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 12029 篇文献，本页显示第 7321 - 7340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7321 | 2024-09-20 |
HE-Mind: A model for automatically predicting hematoma expansion after spontaneous intracerebral hemorrhage
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111533
PMID:38833770
|
研究论文 | 开发并验证了一种用于自动预测自发性脑出血后血肿扩张的端到端模型 | 设计了一种新颖的深度学习框架，包括密集连接的U-net用于分割过程，多实例学习策略用于解决标签模糊性，以及Siamese网络用于分类过程 | NA | 开发和验证一种自动预测自发性脑出血后血肿扩张的模型 | 自发性脑出血患者的颅内非对比CT图像 | 计算机视觉 | 脑血管疾病 | 深度学习 | U-net, Siamese网络 | 图像 | 490名自发性脑出血患者 | NA | NA | NA | NA |
| 7322 | 2024-09-20 |
A radiograph-based deep learning model improves radiologists' performance for classification of histological types of primary bone tumors: A multicenter study
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111496
PMID:38733705
|
研究论文 | 本文开发了一种基于深度学习的模型，用于分类原发性骨肿瘤的组织学类型，并评估了其在辅助放射科医生中的临床效用 | 本文创新性地结合了放射图像和临床特征，基于EfficientNet-B3模型进行五分类，显著提高了放射科医生的分类准确性和诊断信心 | 研究为回顾性研究，样本主要来自两个中心，可能存在一定的偏倚 | 开发和评估一种深度学习模型，用于辅助放射科医生分类原发性骨肿瘤的组织学类型 | 原发性骨肿瘤的组织学类型分类 | 计算机视觉 | 骨肿瘤 | 深度学习 | EfficientNet-B3 | 图像 | 878名病理确诊的原发性骨肿瘤患者，分为训练集638例，验证集77例，内部测试集80例，外部测试集83例 | NA | NA | NA | NA |
| 7323 | 2024-09-20 |
Recovering speech intelligibility with deep learning and multiple microphones in noisy-reverberant situations for people using cochlear implants
2024-06-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0026218
PMID:38884525
|
研究论文 | 研究通过深度学习和多麦克风系统在噪声和混响环境中提高人工耳蜗使用者的语音可懂度 | 提出了一种结合深度学习和多麦克风系统的方法，通过去除噪声和混响来恢复语音信号，显著提高了语音接收阈值 | 研究仅限于模拟和实际人工耳蜗使用者的测试，未涵盖所有可能的听觉环境 | 旨在通过深度学习算法和多麦克风系统提高人工耳蜗使用者在噪声和混响环境中的语音可懂度 | 研究对象包括15名典型听力听众和12名人工耳蜗使用者 | 机器学习 | NA | 深度学习算法 | NA | 语音信号 | 15名典型听力听众和12名人工耳蜗使用者 | NA | NA | NA | NA |
| 7324 | 2024-09-20 |
ChildAugment: Data augmentation methods for zero-resource children's speaker verification
2024-03-01, The Journal of the Acoustical Society of America
IF:2.1Q1
DOI:10.1121/10.0025178
PMID:38530014
|
研究论文 | 本文提出了一种名为ChildAugment的数据增强方法，用于零资源儿童说话人验证，通过调整成人语音的共振峰频率和带宽来模拟儿童语音 | 创新点在于通过儿童特定的数据增强方法，将成人语音数据转化为儿童语音数据，以提高儿童说话人验证系统的准确性 | NA | 研究目的是探索更有效的方法来利用成人语音数据，以提高儿童说话人验证系统的准确性 | 研究对象是儿童说话人验证系统及其数据增强方法 | 机器学习 | NA | 数据增强 | 时间延迟神经网络识别器 | 语音 | 使用了CSLU kids语料库进行评估 | NA | NA | NA | NA |
| 7325 | 2024-09-20 |
Development and testing of a deep learning algorithm to detect lung consolidation among children with pneumonia using hand-held ultrasound
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0309109
PMID:39190686
|
