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 7461 - 7480 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7461 | 2024-09-17 |
Enhancing Jujube Forest Growth Estimation and Disease Detection Using a Novel Diffusion-Transformer Architecture
2024-Aug-23, Plants (Basel, Switzerland)
DOI:10.3390/plants13172348
PMID:39273832
|
研究论文 | 本文提出了一种结合扩散-Transformer结构和并行注意力机制的深度学习模型，用于枣树林的生长估计和疾病检测 | 创新点在于设计了一种新的扩散-Transformer架构，并结合并行注意力机制，显著提升了模型在复杂森林区域中的数据处理能力和特征提取精度 | NA | 旨在解决现有林业监测方法在大规模和高度复杂森林区域中的数据处理能力和特征提取精度不足的问题 | 枣树林的生长和疾病检测 | 机器学习 | NA | 深度学习 | 扩散-Transformer | 图像 | NA | NA | NA | NA | NA |
| 7462 | 2024-09-17 |
A Deep Learning Framework for Real-Time Bird Detection and Its Implications for Reducing Bird Strike Incidents
2024-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s24175455
PMID:39275366
|
研究论文 | 本文提出了一种用于实时鸟类检测的深度学习框架，旨在减少鸟击事件对航空安全的影响 | 本文的创新点在于开发了一种双焦点模型，结合了基于注意力的时序分析网络和具有空间意识的卷积神经网络，能够识别复杂背景中的特定特征，从而提高检测准确性 | NA | 本文的研究目的是开发一种高效的鸟类检测技术，以减少机场鸟击事件的发生 | 本文的研究对象是机场环境中的鸟类检测 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 使用了包含不同种类和飞行模式的鸟类图像的大规模数据库 | NA | NA | NA | NA |
| 7463 | 2024-09-17 |
PolyMeme: Fine-Grained Internet Meme Sensing
2024-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s24175456
PMID:39275367
|
研究论文 | 本文介绍了一个名为PolyMeme的数据集，用于细粒度互联网模因检测 | 提出了PolyMeme数据集，包含了约27K个来自四个类别的模因，填补了现有数据集在模因格式、风格和内容多样性方面的不足 | 未提及 | 开发一个细粒度的互联网模因检测系统 | 互联网模因 | 计算机视觉 | NA | 深度学习 | ResNet, ViT | 图像 | 约27K个模因样本 | NA | NA | NA | NA |
| 7464 | 2024-09-17 |
A Self-Attention Legendre Graph Convolution Network for Rotating Machinery Fault Diagnosis
2024-Aug-23, Sensors (Basel, Switzerland)
DOI:10.3390/s24175475
PMID:39275385
|
研究论文 | 本文提出了一种结合自注意力机制的Legendre图卷积网络，用于旋转机械故障诊断 | 该方法将振动信号从欧几里得空间转换为非欧几里得空间的图信号，并采用基于Legendre多项式的快速局部谱滤波和自注意力图池化方法，显著提高了模型的稳定性和计算效率 | NA | 提高旋转机械故障诊断的准确性和适应性 | 旋转机械的故障诊断 | 机器学习 | NA | 图卷积网络 | Legendre图卷积网络 | 振动信号 | 10种不同的行星齿轮箱故障任务 | NA | NA | NA | NA |
| 7465 | 2024-09-17 |
Coronary computed tomographic angiography-derived anatomic and hemodynamic plaque characteristics in prediction of cardiovascular events
2024-Aug, The international journal of cardiovascular imaging
DOI:10.1007/s10554-024-03149-0
PMID:38878147
|
