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 5041 - 5060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5041 | 2024-12-15 |
Deep learning-based information retrieval with normalized dominant feature subset and weighted vector model
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1805
PMID:39669463
|
研究论文 | 本文提出了一种基于深度学习的信息检索方法，使用归一化主导特征子集和加权向量模型进行特征提取和选择 | 提出了归一化主导特征子集和加权向量模型（NDFS-WVM），用于从大数据中进行信息检索，并展示了其在文本检索中的优越性能 | 需要大规模数据集进行训练，且手动创建有效特征集的过程较为耗时 | 改进信息检索中的特征提取和选择方法，提高文本检索的准确性 | 多媒体数据中的文本信息 | 自然语言处理 | NA | 深度学习 | NDFS-WVM | 文本 | 大规模数据集，包含数百万变量 | NA | NA | NA | NA |
| 5042 | 2024-12-15 |
Performance enhancement in hydroponic and soil compound prediction by deep learning techniques
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2101
PMID:39669468
|
研究论文 | 本文提出了一种利用深度学习技术预测水培和土壤化合物动态的创新方法，以提高作物生产的可持续性和效率 | 本文创新性地利用深度学习技术预测水培和土壤化合物动态，采用迭代辅助增强母优化算法（IEMOA）获取权重特征，并通过多尺度特征融合卷积自编码器与门控循环单元（MS-CAGRU）网络进行预测 | 本文未提及具体的实验验证或实际应用效果，仅通过与传统模型的对比展示系统效能 | 开发数值模型以全面描述植物和土壤中化学物质的传输和反应，制定有效的缓解策略 | 水培和土壤化合物动态 | 机器学习 | NA | 深度学习 | MS-CAGRU | 数据 | 数据来自在线资源，具体样本量未提及 | NA | NA | NA | NA |
| 5043 | 2024-12-15 |
Demand prediction for urban air mobility using deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1946
PMID:39669473
|
研究论文 | 本文研究了城市空中交通（UAM）需求预测问题，提出了一种基于深度学习的时间序列预测模型 | 本文首次使用Transformer模型进行UAM需求预测，并展示了其高性能 | 本文仅使用了单一的基准数据集，可能无法全面反映不同城市和地区的实际情况 | 探讨市场是否能够支持UAM的部署，并通过需求预测为决策者提供投资可行性和可行性分析 | 城市空中交通（UAM）的需求预测 | 机器学习 | NA | 深度学习 | Transformer | 时间序列数据 | 150,000条记录 | NA | NA | NA | NA |
| 5044 | 2024-12-15 |
A bigura-based real time sentiment analysis of new media
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2069
PMID:39669474
|
研究论文 | 本文提出了一种基于BiGura多层模型的实时情感检测技术，用于新媒体数据的情感分析 | 本文采用了深度学习技术，相较于传统的贝叶斯和KNN分类器，在情感分析中表现出显著优势，分类准确率分别提高了3.88%和4.33% | NA | 实现更准确和实时的公众情感监测和舆论监控 | 新媒体数据中的文本和视频内容的情感分析 | 自然语言处理 | NA | 深度学习 | BiGura | 文本和视频 | 涉及不同病毒事件的案例，如加沙的入侵事件 | NA | NA | NA | NA |
| 5045 | 2024-12-15 |
LRMAHpan: a novel tool for multi-allelic HLA presentation prediction using Resnet-based and LSTM-based neural networks
2024, Frontiers in immunology
IF:5.7Q1
DOI:10.3389/fimmu.2024.1478201
PMID:39669561
|
研究论文 | 本文介绍了一种名为LRMAHpan的新工具，用于使用基于Resnet和LSTM的神经网络进行多等位基因HLA呈递预测 | LRMAHpan整合了LSTM网络和ResNet_CA网络，采用了一种新的pHLA编码方法，能够将新抗原预测任务集成到计算机视觉方法中，并有效捕捉结合信号 | NA | 开发一种能够准确预测多等位基因HLA呈递的工具，以促进新抗原疫苗设计 | 多等位基因HLA呈递预测和新抗原预测 | 计算机视觉 | 黑色素瘤 | 质谱数据 | ResNet, LSTM | 图像 | 转移性黑色素瘤患者队列 | NA | NA | NA | NA |
| 5046 | 2024-12-15 |
Explainable light-weight deep learning pipeline for improved drought stress identification
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1476130
PMID:39670267
|
研究论文 | 本文提出了一种用于识别马铃薯作物干旱胁迫的可解释轻量级深度学习管道 | 创新点在于结合预训练网络与精心设计的自定义层，并集成了基于梯度的可视化技术（如Grad-CAM），增强了模型的可解释性 | NA | 旨在提高作物干旱胁迫的识别精度，并为实时农业应用提供可解释的深度学习模型 | 马铃薯作物的干旱胁迫 | 计算机视觉 | NA | 深度学习 | DenseNet121 | 图像 | NA | NA | NA | NA | NA |
| 5047 | 2024-12-14 |
VAEEG: Variational auto-encoder for extracting EEG representation
2024-Dec-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120946
PMID:39571641
|
研究论文 | 提出基于变分自编码器的脑电图表示提取模型VAEEG，通过分离频带的自我监督学习获得有效的潜在特征，并在儿童大脑发育、癫痫发作和睡眠阶段分类等临床任务中验证其有效性 | 采用频带分离的变分自编码器进行重建式自我监督学习，提取的潜在特征在多个下游临床任务中具有相关性且提升了模型性能 | 未提及具体限制 | 获取更直观、简洁、有用的脑活动表示，并验证其在临床任务中的有效性 | 脑电图信号中的潜在特征表示 | 机器学习 | 癫痫 | 变分自编码器（VAE） | 变分自编码器（VAE） | 脑电图（EEG）信号 | NA | NA | NA | NA | NA |
| 5048 | 2024-12-14 |
Deep learning applied to the segmentation of rodent brain MRI data outperforms noisy ground truth on full-fledged brain atlases
2024-Dec-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120934
PMID:39577575
|
研究论文 | 本文研究了深度学习模型在啮齿动物脑部MRI数据分割中的应用，发现其性能优于基于噪声标签的全脑图谱 | 本文首次展示了深度学习模型在啮齿动物脑部MRI数据分割中的应用，能够处理不同动物品系和尺寸的变化，并提供了不确定性估计和可解释性机制 | 本文仅在啮齿动物脑部MRI数据上进行了验证，尚未在其他类型的脑部图像或其他物种上进行测试 | 研究深度学习模型在啮齿动物脑部MRI数据分割中的应用，以提高定量分析的准确性 | 啮齿动物脑部MRI图像的自动分割 | 计算机视觉 | NA | MRI | U-Net, Attention-U-Net, DeepLab | 图像 | 超过10,000张啮齿动物脑部MRI图像 | NA | NA | NA | NA |
| 5049 | 2024-12-14 |
Generative modeling of the Circle of Willis using 3D-StyleGAN
2024-Dec-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120936
PMID:39586344
|
研究论文 | 本文使用3D-StyleGAN生成Circle of Willis的Time-of-Flight磁共振血管成像（TOF MRA）数据，以解决医学数据稀缺问题 | 本文首次将StyleGANv2架构应用于3D，生成高质量且多样化的TOF MRA数据，并在下游任务中展示了其效用 | 本文未提及生成数据在其他病理数据集或不同医学成像模式中的应用效果 | 开发一种生成模型，用于合成Circle of Willis的3D TOF MRA数据，以提高深度学习模型在脑血管疾病诊断和治疗中的应用 | Circle of Willis的脑血管结构 | 计算机视觉 | 脑血管疾病 | 3D-StyleGAN | StyleGANv2 | 图像 | 1782个TOF MRA扫描数据 | NA | NA | NA | NA |
| 5050 | 2024-12-14 |
Differentiating atypical parkinsonian syndromes with hyperbolic few-shot contrastive learning
2024-Dec-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120940
PMID:39586345
|
研究论文 | 本文提出了一种新的少样本学习框架，用于在有限的训练数据下区分多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP） | 本文引入了超曲面空间嵌入技术，通过识别非目标分类类别的铁积累模式特征区域，增强了模型的稳定性 | 本文的实验结果主要基于特定的数据集和模型，可能需要进一步验证其在其他数据集和场景中的泛化能力 | 解决在有限训练数据下区分非典型帕金森综合征（APS）中不同亚型的挑战 | 多系统萎缩帕金森型（MSA-P）和进行性核上性麻痹（PSP） | 机器学习 | 神经退行性疾病 | 少样本学习 | 对比学习 | 图像 | 少量数据样本 | NA | NA | NA | NA |
| 5051 | 2024-12-13 |
Improved Prediction of Ligand-Protein Binding Affinities by Meta-modeling
2024-Dec-09, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01116
PMID:39576762
|
研究论文 | 本文开发了一个框架，通过元建模方法整合基于力场的经验对接模型和基于序列的深度学习模型，以提高配体-蛋白质结合亲和力的预测准确性 | 本文的创新点在于通过元建模方法整合多种模型，显著提高了结合亲和力的预测性能，并展示了更好的数据库扩展性和灵活性 | NA | 提高配体-蛋白质结合亲和力的预测准确性 | 配体-蛋白质结合亲和力 | 机器学习 | NA | 元建模 | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 5052 | 2024-12-14 |
Digital Image Processing to Detect Adaptive Evolution
2024-Dec-06, Molecular biology and evolution
IF:11.0Q1
DOI:10.1093/molbev/msae242
PMID:39565932
|
研究论文 | 本文探讨了利用数字图像处理技术，特别是α-分子方法，从单倍型比对的图像表示中提取特征，以检测基因组中的适应性进化 | 本文引入了α-分子技术，如小波分解和曲线分解，这些技术能够从图像中提取多尺度特征，并结合卷积神经网络自动提取重要特征 | NA | 研究目的是通过数字图像处理技术检测基因组中自然选择的区域 | 研究对象是基因组数据中的单倍型比对图像 | 计算机视觉 | NA | 数字图像处理 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 5053 | 2024-12-14 |
Artificial intelligence-driven quantification of antibiotic-resistant Bacteria in food by color-encoded multiplex hydrogel digital LAMP
2024-Dec-04, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.142304
PMID:39667227
|
研究论文 | 本文开发了一种基于人工智能的颜色编码多重水凝胶数字LAMP系统，用于食品中抗生素抗性细菌的定量检测 | 首次在多重数字LAMP中引入未掺入扩增信号报告物淬灭（QUASR），并利用深度学习模型自动识别和量化荧光点 | NA | 开发一种新方法用于食品中抗生素抗性细菌的定量检测 | 食品中的耐甲氧西林金黄色葡萄球菌和耐碳青霉烯类大肠杆菌 | NA | NA | 数字LAMP | 深度学习模型 | 图像 | 真实水果和蔬菜样本 | NA | NA | NA | NA |
| 5054 | 2024-09-24 |
Validation of a deep learning model for classification of pediatric pneumonia in Hong Kong
2024-Dec-02, Vaccine
IF:4.5Q2
DOI:10.1016/j.vaccine.2024.126370
PMID:39307024
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5055 | 2024-12-14 |
Evaluation of deep learning based dose prediction in head and neck cancer patients using two different types of input contours
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14519
PMID:39285649
|
研究论文 | 本研究评估了基于深度学习的剂量预测方法在头颈癌患者中的应用，使用两种不同类型的输入轮廓 | 本研究首次使用两种不同类型的输入轮廓（8通道和10通道模型）来评估深度学习在头颈癌患者剂量预测中的表现，并发现10通道模型在某些剂量指标上表现更优 | 研究样本量较小，仅包括75名患者，且测试集只有10个病例 | 评估深度学习在头颈癌患者剂量预测中的准确性和可行性 | 头颈癌患者的剂量预测 | 机器学习 | 头颈癌 | 深度学习 | U-net | 图像 | 75名头颈癌患者 | NA | NA | NA | NA |
| 5056 | 2024-12-14 |
Ranking attention multiple instance learning for lymph node metastasis prediction on multicenter cervical cancer MRI
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14547
PMID:39369718
|
研究论文 | 本文开发了一种基于排名注意力多实例学习（RA-MIL）模型的方法，用于从多中心宫颈癌MRI中预测淋巴结转移 | 提出了集成卷积神经网络（CNN）和排名注意力池化的RA-MIL模型，用于从T2 MRI中诊断淋巴结转移，并通过可视化信息区域增强模型的可解释性 | 研究是回顾性的，样本量相对较小，且仅使用了T2加权MRI | 开发一种非侵入性且术前预测淋巴结转移的方法 | 宫颈癌患者的淋巴结转移预测 | 计算机视觉 | 宫颈癌 | 卷积神经网络（CNN） | RA-MIL | 图像 | 300名接受T2加权磁共振成像（MRI）扫描和病理诊断的宫颈癌女性患者 | NA | NA | NA | NA |
| 5057 | 2024-12-14 |
A review of deep learning approaches for multimodal image segmentation of liver cancer
2024-Dec, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14540
PMID:39374312
|
综述 | 本文综述了深度学习技术在肝癌多模态图像分割中的最新进展 | 探讨了深度学习方法在多模态图像融合分割中的应用，并讨论了各种深度学习架构如卷积神经网络（CNN）和U-Net的优势 | 强调了当前研究中的挑战，如数据不平衡、模型泛化能力和模型可解释性 | 探讨深度学习技术在肝癌多模态图像分割中的应用，以提高临床决策的准确性和效率 | 肝癌的多模态图像分割 | 计算机视觉 | 肝癌 | 深度学习 | 卷积神经网络（CNN）、U-Net | 图像 | NA | NA | NA | NA | NA |
| 5058 | 2024-12-14 |
A Cluster-Based Deep Learning Model Perceiving Series Correlation for Accurate Prediction of Phonon Spectrum
2024-Dec, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202406183
PMID:39422637
|
研究论文 | 本文开发了一种基于晶格动力学理论的机器学习模型CSGN，用于预测晶体材料的声子态密度谱 | 提出了基于簇的序列图网络（CSGN）模型，通过多原子簇表示和混合高斯过程与动态时间规整机制，实现了对复杂谱的准确预测 | NA | 开发一种能够感知序列相关性的深度学习模型，以准确预测声子谱 | 晶体材料的声子态密度谱 | 机器学习 | NA | 混合高斯过程，动态时间规整 | 簇基序列图网络（CSGN） | 声子态密度谱 | NA | NA | NA | NA | NA |
| 5059 | 2024-12-14 |
Artificial intelligence as an auxiliary tool in pediatric otitis media diagnosis
2024-Dec, International journal of pediatric otorhinolaryngology
IF:1.2Q3
DOI:10.1016/j.ijporl.2024.112154
PMID:39547107
|
研究论文 | 本文探讨了使用卷积神经网络和深度学习技术作为辅助工具，用于儿科中耳炎的诊断 | 开发了儿科中耳炎分类器，通过AI技术将诊断准确率提高到98%以上，远超人类医生的诊断准确率 | 未提及具体的局限性 | 促进AI技术在儿科中耳炎诊断中的应用，提高诊断准确率 | 儿科中耳炎的诊断 | 计算机视觉 | 儿科疾病 | 卷积神经网络 | CNN | 图像 | 大量急性中耳炎（AOM）、分泌性中耳炎（OME）和正常耳镜图像 | NA | NA | NA | NA |
| 5060 | 2024-12-14 |
A review of AutoML optimization techniques for medical image applications
2024-Dec, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
综述 | 本文综述了用于医学图像应用的AutoML优化技术 | 本文系统地回顾了现有的AutoML方法，并对其进行了分类和详细分析 | 本文未提供具体的实验结果或数据，而是侧重于方法的综述和分类 | 探讨AutoML技术在医学图像分析中的应用及其优化策略 | 医学图像分析任务中的AutoML技术 | 计算机视觉 | NA | AutoML | NA | 图像 | NA | NA | NA | NA | NA |