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 6321 - 6340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 6321 | 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 |
| 6322 | 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 |
| 6323 | 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 |
| 6324 | 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 |
| 6325 | 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 |
| 6326 | 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 |
| 6327 | 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 |
| 6328 | 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 |
| 6329 | 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 |
| 6330 | 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 |
| 6331 | 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 |
| 6332 | 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 |
| 6333 | 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 |
| 6334 | 2024-11-15 |
Deformation depth decoupling network for point cloud domain adaptation
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106626
PMID:39173197
|
研究论文 | 本文提出了一种基于输入级离散化匹配的点云域适应方法，通过几何变形深度解耦网络（3DeNet）增强模型的泛化能力 | 本文创新性地提出了输入级离散化匹配方法，并通过几何变形深度解耦网络（3DeNet）学习源域知识并嵌入隐式特征空间，有效约束下游任务的无监督预测 | 本文未详细讨论模型在实际应用中的可扩展性和计算效率 | 提高深度学习模型在点云数据上的泛化能力 | 点云数据的域适应问题 | 计算机视觉 | NA | 深度学习 | 几何变形深度解耦网络（3DeNet） | 点云数据 | 使用了PointDA-10和PointSegDA数据集进行实验 | NA | NA | NA | NA |
| 6335 | 2024-11-15 |
Inter-participant transfer learning with attention based domain adversarial training for P300 detection
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106655
PMID:39226850
|
研究论文 | 本文提出了一种基于注意力域对抗训练的跨参与者迁移学习方法，用于P300检测 | 本文提出了一种新的One-source域迁移学习方法，称为Attention Domain Adversarial Neural Network (OADANN)，用于缓解跨参与者分类任务中的数据分布差异 | NA | 研究如何通过迁移学习方法提高脑机接口系统中P300检测的准确性和鲁棒性 | 脑电信号中的P300成分 | 机器学习 | NA | 域对抗训练 | Attention Domain Adversarial Neural Network (OADANN) | 脑电信号 | 使用了公开的OpenBMI数据集和自收集数据集，采用留一参与者交叉验证方案 | NA | NA | NA | NA |
| 6336 | 2024-11-15 |
Improving classification performance of motor imagery BCI through EEG data augmentation with conditional generative adversarial networks
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106665
PMID:39241437
|
研究论文 | 本文提出了一种使用条件生成对抗网络（cGANs）进行脑电图（EEG）数据增强的方法，以提高运动想象脑机接口（BCI）的分类性能 | 本文创新性地使用条件生成对抗网络（cGANs）进行EEG数据增强，以解决EEG数据稀缺问题 | 本文未详细讨论cGANs在EEG数据生成中的潜在局限性 | 提高运动想象脑机接口（BCI）中EEG分类器的性能 | 运动想象任务的EEG数据 | 机器学习 | NA | 条件生成对抗网络（cGANs） | cGAN | 脑电图（EEG） | 使用了两个公开的EEG数据集，包括BCI竞赛IV IIa和III IVa | NA | NA | NA | NA |
| 6337 | 2024-11-15 |
Improved region proposal network for enhanced few-shot object detection
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106699
PMID:39243514
|
研究论文 | 本文提出了一种改进的区域提议网络（RPN）用于增强少样本目标检测 | 开发了一种半监督算法，利用未标记的新对象作为正样本，并设计了分层三元分类区域提议网络（HTRPN）来定位这些对象并赋予新的对象标签 | 未提及 | 改进少样本目标检测的性能 | 少样本目标检测中的未标记新对象 | 计算机视觉 | NA | 深度学习 | 区域提议网络（RPN） | 图像 | 使用了COCO和PASCAL VOC基准数据集 | NA | NA | NA | NA |
| 6338 | 2024-11-15 |
Monitoring the leaf damage by the rice leafroller with deep learning and ultra-light UAV
2024-Dec, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8401
PMID:39264132
|
研究论文 | 本研究利用超轻型无人机和深度学习技术监测水稻卷叶蛾造成的叶片损伤 | 采用超轻型无人机获取高分辨率图像，并使用Attention U-Net模型进行损伤区域识别和计数 | 未提及具体限制 | 开发一种快速准确的方法来监测水稻卷叶蛾造成的叶片损伤 | 水稻卷叶蛾造成的叶片损伤 | 计算机视觉 | NA | 深度学习 | Attention U-Net | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 6339 | 2024-11-15 |
Moving sampling physics-informed neural networks induced by moving mesh PDE
2024-Dec, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106706
PMID:39270348
|
研究论文 | 本文提出了一种基于深度神经网络和移动网格方法的端到端自适应采样框架，通过求解移动网格偏微分方程生成新的采样点 | 提出了基于移动网格方法的深度神经网络模型MMPDE-Net，并结合物理信息神经网络（PINN）提出了移动采样PINN（MS-PINN） | NA | 改进采样点生成的质量，并通过数值实验验证方法的有效性 | 自适应采样点和移动采样PINN的生成与性能 | 机器学习 | NA | 深度神经网络 | MMPDE-Net | NA | NA | NA | NA | NA | NA |
| 6340 | 2024-11-15 |
Using 3D facial information to predict malnutrition and consequent complications
2024-Dec, Nutrition in clinical practice : official publication of the American Society for Parenteral and Enteral Nutrition
IF:2.1Q3
DOI:10.1002/ncp.11215
PMID:39319394
|
研究论文 | 本文探讨了使用深度学习技术从面部图像信息预测营养不良及其并发症的可行性 | 首次提出使用三维面部数据结合深度学习框架来预测营养不良患者的相位角（PhA） | 研究样本主要来自手术、消化内科和肿瘤科的住院患者，可能存在样本偏倚 | 探索使用面部图像信息预测营养不良及其并发症的可行性 | 住院患者的营养状态和疾病预后 | 计算机视觉 | NA | 深度学习 | 多模态深度学习框架 | 三维面部数据 | 482名住院患者，其中176名患有营养不良 | NA | NA | NA | NA |