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 5421 - 5440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 5421 | 2024-12-08 |
Enhancing early Alzheimer's disease classification accuracy through the fusion of sMRI and rsMEG data: a deep learning approach
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1480871
PMID:39633895
|
研究论文 | 本文提出了一种基于深度学习的多模态分类框架，通过融合sMRI和rsMEG数据来提高阿尔茨海默病早期分类的准确性 | 本文创新性地提出了InterFusion方法，通过融合sMRI和rsMEG数据，显著提高了阿尔茨海默病早期分类的准确性 | NA | 提高阿尔茨海默病早期分类的准确性 | sMRI和rsMEG数据 | 计算机视觉 | 阿尔茨海默病 | 深度学习 | NA | 图像 | 307个样本，包括163个轻度认知障碍病例和144个认知健康的对照组 | NA | NA | NA | NA |
| 5422 | 2024-12-08 |
YOLO-SDL: a lightweight wheat grain detection technology based on an improved YOLOv8n model
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1495222
PMID:39634063
|
研究论文 | 本文提出了一种基于改进的YOLOv8n模型的轻量级小麦谷物检测技术YOLO-SDL | YOLO-SDL模型在YOLOv8n的基础上，结合了ShuffleNetV2架构和深度可分离卷积（DWConv）与大分离核注意力（LSKA）机制，显著提高了检测速度和准确性 | NA | 实现高效的小麦谷物检测 | 小麦谷物的质量检测 | 计算机视觉 | NA | 深度学习 | YOLOv8n | 图像 | 包含完美、发芽、患病和受损谷物图像的高质量小麦谷物数据集 | NA | NA | NA | NA |
| 5423 | 2024-12-08 |
Moving Beyond Medical Statistics: A Systematic Review on Missing Data Handling in Electronic Health Records
2024, Health data science
DOI:10.34133/hds.0176
PMID:39635227
|
综述 | 本文系统回顾了电子健康记录中缺失数据处理方法的研究现状 | 比较了传统统计方法和机器学习方法在不同缺失场景下的表现，发现机器学习方法在处理电子健康记录中的缺失数据方面具有显著潜力 | 没有一种方法能提供普遍适用的解决方案，标准化基准分析对于评估这些方法在不同缺失场景下的表现至关重要 | 探讨电子健康记录中缺失数据处理方法的现状及其在不同场景下的表现 | 电子健康记录中的缺失数据处理方法 | 机器学习 | NA | 机器学习方法，如生成对抗网络（GAN）和k近邻（KNN）分类 | 生成对抗网络（GAN），k近邻（KNN） | 电子健康记录数据 | 46项研究，涵盖2010年至2024年发表的文献 | NA | NA | NA | NA |
| 5424 | 2024-12-08 |
Enhancing human activity recognition for the elderly and individuals with disabilities through optimized Internet-of-Things and artificial intelligence integration with advanced neural networks
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1454583
PMID:39635647
|
研究论文 | 本文介绍了一种通过优化物联网和人工智能集成以及先进神经网络来增强老年人及残疾人士活动识别系统的方法 | 提出了一种结合门控循环网络和深度极限前馈神经网络的新型集成模型，并通过人工水滴优化算法优化超参数，以减少计算开销并提高检测效率 | NA | 旨在通过优化物联网和人工智能集成，提升老年人及残疾人士活动识别系统的准确性和效率 | 老年人及残疾人士的活动识别系统 | 机器学习 | NA | 人工水滴优化算法 | 门控循环网络和深度极限前馈神经网络 | 实时数据 | 使用从物联网测试平台收集的实时数据进行实验 | NA | NA | NA | NA |
| 5425 | 2024-12-08 |
Topology aware multitask cascaded U-Net for cerebrovascular segmentation
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0311439
PMID:39636790
|
研究论文 | 提出了一种基于拓扑感知的多任务级联U-Net模型，用于脑部血管分割 | 引入了clDice损失函数，通过直接从分割和磁共振血管造影图像中计算血管骨架，实现了更准确的拓扑结构预测 | NA | 提高脑部血管分割的准确性和拓扑结构的捕捉能力 | 脑部血管 | 计算机视觉 | NA | 磁共振血管造影（MRA） | U-Net | 图像 | 两个公开的时间飞跃磁共振血管造影（TOF-MRA）图像数据集 | NA | NA | NA | NA |
