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 12105 篇文献，本页显示第 5381 - 5400 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5381 | 2024-11-17 |
Knowledge mapping and research trends of brain-computer interface technology in rehabilitation: a bibliometric analysis
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1486167
PMID:39539351
|
研究论文 | 本研究通过文献计量方法分析了脑机接口技术在康复领域的研究进展 | 首次系统全面地对脑机接口技术在康复领域的应用进行了文献计量分析 | 研究仅基于Web of Science Core Collection的数据，可能存在数据偏差 | 分析脑机接口技术在康复领域的研究进展和趋势 | 脑机接口技术在康复领域的应用 | NA | NA | 文献计量分析 | NA | 文献 | 1431篇相关出版物，4932名作者，1281个机构，79个国家，386种学术期刊 | NA | NA | NA | NA |
| 5382 | 2024-11-17 |
Parkinson's disease detection from EEG signal employing autoencoder and RBFNN-based hybrid deep learning framework utilizing power spectral density
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241297355
PMID:39539721
|
研究论文 | 本文提出了一种基于自编码器和径向基函数神经网络的混合深度学习框架，用于从脑电信号中检测帕金森病 | 本文的创新点在于结合了自编码器和径向基函数神经网络，提高了帕金森病的检测准确率 | NA | 本文的研究目的是通过引入混合深度学习方法，克服利用深度学习进行帕金森病准确识别的挑战 | 本文的研究对象是帕金森病患者的脑电信号 | 机器学习 | 帕金森病 | 脑电信号分析 | 自编码器和径向基函数神经网络 | 脑电信号 | 31名受试者和93分钟的脑电记录 | NA | NA | NA | NA |
| 5383 | 2024-11-17 |
Predicting an opaque bubble layer during small-incision lenticule extraction surgery based on deep learning
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1487482
PMID:39539961
|
研究论文 | 本研究旨在利用深度学习技术预测飞秒激光小切口角膜基质透镜取出术（SMILE）中不透明气泡层（OBL）的形成 | 开发了一种基于SENet的残差回归深度神经网络模型，用于预测SMILE手术中的OBL形成 | 研究仅在一家大学医院进行，样本量有限，且仅使用了手术视频数据 | 预测飞秒激光SMILE手术中不透明气泡层的形成 | 不透明气泡层（OBL）的形成 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 视频 | 3271个训练样本，704个验证样本，467个内部验证样本 | NA | NA | NA | NA |
| 5384 | 2024-11-17 |
Facial emotion recognition using deep quantum and advanced transfer learning mechanism
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1435956
PMID:39539995
|
研究论文 | 本文提出了一种利用深度量子计算和高级迁移学习机制进行面部情感识别的系统设计 | 本文创新性地结合了量子计算和残差连接，显著减少了计算时间，并提高了面部情感识别的准确性 | NA | 开发一种高效准确的面部情感识别系统 | 面部表情和情感 | 计算机视觉 | NA | 量子计算 | ResNet-18 | 图像 | NA | NA | NA | NA | NA |
| 5385 | 2024-11-17 |
Retraction: Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313640
PMID:39541288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5386 | 2024-11-17 |
Cancer genetics and deep learning applications for diagnosis, prognosis, and categorization
2024, Journal of biological methods
DOI:10.14440/jbm.2024.0016
PMID:39544183
|
