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 12107 篇文献，本页显示第 4721 - 4740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4721 | 2024-12-01 |
Simple Imaging System for Label-Free Identification of Bacterial Pathogens in Resource-Limited Settings
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/6465280
PMID:39606275
|
研究论文 | 本文介绍了一种基于简单宽场无透镜成像系统的高通量方法，用于在资源有限的环境中无标签识别细菌病原体 | 提出了一种新的无透镜成像系统，结合监督深度学习算法，适用于资源有限的环境，无需移动机械部件或光学元件 | 尽管识别性能高，但仍存在一定的识别错误率，且未提及长期维护和实际应用中的稳定性 | 开发一种快速、准确且经济实惠的细菌识别方法，以改善资源有限环境中的感染治疗 | 五种常见细菌病原体的临床分离株 | 计算机视觉 | NA | 无透镜成像系统 | 深度学习算法 | 图像 | 252个临床分离株 | NA | NA | NA | NA |
| 4722 | 2024-12-01 |
Sensitive Quantification of Cerebellar Speech Abnormalities Using Deep Learning Models
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3393243
PMID:39606584
|
研究论文 | 本文开发了一种基于深度学习模型的方法，用于敏感地量化小脑性言语异常 | 使用卷积神经网络捕捉小脑共济失调的言语表型，并基于对数梅尔频谱图的时间和频率偏导数进行分类和回归建模 | NA | 开发能够准确识别和量化共济失调言语临床体征的模型 | 小脑共济失调患者的言语异常 | 机器学习 | 神经退行性疾病 | 卷积神经网络 | CNN | 音频 | 包括共济失调患者和健康对照组 | NA | NA | NA | NA |
| 4723 | 2024-12-01 |
Effective automatic classification methods via deep learning for myopic maculopathy
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1492808
PMID:39606624
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于对病理性近视相关的黄斑病变进行自动分类 | 采用五种深度学习架构（ResNet50、EfficientNet-B0、Vision Transformer、Contrastive Language-Image Pre-Training和RETFound），并通过集成学习方法提升模型性能 | 未来工作可能需要扩展数据集、整合图像质量评估以及优化集成算法以提高效率和适用性 | 提高病理性近视相关黄斑病变分类的准确性和可靠性 | 病理性近视相关的黄斑病变 | 计算机视觉 | 眼科疾病 | 深度学习 | 集成学习 | 图像 | 2159张标注的眼底图像 | NA | NA | NA | NA |
| 4724 | 2024-12-01 |
Automated lung segmentation on chest MRI in children with cystic fibrosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1401473
PMID:39606627
|
研究论文 | 研究使用深度学习方法对患有囊性纤维化的儿童胸部MRI图像进行自动肺部分割 | 采用nnU-Net框架对胸部MRI图像进行自动肺部分割，展示了在不同疾病严重程度、患者年龄和尺寸下的高分割性能 | 在膈肌和背部区域存在不完全分割的挑战，需要进一步改进以增强模型的泛化能力 | 探索使用深度学习方法对囊性纤维化儿童的胸部MRI图像进行自动肺部分割的可行性和有效性 | 患有囊性纤维化的儿童的胸部MRI图像 | 计算机视觉 | 囊性纤维化 | 深度学习 | nnU-Net | MRI图像 | 165个标准化年度监测MRI扫描，来自84名囊性纤维化患者 | NA | NA | NA | NA |
| 4725 | 2024-12-01 |
Employing Xception convolutional neural network through high-precision MRI analysis for brain tumor diagnosis
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1487713
PMID:39606635
|
研究论文 | 本文提出了一种基于Xception卷积神经网络的高精度MRI分析方法，用于脑肿瘤的诊断 | 引入了Xception架构，并结合批量归一化和dropout层来减少过拟合，通过迁移学习和定制的密集层设置提高了模型的泛化能力 | NA | 提高脑肿瘤诊断的准确性和可靠性 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | MRI分析 | Xception卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 4726 | 2024-12-01 |
