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 5081 - 5100 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5081 | 2024-12-14 |
Prediction of Human Papillomavirus-Host Oncoprotein Interactions Using Deep Learning
2024, Bioinformatics and biology insights
IF:2.3Q3
DOI:10.1177/11779322241304666
PMID:39664297
|
研究论文 | 本研究开发了一种深度学习模型，用于预测人乳头瘤病毒（HPV）与宿主癌蛋白之间的相互作用 | 本研究首次使用深度学习模型预测HPV与宿主蛋白的相互作用，相比传统方法更高效 | 本研究的局限性在于仅使用了Eckhardt等人的数据集，可能存在数据偏差 | 开发一种高效的计算模型来预测HPV与宿主蛋白的相互作用 | HPV 31和18的E6和E7蛋白与宿主癌蛋白AKT、IQGAP1和MMP16的相互作用 | 机器学习 | 宫颈癌 | 深度学习 | RNN | 蛋白质相互作用数据 | 使用了Eckhardt等人提供的HPV与宿主蛋白相互作用数据 | NA | NA | NA | NA |
| 5082 | 2024-12-14 |
Language task-based fMRI analysis using machine learning and deep learning
2024, Frontiers in radiology
DOI:10.3389/fradi.2024.1495181
PMID:39664795
|
研究论文 | 本研究探讨了使用机器学习和深度学习算法对基于任务的语言功能磁共振成像（fMRI）数据进行分类，以识别与语言相关的大脑区域 | 本研究首次将机器学习和深度学习方法应用于基于任务的语言fMRI数据分析，特别是针对非结构化fMRI范式的语言区域识别 | 本研究的样本量较小，且仅使用了七种任务范式，可能限制了结果的普适性 | 研究目的是评估不同机器学习和深度学习算法在基于任务的语言fMRI数据分类中的有效性 | 研究对象是基于任务的语言fMRI数据，用于识别与语言相关的大脑区域 | 机器学习 | NA | 功能磁共振成像（fMRI） | 机器学习（ML）和深度学习（DL） | 时间序列 | 26名个体 | NA | NA | NA | NA |
| 5083 | 2024-12-14 |
Deep learning based landmark detection for measuring hock and knee angles in sows
2024, Translational animal science
IF:1.3Q3
DOI:10.1093/tas/txad033
PMID:39664862
|
研究论文 | 本文提出了一种基于深度学习的视觉方法，用于自动从母猪图像中确定跗关节和膝关节角度 | 本文创新性地使用深度学习模型来自动检测母猪图像中的关键身体标志，并通过三角公式计算跗关节和膝关节角度，实现了自动化测量 | NA | 开发一种自动化的方法来测量母猪的跗关节和膝关节角度，以优化母猪繁殖单元的管理 | 母猪的跗关节和膝关节角度 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 5084 | 2024-12-14 |
Development of a deep learning model for automatic detection of narrowed intervertebral disc space sites in caudal thoracic and lumbar lateral X-ray images of dogs
2024, Frontiers in veterinary science
IF:2.6Q1
DOI:10.3389/fvets.2024.1453765
PMID:39664893
|
研究论文 | 本研究开发了一种深度学习模型，用于自动检测狗的胸腰椎侧位X光片中椎间盘空间狭窄的部位 | 首次使用大核一维卷积神经网络量化椎间盘空间距离并检测狭窄部位 | 样本量相对较小，且仅限于胸腰椎侧位X光片 | 开发一种自动检测狗椎间盘空间狭窄的深度学习模型，辅助椎间盘疾病的初步筛查和病变定位 | 狗的胸腰椎侧位X光片中的椎间盘空间狭窄 | 计算机视觉 | 犬科疾病 | 深度学习 | 一维卷积神经网络 | 图像 | 241张胸腰椎侧位X光片，来自142只狗 | NA | NA | NA | NA |
| 5085 | 2024-12-14 |
AppleLeafNet: a lightweight and efficient deep learning framework for diagnosing apple leaf diseases
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1502314
PMID:39665107
|
研究论文 | 本文设计了一种轻量级深度学习框架AppleLeafNet，用于诊断苹果叶病害 | 提出了一种轻量级深度学习模型，通过两阶段框架实现苹果叶健康状况和病害的分类，相比其他预训练模型具有更少的可学习参数 | 未提及具体的研究局限性 | 开发一种高效的深度学习框架，用于准确识别苹果叶病害 | 苹果叶的健康状况和病害类型 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 使用了一个在线可用的数据集进行验证 | NA | NA | NA | NA |