研究论文 | 开发并测试了一种深度学习算法，用于通过手持超声检测患有肺炎的儿童的肺实变 | 首次开发并测试了一种用于检测儿童肺炎肺实变的深度学习算法，并展示了其在手持超声设备上的高准确性 | 研究仅限于特定年龄段的儿童，且数据集主要来自学术急诊科和儿科住院或重症监护单元 | 开发和测试一种人工智能算法，用于在住院儿童的床旁肺超声中检测肺实变特征 | 患有肺炎的18个月至17岁儿童 | 计算机视觉 | 肺炎 | 深度学习 | 深度学习算法 | 视频 | 107名儿童参与者，产生了117次独立检查，共604个阳性视频和589个阴性视频 | NA | NA | NA | NA |
| 7326 | 2024-09-20 |
Automated segmentation and classification of supraspinatus fatty infiltration in shoulder magnetic resonance image using a convolutional neural network
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1416169
PMID:39290391
|
研究论文 | 本文开发并评估了一种用于检测肩部磁共振图像中冈上肌脂肪浸润的两步深度学习模型 | 本文提出了一种无监督训练的混合框架，结合分割和分类来检测冈上肌脂肪浸润，相较于传统的手动分割和标记方法，提供了更高效的解决方案 | 本文未提及具体的局限性 | 开发和评估一种用于检测肩部磁共振图像中冈上肌脂肪浸润的深度学习模型 | 肩部磁共振图像中的冈上肌脂肪浸润 | 计算机视觉 | 肩部疾病 | 深度学习 | U-Net 和 VGG-19 | 图像 | 606 张肩部磁共振图像 | NA | NA | NA | NA |
| 7327 | 2024-09-20 |
Deep learning infused SIRVD model for COVID-19 prediction: XGBoost-SIRVD-LSTM approach
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1427239
PMID:39290396
|
研究论文 | 本文提出了一种结合机器学习和数学模型的深度学习模型，用于预测COVID-19的传播动态和未来趋势 | 本文创新性地将SIRVD数学模型与XGBoost-LSTM深度学习模型结合，提高了COVID-19预测的准确性 | NA | 研究目的是开发一种准确预测COVID-19传播动态和未来趋势的模型，以支持公共卫生决策 | 研究对象是COVID-19的传播动态和未来趋势 | 机器学习 | COVID-19 | XGBoost, LSTM | 深度学习模型 | 时间序列数据 | NA | NA | NA | NA | NA |
| 7328 | 2024-09-20 |
PNNGS, a multi-convolutional parallel neural network for genomic selection
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410596
PMID:39290743
|
研究论文 | 本文介绍了一种用于基因组选择的并行卷积神经网络PNNGS，通过并行卷积和残差连接提高了预测精度和稳定性 | 引入并行卷积到深度学习中用于基因组选择，提出了一种新的并行神经网络PNNGS | 当训练样本在小集群中减少时，PNNGS的预测精度显著下降 | 提高基因组选择的预测精度和稳定性 | 水稻、向日葵、小麦和玉米的基因组选择 | 机器学习 | NA | 深度学习 | 并行神经网络 | 基因组数据 | 24个案例，不同集群的样本数量差异很大 | NA | NA | NA | NA |
| 7329 | 2024-09-20 |
DSEception: a noval neural networks architecture for enhancing pneumonia and tuberculosis diagnosis
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1454652
PMID:39291256
|
研究论文 | 本文提出了一种新的神经网络架构DSEception，用于增强肺炎和肺结核的诊断 | 本文提出了一种基于InceptionV3架构的混合模型，通过引入深度可分离卷积和挤压激励机制，提高了特征提取能力，同时减少了参数数量和计算负担 | NA | 开发一种高精度的自动诊断和分类方法，用于区分正常、肺炎和肺结核 | 肺炎和肺结核的诊断 | 计算机视觉 | 肺部疾病 | 深度学习 | 混合模型 | 图像 | NA | NA | NA | NA | NA |
| 7330 | 2024-09-19 |
Harnessing deep learning for detection of diabetic retinopathy in geriatric group using optical coherence tomography angiography-OCTA: A promising approach
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102910
PMID:39280760
|
研究论文 | 本文提出了一种利用光学相干断层扫描血管造影（OCTA）图像和深度学习算法检测老年糖尿病视网膜病变的方法 | 结合OCTA和深度学习技术，提出了一种创新的方法来提高老年糖尿病视网膜病变的诊断准确性 | NA | 提高老年糖尿病视网膜病变的早期检测和管理 | 老年糖尿病视网膜病变患者 | 计算机视觉 | 老年疾病 | 光学相干断层扫描血管造影（OCTA） | 卷积神经网络（CNN） | 图像 | 262张OCTA扫描图像，来自179名老年个体，包括糖尿病患者和非糖尿病患者 | NA | NA | NA | NA |