Enhanced skin cancer diagnosis: a deep feature extraction-based framework for the multi-classification of skin cancer utilizing dermoscopy images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1495576
PMID:39606634
|
研究论文 | 本文提出了一种基于深度特征提取的框架，用于利用皮肤镜图像对皮肤癌进行多分类诊断 | 本文提出了四种卷积神经网络（CNN）模型的变体，并结合支持向量机（SVM）、随机森林（RF）和逻辑回归（LR）进行皮肤癌分类，提高了诊断准确率 | 本文未提及如何处理数据不平衡问题以及模型的泛化能力 | 提高皮肤癌诊断的准确性，帮助医生进行诊断 | 皮肤癌的分类和预测 | 计算机视觉 | 皮肤癌 | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 10,015张皮肤镜图像 | NA | NA | NA | NA |
| 4727 | 2024-12-01 |
Bibliometric and visual analysis of radiomics for evaluating lymph node status in oncology
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1501652
PMID:39610679
|
研究论文 | 本文通过文献计量学和可视化方法分析了2012年至2023年间关于放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示了该领域的研究热点和未来趋势 | 本文首次通过文献计量学和可视化方法全面分析了放射组学在评估淋巴结状态中的应用，揭示了研究热点和未来趋势 | 本文主要基于文献计量学和可视化分析，未涉及具体实验或临床数据，因此缺乏对实际应用效果的深入探讨 | 分析放射组学在评估肿瘤学中淋巴结状态的研究出版物，揭示研究热点和未来趋势 | 2012年至2023年间发表的关于放射组学在评估淋巴结状态中的研究出版物 | 数字病理学 | 肿瘤学 | 文献计量学和可视化分析 | NA | 文本 | 898篇英文原创文章和综述 | NA | NA | NA | NA |
| 4728 | 2024-12-01 |
Drone-Based Digital Phenotyping to Evaluating Relative Maturity, Stand Count, and Plant Height in Dry Beans (Phaseolus vulgaris L.)
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0278
PMID:39610705
|
研究论文 | 研究利用无人机RGB图像和深度学习方法评估干豆的相对成熟度、植株密度和植株高度 | 采用混合卷积神经网络和长短期记忆模型以及Faster R-CNN算法，提高了相对成熟度和植株密度测量的准确性和效率 | 在植株高度估计中，PC和DSM数据源的选择依赖于特定的环境和飞行条件 | 探索无人机图像和深度学习方法在干豆田间试验中测量相对成熟度、植株密度和植株高度的应用 | 干豆的相对成熟度、植株密度和植株高度 | 计算机视觉 | NA | 深度学习 | 混合卷积神经网络和长短期记忆模型、Faster R-CNN | 图像 | NA | NA | NA | NA | NA |
| 4729 | 2024-12-01 |
RDA-MTE: an innovative model for emotion recognition in sports behavior decision-making
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1466013
PMID:39610868
|
研究论文 | 本文提出了一种基于深度学习的模型RDA-MTE，用于在体育行为决策中进行情感识别 | 该模型结合了预训练的ResNet-50、双向注意力机制和多层Transformer编码器，提高了情感识别的准确性和鲁棒性 | NA | 研究情感刺激在体育行为决策中的作用 | 情感识别和体育行为决策 | 机器学习 | NA | 深度学习 | RDA-MTE | 图像 | FER-2013数据集和CK+数据集 | NA | NA | NA | NA |
| 4730 | 2024-11-30 |
Generalisation capabilities of machine-learning algorithms for the detection of the subthalamic nucleus in micro-electrode recordings
2024-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03202-2
PMID:38951363
|