| 5426 | 2024-12-08 |
Machine learning and game theory for cyber governance: Enhancing public opinion and regional sustainable development
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308317
PMID:39636835
|
研究论文 | 本文提出了一种基于机器学习和博弈论的框架，用于感知民意、管理公众舆论和影响人们行为，以促进网络空间治理和区域可持续发展 | 本文的创新点在于结合了机器学习和博弈论的方法，利用深度学习技术分析公众舆论，采用主动学习方法降低成本，并通过博弈论做出最佳管理决策 | 本文的局限性在于仅使用了来自中国Y省和G省的实证数据进行验证，可能限制了框架的普适性 | 本文的研究目的是通过机器学习和博弈论的方法，提升网络空间治理中的公众舆论管理和区域可持续发展 | 本文的研究对象是网络空间中的公众舆论和人们的行为 | 机器学习 | NA | 深度学习 | NA | 文本 | 来自中国Y省和G省的实证数据 | NA | NA | NA | NA |
| 5427 | 2024-12-08 |
Correction: BCR-Net: A deep learning framework to predict breast cancer recurrence from histopathology images
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0315419
PMID:39636893
|
correction | 对文章DOI: 10.1371/journal.pone.0283562的更正 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 5428 | 2024-12-08 |
Value of radiomics and deep learning feature fusion models based on dce-mri in distinguishing sinonasal squamous cell carcinoma from lymphoma
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1489973
PMID:39640273
|
研究论文 | 本研究旨在构建和验证基于动态对比增强（DCE）成像的机器学习和深度学习特征模型，并评估放射组学和深度学习特征融合模型在区分鼻窦鳞状细胞癌和淋巴瘤中的临床价值 | 本研究创新性地结合了放射组学和深度学习特征，构建了一个融合模型，显著提高了区分鼻窦鳞状细胞癌和淋巴瘤的准确性 | 本研究为回顾性分析，样本量有限，未来需要更大规模的前瞻性研究来验证结果 | 开发一种能够在术前精确区分鼻窦鳞状细胞癌和淋巴瘤的方法，以制定合适的治疗方案 | 鼻窦鳞状细胞癌和鼻窦淋巴瘤 | 机器学习 | 鼻窦癌 | 动态对比增强磁共振成像（DCE-MRI） | 深度学习模型（DL）和机器学习模型（ML） | 图像 | 90例鼻窦肿瘤患者，包括50例鼻窦鳞状细胞癌和40例鼻窦淋巴瘤 | NA | NA | NA | NA |
| 5429 | 2024-12-08 |
A transformer-based deep learning approach for fairly predicting post-liver transplant risk factors
2024-01, Journal of biomedical informatics
IF:4.0Q2
DOI:10.1016/j.jbi.2023.104545
PMID:37992791
|
研究论文 | 本文提出了一种基于Transformer的深度学习模型，用于公平预测肝移植后的风险因素 | 本文创新性地将肝移植后的风险预测问题转化为多任务学习问题，并提出了一种新的公平性算法，确保不同子群体之间的预测公平性 | NA | 解决肝移植中的两个主要挑战：找到最佳匹配的患者和确保不同子群体之间的移植公平性 | 肝移植后的风险因素，如心血管疾病和慢性排斥等 | 机器学习 | NA | 深度学习 | Transformer | 电子健康记录 | 160,360名肝移植患者的数据，包括人口统计信息、临床变量和实验室值 | NA | NA | NA | NA |
| 5430 | 2024-12-07 |
Classification techniques of ion selective electrode arrays in agriculture: a review
2024-Dec-05, Analytical methods : advancing methods and applications
IF:2.7Q1
DOI:10.1039/d4ay01346h
PMID:39543972
|
综述 | 本文总结了农业中离子选择电极阵列的分类技术 | 本文讨论了机器学习、人工神经网络、极限学习机和深度学习等分类算法在离子选择电极及相关领域的现状 | 本文讨论了离子选择电极研究在传感器本身和与传感器阵列结合的算法方面的未来挑战 | 推进分类技术与离子选择电极阵列在农业中的应用 | 农业中的离子选择电极阵列分类技术 | 机器学习 | NA | 离子选择电极阵列 | 人工神经网络、极限学习机、深度学习 | 离子信号 | NA | NA | NA | NA | NA |
