCT）血管造影 | 深度学习 | 图像 | 845名2型糖尿病患者 | NA | NA | NA | NA |
| 4686 | 2024-12-20 |
Enhanced MRI-based brain tumor segmentation and feature extraction using Berkeley wavelet transform and ETCCNN
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241305282
PMID:39698507
|
研究论文 | 本文提出了一种基于Berkeley小波变换和ETCCNN的增强型MRI脑肿瘤分割和特征提取方法 | 使用Berkeley小波变换进行图像分割，并结合双通道卷积神经网络进行特征提取，采用增强型Serval优化算法确定最优增益参数 | 未提及具体限制 | 提高脑肿瘤检测的准确性 | 脑肿瘤的分类和检测 | 计算机视觉 | 脑肿瘤 | MRI | 双通道卷积神经网络 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 4687 | 2024-12-19 |
Explainable brain age prediction: a comparative evaluation of morphometric and deep learning pipelines
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00244-9
PMID:39692946
|
研究论文 | 本文比较了基于形态学特征和深度学习的脑龄预测方法的性能、可解释性和临床实用性 | 首次系统比较了不同脑龄预测方法的可解释性，并结合可解释人工智能（XAI）方法进行评估 | 需要进一步评估Grad-CAM的临床实用性 | 比较不同脑龄预测方法的性能和可解释性，并探讨其在临床实践中的应用潜力 | 脑龄预测方法的性能、可解释性和临床实用性 | 计算机视觉 | NA | MRI扫描、FreeSurfer、3D卷积神经网络（CNN）、可解释人工智能（XAI）方法（SHAP、Grad-CAM、DeepSHAP） | 3D卷积神经网络（CNN）、DenseNet-121 | 图像 | 多站点神经影像数据集 | NA | NA | NA | NA |
| 4688 | 2024-12-19 |
High-throughput mesoscopic optical imaging data processing and parsing using differential-guided filtered neural networks
2024-Dec-18, Brain informatics
DOI:10.1186/s40708-024-00246-7
PMID:39692944
|
研究论文 | 本文设计了一种高效的深度差分引导滤波模块（DDGF），通过融合多尺度迭代差分引导滤波与深度学习，提出了一种轻量级的深度差分引导滤波分割网络（DDGF-SegNet），并开发了一个自动化处理流程，显著提高了高吞吐量显微光学成像数据的处理效率 | 本文的创新点在于设计了深度差分引导滤波模块（DDGF），并将其与深度学习网络结合，提出了一种高效的分割网络（DDGF-SegNet），显著提升了图像细节的精炼和背景噪声的抑制效果 | NA | 提高高吞吐量显微光学成像数据的处理效率 | 小鼠脑部的高吞吐量显微光学成像数据 | 计算机视觉 | NA | 深度学习 | 深度差分引导滤波分割网络（DDGF-SegNet） | 图像 | NA | NA | NA | NA | NA |
| 4689 | 2024-12-19 |
Research trends on AI in breast cancer diagnosis, and treatment over two decades
2024-Dec-18, Discover oncology
IF:2.8Q2
DOI:10.1007/s12672-024-01671-0
PMID:39692996
|
综述 | 本研究通过文献计量分析，回顾了2000年至2024年间人工智能在乳腺癌诊断和治疗中的进展 | 本研究通过文献计量分析，揭示了人工智能在乳腺癌诊断和治疗中的研究趋势和关键贡献者，并指出了未来的研究挑战 | 研究中提到的挑战包括数据限制、监管障碍以及全球合作不平等，这些都需要进一步的跨学科努力来解决 | 旨在通过文献计量分析，全面回顾人工智能在乳腺癌诊断和治疗中的进展，并指出未来的研究方向 | 2000年至2024年间发表的关于人工智能在乳腺癌诊断和治疗中的研究论文 | 机器学习 | 乳腺癌 | 文献计量分析 | NA | 文本 | 2678篇来自Scopus数据库的论文 | NA | NA | NA | NA |
| 4690 | 2024-12-19 |
Geospatial Modeling of Deep Neural Visual Features for Predicting Obesity Prevalence in Missouri: Quantitative Study
2024-Dec-17, JMIR AI
DOI:10.2196/64362
PMID:39688897
|
研究论文 | 本研究利用深度学习和空间建模方法，基于卫星图像预测密苏里州的肥胖率 | 本研究首次将深度卷积神经网络与空间建模相结合，利用卫星图像的环境特征预测肥胖率 | 研究范围仅限于密苏里州，未来工作应扩展地理范围并纳入社会经济数据以进一步优化模型 | 开发一种可扩展的方法，利用深度卷积神经网络和空间分析预测肥胖率 | 密苏里州的1052个人口普查区 | 计算机视觉 | 肥胖 | 深度学习 | CNN | 图像 | 63592个224×224像素的图像块 | NA | NA | NA | NA |
| 4691 | 2024-12-19 |
Author Correction: Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model
2024-Dec-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-82835-4
PMID:39690238
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4692 | 2024-12-19 |
Dual biomarkers CT-based deep learning model incorporating intrathoracic fat for discriminating benign and malignant pulmonary nodules in multi-center cohorts
2024-Dec-16, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2024.104877
PMID:39689571
|
研究论文 | 本研究提出了一种基于深度学习的模型，结合纵隔脂肪来区分良性和恶性肺结节 | 首次将纵隔脂肪作为影像学标志物，结合肺结节进行良恶性鉴别 | 研究仅在多中心队列中验证，尚未在更大范围的临床实践中应用 | 探索纵隔脂肪在肺结节良恶性鉴别中的潜在预测价值 | 肺结节患者的良恶性鉴别 | 数字病理学 | 肺癌 | 深度学习 | 深度学习模型 | 影像 | 1321名肺结节患者 | NA | NA | NA | NA |
| 4693 | 2024-12-19 |
A deep learning approach to predict differentiation outcomes in hypothalamic-pituitary organoids
2024-12-06, Communications biology
IF:5.2Q1
DOI:10.1038/s42003-024-07109-1
PMID:39643622
|
研究论文 | 本研究利用深度学习技术创建了一个模型，能够从类器官图像中预测垂体类器官的分化结果 | 本研究首次使用EfficientNetV2-S或Vision Transformer模型，结合VENUS-coupled RAX表达，能够以70%的准确率将类器官图像分类为三个类别，优于专家观察者的预测结果 | 本研究仅在特定条件下验证了模型的有效性，未来需要在更多样化的样本和临床环境中进行验证 | 开发一种能够预测垂体类器官分化结果的深度学习模型，以提高分化效率并应用于临床 | 人多能干细胞分化成的垂体类器官 | 机器学习 | NA | 深度学习 | EfficientNetV2-S, Vision Transformer | 图像 | NA | NA | NA | NA | NA |
| 4694 | 2024-12-19 |
Artificial intelligence: a primer for pediatric radiologists
2024-12, Pediatric radiology
IF:2.1Q2
DOI:10.1007/s00247-024-06098-x
PMID:39556194
|
review | 本文为儿科放射科医生介绍了人工智能（AI）的基本概念及其在儿科放射学中的应用 | 本文首次系统性地向儿科放射科医生介绍AI的基本概念和应用，旨在激发该领域进一步的探索和创新 | 本文主要为介绍性内容，未涉及具体的实验或应用案例 | 向儿科放射科医生介绍AI的基本概念及其在儿科放射学中的应用，并探讨其挑战和当前用途 | 儿科放射科医生及AI在儿科放射学中的应用 | NA | NA | 机器学习、深度学习、自然语言处理、生成式AI | NA | NA | NA | NA | NA | NA | NA |
| 4695 | 2024-12-19 |
Accurate RNA 3D structure prediction using a language model-based deep learning approach
2024-Dec, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02487-0
PMID:39572716
|
研究论文 | 本文介绍了一种基于语言模型的深度学习方法RhoFold+，用于准确预测RNA的三维结构 | RhoFold+通过集成预训练的RNA语言模型和解决数据稀缺问题的技术，提供了一个全自动的端到端RNA 3D结构预测管道，并在多个评估中展示了其优于现有方法的性能 | NA | 开发一种能够准确预测RNA三维结构的方法，以促进RNA功能研究和RNA靶向药物开发 | 单链RNA的三维结构 | 机器学习 | NA | 深度学习 | 语言模型 | 序列 | 约2370万条RNA序列 | NA | NA | NA | NA |
| 4696 | 2024-12-19 |
Advances in Miniaturized Computational Spectrometers
