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 5141 - 5160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5141 | 2024-12-13 |
Impact of deep learning on radiologists and radiology residents in detecting breast cancer on CT: a cross-vendor test study
2024-01, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2023.09.022
PMID:37872026
|
研究论文 | 研究深度学习对放射科医生和放射科住院医师在CT上检测乳腺癌诊断性能的影响 | 首次探讨了深度学习模型在不同供应商设备上对放射科医生和住院医师诊断乳腺癌的辅助作用 | 研究为回顾性研究，样本量较小，且仅限于两个供应商的设备 | 探讨深度学习对放射科医生和住院医师在CT上检测乳腺癌诊断性能的影响 | 放射科医生和放射科住院医师在CT上检测乳腺癌的诊断性能 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 图像 | 训练组201例，验证组26例，测试组30例 | NA | NA | NA | NA |
| 5142 | 2024-12-13 |
A Monocular Variable Magnifications 3D Laparoscope System Using Double Liquid Lenses
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2023.3311022
PMID:38059130
|
研究论文 | 本文提出了一种基于双液态镜头的单目可变放大率3D腹腔镜系统，能够在微创手术中提供可变放大率、近距离观察和实时单目3D重建 | 该系统通过双液态镜头实现自动变焦和自动对焦，无需物理移动部件，并结合基于离焦深度（DFD）方法的深度学习网络，能够在不同焦距和放大率下实时估计深度 | NA | 开发一种能够在微创手术中提供3D感知和可变放大率的新型腹腔镜系统 | 腹腔镜系统在微创手术中的应用 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 5143 | 2024-12-13 |
Contrastive Transfer Learning for Prediction of Adverse Events in Hospitalized Patients
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2023.3344035
PMID:38196820
|
研究论文 | 本文提出并验证了一种对比迁移学习方法，用于住院患者不良事件的早期预测 | 本文首次将对比迁移学习应用于住院患者不良事件的早期预测，并展示了其在性能上优于传统的监督深度学习模型 | NA | 开发一种用于住院患者不良事件早期预测的算法 | 住院患者的不良事件 | 机器学习 | NA | 对比迁移学习 | 对比学习模型 | 时间序列数据 | 大规模时间序列数据和回顾性DI评分数据 | NA | NA | NA | NA |
| 5144 | 2024-12-13 |
A Study on Intelligent Optical Bone Densitometry
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3368106
PMID:38606393
|
研究论文 | 本文提出了一种利用近红外光和深度学习技术快速筛查骨密度的新方法 | 本文的创新点在于利用近红外光捕捉人体局部信息，并结合深度学习技术进行骨密度预测，初步结果显示与DXA测量的骨密度有高度相关性 | 本文的局限性在于预测误差在手腕处低于10%，但在髋部和脊柱处的误差高于手腕 | 本文的研究目的是开发一种成本较低且易于操作的骨密度筛查方法 | 本文的研究对象是手腕、髋部和脊柱的骨密度 | 机器学习 | 老年病 | 深度学习 | 多线性回归 | 图像 | 未明确具体样本数量 | NA | NA | NA | NA |
| 5145 | 2024-12-13 |
Acoustic and Text Features Analysis for Adult ADHD Screening: A Data-Driven Approach Utilizing DIVA Interview
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3369764
PMID:38606391
|
研究论文 | 本研究利用DIVA访谈收集的音频数据，通过提取声学和文本特征，结合支持向量机进行成人ADHD筛查 | 本研究创新性地使用语音和文本数据进行ADHD筛查，避免了传统方法中昂贵的设备和专业人员需求 | NA | 开发一种基于语音和文本数据的有效成人ADHD筛查方法 | 成人ADHD患者和正常对照组的语音数据 | 机器学习 | 精神疾病 | 支持向量机 | NA | 音频和文本 | ADHD患者和正常对照组的音频数据 | NA | NA | NA | NA |
| 5146 | 2024-12-13 |