| 5431 | 2024-12-07 |
Deep learning enabled ultra-high quality NMR chemical shift resolved spectra
2024-Dec-04, Chemical science
IF:7.6Q1
DOI:10.1039/d4sc04742g
PMID:39568866
|
研究论文 | 开发了一种名为SE2CSNet的神经网络，用于处理通过自旋回波脉冲序列获取的NMR数据，以获得高分辨率和灵敏度的化学位移解析光谱 | 通过检测自旋回波光谱中的相位变化，SE2CSNet能够准确检测重叠光谱信号的化学位移位置，即使在低信噪比下也能恢复隐藏在噪声中的弱信号 | NA | 提高核磁共振（NMR）中化学位移解析光谱的质量 | NMR数据中的化学位移信息 | 机器学习 | NA | NMR | 神经网络 | 光谱数据 | NA | NA | NA | NA | NA |
| 5432 | 2024-12-07 |
ProBID-Net: a deep learning model for protein-protein binding interface design
2024-Dec-04, Chemical science
IF:7.6Q1
DOI:10.1039/d4sc02233e
PMID:39568891
|
研究论文 | 介绍了一种名为ProBID-Net的深度学习模型，用于蛋白质-蛋白质结合界面的设计 | ProBID-Net能够利用已知的目标蛋白质结构特征来设计特定的结合蛋白质，解决了现有AI模型在已知受体序列情况下的设计挑战 | NA | 开发一种新的计算蛋白质设计工具，以促进蛋白质-蛋白质相互作用的设计 | 蛋白质-蛋白质结合界面的设计 | 机器学习 | NA | 深度学习 | ProBID-Net | 蛋白质结构 | 使用了自然蛋白质-蛋白质复合物结构和蛋白质域-域界面结构进行训练 | NA | NA | NA | NA |
| 5433 | 2024-12-07 |
AI-based prediction and detection of early-onset of digital dermatitis in dairy cows using infrared thermography
2024-12-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-80902-4
PMID:39617800
|
研究论文 | 本研究利用深度学习技术结合红外热成像数据，预测和检测奶牛的蹄部疾病——蹄叶炎的早期发作 | 首次应用深度学习技术结合红外热成像数据进行蹄叶炎的早期检测和预测 | NA | 提高奶牛蹄叶炎的早期检测和预测准确性，从而改善动物福利和奶业经济效益 | 奶牛的蹄叶炎早期发作 | 计算机视觉 | 蹄部疾病 | 红外热成像 | 深度学习模型 | 红外热成像图像 | NA | NA | NA | NA | NA |
| 5434 | 2024-12-07 |
Effectively saltiness enhanced odorants screening and prediction by database establish, sensory evaluation and deep learning method
2024-Dec-02, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.142307
PMID:39637666
|
研究论文 | 本研究通过建立数据库、感官评估和深度学习方法，筛选和预测增强咸味的气味物质 | 本研究结合了深度学习模型和感官评估，提供了一种快速筛选增强咸味香气化合物的新方法 | NA | 提供增强咸味的候选气味物质 | 咸味食品中的挥发性化合物及其频率 | 机器学习 | NA | 深度学习 | 图注意力网络和反向传播神经网络分类器 | 化合物数据 | 代表性香气化合物在NaCl溶液中的浓度 | NA | NA | NA | NA |
| 5435 | 2024-12-07 |
Utility of zero echo time (ZTE) sequence for assessing bony lesions of skull base and calvarium
2024-Dec, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.08.029
PMID:39322533
|
研究论文 | 研究探讨了零回波时间（ZTE）序列在评估颅底和颅顶骨病变中的应用 | 首次探讨了ZTE成像在评估颅底和颅顶骨病变中的潜力，并引入了iZTE和pCT图像进行研究 | 研究样本量较小，需要更大规模的研究来全面评估其有效性 | 探讨ZTE成像在评估颅底和颅顶骨病变中的应用潜力 | 颅底和颅顶骨病变 | NA | NA | 零回波时间（ZTE）成像 | NA | 图像 | 35名患者，平均年龄42岁，男女比例1:4 | NA | NA | NA | NA |
| 5436 | 2024-12-07 |
Deep learning constrained compressed sensing reconstruction improves high-resolution three-dimensional (3D) T2-weighted turbo spin echo magnetic resonance imaging (MRI) of the lumbar spine