研究论文 | 研究机器学习算法在微电极记录中检测丘脑底核的泛化能力 | 探讨了不同临床中心和训练范式下机器学习方法的泛化能力，并提出了通过迁移学习快速适应新中心的方法 | 算法在不同数据集上的性能显著下降，尽管迁移学习可以缓解这一问题，但重新训练可能需要更长的训练时间 | 研究机器学习算法在不同临床中心和训练范式下的泛化能力 | 微电极记录信号的二分类 | 机器学习 | NA | 深度学习 | 深度学习算法 | 信号 | 三个来自两个不同临床中心的数据库，大小、采集硬件和标注协议不同 | NA | NA | NA | NA |
| 4731 | 2024-09-10 |
MRI-based deep learning and radiomics for occult cervical lymph node metastasis (OCLNM) prediction
2024-Dec, Oral oncology
IF:4.0Q2
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4732 | 2024-11-17 |
Super-resolution Deep Learning Reconstruction Enhances Cranial Nerve Depiction and Interobserver Agreement in Neurovascular Conflict Imaging
2024-Dec, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2024.10.054
PMID:39547846
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4733 | 2024-11-30 |
Deep learning to predict risk of lateral skull base cerebrospinal fluid leak or encephalocele
2024-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-024-03259-z
PMID:39207718
|
研究论文 | 研究开发了一种全自动深度学习方法用于卵圆孔（FO）分割，并评估其在预测侧颅底自发性脑脊液（sCSF）漏或脑膨出中的价值 | 首次使用卷积神经网络（CNN）进行卵圆孔（FO）的自动分割，并评估其在预测sCSF漏或脑膨出中的应用 | 研究样本量较小，且仅限于特定医院的数据，可能影响结果的普适性 | 开发一种全自动深度学习方法用于卵圆孔（FO）分割，并评估其在预测侧颅底自发性脑脊液（sCSF）漏或脑膨出中的价值 | 侧颅底自发性脑脊液（sCSF）漏或脑膨出的患者 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 34名侧颅底自发性脑脊液（sCSF）漏或脑膨出的患者与815名对照患者 | NA | NA | NA | NA |
| 4734 | 2024-11-30 |
A novel deep learning based method for myocardial strain quantification
2024-Nov-29, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad947b
PMID:39569845
|
研究论文 | 本文介绍了一种基于深度学习的心肌应变量化方法，并通过公共和私有数据集评估了该方法在心脏病理区分中的有效性 | 提出了一种新的基于深度学习的心肌应变量化方法，能够有效区分健康和病理心脏状态，并具有与传统方法相当的准确性和计算效率 | NA | 开发一种有效的心肌应变量化方法，用于心脏病理的区分 | 心肌应变分析，心脏结构（左心室、右心室和心肌）的运动估计 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 公共数据集（ACDC，80个受试者；CMAC，16个受试者）和私有数据集（SSC，75个受试者），包含健康和病理病例（急性心肌梗死、扩张型心肌病和肥厚型心肌病） | NA | NA | NA | NA |
| 4735 | 2024-11-30 |
An audiovisual cognitive optimization strategy guided by salient object ranking for intelligent visual prothesis systems
2024-Nov-29, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad94a4
PMID:39569905
|
研究论文 | 本文介绍了一种基于显著物体排序的视听认知优化策略，用于智能视觉假体系统 | 提出了一个新的显著物体排序（SaOR）数据集和SaOR网络，用于为假体视觉提供深度感知，并结合图像描述方法提供听觉反馈，形成视听认知优化策略 | NA | 旨在改进智能视觉假体系统的性能，提供更接近人类观察模式的视觉信息处理策略 | 智能视觉假体系统及其在复杂现实环境中的应用 | 计算机视觉 | NA | 深度学习 | SaOR网络 | 图像 | 基于场景描述任务的心理物理实验 | NA | NA | NA | NA |
| 4736 | 2024-11-30 |
Deep Learning Methods for De Novo Peptide Sequencing
2024-Nov-29, Mass spectrometry reviews
IF:6.9Q1
DOI:10.1002/mas.21919
PMID:39611290
|
研究论文 | 本文介绍了用于从头测序肽序列的深度学习方法，并讨论了其性能评估和领域挑战 | 本文介绍了自2017年DeepNovo算法引入以来，深度学习方法在从头测序领域的应用，这些方法利用大量标记的质谱数据训练多层神经网络，将观察到的质谱转换为相应的肽序列 | 本文讨论了方法开发和评估协议方面的挑战 | 研究从头测序肽序列的深度学习方法及其性能评估 | 蛋白质串联质谱数据和肽序列 | 机器学习 | NA | 质谱 | 多层神经网络 | 质谱数据 | 大量标记的质谱数据 | NA | NA | NA | NA |
| 4737 | 2024-11-30 |
Using artificial intelligence to document the hidden RNA virosphere
2024-Nov-27, Cell
IF:45.5Q1
DOI:10.1016/j.cell.2024.09.027
PMID:39389057
|
研究论文 | 开发了一种深度学习算法LucaProt，用于在多样化的全球生态系统中发现的10,487个元转录组中识别高度分化的RNA依赖性RNA聚合酶（RdRP）序列 | LucaProt算法整合了序列和预测的结构信息，能够准确检测RdRP序列，并发现了161,979种潜在的RNA病毒物种和180个RNA病毒超群，包括许多先前研究不足的群体 | NA | 推进病毒发现，揭示病毒圈的规模，并提供计算工具以更好地记录全球RNA病毒群 | 高度分化的RNA病毒 | 机器学习 | NA | 深度学习 | 深度学习算法 | 序列数据 | 10,487个元转录组 | NA | NA | NA | NA |
| 4738 | 2024-11-30 |
Multimodal separation and cross fusion network based on Raman spectroscopy and FTIR spectroscopy for diagnosis of thyroid malignant tumor metastasis
2024-11-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80590-0
PMID:39582068
|
研究论文 | 本文提出了一种基于拉曼光谱和傅里叶变换红外光谱的多模态分离交叉融合网络（MSCNet），用于诊断甲状腺恶性肿瘤的颈部淋巴结转移 | 本文创新性地开发了MSCNet，通过特征分离模块和特征交叉融合模块，充分捕捉模态间和模态内的互补信息，有效整合拉曼光谱和FTIR光谱数据，提高了诊断准确性 | 本文未详细讨论模型的泛化能力和在其他疾病诊断中的应用 | 开发一种新的多模态分离交叉融合网络，用于提高甲状腺癌颈部淋巴结转移的诊断准确性 | 甲状腺癌颈部淋巴结转移的诊断 | 机器学习 | 甲状腺癌 | 拉曼光谱，傅里叶变换红外光谱 | 多模态分离交叉融合网络（MSCNet） | 光谱数据 | 99例颈部淋巴结转移的血液振动光谱数据 | NA | NA | NA | NA |
| 4739 | 2024-11-30 |
A deep LSTM-based constitutive model for describing the impact characteristics of concrete-granite composites with different roughness interfaces
2024-Nov-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80366-6
PMID:39587222
|
研究论文 | 研究了不同粗糙度界面的混凝土-花岗岩复合材料的动态力学性能，并利用LSTM深度学习方法预测其动态应力-应变关系 | 采用LSTM深度学习方法预测混凝土-花岗岩复合材料的动态应力-应变关系，并与传统BPNN和随机森林模型进行比较，显示出更强的预测能力 | 仅限于研究混凝土-花岗岩复合材料在特定冲击速度下的动态力学性能，未涵盖其他材料或条件 | 评估岩石工程中常见的衬砌-围岩复合结构的抗冲击性能 | 混凝土-花岗岩复合材料的动态力学性能及其在不同粗糙度界面下的表现 | 岩土工程 | NA | 分离式霍普金森压杆系统（SHPB） | LSTM | 实验数据 | 144组实验数据 | NA | NA | NA | NA |
| 4740 | 2024-11-30 |
ParaAntiProt provides paratope prediction using antibody and protein language models
2024-11-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80940-y
PMID:39587231
|
研究论文 | 本文开发了一种基于深度学习的抗体表位预测方法，利用预训练的蛋白质和抗体语言模型提取嵌入，结合CDR位置编码和卷积神经网络，实现了高效的表位预测 | 本文提出的方法仅依赖氨基酸序列，不依赖3D结构，且在预测性能上优于传统的结构依赖方法 | 本文未提及具体的局限性 | 开发一种高效、准确的抗体表位预测方法，以促进抗体设计、癌症治疗和个性化医学的发展 | 抗体表位的预测 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 序列 | 使用了基准数据集和纳米体数据集进行评估 | NA | NA | NA | NA |