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 8001 - 8020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8001 | 2024-09-04 |
Predicting respiration rate in unrestrained dairy cows using image analysis and fast Fourier transform
2024-Jul, JDS communications
DOI:10.3168/jdsc.2023-0442
PMID:39220844
|
research paper | 本研究旨在开发一种系统，通过使用红、绿、蓝（RGB）和红外（IR）夜视图像，在不受限制的条件下准确预测躺卧的荷斯坦奶牛的呼吸率（RR）。 | 本研究创新性地使用快速傅里叶变换（FFT）处理从RGB和IR图像中获取的信号，以计算不受限制条件下奶牛的呼吸率。 | 研究仅限于躺卧的荷斯坦奶牛和断奶前的奶牛犊，未来研究需要扩展到其他品种和不同姿势的奶牛。 | 开发一种能够准确预测躺卧荷斯坦奶牛在不受限制条件下的呼吸率的系统。 | 躺卧的荷斯坦奶牛和断奶前的奶牛犊。 | computer vision | NA | 快速傅里叶变换（FFT） | YOLOv8 | image | 30头泌乳奶牛，每头奶牛连续记录12小时，共95段视频；25头断奶前奶牛犊，共42次观察。 | NA | NA | NA | NA |
| 8002 | 2024-09-04 |
Sparks of function by de novo protein design
2024-Feb, Nature biotechnology
IF:33.1Q1
DOI:10.1038/s41587-024-02133-2
PMID:38361073
|
研究论文 | 本文探讨了通过深度学习方法在从头蛋白质设计中实现功能性蛋白质设计的进展 | 利用深度学习方法提高了结构建模的效率和准确性，并促进了成功设计的丰富化 | NA | 探索从头蛋白质设计中功能性蛋白质设计的新进展及其对未来挑战的影响 | 蛋白质设计中的序列、结构协同设计和构象控制 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 8003 | 2024-09-04 |
Low-Light Phase Retrieval With Implicit Generative Priors
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445739
PMID:39178091
|
研究论文 | 本文提出了一种结合原位相干衍射成像和隐式生成先验的低剂量深度图像先验方法，用于单图像低剂量相位恢复 | 本文提出的低剂量深度图像先验方法结合了原位相干衍射成像和隐式生成先验，有效解决了单图像低剂量相位恢复问题 | 目前尚未提及具体的局限性 | 研究目的是解决单图像低剂量相位恢复问题 | 研究对象是低剂量相位恢复技术 | 计算机视觉 | NA | 相干衍射成像（CDI） | 隐式生成先验 | 图像 | 单图像 | NA | NA | NA | NA |
| 8004 | 2024-09-04 |
Fast and High-Performance Learned Image Compression With Improved Checkerboard Context Model, Deformable Residual Module, and Knowledge Distillation
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3445737
PMID:39186412
|
研究论文 | 本文提出了一种基于深度学习的图像压缩方法，通过引入可变形残差模块、改进的棋盘上下文模型、三阶段知识蒸馏方案和L正则化技术，实现了高速且高性能的图像压缩。 | 引入了可变形残差模块以去除更多冗余，设计了改进的棋盘上下文模型以实现并行解码，开发了三阶段知识蒸馏方案以降低核心解码网络的复杂性，并引入了L正则化以使潜在表示数值更稀疏。 | NA | 旨在平衡图像压缩的复杂性和性能，提高压缩速度和质量。 | 图像压缩技术及其在实际应用中的效率和性能。 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用Kodak和Tecnick-40数据集进行实验。 | NA | NA | NA | NA |
| 8005 | 2024-09-04 |
Deep learning models for the early detection of maize streak virus and maize lethal necrosis diseases in Tanzania
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1384709
PMID:39219699
|
研究论文 | 本研究探讨了在坦桑尼亚利用深度学习模型早期检测玉米线条病毒和玉米致死性坏死病的潜力 | 提出了使用卷积神经网络（CNN）和视觉变换器（ViT）模型进行早期检测，并发现ViT模型在准确性上优于CNN模型 | 需要进一步研究开发移动应用程序并提高模型在实际应用中的精确度 | 开发一种方法用于早期检测玉米疾病，以便及时治疗 | 玉米线条病毒（MSV）和玉米致死性坏死病毒（MLN） | 计算机视觉 | NA | 深度学习 | CNN, ViT | 图像 | 数据收集自坦桑尼亚的阿鲁沙、乞力马扎罗和曼雅拉地区，使用了四种图像数据类别：MLN、健康、MSV和WRONG | NA | NA | NA | NA |