2024-Dec, Clinical radiology
IF:2.1Q2
DOI:10.1016/j.crad.2024.09.004
PMID:39379271
|
研究论文 | 评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响 | 提出了一种深度学习约束的压缩感知重建方法，显著提高了加速高分辨率三维T2加权涡轮自旋回波成像的质量 | NA | 评估深度学习约束的压缩感知重建对腰椎高分辨率三维T2加权涡轮自旋回波磁共振成像的图像质量的影响 | 腰椎的高分辨率三维T2加权涡轮自旋回波磁共振成像 | 计算机视觉 | NA | 压缩感知（CS） | 深度学习（DL） | 图像 | 53名患者 | NA | NA | NA | NA |
| 5437 | 2024-12-07 |
An omics-driven computational model for angiogenic protein prediction: Advancing therapeutic strategies with Ens-deep-AGP
2024-Dec, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.136475
PMID:39423981
|
研究论文 | 本研究开发了一种新的计算模型Ens-Deep-AGP，用于预测血管生成蛋白（AGP），以推进治疗策略 | 引入了创新的特征工程技术，包括PSSM-DC-DCT和PSSM-ACC-DWT，并使用多头的集成残差卷积神经网络（MERCNN）进行深度学习 | NA | 开发一种高效的计算模型来预测血管生成蛋白，以加速药物开发和发现新的治疗靶点 | 血管生成蛋白（AGP） | 机器学习 | 心血管疾病 | PSSM-DC-DCT, PSSM-ACC-DWT | 多头的集成残差卷积神经网络（MERCNN） | 蛋白质序列 | 训练集和测试集的具体样本数量未明确说明 | NA | NA | NA | NA |
| 5438 | 2024-12-07 |
Image quality of virtual monochromatic and material density iodine images for evaluation of head and neck neoplasms using deep learning-based CT image reconstruction - A retrospective observational study
2024-Dec, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111806
PMID:39500043
|
研究论文 | 比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量 | 使用深度学习图像重建（DLIR）和金属伪影减少（MAR）算法生成的虚拟单色图像（VMI）和材料密度碘图像在头颈部肿瘤评估中的图像质量优于传统单能CT图像 | 研究为回顾性观察性研究，样本量有限，且仅涉及头颈部肿瘤 | 比较深度学习重建的虚拟单色图像和材料密度碘图像与传统单能CT图像在评估头颈部肿瘤中的质量 | 头颈部肿瘤的CT图像质量 | 计算机视觉 | 头颈部肿瘤 | 深度学习图像重建（DLIR）、金属伪影减少（MAR）算法 | 深度学习 | 图像 | 294例头颈部CT扫描（包括98例60 keV的VMI、102例MD碘图像和94例120 kVp的单能CT图像） | NA | NA | NA | NA |
| 5439 | 2024-12-07 |
An extensive image dataset for deep learning-based classification of rice kernel varieties in Bangladesh
2024-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111109
PMID:39633975
|
研究论文 | 本文介绍了一个与孟加拉国核农业研究所和孟加拉国水稻研究所合作开发的全面数据集，包含38种当地水稻品种的高分辨率图像 | 通过数据增强技术，将原始的19,000张图像扩展到76,000张，模拟了各种环境条件，丰富了数据集 | NA | 支持基于深度学习的水稻品种分类研究 | 38种当地水稻品种 | 计算机视觉 | NA | 数据增强技术 | NA | 图像 | 76,000张图像 | NA | NA | NA | NA |
| 5440 | 2024-12-07 |
[Intestinal Polyp Segmentation Based on Histogram Equalization ResNet (PE-ResNet)]
2024-Nov-30, Zhongguo yi liao qi xie za zhi = Chinese journal of medical instrumentation
DOI:10.12455/j.issn.1671-7104.240235
PMID:39638618
|
研究论文 | 本文提出了一种基于直方图均衡化的ResNet架构（PE-ResNet）用于肠道息肉分割 | 通过引入直方图均衡化技术，减少了肠道内窥镜图像中的颜色变化对分割结果的影响 | NA | 提高肠道息肉分割的准确性，从而改进早期结直肠癌筛查的准确性 | 肠道息肉 | 计算机视觉 | 结直肠癌 | 直方图均衡化 | ResNet | 图像 | 五个数据集，包括ClinicDB | NA | NA | NA | NA |