Sparse Deep Neural Network for Encoding and Decoding the Structural Connectome
2024, IEEE journal of translational engineering in health and medicine
IF:3.7Q2
DOI:10.1109/JTEHM.2024.3366504
PMID:38633564
|
研究论文 | 本文提出了一种稀疏的前馈深度神经网络架构，用于编码和解码人类大脑的结构连接组，并在阿尔茨海默病和帕金森病的分类任务中展示了其优越性能 | 本文的创新点在于提出了一种稀疏的前馈深度神经网络架构，通过稀疏连接和递归特征消除算法显著减少了可训练参数的数量，同时提高了分类准确性 | 本文的局限性在于仅在阿尔茨海默病和帕金森病的分类任务中进行了验证，未来可能需要在更多疾病和数据集上进行进一步验证 | 研究目的是开发一种高效的深度学习方法，用于处理高维且样本量少的神经影像数据，并应用于大脑状态分类 | 研究对象是阿尔茨海默病和帕金森病患者的结构连接组数据 | 机器学习 | 神经退行性疾病 | 深度学习 | 稀疏前馈深度神经网络 | 图像 | 具体样本数量未在摘要中明确提及 | NA | NA | NA | NA |
| 5147 | 2024-12-12 |
The role of deep learning in myocardial perfusion imaging for diagnosis and prognosis: A systematic review
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111374
PMID:39654634
|
综述 | 本文综述了深度学习在心肌灌注成像中的应用，重点探讨了其在诊断和预后中的可解释性方法 | 本文总结了深度学习在心肌灌注成像中的最新应用，并强调了可解释性方法的重要性 | 本文主要讨论了现有研究的挑战和未来研究的方向，未提供具体的技术实现细节 | 总结深度学习在心肌灌注成像中的应用，并探讨其在诊断和预后中的可解释性方法 | 心肌灌注成像（MPI）及其在诊断和预后中的应用 | 计算机视觉 | 心血管疾病 | 深度学习（DL） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 5148 | 2024-12-12 |
Examples of implementations and the future of AI in medical diagnostics
2024-Dec-10, Przeglad epidemiologiczny
DOI:10.32394/pe/195240
PMID:39660712
|
综述 | 本文介绍了人工智能在医疗诊断中的应用实例，并展望了未来的发展方向 | 探讨了深度学习算法的发展、5G技术与互联网的整合以及医疗个性化等潜在创新 | 提到了法律监管和数据管理适应的挑战 | 探讨人工智能在医疗诊断中的应用及未来发展 | 人工智能在医疗诊断中的应用实例及未来研究方向 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 5149 | 2024-12-12 |
Focus on atrial fibrillation: role of atrioventricular node ablation, prediction by deep learning, and anticoagulation in device-detected arrhythmia
2024-Dec-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae826
PMID:39657597
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5150 | 2024-12-12 |
Deep learning dives: Predicting anxiety in zebrafish through novel tank assay analysis
2024-Dec-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2024.114696
PMID:39293590
|
研究论文 | 本研究使用深度学习模型对斑马鱼在新环境中的焦虑行为进行分类 | 本研究首次使用DeepLabCut和InceptionV3等深度学习模型对斑马鱼的焦虑行为进行自动化分析，提供了一种高效且成本效益高的替代传统方法的方案 | 本研究的局限性在于仅使用了特定的深度学习模型进行分类，未探讨其他可能更适合的模型 | 开发一种自动化分析斑马鱼新环境潜水实验（NTD）的方法，以预测其焦虑水平 | 斑马鱼的焦虑行为 | 计算机视觉 | NA | 深度学习 | InceptionV3 | 图像 | 训练数据集包含图像帧 | NA | NA | NA | NA |
| 5151 | 2024-12-12 |
Efficient deep learning surrogate method for predicting the transport of particle patches in coastal environments
2024-Dec, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.117251