| 5086 | 2024-12-14 |
Interpretable Diabetic Retinopathy Diagnosis Based on Biomarker Activation Map
2024-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3290541
PMID:37405891
|
研究论文 | 本文介绍了一种基于生成对抗学习的生物标志物激活图（BAM）框架，用于解释基于光学相干断层扫描（OCT）和其血管造影（OCTA）的糖尿病视网膜病变（DR）自动诊断 | 提出了一个新颖的生物标志物激活图（BAM）框架，通过生成对抗学习使分类器的决策过程可解释 | NA | 开发一种可解释的糖尿病视网膜病变诊断方法，帮助临床医生验证和理解分类器的决策 | 糖尿病视网膜病变（DR）的自动诊断 | 机器学习 | 糖尿病视网膜病变 | 生成对抗学习 | 生成对抗网络（GAN） | 图像 | 456个黄斑扫描数据 | NA | NA | NA | NA |
| 5087 | 2024-12-14 |
A Novel Approach Analysing the Dynamic Brain Functional Connectivity for Improved MCI Detection
2024-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3294511
PMID:37436866
|
研究论文 | 本研究提出了一种新的动态脑功能连接分析方法，用于改进轻度认知障碍的检测 | 本研究提出了几种新的特征用于动态脑功能连接分析，并展示了其在轻度认知障碍检测中的优越性能 | 本研究未详细讨论所提出方法在计算效率和可解释性方面的改进 | 探索动态脑功能连接分析中几种新特征的可行性，以实现可靠的轻度认知障碍检测 | 健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的动态脑功能连接 | 机器学习 | 老年疾病 | 功能磁共振成像 | 支持向量机 | 图像 | 包含健康对照组、早期轻度认知障碍患者和晚期轻度认知障碍患者的公共静息态功能磁共振成像数据集 | NA | NA | NA | NA |
| 5088 | 2024-12-14 |
Image-Decomposition-Enhanced Deep Learning for Detection of Rotor Cores in Cardiac Fibrillation
2024-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3292383
PMID:37440380
|
研究论文 | 本研究开发了一种基于图像分解增强的深度学习框架，用于自动识别心房颤动中的转子核心 | 采用集成经验模态分解算法（EEMD）对原始图像进行分解，并将最具代表性的成分输入YOLO目标检测架构进行转子检测 | NA | 开发一种自动识别心房颤动中转子核心的深度学习框架 | 心房颤动中的转子核心 | 计算机视觉 | 心血管疾病 | 集成经验模态分解算法（EEMD） | YOLO | 图像 | 来自双域模拟模型的模拟数据和从离体兔心中获取的光学映射数据 | NA | NA | NA | NA |
| 5089 | 2024-12-14 |
Location-Aware Encoding for Lesion Detection in 68Ga-DOTATATE Positron Emission Tomography Images
2024-01, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2023.3297249
PMID:37471190
|
研究论文 | 本文提出了一种新的单阶段病变检测方法，使用68Ga-DOTATATE正电子发射断层扫描（PET）图像进行病变检测 | 本文创新性地设计了一个可插拔的代码本学习模块，并将其集成到U-Net类似的神经网络中，以促进多尺度病变位置特定特征学习 | NA | 开发一种高效的单阶段病变检测方法，以提高神经内分泌肿瘤（NETs）患者的治疗效果 | 68Ga-DOTATATE PET图像中的病变检测 | 计算机视觉 | 神经内分泌肿瘤 | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 5090 | 2024-12-14 |
A neural machine translation method based on split graph convolutional self-attention encoding
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.1886
PMID:39669465
|
研究论文 | 提出了一种基于分割图卷积自注意力编码的神经机器翻译方法，以更好地利用句法依赖关系并降低模型复杂度 | 提出了基于分割图卷积自注意力编码（SGSE）的新方法，结合了分割自注意力网络和句法语义自注意力网络，有效利用了非欧几里得空间中的句法依赖关系 | 未提及具体的局限性 | 提高跨语言协作团队成员之间的沟通效率 | 跨语言协作团队中的沟通效率 | 自然语言处理 | NA | 神经机器翻译（NMT） | 分割图卷积自注意力编码（SGSE） | 文本 | 多个标准数据集以及涉及团队协作和企业管理场景的数据集 | NA | NA | NA | NA |