| 8006 | 2024-09-04 |
Three-dimensional dose prediction based on deep convolutional neural networks for brain cancer in CyberKnife: accurate beam modelling of homogeneous tissue
2024-Jan, BJR open
DOI:10.1093/bjro/tzae023
PMID:39220325
|
研究论文 | 本文提出了一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的三维剂量分布，利用了建模的射束信息、目标勾画和患者解剖信息 | 该方法引入了射束信息来预测CyberKnife在脑部病例中的剂量分布，这是现有深度学习方法中未涉及的创新点 | 初步结果仅基于14个脑癌病例，需要更多患者和其他癌症部位的研究来全面验证所提出的方法 | 开发一种基于深度卷积神经网络的方法，用于预测脑癌患者在CyberKnife治疗中的剂量分布 | 脑癌患者在CyberKnife治疗中的剂量分布 | 机器学习 | 脑癌 | 深度卷积神经网络（CNN） | CNN | 图像 | 88名脑癌和腹部癌症患者的数据集，其中68例用于训练，6例用于验证，14例用于测试 | NA | NA | NA | NA |
| 8007 | 2024-09-04 |
Vehicle recognition pipeline via DeepSort on aerial image datasets
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1430155
PMID:39220587
|
研究论文 | 本文提出了一种使用FCM分割航拍图像并结合YOLOv8和ORB特征进行车辆检测与识别的方法，以及使用DeepSORT进行车辆跟踪的系统 | 本文创新地结合了FCM、YOLOv8、ORB特征和DeepSORT技术，实现了从复杂交通场景中自动提取车辆信息 | NA | 开发一种高效自动化的车辆监控系统，用于智能交通监控 | 车辆识别与跟踪 | 计算机视觉 | NA | FCM, YOLOv8, ORB, DeepSORT | YOLOv8, DeepSORT | 图像 | VEDAI和SRTID数据集 | NA | NA | NA | NA |
| 8008 | 2024-09-04 |
Frontiers and hotspots evolution in mild cognitive impairment: a bibliometric analysis of from 2013 to 2023
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1352129
PMID:39221008
|
研究论文 | 本研究通过文献计量分析，探讨了2013年至2023年轻度认知障碍领域的研究前沿和热点演化 | 利用CiteSpace和VOSviewer工具分析关键词和共引文献，总结当前研究热点和未来研究方向 | NA | 旨在构建过去十年的可视化框架，突出当前研究热点，并预测未来轻度认知障碍研究的最有成果的途径 | 轻度认知障碍相关的文献 | NA | 轻度认知障碍 | 文献计量分析 | NA | 文献 | 6075篇文章 | NA | NA | NA | NA |
| 8009 | 2024-09-04 |
Deep Learning Prediction of Inflammatory Inducing Protein Coding mRNA in P. gingivalis Released Outer Membrane Vesicles
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241277081
PMID:39221175
|
研究论文 | 本研究利用深度学习算法预测P. gingivalis外膜囊泡中诱导炎症的蛋白质编码mRNA序列 | 采用机器学习技术成功预测了Porphyromonas gingivalis外膜囊泡中的蛋白质编码mRNA序列，其中Gradient Boosting模型表现最为平衡 | 尽管模型表现良好，但统计测试显示各模型间无显著差异 | 预测P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | P. gingivalis外膜囊泡中的蛋白质编码mRNA序列 | 机器学习 | NA | 深度学习算法 | Neural Networks, Naive Bayes, Gradient Boosting | 转录组数据 | 使用NCBI GEO DATA SET GSE218606的数据 | NA | NA | NA | NA |
| 8010 | 2024-09-04 |
Consumer-priced wearable sensors combined with deep learning can be used to accurately predict ground reaction forces during various treadmill running conditions
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17896
PMID:39221284
|
研究论文 | 研究评估了使用消费者价格的可穿戴传感器结合深度学习技术，在多种跑步机跑步条件下准确预测地面反作用力的能力。 | 本研究首次展示了消费者价格的可穿戴传感器能够准确估计二维地面反作用力，适用于广泛跑步者及不同跑步强度。 | 研究仅限于跑步机上的实验，尚未在自然跑步环境中验证其准确性。 | 评估消费者价格的可穿戴传感器在多种跑步条件下预测地面反作用力的准确性。 | 研究对象为50名跑步者，包括25名女性和25名男性，他们在跑步机上以不同速度和坡度跑步。 | 机器学习 | NA | 深度学习 | LSTM神经网络 | 压力数据和惯性测量数据 | 50名跑步者（25名女性，25名男性） | NA | NA | NA | NA |
| 8011 | 2024-09-04 |
Deep learning-based quantification of brain atrophy using 2D T1-weighted MRI for Alzheimer's disease classification
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1423515
PMID:39206118
|
研究论文 | 本研究利用基于深度学习的方法，通过2D T1加权MRI量化脑萎缩，以区分阿尔茨海默病型痴呆（DAT）与认知未受损（CU）个体 | 本研究创新性地使用2D T1加权MRI结合深度学习算法，实现了成本效益更高的脑萎缩量化，同时保持或超越了3D T1加权MRI的性能 | NA | 旨在通过2D T1加权MRI实现成本效益更高的阿尔茨海默病分类 | 研究对象包括924名参与者，其中478名认知未受损（CU）和446名阿尔茨海默病型痴呆（DAT） | 机器学习 | 阿尔茨海默病 | 深度学习 | 深度学习模型 | 图像 | 924名参与者（478名CU和446名DAT） | NA | NA | NA | NA |
| 8012 | 2024-09-04 |
Dominating Alzheimer's disease diagnosis with deep learning on sMRI and DTI-MD
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1444795
PMID:39211812
|
研究论文 | 本文提出了一种名为MADNet的多模态深度学习方法，用于辅助阿尔茨海默病（AD）的诊断，通过融合sMRI和DTI-MD数据进行特征提取和分类 | MADNet采用双分支并行提取特征，结合注意力机制在决策层进行长距离依赖建模，并通过特征融合基于重要性跨模态整合信息 | NA | 开发一种有效的计算机辅助诊断方法，用于快速准确地评估AD患者的病情和受影响区域 | 阿尔茨海默病（AD）、轻度认知障碍（MCI）和认知正常（CN）患者 | 机器学习 | 老年疾病 | 深度学习 | CNN | 图像 | 包括AD、MCI和CN的公开ADNI数据集和自收集的XWNI数据集 | NA | NA | NA | NA |
| 8013 | 2024-09-04 |
Multimodal Machine Learning in Image-Based and Clinical Biomedicine: Survey and Prospects
2024, International journal of computer vision
IF:11.6Q1
DOI:10.1007/s11263-024-02032-8
PMID:39211895
|
review | 本文综述了多模态机器学习在医学图像分析和临床决策支持系统中的应用现状与前景 | 强调了多模态表示、融合、翻译、对齐和协同学习中的挑战与创新 | 存在数据偏差和生物医学领域“大数据”稀缺等挑战 | 探讨多模态模型在临床预测中的变革潜力，并强调其原则性评估和实际应用的必要性 | 多模态机器学习在医学图像分析和临床决策支持系统中的应用 | machine learning | NA | NA | deep learning | multimodal | NA | NA | NA | NA | NA |
| 8014 | 2024-09-03 |
Framework for multivariate carbon price forecasting: A novel hybrid model
2024-Aug-31, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.122275
PMID:39217908
|
研究论文 | 本研究提出了一种新的混合模型，用于多变量碳价格预测，包括特征选择、深度学习、智能优化算法、模型组合和评估指标 | 本研究通过模型组合和Pelican优化算法构建了一个混合预测模型，该模型在预测准确性、稳定性和统计假设检验方面优于其他比较模型 | NA | 旨在准确预测碳价格，为政府和企业决策者提供高精度的碳市场价格预测，并帮助投资者优化交易策略 | 碳价格及其影响因素 | 机器学习 | NA | 深度学习 | 混合模型 | 结构化和非结构化数据 | 包括湖北和上海的历史碳价格系列以及五个维度的影响因素，共二十个变量 | NA | NA | NA | NA |
| 8015 | 2024-09-03 |
A Decade of Computational Mass Spectrometry from Reference Spectra to Deep Learning
2024-Aug-21, Chimia
IF:1.1Q3
DOI:10.2533/chimia.2024.525
PMID:39221848
|
综述 | 本文综述了计算质谱学（CompMS）在过去十年中从小分子化学的谱库、谱预测到临时结构识别（注释）的进展 | 本文介绍了自动谱库管理、谱预测和分子指纹预测作为化合物注释的关键方法，并探讨了基于深度学习的生成化学在从头结构生成中的新兴应用 | NA | 探讨计算质谱学在分析化学中的应用及其对传统数据评估方法的补充作用 | 小分子化学中的谱库、谱预测和结构识别 | 计算质谱学 | NA | 深度学习 | 深度学习模型 | 质谱数据 | NA | NA | NA | NA | NA |
| 8016 | 2024-09-02 |
Smart technology for mosquito control: Recent developments, challenges, and future prospects
2024-Oct, Acta tropica
IF:2.1Q2
|
研究论文 | 本文探讨了智能技术结合数字传感器和深度学习网络在蚊子监控领域的最新进展、挑战和未来前景 | 介绍了使用计算机视觉技术和深度学习网络实时识别活体蚊子的新型智能陷阱，以及结合声学和光学传感器与机器学习技术自动分类蚊子的新方法 | 智能技术的实际工作效率需要在全球范围内进一步评估 | 研究智能技术在蚊子监控中的应用，以控制蚊媒疾病 | 主要研究对象为Aedes aegypti和Culex quinquefasciatus蚊子 | 计算机视觉 | NA | 计算机视觉技术、深度学习网络、YOLO V4深度神经网络算法 | YOLO V4深度神经网络 | 图像 | 未具体说明 | NA | NA | NA | NA |
| 8017 | 2024-09-02 |
A comprehensive approach for evaluating lymphovascular invasion in invasive breast cancer: Leveraging multimodal MRI findings, radiomics, and deep learning analysis of intra- and peritumoral regions
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文通过比较术前多模态磁共振成像（MRI）基于放射组学和深度学习（DL）模型的诊断性能，评估了乳腺癌中的淋巴血管侵犯（LVI）。 | 本文创新性地结合了多模态MRI、放射组学和深度学习分析，构建了混合模型，显著提高了LVI状态的诊断效率。 | 本研究为回顾性研究，样本量相对较小，未来需要在前瞻性研究和更大样本量中验证结果。 | 评估和比较基于多模态MRI的放射组学和深度学习模型在乳腺癌LVI诊断中的性能。 | 乳腺癌患者中的淋巴血管侵犯（LVI）。 | 数字病理学 | 乳腺癌 | 多模态MRI | 深度学习模型 | 图像 | 262名乳腺癌患者，其中训练组183人，验证组79人。 | NA | NA | NA | NA |
| 8018 | 2024-09-02 |
ScribSD+: Scribble-supervised medical image segmentation based on simultaneous multi-scale knowledge distillation and class-wise contrastive regularization
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为ScribSD+的新框架，该框架基于多尺度知识蒸馏和类间对比正则化，用于从涂鸦注释中学习医学图像分割 | 引入了多尺度预测级别的知识蒸馏和类间对比正则化，有效提高了学生网络的分割性能 | NA | 减少医学图像分割中对大量像素级手动注释的依赖，降低注释成本 | 心脏结构分割和胎盘及胎儿脑部MRI分割 | 计算机视觉 | NA | 多尺度知识蒸馏，类间对比正则化 | CNN | 图像 | ACDC数据集和胎儿MRI数据集 | NA | NA | NA | NA |
| 8019 | 2024-09-02 |
PCa-RadHop: A transparent and lightweight feed-forward method for clinically significant prostate cancer segmentation
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种名为PCa-RadHop的透明且轻量级的前馈方法，用于临床显著性前列腺癌的分割 | PCa-RadHop采用Green Learning范式，提供了一个小模型尺寸和低复杂度的线性模型，增强了特征的可解释性 | NA | 旨在提供一个更透明的特征提取过程，并减少前列腺癌诊断中的假阳性率 | 临床显著性前列腺癌的分割 | 机器学习 | 前列腺癌 | NA | 线性模型 | 图像 | 1000名患者 | NA | NA | NA | NA |
| 8020 | 2024-09-02 |
Enhancing trabecular CT scans based on deep learning with multi-strategy fusion
2024-Sep, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文研究了基于深度学习的3D小梁CT图像恢复技术，引入了Cascade-SwinUNETR和DVSR3D两种模型，并提出了无监督域适应方法 | 引入了Cascade-SwinUNETR和DVSR3D模型，以及无监督域适应方法，提高了特征提取能力和模型适应性 | NA | 提高小梁骨分析的准确性，改善骨健康评估和诊断 | 3D小梁CT图像 | 计算机视觉 | NA | 深度学习 | CNN, Transformer, Autoencoder | 图像 | 新构建的双视角数据集 | NA | NA | NA | NA |