| 7331 | 2024-09-19 |
A dataset of the 2023 presidential election in Nigeria
2024-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110847
PMID:39290427
|
研究论文 | 本文介绍了2023年尼日利亚总统选举的推特数据集，并探讨了社交媒体在政治发展和情感分析中的作用 | 本文首次收集并分析了2023年尼日利亚总统选举相关的推特数据，展示了深度学习在情感分析中的应用 | 数据集仅包含推特上的公开信息，可能无法全面反映所有选民的意见 | 研究社交媒体在政治发展和情感分析中的作用 | 2023年尼日利亚总统选举相关的推特数据 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 364,867条推文 | NA | NA | NA | NA |
| 7332 | 2024-09-19 |
Prediction of Functional and Anatomic Progression in Lamellar Macular Holes
2024 Nov-Dec, Ophthalmology science
IF:3.2Q1
DOI:10.1016/j.xops.2024.100529
PMID:39280348
|
研究论文 | 使用人工智能识别层状黄斑孔的解剖和功能进展的影像生物标志物，并基于OCT和OCTA构建深度学习模型预测未治疗层状黄斑孔的视力损失 | 首次使用深度学习模型预测层状黄斑孔的功能进展，并识别出关键的影像生物标志物 | 研究为回顾性观察性研究，样本量有限，且仅限于特定类型的层状黄斑孔 | 开发和验证一种基于OCT和OCTA的深度学习模型，用于预测层状黄斑孔的功能和解剖进展 | 层状黄斑孔患者的功能和解剖进展 | 计算机视觉 | 眼科疾病 | 深度学习 | 深度学习模型 | 影像数据 | 139只眼，其中41只眼属于功能进展组，98只眼属于功能稳定组 | NA | NA | NA | NA |
| 7333 | 2024-09-19 |
Unifying antimicrobial peptide datasets for robust deep learning-based classification
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110822
PMID:39281014
|
研究论文 | 本文通过整合来自豆科植物种子的抗菌肽序列，开发了一个新的非冗余数据库，用于抗菌肽的二分类和预测 | 提出了一个新的非冗余抗菌肽序列数据库，解决了现有数据库中序列重叠的问题 | NA | 开发一个更精确的抗菌肽序列数据库，以支持可持续农业实践 | 豆科植物种子中的抗菌肽 | 计算生物学 | NA | 深度学习 | 二分类模型 | 序列数据 | 来自不同来源和功能的抗菌肽序列 | NA | NA | NA | NA |
| 7334 | 2024-09-19 |
Deep-learning optical flow for measuring velocity fields from experimental data
2024-Sep-18, Soft matter
IF:2.9Q2
DOI:10.1039/d4sm00483c
PMID:39225732
|
研究论文 | 本文研究了基于深度学习的光流法（DLOF）在实验数据中测量速度场的应用 | DLOF在密集标记样本中比粒子图像测速法（PIV）产生更准确的速度场，并能克服PIV在高密度下无法可靠区分对比度变化的局限 | 对于稀疏标记样本，DLOF与PIV结果相当，但DLOF提供更高分辨率的速度场 | 评估光流法在量化微管（MT）基活性向列体自发流动中的能力，并比较其与粒子图像测速法的性能 | 微管（MT）基活性向列体在不同标记条件下的自发流动 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 视频 | 不同标记条件下的微管（MT）基活性向列体样本 | NA | NA | NA | NA |
| 7335 | 2024-09-19 |
Crystal structure prediction and property calculation of copper-oxygen compounds using innovative search software from first principles
2024-Sep-18, Physical chemistry chemical physics : PCCP
IF:2.9Q1
DOI:10.1039/d4cp02501f
PMID:39248038
|
研究论文 | 使用基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，预测了Cu(I)和Cu(II)氧化物的2D和3D材料的结构，并通过密度泛函理论（DFT）优化和分析了这些结构 | 提出了基于贝叶斯优化算法的深度学习晶体结构预测软件CBD-GM，并成功预测了5种新型铜氧化物结构 | NA | 预测和计算铜氧化物的晶体结构及其性质，为工业应用提供新的铜氧化物合成灵感 | Cu(I)和Cu(II)氧化物的2D和3D材料 | 材料科学 | NA | 密度泛函理论（DFT） | 贝叶斯优化算法 | 晶体结构 | 9种结构（包括2种已知的2D结构、2种已知的3D结构和5种新型结构） | NA | NA | NA | NA |
| 7336 | 2024-09-19 |