| 5091 | 2024-12-13 |
Improving genome-scale metabolic models of incomplete genomes with deep learning
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111349
PMID:39660058
|
研究论文 | 本文提出了一种基于深度神经网络的代谢途径填补方法，用于改进不完整基因组的基因组尺度代谢模型 | 本文引入了深度神经网络引导的代谢途径填补方法（DNNGIOR），通过学习不同细菌基因组中代谢反应的存在与缺失来提高填补效果 | NA | 改进不完整基因组的基因组尺度代谢模型 | 微生物代谢模型中的代谢反应填补 | 机器学习 | NA | 深度学习 | 深度神经网络 | 基因组数据 | 涉及多种细菌基因组 | NA | NA | NA | NA |
| 5092 | 2024-12-13 |
IndoHerb: Indonesia medicinal plants recognition using transfer learning and deep learning
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40606
PMID:39660181
|
研究论文 | 本研究利用迁移学习和深度学习技术，通过卷积神经网络对印度尼西亚药用植物进行分类识别 | 首次应用迁移学习方法对印度尼西亚药用植物进行大规模分类，并比较了多种深度学习模型的性能 | 实验仅使用了图像数据，未考虑其他类型的数据（如文本描述），且样本量相对较小 | 开发一种自动化的方法来识别印度尼西亚药用植物，以促进传统医学实践和农业发展 | 印度尼西亚的药用植物 | 计算机视觉 | NA | 迁移学习，卷积神经网络 | CNN | 图像 | 一个包含印度尼西亚药用植物图像的广泛数据集，经过手动精心挑选 | NA | NA | NA | NA |
| 5093 | 2024-12-13 |
Digital Twin for EEG seizure prediction using time reassigned Multisynchrosqueezing transform-based CNN-BiLSTM-Attention mechanism model
2024-Dec-11, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad992c
PMID:39622083
|
研究论文 | 本文提出了一种基于时间重分配多同步挤压变换（TMSST）和CNN-BiLSTM-Attention机制模型的数字孪生系统，用于脑电图（EEG）癫痫发作预测 | 创新点在于结合了TMSST时间-频率分析方法和CNN-BiLSTM-Attention机制模型，提取患者特定的脉冲特征并进行癫痫发作预测 | NA | 研究目的是开发一种高效的数字孪生系统，用于脑电图癫痫发作预测 | 研究对象是脑电图数据和癫痫发作预测 | 机器学习 | 神经疾病 | 时间重分配多同步挤压变换（TMSST） | CNN-BiLSTM-Attention机制模型 | 脑电图（EEG）数据 | 22名患者 | NA | NA | NA | NA |
| 5094 | 2024-12-13 |
Predicting blood loss volume in a canine model of hemorrhagic shock using arterial waveform machine learning analysis
2024-Dec-11, American journal of veterinary research
IF:1.3Q2
DOI:10.2460/ajvr.24.09.0256
PMID:39662033
|
研究论文 | 本研究旨在验证人类补偿储备算法是否可应用于犬类，并探讨简化波形分析预测失血量的可行性 | 开发了一种基于犬类动脉波形特征的失血量预测模型（cBLVM），并展示了其在预测犬类出血性休克中的优越性 | 研究样本量较小，仅包括6只犬类，可能影响结果的普适性 | 验证人类补偿储备算法在犬类中的适用性，并开发一种简化的波形分析方法来预测失血量 | 犬类出血性休克模型中的失血量预测 | 机器学习 | NA | 机器学习 | 深度学习（hCRM-DL）和机器学习（hCRM-ML） | 波形 | 6只经过麻醉的犬类 | NA | NA | NA | NA |
| 5095 | 2024-12-13 |
Towards Automated Semantic Segmentation in Mammography Images for Enhanced Clinical Applications
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01364-8
PMID:39663317
|