研究论文 | 本文探讨了基因表达数据在癌症诊断、预后和分类中的应用，并介绍了深度学习技术在其中的作用 | 本文提出使用深度学习策略来增强基因表达数据集的维度，并通过合成样本来加强信息范围 | 基因表达数据集的样本数量有限，且癌症特征多样复杂 | 研究基因表达数据在癌症诊断、预后和分类中的应用，并探讨深度学习技术在其中的潜力 | 基因表达数据和癌症疾病 | 机器学习 | 癌症 | 基因表达微阵列 | 深度学习 | 基因表达数据 | 样本数量有限 | NA | NA | NA | NA |
| 5387 | 2024-11-17 |
LCGSC-YOLO: a lightweight apple leaf diseases detection method based on LCNet and GSConv module under YOLO framework
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1398277
PMID:39544536
|
研究论文 | 提出了一种基于LCNet和GSConv模块的轻量级苹果叶病害检测方法LCGSC-YOLO | 使用LCNet重建主干网络，引入GSConv和VOVGSCSP模块，并在模型尾部嵌入坐标注意力机制，以减少参数和计算量并提高检测精度 | NA | 开发一种轻量级且高效的苹果叶病害检测方法 | 苹果叶病害 | 计算机视觉 | NA | YOLO框架 | CNN | 图像 | Plant Pathology 2021 (FGVC8)和AppleLeaf9混合数据集 | NA | NA | NA | NA |
| 5388 | 2024-11-15 |
GNN-DDAS: Drug discovery for identifying anti-schistosome small molecules based on graph neural network
2024-Dec-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27490
PMID:39189298
|
研究论文 | 提出了一种基于图神经网络的深度学习框架GNN-DDAS，用于发现抗血吸虫小分子药物 | 利用图神经网络提取分子图的结构特征，并通过多层感知机从SMILES序列中提取序列特征，最终通过全连接网络预测活性抗血吸虫小分子 | 未提及具体限制 | 开发一种新的计算机辅助方法，以提高发现活性抗血吸虫小分子的准确性 | 抗血吸虫小分子药物 | 机器学习 | 寄生虫病 | 图神经网络 | 图神经网络 | 分子图 | 未提及具体样本数量 | NA | NA | NA | NA |
| 5389 | 2024-11-15 |
Enhancing protein-ligand binding affinity prediction through sequential fusion of graph and convolutional neural networks
2024-Dec-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27499
PMID:39223071
|
研究论文 | 本文提出了一种通过顺序融合图神经网络（GNN）和卷积神经网络（CNN）来预测蛋白质-配体结合亲和力的模型 | 通过将GNN的中间输出与CNN的输入特征连接，显著提高了模型在CASF-2016基准测试中的性能，并在虚拟筛选任务中展示了其优势 | NA | 提高蛋白质-配体结合亲和力预测的准确性 | 蛋白质-配体结合亲和力 | 机器学习 | NA | 图神经网络（GNN）、卷积神经网络（CNN） | GNN和CNN的融合模型 | 结构数据 | 涉及CASF-2016基准测试数据集和PI5P4Kα目标的虚拟筛选任务 | NA | NA | NA | NA |
| 5390 | 2024-11-15 |
Imaging pollen using a Raspberry Pi and LED with deep learning
2024-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.177084
PMID:39433221
|
研究论文 | 本文展示了使用树莓派和LED灯结合深度学习技术进行花粉成像的方法 | 利用低成本的树莓派相机和LED灯捕捉花粉的散射模式，并通过深度学习将其转换为20倍显微镜放大等效图像 | NA | 开发低成本的小型成像传感器，用于全球花粉监测，以缓解花粉热症状 | 花粉颗粒及其散射模式 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 涉及未在训练中见过的植物花粉 | NA | NA | NA | NA |
| 5391 | 2024-11-15 |
Improved PM2.5 prediction with spatio-temporal feature extraction and chemical components: The RCG-attention model
2024-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.177183
PMID:39471939
|