研究论文 | 本研究探讨了基于深度学习的冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征与导致后续主要不良心血管事件（MACE）的高风险斑块之间的关联 | 本研究创新性地结合了深度学习和计算流体动力学算法，从CCTA中提取了不良斑块特征和血流动力学参数，并验证了这些参数在预测MACE事件及其预后中的价值 | 本研究为回顾性分析，样本量较小，且未涉及前瞻性验证 | 研究基于CCTA的解剖和血流动力学斑块特征与MACE事件之间的关系，并评估血流动力学参数在预测MACE事件及其预后中的价值 | 冠状动脉CT血管造影（CCTA）得出的解剖和血流动力学斑块特征 | 数字病理学 | 心血管疾病 | 冠状动脉CT血管造影（CCTA） | 深度学习 | 图像 | 86名患者，共134个斑块形成的血管和83个随后发生冠状动脉事件的罪犯血管 | NA | NA | NA | NA |
| 7466 | 2024-09-17 |
Deep learning-based automated liver contouring using a small sample of radiotherapy planning computed tomography images
2024-Aug, Radiography (London, England : 1995)
DOI:10.1016/j.radi.2024.08.005
PMID:39179459
|
研究论文 | 研究使用少量放射治疗计划CT图像进行基于深度学习的自动肝脏轮廓描绘的可行性 | 首次探讨了基于深度学习的肝脏轮廓描绘所需的最小数据量 | 研究仅限于放射治疗计划CT图像，未涉及其他类型的医学影像 | 探讨使用有限数据进行自动肝脏轮廓描绘的可行性 | 放射治疗计划CT图像中的肝脏轮廓 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 62个训练病例 | NA | NA | NA | NA |
| 7467 | 2024-09-17 |
Deep learning approaches for non-coding genetic variant effect prediction: current progress and future prospects
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae446
PMID:39276327
|
综述 | 本文综述了基于批量和单细胞测序数据的非编码变异模型的发展及其在变异效应预测中的应用 | 本文介绍了通过深度学习方法分析大量遗传数据，以揭示全球调控景观的新见解 | 当前方法在变异效应预测研究中存在局限性，需要进一步改进 | 探讨基因变异影响和调控机制，提供对非编码变异效应预测的全面概述 | 非编码变异及其对基因调控的影响 | 机器学习 | NA | 测序技术 | 深度学习模型 | 遗传数据 | NA | NA | NA | NA | NA |
| 7468 | 2024-09-17 |
Early and late blight disease identification in tomato plants using a neural network-based model to augmenting agricultural productivity
2024 Jul-Sep, Science progress
IF:2.6Q2
DOI:10.1177/00368504241275371
PMID:39262392
|
研究论文 | 本文利用基于inception-V3架构的神经网络模型，对番茄植株上的早疫病和晚疫病进行识别，以提高农业生产力 | 本文提出了一种基于inception-V3架构的深度学习模型，用于番茄叶片疾病的分类，显著提高了疾病识别的准确性 | NA | 提高番茄疾病识别的准确性，从而增强农业生产力 | 番茄植株的早疫病和晚疫病 | 计算机视觉 | NA | 深度学习 | inception-V3 | 图像 | 6000张番茄叶片图像 | NA | NA | NA | NA |
| 7469 | 2024-09-16 |
PCAlign: a general data augmentation framework for point clouds
2024-Sep-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72264-8
PMID:39266639
|
研究论文 | 本文提出了一种新的点云数据增强框架PCAlign，通过主成分分析生成对齐的点云副本，并结合多通道结构提高点云深度学习网络的鲁棒性 | 利用主成分分析生成对齐的点云副本，并通过多通道结构增强点云深度学习网络的旋转不变性 | 未提及 | 提高点云深度学习网络在处理姿态变化和非均匀密度点云时的鲁棒性 | 点云数据 | 计算机视觉 | NA | 主成分分析（PCA） | 多通道结构 | 点云 | 未提及 | NA | NA | NA | NA |
| 7470 | 2024-09-16 |
Training and validation of a deep learning U-net architecture general model for automated segmentation of inner ear from CT
2024-Sep-12, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00508-3
PMID:39266784
|