2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202404448
PMID:39477813
|
综述 | 本文综述了微型计算光谱仪的发展，重点介绍了光谱编码和重建算法两个关键组件 | 通过引入计算资源，打破了传统微型光谱仪在尺寸和性能之间的权衡 | NA | 探讨微型计算光谱仪的原理、特点、最新进展及其在超光谱成像中的应用 | 微型计算光谱仪的光谱编码和重建算法 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4697 | 2024-12-19 |
Enhanced long short-term memory architectures for chaotic systems modeling: An extensive study on the Lorenz system
2024-Dec-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0238619
PMID:39689728
|
研究论文 | 本文介绍了一种增强型长短期记忆（LSTM）变体，并探讨其在多输入单输出混沌系统建模中的能力 | 提出了一种简化的LSTM架构，仅包含四个标准LSTM门中的三个，并进行了其他反馈修改 | 实验仅在Lorenz和Rössler系统上进行，可能限制了其普适性 | 研究增强型LSTM在混沌系统建模中的应用 | Lorenz和Rössler混沌系统 | 机器学习 | NA | NA | LSTM | 数据集 | 使用MATLAB生成的Lorenz和Rössler系统数据集 | NA | NA | NA | NA |
| 4698 | 2024-12-19 |
Monitoring Over Time of Pathological Complete Response to Neoadjuvant Chemotherapy in Breast Cancer Patients Through an Ensemble Vision Transformers-Based Model
2024-Dec, Cancer medicine
IF:2.9Q2
DOI:10.1002/cam4.70482
PMID:39692281
|
研究论文 | 本研究开发了一种基于Vision Transformer（ViT）架构的集成深度学习模型，用于预测和监测乳腺癌患者在新辅助化疗（NAC）期间病理完全缓解（pCR）的情况 | 本研究首次提出使用Vision Transformer（ViT）模型对动态对比增强磁共振成像（DCE-MRI）进行分析，以监测NAC期间pCR的变化 | 本研究的样本量较小，且仅限于乳腺癌患者 | 开发一种能够预测和监测乳腺癌患者在新辅助化疗期间病理完全缓解情况的深度学习模型 | 乳腺癌患者在新辅助化疗期间的病理完全缓解情况 | 计算机视觉 | 乳腺癌 | 动态对比增强磁共振成像（DCE-MRI） | Vision Transformer（ViT） | 图像 | 86名乳腺癌患者，其中37.2%的患者达到病理完全缓解（pCR） | NA | NA | NA | NA |
| 4699 | 2024-12-19 |
Predictive analytics of complex healthcare systems using deep learning based disease diagnosis model
2024-11-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78015-z
PMID:39528485
|
研究论文 | 本文提出了一种基于深度学习的疾病诊断模型，用于复杂医疗系统的预测分析，主要集中于肺癌和结肠癌的检测与分类 | 本文创新性地使用了Gabor滤波器进行图像预处理，并结合Faster SqueezeNet生成特征向量，采用CNN-LSTM模型进行分类，同时使用Chaotic Tunicate Swarm算法优化超参数，提高了分类器的准确性 | NA | 开发一种高效的深度学习模型，用于肺癌和结肠癌的早期诊断，以降低死亡风险 | 肺癌和结肠癌的检测与分类 | 机器学习 | 肺癌 | Gabor滤波器，Faster SqueezeNet，CNN-LSTM，Chaotic Tunicate Swarm算法 | CNN-LSTM | 图像 | 医学图像数据集 | NA | NA | NA | NA |
| 4700 | 2024-12-19 |
A Hybrid GNN Approach for Improved Molecular Property Prediction
2024-11, Journal of computational biology : a journal of computational molecular cell biology
IF:1.4Q2
DOI:10.1089/cmb.2023.0452
PMID:39082155
|
研究论文 | 本文提出了一种混合图神经网络（GNN）方法，用于改进分子特性预测 | 本文的创新点在于提出了一种多层混合GNN架构，结合了多种图神经网络框架的优势，以提高分子特性预测的准确性 | 本文的局限性在于未详细讨论混合方法在计算资源和时间复杂度方面的影响 | 本文的研究目的是提高分子特性预测的准确性，从而加速药物发现过程 | 本文的研究对象是分子图及其特性 | 机器学习 | NA | 图神经网络（GNN） | 混合GNN | 图结构数据 | 多个基准数据集 | NA | NA | NA | NA |