PMID:39547071
|
研究论文 | 本文提出了一种用于预测沿海环境中颗粒团残留运输的深度学习代理模型方法 | 通过仅使用相关强迫条件，训练深度学习模型来预测颗粒团的位移和扩散，并将其与简化的拉格朗日模型结合，以获得更长时间的预测 | NA | 开发一种高效的预测沿海环境中污染物运输的代理模型 | 沿海环境中颗粒团的运输 | 机器学习 | NA | 深度学习模型 | DLM | 颗粒团数据 | NA | NA | NA | NA | NA |
| 5152 | 2024-12-12 |
Identifying and quantifying multiple pollution sources in estuaries using fluorescence spectra and gradient-based deep learning
2024-Dec, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.117254
PMID:39551020
|
研究论文 | 本研究开发了一种智能方法，用于识别和量化河口地区的水污染源 | 提出了结合激发-发射矩阵（EEM）荧光光谱和梯度输入的深度学习模型，以提高分类和定量精度 | 随着混合污染源数量的增加，模型精度有所下降 | 开发一种智能方法来识别和量化河口地区的水污染源 | 河口地区的七种污染源，包括海水、雨水和五种典型污染源 | 机器学习 | NA | 深度学习 | 深度学习模型 | 荧光光谱 | 七种污染源的激发-发射矩阵（EEM）荧光光谱数据 | NA | NA | NA | NA |
| 5153 | 2024-12-12 |
Deep learning-based classification of alfalfa varieties: A comparative study using a custom leaf image dataset
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103051
PMID:39650117
|
研究论文 | 本研究利用深度学习技术对苜蓿品种进行分类，并通过自定义的叶片图像数据集比较了几种先进模型的性能 | 本研究引入了包含1214张苜蓿品种图像的独特数据集，并比较了几种先进深度学习模型在不同超参数配置下的性能，突出了迁移学习在植物分类任务中的优越性 | NA | 研究深度学习技术在苜蓿品种分类中的应用 | 苜蓿品种（Bilensoy-80、Diana和Nimet）的分类 | 计算机视觉 | NA | 深度学习 | MobileNetV3, InceptionV3, Xception, VGG19, DenseNet121, ResNet101, EfficientNetB3 | 图像 | 1214张苜蓿品种图像 | NA | NA | NA | NA |
| 5154 | 2024-12-12 |
iResNetDM: An interpretable deep learning approach for four types of DNA methylation modification prediction
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.006
PMID:39650332
|
研究论文 | 本文提出了一种名为iResNetDM的可解释深度学习模型，用于预测四种DNA甲基化修饰 | 首次将DNA甲基化修饰预测任务作为多类分类问题，并引入了结合残差网络和自注意力机制的深度学习模型，能够区分四种DNA甲基化修饰类型 | 之前的模型仅限于二元预测，无法全面分析不同修饰类型之间的关系，且缺乏对模型决策过程的充分解释 | 开发一种能够区分多种DNA甲基化修饰类型并具有解释性的深度学习模型 | 四种DNA甲基化修饰类型及其相互关系 | 机器学习 | NA | 深度学习 | ResNet | DNA序列 | NA | NA | NA | NA | NA |
| 5155 | 2024-12-12 |
Effect of shear rate on early Shewanella oneidensis adhesion dynamics monitored by deep learning
2024-Dec, Biofilm
IF:5.9Q1
DOI:10.1016/j.bioflm.2024.100240
PMID:39650339
|
研究论文 | 研究了剪切率对早期Shewanella oneidensis粘附动力学的影响，并通过深度学习进行监测 | 首次使用深度学习方法（YOLOv8）在个体水平上追踪早期粘附细菌的动态行为，并量化了不同剪切率对细菌粘附和定殖的影响 | 研究仅限于单一细菌种类（MR-1）和特定的剪切率范围，未来研究可以扩展到其他细菌种类和更广泛的剪切率范围 | 评估剪切率对早期细菌粘附动力学的影响，以更好地理解细菌定殖过程并制定相应的控制策略 | Shewanella oneidensis细菌在不同剪切率下的早期粘附行为 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 超过20,000个细菌样本 | NA | NA | NA | NA |
| 5156 | 2024-12-12 |
Automatic classification of fungal-fungal interactions using deep leaning models