Deep learning-based prediction of the dose-volume histograms for volumetric modulated arc therapy of left-sided breast cancer
2024-Sep-18, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17410
PMID:39291645
|
研究论文 | 研究利用深度学习预测左侧乳腺癌患者在容积旋转调强放疗中的剂量体积直方图 | 本研究首次探索了深度学习在预测左侧乳腺癌患者接受容积旋转调强放疗时器官剂量体积直方图方面的应用 | 研究样本仅限于左侧乳腺癌患者，且模型仅在特定数据集上进行了验证 | 开发一个基于深度学习的框架，用于预测左侧乳腺癌治疗中器官特定的剂量体积直方图 | 左侧乳腺癌患者在接受容积旋转调强放疗时的器官剂量体积直方图 | 机器学习 | 乳腺癌 | 深度学习 | DenseNet架构与循环神经网络 | 图像 | 249名左侧乳腺癌患者 | NA | NA | NA | NA |
| 7337 | 2024-09-19 |
Deep learning-assisted distinguishing breast phyllodes tumors from fibroadenomas based on ultrasound images: a diagnostic study
2024-Sep-17, The British journal of radiology
DOI:10.1093/bjr/tqae147
PMID:39288312
|
研究论文 | 本文评估了基于超声图像的深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其在不同经验放射科医生中的临床应用 | 开发并验证了一个基于最大可用数据集的深度学习模型，用于辅助诊断叶状肿瘤，该模型有望帮助放射科医生更精确地区分两种难以识别的乳腺肿瘤类型 | NA | 评估深度学习模型在区分乳腺叶状肿瘤和纤维腺瘤中的表现及其临床应用 | 乳腺叶状肿瘤和纤维腺瘤的超声图像 | 计算机视觉 | 乳腺肿瘤 | 深度学习 | Xception模型 | 图像 | 1180张超声图像，来自539名患者（247例叶状肿瘤和292例纤维腺瘤） | NA | NA | NA | NA |
| 7338 | 2024-09-19 |
Deep feature fusion with computer vision driven fall detection approach for enhanced assisted living safety
2024-09-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71545-6
PMID:39278949
|
研究论文 | 本文介绍了一种基于计算机视觉和深度学习的跌倒检测方法，用于提高辅助生活环境中的安全性 | 提出了新的深度特征融合与计算机视觉跌倒检测与分类（DFFCV-FDC）技术，结合了MobileNet、DenseNet和ResNet模型，并使用改进的鹈鹕优化算法（IPOA）进行超参数选择 | 未提及具体的研究局限性 | 开发一种高效可靠的跌倒检测系统，以提高辅助生活环境中老年人的安全 | 老年人跌倒事件的检测与分类 | 计算机视觉 | NA | 深度学习 | 深度特征融合模型（MobileNet、DenseNet、ResNet）、去噪自编码器（DAE） | 图像 | 使用了基准跌倒数据库进行性能分析 | NA | NA | NA | NA |
| 7339 | 2024-09-19 |
Boundary-aware convolutional attention network for liver segmentation in ultrasound images
2024-09-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70527-y
PMID:39278955
|
研究论文 | 本文提出了一种用于超声图像中肝脏分割的边界感知卷积注意力网络BACANet | 利用轻量级网络主干进行肝脏特征提取，并结合卷积注意力机制增强网络捕捉全局上下文信息的能力，同时引入选择性大核卷积模块和显式肝脏边界监督以改进边界定位 | 未提及 | 加速肝脏相关疾病的辅助诊断 | 超声图像中的肝脏区域分割 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 多个数据集，包括公开数据集和私有测试数据集 | NA | NA | NA | NA |
| 7340 | 2024-09-19 |
An ultra lightweight neural network for automatic modulation classification in drone communications
2024-Sep-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72867-1
PMID:39278962
|
研究论文 | 本文研究了基于深度学习的自动调制分类网络的轻量化，以提高其在资源受限场景中的适应性 | 提出了一个超轻量级的神经网络（ULNN），结合了轻量级卷积结构、注意力机制和跨通道特征融合技术，并在模型训练过程中引入了基于信号相位偏移的数据增强方法 | NA | 提高无人机通信中自动调制分类技术的传输效率 | 无人机平台上的自动调制分类技术 | 机器学习 | NA | 深度学习 | 神经网络 | 信号 | 使用了公开数据集RML2016.10A进行实验验证 | NA | NA | NA | NA |