研究论文 | 提出了一种新的深度学习模型RCG-Attention，用于提取时空特征和化学成分，以提高PM2.5浓度的预测精度 | 结合了残差神经网络和卷积门控循环网络，并通过多头注意力机制融合时空特征，显著提高了PM2.5浓度的预测性能 | 未提及具体限制 | 提高PM2.5浓度的预测精度 | PM2.5浓度的时空特征和化学成分 | 机器学习 | NA | 深度学习 | RCG-Attention模型 | 时空数据和化学成分数据 | 多个监测站点的数据 | NA | NA | NA | NA |
| 5392 | 2024-11-15 |
Identification of histopathological classification and establishment of prognostic indicators of gastric adenocarcinoma based on deep learning algorithm
2024-Dec, Medical molecular morphology
IF:1.2Q3
DOI:10.1007/s00795-024-00399-8
PMID:39088070
|
研究论文 | 本研究旨在基于深度学习算法建立胃腺癌的病理分类预测模型 | 使用深度学习算法对胃腺癌的病理亚型进行准确预测，并结合DL特征分析免疫浸润和患者预后的差异 | 样本量相对较小，外部验证集数量有限 | 建立胃腺癌的病理分类和预后指标 | 胃腺癌患者的病理类型和预后 | 数字病理 | 胃癌 | 深度学习算法 | DL模型 | 图像 | 356例胃腺癌患者的病理图像，80例外部验证的H&E染色全切片图像 | NA | NA | NA | NA |
| 5393 | 2024-11-15 |
Machine learning-aided search for ligands of P2Y6 and other P2Y receptors
2024-Dec, Purinergic signalling
IF:3.0Q2
DOI:10.1007/s11302-024-10003-4
PMID:38526670
|
研究论文 | 本文利用机器学习方法辅助发现P2Y6和其他P2Y受体的配体 | 首次使用机器学习作为新方法辅助配体发现，并成功筛选出多种新型P2YR调节剂 | 部分机器学习选择的化合物对hP2YR的抑制作用较弱或无活性 | 寻找P2Y受体的拮抗剂，用于治疗炎症、神经退行性和代谢性疾病 | P2Y6和其他P2Y受体的配体 | 机器学习 | NA | 机器学习算法（深度学习、adaboost分类器、Bernoulli NB、k-nearest neighbors分类器、逻辑回归、随机森林分类器、支持向量分类、XGBoost分类器） | 多种分类模型 | 分子数据 | 21种不同结构的化合物 | NA | NA | NA | NA |
| 5394 | 2024-11-15 |
Robustness assessment of an automated AI-based white blood cell morphometric analysis system using different smear preparation methods
2024-Dec, International journal of laboratory hematology
IF:2.2Q3
DOI:10.1111/ijlh.14350
PMID:39053899
|
研究论文 | 评估不同涂片制备方法对基于AI的白细胞形态分析系统鲁棒性的影响 | 首次全面评估不同涂片制备方法对深度学习系统鲁棒性的影响 | 研究样本量有限，且仅涉及两种涂片制备方法 | 评估不同涂片制备方法对AI系统性能的影响 | 基于AI的白细胞形态分析系统 | 数字病理 | NA | 深度学习 | 深度学习系统 | 图像 | 193份外周血样本 | NA | NA | NA | NA |
| 5395 | 2024-11-15 |
Enhanced enchondroma detection from x-ray images using deep learning: A step towards accurate and cost-effective diagnosis
2024-Dec, Journal of orthopaedic research : official publication of the Orthopaedic Research Society
IF:2.1Q2
DOI:10.1002/jor.25938
PMID:39007705
|
研究论文 | 本研究利用深度学习技术从X光图像中自动检测软骨瘤 | 采用Detectron2深度学习模型，实现了0.9899的高准确率检测软骨瘤 | NA | 提高软骨瘤诊断的准确性和成本效益 | 软骨瘤的自动检测 | 计算机视觉 | NA | 深度学习 | Detectron2 | 图像 | 1645张X光图像，来自1173名患者 | NA | NA | NA | NA |
| 5396 | 2024-11-15 |
Utilization of artificial intelligence in minimally invasive right adrenalectomy: recognition of anatomical landmarks with deep learning
2024-Dec, Acta chirurgica Belgica
IF:0.6Q4
DOI:10.1080/00015458.2024.2363599
PMID:38841838
|