研究论文 | 本研究训练并验证了一种基于U-net架构的深度学习通用模型，用于从CT扫描中自动分割内耳结构 | 本研究首次使用开源U-net模型进行内耳结构的自动分割，并进行了多中心的外部验证 | 本研究尚未评估扫描协议对模型性能的影响 | 开发和验证一种用于内耳结构自动分割的深度学习模型 | 内耳结构 | 计算机视觉 | NA | 深度学习 | U-net | CT扫描图像 | 训练集包含271个CT扫描，验证集包含70个CT扫描 | NA | NA | NA | NA |
| 7471 | 2024-09-16 |
GRABSEEDS: extraction of plant organ traits through image analysis
2024-Sep-12, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01268-2
PMID:39267072
|
研究论文 | 介绍了一种名为GRABSEEDS的工具，通过图像分析提取植物器官特征 | GRABSEEDS利用先进的计算机视觉和深度学习方法，能够从植物图像中提取全面的特征，并具有处理不同光照条件、背景干扰和重叠对象的能力 | NA | 简化植物表型分析过程，提高植物器官特征测量的准确性和效率 | 植物器官特征，包括谷物、叶片和花卉特征 | 计算机视觉 | NA | 计算机视觉和深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 7472 | 2024-09-16 |
Overcoming CRISPR-Cas9 off-target prediction hurdles: A novel approach with ESB rebalancing strategy and CRISPR-MCA model
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012340
PMID:39226304
|
研究论文 | 本文提出了一种新的ESB重平衡策略和CRISPR-MCA模型，用于克服CRISPR-Cas9脱靶预测中的挑战 | 引入了基于效率和特异性的ESB类重平衡策略，并开发了CRISPR-MCA混合模型，通过多特征提取提高预测准确性 | NA | 解决CRISPR-Cas9系统中脱靶效应预测的难题 | CRISPR-Cas9系统的脱靶效应 | 生物信息学 | NA | 深度学习 | 混合神经网络 | 序列数据 | 涉及四个仅错配数据集和一个包含错配和插入缺失的数据集 | NA | NA | NA | NA |
| 7473 | 2024-09-16 |
Progress on deep learning in genomics
2024-Sep, Yi chuan = Hereditas
DOI:10.16288/j.yczz.24-151
PMID:39275870
|
综述 | 本文综述了深度学习在基因组学中的应用 | 深度学习为基因组学研究提供了强大的数据分析和模式识别能力 | NA | 通过深度学习提升基因组学研究的精确性和效率 | DNA、RNA和蛋白质研究以及畜牧业基因组学 | 机器学习 | NA | 深度学习 | 卷积神经网络(CNN)、循环神经网络(RNN)、长短期记忆网络(LSTM)、生成对抗网络(GAN) | 基因组数据 | NA | NA | NA | NA | NA |
| 7474 | 2024-09-16 |
Pediatric septic shock estimation using deep learning and electronic medical records
2024-Aug, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2024.00031
PMID:39266275
|
研究论文 | 本研究利用深度学习和电子病历数据开发了一种用于儿科脓毒性休克早期诊断的模型 | 本研究的创新点在于使用深度学习模型简化了儿科脓毒性休克的早期诊断过程 | 本研究需要通过前瞻性研究进行外部验证 | 开发一种基于深度学习的模型，用于儿科脓毒性休克的早期诊断 | 儿科患者（<18岁）的脓毒性休克病例 | 机器学习 | NA | 深度学习 | 深度学习模型 | 电子病历数据 | 9,616,115次测量，其中34,696例脓毒性休克病例 | NA | NA | NA | NA |
| 7475 | 2024-09-16 |
Peak amplitude of the normalized power spectrum of the electromyogram of the uterus in the low frequency band is an effective predictor of premature birth
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308797
PMID:39264880
|
研究论文 | 本文研究了基于子宫肌电图（EHG）低频带归一化功率谱峰值振幅（PA）预测早产的有效性 | 提出了一种简单且可解释的单特征方法，通过PA特征在多个数据库上实现了较高的分类准确率，优于现有的多特征方法和非侵入性化学分子生物标志物 | NA | 开发一种非侵入性、简单且可解释的方法来预测早产 | 子宫肌电图（EHG）信号 | 生物医学工程 | 妊娠相关疾病 | 肌电图（EHG） | 分类器 | 信号 | 使用了TPEHG DB、TPEHGT DS和ICEHG DS数据库中的EHG记录 | NA | NA | NA | NA |