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.027
PMID:39655263
|
研究论文 | 本文开发了一种基于深度神经网络的AI自动化图像分类方法，用于自动分类真菌-真菌相互作用 | 本文首次引入了使用深度学习自动分类真菌-真菌相互作用的方法，并可轻松适应其他真菌物种 | NA | 开发一种自动化的方法来分类真菌-真菌相互作用，以克服传统方法耗时且难以复制的缺点 | 植物病原体与来自38,400个真菌菌株的单个分离物的相互作用 | 机器学习 | NA | 深度学习 | DenseNet121 | 图像 | 38,400个真菌菌株 | NA | NA | NA | NA |
| 5157 | 2024-12-12 |
Conformational ensemble-based framework enables rapid development of Lassa virus vaccine candidates
2024-Nov-22, bioRxiv : the preprint server for biology
DOI:10.1101/2024.11.21.624760
PMID:39605488
|
研究论文 | 本文利用基于构象集合的框架，通过AI驱动的深度学习方法，快速开发了拉沙病毒疫苗候选物 | 采用AlphaFold2的变体（subsampled AF2）生成拉沙病毒糖蛋白复合物（GPC）的多样化结构，并通过ProteinMPNN重新设计GPC序列，以减少变构域的移动性，从而优化疫苗设计 | 需要进一步实验验证重新设计的GPC序列的免疫原性和保护效果 | 开发一种基于AI的框架，用于快速设计和优化拉沙病毒疫苗候选物 | 拉沙病毒的糖蛋白复合物（GPC）及其免疫原性 | 机器学习 | NA | AlphaFold2（AF2），ProteinMPNN | 深度学习模型 | 蛋白质结构 | 一个小型重新设计的GPC序列库 | NA | NA | NA | NA |
| 5158 | 2024-12-12 |
Learning Interpretable Brain Functional Connectivity via Self-Supervised Triplet Network With Depth-Wise Attention
2024-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3429169
PMID:39028590
|
研究论文 | 本文提出了一种自监督的三元组网络与深度注意力机制（TripletNet-DA），用于学习可解释的大脑功能连接 | 创新点在于使用自监督的三元组网络结合深度注意力机制，能够生成可解释的功能连接特征，并在自闭症谱系障碍和重度抑郁症的分类任务中表现优异 | NA | 研究目的是解决传统功能连接测量方法的局限性，提出一种能够捕捉可解释功能连接特征的深度学习方法 | 研究对象是自闭症谱系障碍和重度抑郁症患者的大脑功能连接 | 机器学习 | 自闭症谱系障碍 | 深度学习 | 三元组网络 | 脑电图 | NA | NA | NA | NA | NA |
| 5159 | 2024-12-12 |
Predicting Continuous Locomotion Modes via Multidimensional Feature Learning From sEMG
2024-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3441600
PMID:39133593
|
研究论文 | 本研究提出了一种名为Deep-STF的端到端深度学习模型，用于从表面肌电图（sEMG）信号中进行多维特征提取，以预测连续的运动模式和过渡 | Deep-STF模型在空间、时间和频率维度上进行集成特征提取，能够准确且稳健地预测九种运动模式和十五种过渡，且在不同预测时间间隔内表现出色 | 在测试新地形时，模型的预测准确性有所下降，尽管通过微调可以提高 | 提高步行辅助设备的智能性和透明度，确保在不同运动模式之间的平滑过渡 | 表面肌电图（sEMG）信号中的多维特征 | 机器学习 | NA | 深度学习 | 深度学习模型 | 信号 | NA | NA | NA | NA | NA |
| 5160 | 2024-12-12 |
GKE-TUNet: Geometry-Knowledge Embedded TransUNet Model for Retinal Vessel Segmentation Considering Anatomical Topology
2024-11, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3442528
PMID:39137084
|
研究论文 | 提出了一种名为GKE-TUNet的新型分割模型，用于视网膜血管分割，考虑了解剖学拓扑结构 | 通过嵌入显式的视网膜血管解剖学拓扑特征，改进了深度学习在提取复杂交织结构和小血管方面的能力 | 未提及具体的局限性 | 开发一种能够有效分割视网膜血管的自动化方法，以辅助临床诊断和视网膜病变筛查 | 视网膜血管的解剖学拓扑结构和分割 | 计算机视觉 | NA | 图卷积网络（GAT） | GKE-TUNet | 图像 | 使用了DRIVE、CHASE-DB1和STARE数据集进行实验 | NA | NA | NA | NA |