研究论文 | 本研究开发了一种基于深度学习的人工智能系统，用于在微创右侧肾上腺切除术中识别关键解剖结构 | 本研究首次将深度学习模型应用于微创右侧肾上腺切除术中的解剖标志识别，并展示了其在实时导航系统中的潜力 | 本研究仅在20名患者的视频数据上进行了实验，样本量较小，可能影响模型的泛化能力 | 开发一种能够识别微创右侧肾上腺切除术中关键解剖结构的深度学习模型 | 微创右侧肾上腺切除术中的肝脏、下腔静脉和右侧肾上腺 | 计算机视觉 | NA | 深度学习 | CNN, SwinUNETR | 视频 | 20名患者的手术视频，共提取1000张图像 | NA | NA | NA | NA |
| 5397 | 2024-11-15 |
Automatic pipeline for segmentation of LV myocardium on quantitative MR T1 maps using deep learning model and computation of radial T1 and ECV values
2024-Dec, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5230
PMID:39097976
|
研究论文 | 本文提出了一种基于深度学习的自动管道，用于在定量MR T1图上分割左心室心肌，并计算径向T1和ECV值 | 本文创新性地使用深度学习模型U-Net和Deep Res U-Net进行左心室心肌的自动分割，并计算径向T1和ECV值 | 研究使用了回顾性多参数MRI数据，样本量有限，且未提及模型的泛化能力 | 开发一种自动化的方法，用于在T1图上精确分割左心室心肌，并计算径向T1和ECV值，以辅助心血管疾病的诊断 | 左心室心肌的分割和径向T1及ECV值的计算 | 计算机视觉 | 心血管疾病 | MRI | U-Net, Deep Res U-Net | 图像 | 332名受试者的回顾性多参数MRI数据 | NA | NA | NA | NA |
| 5398 | 2024-11-15 |
Synthesis of higher-B0 CEST Z-spectra from lower-B0 data via deep learning and singular value decomposition
2024-Dec, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5221
PMID:39113170
|
研究论文 | 本文提出了一种利用深度学习和奇异值分解从3T数据合成更高场强Z-谱的方法 | 通过深度学习框架和奇异值分解，实现了从3T数据合成9.4T Z-谱的创新方法 | 需要进一步验证该方法在不同临床条件下的适用性和鲁棒性 | 旨在从3T临床扫描仪获取的数据中合成更高场强的Z-谱，以提高CEST MRI的信号解释和定量分析 | 磷酸肌酸（PCr）模型和伪体内模型，包括PCr幻影、蛋清幻影和体内大鼠脑部数据 | 磁共振成像 | NA | 化学交换饱和转移（CEST）MRI | 深度神经网络（DNN） | Z-谱 | 包括7个PCr管、3个蛋清管和3个大鼠切片 | NA | NA | NA | NA |
| 5399 | 2024-11-15 |
Automatic deep learning segmentation of the hippocampus on high-resolution diffusion magnetic resonance imaging and its application to the healthy lifespan
2024-Dec, NMR in biomedicine
IF:2.7Q1
DOI:10.1002/nbm.5227
PMID:39136393
|
研究论文 | 本文提出了一种基于深度学习的高分辨率扩散磁共振成像（DTI）海马体自动分割方法 | 该方法通过扩展UNet和UNet++架构，引入了额外的密集残差连接，实现了直接在扩散图像上的自动分割 | 该方法尚未在患者群体中进行评估 | 开发一种自动分割方法，以促进大规模人群分析 | 海马体 | 计算机视觉 | NA | 扩散张量成像（DTI） | UNet和UNet++ | 图像 | 训练集包含100名健康参与者，验证集包含53名健康参与者，进一步验证集包含153名和354名健康参与者 | NA | NA | NA | NA |
| 5400 | 2024-11-15 |
Deep learning-based diagnosis and survival prediction of patients with renal cell carcinoma from primary whole slide images
2024-Dec, Pathology
IF:3.6Q1
DOI:10.1016/j.pathol.2024.05.012
PMID:39168777
|
研究论文 | 本文提出了一种基于深度学习的策略，用于从全切片图像中诊断和预测肾细胞癌患者的生存情况 | 本文创新性地使用深度学习技术进行肾细胞癌的诊断和生存预测，并展示了其在不同数据集上的优异表现 | 本文未详细讨论模型的泛化能力和在不同医疗中心的适用性 | 探索肾细胞癌的新型诊断和预后生物标志物 | 肾细胞癌患者 | 数字病理学 | 肾细胞癌 | 深度学习 | 深度学习模型 | 图像 | 1752张全切片图像 | NA | NA | NA | NA |