| 7476 | 2024-09-16 |
CL-Informer: Long time series prediction model based on continuous wavelet transform
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303990
PMID:39269969
|
研究论文 | 提出了一种基于连续小波变换的长时序预测模型CL-Informer | 在Informer模型中加入基于连续小波变换的嵌入层，使模型能够捕捉多尺度数据特征，并使用LSTM层进一步捕捉数据依赖性并处理连续小波变换中的冗余信息 | NA | 提高时间序列预测的准确性 | 时间序列数据 | 机器学习 | NA | 连续小波变换 | LSTM | 时间序列 | 五个数据集 | NA | NA | NA | NA |
| 7477 | 2024-09-15 |
Transcranial ultrafast ultrasound Doppler imaging: A phantom study
2024-Dec, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107430
PMID:39173276
|
研究论文 | 本文提出了一种结合深度学习与射线理论的畸变校正方法，用于实现经颅平面波成像和超快多普勒成像 | 提出了结合深度学习与射线理论的畸变校正方法，显著提高了经颅超声多普勒成像的质量和准确性 | 仅通过仿真实验验证了方法的有效性，尚未在临床环境中进行验证 | 开发一种新的方法来提高经颅超声多普勒成像的质量和准确性 | 颅内血流速度和方向的量化 | 医学影像 | NA | 超声多普勒成像 | 深度学习模型 | 图像 | 使用了一个中心频率为6.25 MHz、128个元素、间距为0.3 mm的线性阵列进行仿真实验 | NA | NA | NA | NA |
| 7478 | 2024-09-15 |
DepressionEmo: A novel dataset for multilabel classification of depression emotions
2024-Dec-01, Journal of affective disorders
IF:4.9Q1
DOI:10.1016/j.jad.2024.08.013
PMID:39214375
|
研究论文 | 本文介绍了一个名为DepressionEmo的新数据集，用于检测与抑郁症相关的8种情绪 | 提出了一个包含6037个Reddit用户长帖的新数据集DepressionEmo，用于多标签分类抑郁症情绪 | 尽管数据集在识别自杀意图方面表现良好，但其他情绪的F1 Macro值相对较低 | 研究抑郁症情绪的检测及其对个体的影响 | 抑郁症相关的8种情绪 | 自然语言处理 | NA | 文本分类 | BERT, BART, GAN-BERT, T5 | 文本 | 6037个Reddit用户长帖 | NA | NA | NA | NA |
| 7479 | 2024-09-15 |
The improved integrated Exponential Smoothing based CNN-LSTM algorithm to forecast the day ahead electricity price
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.102923
PMID:39263362
|
研究论文 | 提出了一种改进的基于指数平滑和CNN-LSTM的算法，用于预测次日电力价格 | 结合了指数平滑方法提取水平和季节性特征，以及CNN-LSTM模型处理时间序列中的复杂空间和时间依赖性 | 未提及具体限制 | 预测次日电力价格以支持短期电力市场参与者的准确竞价 | 次日电力价格 | 机器学习 | NA | 指数平滑、卷积神经网络（CNN）、长短期记忆网络（LSTM） | CNN-LSTM | 时间序列 | 从印度能源交易所（IEX）收集的次日电力市场数据 | NA | NA | NA | NA |
| 7480 | 2024-09-15 |
Clinical applications of radiomics and deep learning in breast and lung cancer: A narrative literature review on current evidence and future perspectives
2024-Nov, Critical reviews in oncology/hematology
DOI:10.1016/j.critrevonc.2024.104479
PMID:39151838
|
综述 | 本文综述了放射组学和深度学习在乳腺癌和肺癌中的临床应用现状及未来展望 | 本文总结了放射组学在高发癌症（乳腺癌和肺癌）中的应用证据，并讨论了放射组学方法的优缺点，提出了可能的解决方案和未来展望 | 放射组学在临床决策中的应用仍受限于数据可重复性和研究变异性，需要前瞻性验证和标准化 | 总结放射组学在乳腺癌和肺癌中的应用证据，并讨论其优缺点及未来发展方向 | 放射组学在乳腺癌和肺癌中的临床应用 | 机器学习 | 肺癌 | 放射组学 | NA | 影像 | NA | NA | NA | NA | NA |