研究论文 | 本文提出了一种基于深度学习的框架，用于在标准视角的乳腺X光图像中分割乳头、胸肌、纤维腺体组织和脂肪组织，并展示了其在临床应用中的潜力 | 本文引入了迄今为止最大的专门用于乳腺X光图像分割关键解剖结构的数据集，并展示了多种深度学习模型架构和训练配置的实验结果 | NA | 开发一种自动化的语义分割方法，以增强乳腺X光图像在临床应用中的分析能力 | 乳腺X光图像中的乳头、胸肌、纤维腺体组织和脂肪组织 | 计算机视觉 | 乳腺癌 | 深度学习 | 语义分割模型 | 图像 | 最大的专门用于乳腺X光图像分割关键解剖结构的数据集 | NA | NA | NA | NA |
| 5096 | 2024-12-13 |
A Neural Network for Segmenting Tumours in Ultrasound Rectal Images
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01358-6
PMID:39663316
|
研究论文 | 本文提出了一种用于超声直肠图像中肿瘤分割的神经网络模型 | 创新点在于使用全局注意力解码器替代传统的卷积解码器，并结合有效的通道信息融合进行多尺度信息整合 | NA | 设计一种能够准确识别和分割超声图像中直肠肿瘤的方法，以辅助医生进行直肠癌诊断 | 超声直肠图像中的肿瘤 | 计算机视觉 | 直肠癌 | 深度学习 | 神经网络 | 图像 | 53名患者（173张图像）用于测试，195名患者（1247张图像）用于训练，20名患者（87张图像）用于验证 | NA | NA | NA | NA |
| 5097 | 2024-12-13 |
Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01345-x
PMID:39663320
|
研究论文 | 本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量 | 首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能 | 研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果 | 探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量 | 直肠癌患者的T2加权成像 | 计算机视觉 | 直肠癌 | 深度学习重建 | NA | 图像 | 52名直肠癌患者 | NA | NA | NA | NA |
| 5098 | 2024-12-13 |
Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01373-7
PMID:39663321
|
研究论文 | 本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析 | 首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位 | NA | 开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预 | 癌症患者的腹部/骨盆CT扫描图像 | 计算机视觉 | NA | CT | Swin UNETR | 图像 | 200例癌症患者的腹部/骨盆CT扫描 | NA | NA | NA | NA |
| 5099 | 2024-12-13 |
Vocal Biomarkers for Parkinson's Disease Classification Using Audio Spectrogram Transformers
2024-Dec-10, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.11.008
PMID:39665946
|
研究论文 | 本研究评估了音频频谱图Transformer（AST）模型在通过语音生物标志物检测帕金森病（PD）中的有效性 | 提出了使用音频频谱图Transformer模型，利用其自注意力机制更好地捕捉PD相关的语音障碍，相较于传统深度学习方法具有更高的分类性能 | 需要进一步在更多样化的人群中进行验证以实现临床应用 | 评估音频频谱图Transformer模型在通过语音生物标志物检测帕金森病中的有效性 | 帕金森病患者的语音生物标志物 | 机器学习 | 帕金森病 | 音频频谱图Transformer（AST）模型 | Transformer | 音频 | 150名参与者（PC-GITA数据集：50名PD患者，50名健康对照；ITA数据集：28名PD患者，22名健康对照） | NA | NA | NA | NA |
| 5100 | 2024-12-13 |
Enhancing AI Research for Breast Cancer: A Comprehensive Review of Tumor-Infiltrating Lymphocyte Datasets
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01043-8
PMID:38806950
|
综述 | 本文综述了与肿瘤浸润淋巴细胞（TIL）相关的公开数据集，旨在为乳腺癌研究中的计算机辅助病理学（CAP）工具的训练和验证提供资源 | 本文的创新点在于系统地回顾了公开的TIL数据集，为TIL研究社区提供了宝贵的资源 | 本文的局限性在于仅限于公开可用的数据集，可能无法涵盖所有相关的TIL数据 | 本文的研究目的是为乳腺癌研究中的计算机辅助病理学工具的训练和验证提供资源 | 本文的研究对象是与肿瘤浸润淋巴细胞（TIL）相关的公开数据集 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |