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 12193 篇文献，本页显示第 4841 - 4860 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4841 | 2024-12-06 |
Liver tumor segmentation method combining multi-axis attention and conditional generative adversarial networks
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0312105
PMID:39625955
|
研究论文 | 提出了一种结合多轴注意力和条件生成对抗网络的肝脏肿瘤分割方法 | 引入了多轴注意力机制和条件生成对抗网络，以解决现有方法在类不平衡、全局上下文特征融合不足和局部细节感知弱等问题 | 未提及具体局限性 | 提高肝脏肿瘤分割的效率和准确性 | 肝脏和肿瘤在腹部CT图像中的分割 | 计算机视觉 | NA | 深度学习 | 条件生成对抗网络 (cGAN) | 图像 | 使用了LiTS公共数据集进行训练和测试 | NA | NA | NA | NA |
| 4842 | 2024-12-06 |
DLLabelsCT: Annotation tool using deep transfer learning to assist in creating new datasets from abdominal computed tomography scans, case study: Pancreas
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313126
PMID:39625972
|
研究论文 | 开发了一种名为DLLabelsCT的注释工具，利用深度迁移学习加速腹部CT扫描图像分析过程，并以胰腺为例进行了案例研究 | 提出了DLLabelsCT工具，通过使用ResNet34-UNet模型显著加速了注释过程，并展示了其在不同数据集上的高准确性和可扩展性 | 仅在胰腺分割任务上进行了验证，尚未在其他器官上进行广泛测试 | 开发一种能够加速医学图像注释过程的工具，以支持深度学习算法在放射学评估中的应用 | 腹部CT扫描图像中的胰腺分割 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 3715张CT扫描切片 | NA | NA | NA | NA |
| 4843 | 2024-12-06 |
A fact based analysis of decision trees for improving reliability in cloud computing
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311089
PMID:39625991
|
研究论文 | 本文通过比较五种机器学习算法在云计算中的准确性和故障预测能力，提出了一种改进决策树算法的方法 | 提出了对决策树（J48）算法的改进，以提高其在云计算中的可靠性和准确性 | 算法复杂度较高，需要进一步优化 | 提高云计算中的决策树算法的可靠性和准确性 | 五种机器学习算法在云计算中的性能 | 机器学习 | NA | 机器学习算法 | 决策树（J48） | 数值数据 | NA | NA | NA | NA | NA |
| 4844 | 2024-12-06 |
Dual assurance for healthcare and future education development: normalized assistance for low-income population in rural areas-evidence from the population identification
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1384474
PMID:39628808
|
研究论文 | 本研究探讨了农村低收入人口在医疗和未来教育方面的关系，并开发了一种智能识别分类模型来准确检测和分类农村低收入个体 | 提出了一个准确度达到91.93%的智能识别分类模型，超过了其他基线神经网络算法 | 研究仅限于广东省J市，结果可能不适用于其他地区 | 探索农村低收入人口在医疗和未来教育方面的关系，并为政策制定提供支持 | 农村低收入人口的医疗和教育状况 | 机器学习 | NA | 深度学习算法 | 神经网络 | 大数据 | NA | NA | NA | NA | NA |
| 4845 | 2024-12-06 |
SMART-PET: a Self-SiMilARiTy-aware generative adversarial framework for reconstructing low-count [18F]-FDG-PET brain imaging
2024, Frontiers in nuclear medicine (Lausanne, Switzerland)
DOI:10.3389/fnume.2024.1469490
PMID:39628873
|
研究论文 | 本文介绍了一种基于生成对抗网络（GAN）和自相似性注意力机制的新型深度学习框架，用于重建低计数[18F]-FDG-PET脑部图像 | 提出了一个自相似性感知生成对抗框架（SMART-PET），利用自相似性注意力机制来增强PET图像的去噪效果，无需依赖MRI的解剖细节 | NA | 开发一种新的深度学习框架，用于提高低计数PET图像的质量，减少放射性暴露 | 低计数[18F]-FDG-PET脑部图像 | 计算机视觉 | NA | 生成对抗网络（GAN） | 生成对抗网络（GAN） | 图像 | 114名受试者，包括34名药物难治性癫痫患者、10名额颞叶痴呆患者和70名健康志愿者 | NA | NA | NA | NA |
| 4846 | 2024-12-06 |
The effectiveness of deep learning model in differentiating benign and malignant pulmonary nodules on spiral CT
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-241079
PMID:39520159
|
研究论文 | 研究深度学习模型在螺旋CT图像上区分良性和恶性肺结节的有效性 | 提出了一种基于深度学习的细粒度分类方法，用于区分肺结节，并展示了其在区分良恶性肺结节方面的优越性 | 研究样本量较小，且仅限于一家医院的病例 | 探讨基于深度学习的肺结节分类和分割算法在区分良恶性肺结节中的临床价值和诊断效果 | 良性和恶性肺结节 | 计算机视觉 | 肺部疾病 | 深度学习 | 深度学习模型 | CT图像 | 120例肺结节患者 | NA | NA | NA | NA |
| 4847 | 2024-12-05 |
Correction: Comprehensive Symptom Prediction in Inpatients With Acute Psychiatric Disorders Using Wearable-Based Deep Learning Models: Development and Validation Study
2024-Dec-03, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/69042
PMID:39626223
|
correction | 对先前发表的文章进行更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4848 | 2024-12-05 |
Improved Osteoporosis Prediction in Breast Cancer Patients Using a Novel Semi-Foundational Model
2024-Dec-02, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01337-x
PMID:39621209
|
研究论文 | 本文研究了在乳腺癌患者中使用半基础模型改进骨质疏松预测的方法 | 本文提出了一种新的半基础模型，通过预训练VGG-16、ResNet-50和DenseNet-121在8500个胸部CT数据集上，然后微调以分类199名乳腺癌患者的骨密度，显著提高了三分类性能 | 本文仅在乳腺癌患者中进行了验证，未来需要在更多疾病状态下进行验证 | 研究如何通过半基础模型提高骨质疏松预测的准确性 | 乳腺癌患者的骨密度分类 | 计算机视觉 | 乳腺癌 | NA | 半基础模型 | CT图像 | 8500个胸部CT数据集和199名乳腺癌患者 | NA | NA | NA | NA |
| 4849 | 2024-12-05 |
Comparison of deep learning schemes in grading non-alcoholic fatty liver disease using B-mode ultrasound hepatorenal window images with liver biopsy as the gold standard
2024-Dec-02, 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.2024.104862
PMID:39626614
|
研究论文 | 本文比较了不同预训练深度学习方案在非酒精性脂肪肝病分级中的表现，使用B模式超声肝肾窗图像作为输入，并以肝活检作为金标准 | 本文创新性地使用预训练深度学习方案对非酒精性脂肪肝病进行分级，并比较了不同网络模型的性能 | 本文的局限性在于样本量较小，且仅使用了B模式超声图像作为输入 | 评估预训练深度学习方案在非酒精性脂肪肝病分级中的表现 | 非酒精性脂肪肝病患者 | 计算机视觉 | 肝病 | 深度学习 | CNN | 图像 | 112名经活检验证的非酒精性脂肪肝病患者 | NA | NA | NA | NA |
| 4850 | 2024-12-05 |
Deep learning based on multiparametric MRI predicts early recurrence in hepatocellular carcinoma patients with solitary tumors ≤5 cm
2024-Dec, European journal of radiology open
IF:1.8Q3
DOI:10.1016/j.ejro.2024.100610
PMID:39619794
|
研究论文 | 本文评估了一种基于深度学习的模型在预测肝细胞癌患者术后早期复发中的有效性 | 本文构建了一个基于ResNet的深度学习模型，结合多参数MRI图像特征和患者临床数据，提高了早期复发的预测性能 | NA | 评估深度学习模型在预测肝细胞癌患者术后早期复发中的有效性 | 肝细胞癌患者，单个肿瘤≤5 cm | 机器学习 | 肝癌 | 动态对比增强MRI (DCE-MRI) | ResNet | 图像 | 331名肝细胞癌患者 | NA | NA | NA | NA |
| 4851 | 2024-12-05 |
Regime switching in coupled nonlinear systems: Sources, prediction, and control-Minireview and perspective on the Focus Issue
2024-Dec-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0247498
PMID:39621472
|
综述 | 本文综述了耦合非线性系统中的状态转换现象，涵盖了理论分析、数据驱动检测方法和非反馈控制策略的最新进展 | 本文介绍了深度学习在预测电网故障中的应用，利用闪烁网络增强同步，创建控制流行病传播的自适应策略，以及抑制癫痫发作的非反馈控制策略 | 本文主要集中在理论分析和数据驱动方法上，未深入探讨实际应用中的具体挑战 | 探讨复杂系统中状态转换的机制，并开发预测、检测和控制这些转换的通用和鲁棒方法 | 耦合非线性系统中的状态转换现象，包括气候、海洋环流、生态系统、电网和大脑等 | NA | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 4852 | 2024-12-05 |
Enhanced prediction of protein functional identity through the integration of sequence and structural features
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.028
PMID:39624166
|
研究论文 | 本文开发了一种通过整合序列和结构特征来预测蛋白质功能的方法 | 本文提出了一种结合序列和结构信息的方法，显著提高了蛋白质功能预测的准确性，并发现结构对齐计算的域序列身份对预测影响最大 | NA | 提高蛋白质功能预测的准确性 | 蛋白质的功能预测 | 机器学习 | NA | AlphaFold2 | LightGBM | 序列和结构数据 | 超过300000000个蛋白质序列 | NA | NA | NA | NA |
| 4853 | 2024-12-05 |
Auxiliary diagnosis of primary bone tumors based on Machine learning model
2024-Dec, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100648
PMID:39624676
|
研究论文 | 研究基于机器学习模型的原发性骨肿瘤辅助诊断，通过深度卷积神经网络和影像组学分析提高诊断准确性 | 提出了基于深度卷积神经网络的机器学习模型，并结合影像组学分析和差异表达基因筛选方法，提高了骨肿瘤的诊断准确性 | 研究主要集中在骨肿瘤的诊断，未涉及其他类型的肿瘤或疾病 | 提高原发性骨肿瘤的诊断准确性，促进早期检测和个性化治疗 | 原发性骨肿瘤的病理样本和影像数据 | 数字病理学 | 骨肿瘤 | 深度卷积神经网络 (DC-NN) | 深度卷积神经网络 (DCNN) | 全切片影像 (WSI) | 包含所有类别骨肿瘤的病理样本数据库 | NA | NA | NA | NA |
| 4854 | 2024-12-05 |
AutoLDT: a lightweight spatio-temporal decoupling transformer framework with AutoML method for time series classification
2024-Nov-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81000-1
PMID:39616188
|
研究论文 | 提出了一种基于自动化机器学习技术的轻量级时空解耦Transformer框架AutoLDT，用于时间序列分类 | 引入模糊位置编码、TS可分离线性自注意力机制和卷积前馈网络，实现轻量级特征提取；采用协方差矩阵自适应进化策略和全局自适应剪枝技术实现自动化网络结构设计 | 未明确提及 | 解决时间序列分类中特征提取效果、模型复杂度和模型设计不确定性问题 | 时间序列数据 | 机器学习 | NA | 自动化机器学习 | Transformer | 时间序列 | 使用了公开的UCR和UEA时间序列数据集 | NA | NA | NA | NA |
| 4855 | 2024-12-05 |
Self-supervised spectral super-resolution for a fast hyperspectral and multispectral image fusion
2024-Nov-30, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-81031-8
PMID:39616217
|
研究论文 | 本文提出了一种新的自监督光谱超分辨率方法，用于快速高光谱和多光谱图像融合 | 引入了一种创新的技术，通过训练一个小型深度神经网络来重建高分辨率的高光谱图像，无需高分辨率训练数据，解决了数据稀缺和泛化能力差的问题，并显著降低了计算成本 | NA | 提高高光谱图像的分辨率 | 高光谱和多光谱图像 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 4856 | 2024-12-05 |
A deep learning approach to real-time Markov modeling of ion channel gating
2024-Nov-30, Communications chemistry
IF:5.9Q1
DOI:10.1038/s42004-024-01369-y
PMID:39616256
|
研究论文 | 本文提出了一种基于深度学习的实时马尔可夫模型提取方法，用于分析离子通道门控行为 | 利用深度学习技术从单通道记录中提取马尔可夫模型，并提出了一种评估预测模型优劣的方法 | 需要进一步验证该方法在不同实验条件下的适用性和准确性 | 开发一种能够实时分析离子通道门控行为的深度学习方法 | 离子通道门控行为的实时分析 | 机器学习 | NA | 深度学习 | 神经网络 | 时间序列 | 使用模拟数据集进行训练，并在实际的膜片钳实验数据上进行测试 | NA | NA | NA | NA |
| 4857 | 2024-12-05 |
Interpretable multi-horizon time series forecasting of cryptocurrencies by leverage temporal fusion transformer
2024-Nov-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40142
PMID:39619580
|
研究论文 | 研究探讨了在波动性全球金融市场预测加密货币运动的挑战，并开发了一种先进的深度学习增强型时间融合变压器（ADE-TFT）模型来更准确地估计比特币价值 | 提出了ADE-TFT模型，该模型在预测准确性上优于其底层模型，特别是在使用更高隐藏层配置时，误差指标（MAPE、MSE和RMSE）显著降低 | 研究强调了需要尝试不同的归一化策略和利用各种市场相关数据来提高模型性能，并指出提高预测准确性可能需要解决这些限制并纳入市场情绪等额外因素 | 提高加密货币市场预测的准确性，为投资者提供更精确的市场预测 | 比特币价值预测 | 机器学习 | NA | 深度学习 | 时间融合变压器（TFT） | 交易数据 | NA | NA | NA | NA | NA |
| 4858 | 2024-12-05 |
FASNet: Feature alignment-based method with digital pathology images in assisted diagnosis medical system
2024-Nov-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40350
PMID:39624322
|
研究论文 | 本文提出了一种基于特征对齐的数字病理图像分割方法FASNet，用于辅助诊断医疗系统 | FASNet通过在编码器和解码器中插入语义感知归一化和语义感知白化模块，实现了同类特征的紧凑性和不同类特征的分离性 | 深度学习模型需要大量标注数据，病理图像获取成本高且难以获得，标注数据不足容易导致偏差结果 | 提高数字病理图像分割的准确性和鲁棒性，特别是在训练数据与测试数据分布不匹配的情况下 | 数字病理图像中的细胞核和组织结构 | 数字病理学 | 肿瘤 | 深度学习 | UNW网络 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 4859 | 2024-12-05 |
Based on computer simulation and experimental verification: mining and characterizing novel antimicrobial peptides from soil microbiome
2024-Nov-28, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.142275
PMID:39626551
|
研究论文 | 开发了一种基于深度学习的预测管道，从土壤宏基因组数据中识别潜在的抗菌肽，并通过实验验证其抗菌活性 | 利用深度学习技术从土壤微生物组中挖掘和表征新型抗菌肽，提供了一种高效且成本较低的筛选方法 | NA | 发现新型抗菌肽，以增强食品安全和延长食品保质期 | 土壤微生物组中的抗菌肽 | 机器学习 | NA | 深度学习 | 深度学习模型 | 宏基因组数据 | 九种候选肽 | NA | NA | NA | NA |
| 4860 | 2024-12-05 |
Automatic segmentation of extensor carpi ulnaris tendon and detection of tendinosis with convolutional neural networks
2024-Nov, Acta radiologica open
IF:0.9Q4
DOI:10.1177/20584601241297530
PMID:39624259
|
研究论文 | 本研究利用卷积神经网络（CNN）自动检测和分割尺侧腕伸肌腱及其腱鞘炎，并评估其在2D腕部MRI中的表现 | 首次使用卷积神经网络自动检测和分割尺侧腕伸肌腱及其腱鞘炎，提供了一种自动化诊断慢性腕痛的方法 | 研究样本量较小，且仅限于2D腕部MRI图像，未来需要在大规模数据集上验证和改进模型 | 开发一种用于自动检测尺侧腕伸肌腱及其腱鞘炎的卷积神经网络，并验证其在2D腕部MRI中的可行性 | 尺侧腕伸肌腱及其腱鞘炎的自动检测和分割 | 计算机视觉 | NA | 卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像 | 1081名接受腕部MRI检查的患者，其中46名患者患有腱鞘炎 | NA | NA | NA | NA |