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 12189 篇文献，本页显示第 8541 - 8560 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8541 | 2024-08-28 |
Deep learning-assisted diagnosis of benign and malignant parotid gland tumors based on automatic segmentation of ultrasound images: a multicenter retrospective study
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1417330
PMID:39184051
|
研究论文 | 本研究构建了基于超声图像自动分割的深度学习辅助诊断模型，以帮助放射科医生区分良性和恶性腮腺肿瘤 | 本研究采用多种深度学习模型进行超声图像的自动分割，并评估了这些模型在辅助诊断中的性能 | NA | 构建和评估基于超声图像自动分割的深度学习模型，以提高放射科医生对腮腺肿瘤的诊断性能 | 良性和恶性腮腺肿瘤的诊断 | 计算机视觉 | 腮腺肿瘤 | 深度学习 | ResNet18, Inception_v3, Deeplabv3, UNet++, UNet | 图像 | 582名经组织病理学诊断的腮腺肿瘤患者 | NA | NA | NA | NA |
| 8542 | 2024-08-28 |
TF-EPI: an interpretable enhancer-promoter interaction detection method based on Transformer
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1444459
PMID:39184348
|
研究论文 | 本研究开发了一种基于Transformer的深度学习模型TF-EPI，用于从DNA序列中检测增强子-启动子相互作用 | TF-EPI模型利用Transformer的注意力机制，识别了特定细胞类型的增强子和启动子中的独特基序和序列，并通过数据库验证，揭示了新的生物学见解 | NA | 旨在理解基因表达调控、疾病机制等关键的增强子-启动子相互作用 | 增强子-启动子相互作用 | 机器学习 | NA | Transformer | Transformer | DNA序列 | 多个基准数据集 | NA | NA | NA | NA |
| 8543 | 2024-08-28 |
Enhanced accuracy with Segmentation of Colorectal Polyp using NanoNetB, and Conditional Random Field Test-Time Augmentation
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1387491
PMID:39184863
|
研究论文 | 本文提出了一种新型的轻量级增强型Nanonet模型，通过使用NanonetB、条件随机场（CRF）和测试时增强（TTA）技术，实现了实时且精确的结肠镜图像分割，以帮助内镜医师及时诊断和干预结直肠息肉 | 本文的创新点在于提出了一种增强型Nanonet模型，结合CRF和TTA技术，提高了模型在不同数据集上的泛化能力和对小尺寸及扁平息肉的检测能力 | NA | 研究目的是开发一种准确、轻量级的模型，以实现无缝集成到内镜硬件设备中，提高结直肠息肉的检测效率 | 研究对象是结直肠息肉的图像分割 | 计算机视觉 | 结直肠癌 | 条件随机场（CRF），测试时增强（TTA） | NanonetB | 图像 | 使用了六个公开数据集进行评估，包括Kvasir-SEG、Endotect Challenge 2020、Kvasir-instrument、CVC-ClinicDB、CVC-ColonDB和CVC-300 | NA | NA | NA | NA |
| 8544 | 2024-08-28 |
An Innovative Deep Learning Approach to Spinal Fracture Detection in CT Images
2024, Annali italiani di chirurgia
IF:0.9Q3
DOI:10.62713/aic.3498
PMID:39186337
|
研究论文 | 本研究提出了一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 本研究通过整合YOLO V7模型与ELAN和MPConv架构，显著减少了计算处理过程中小尺度信息的损失，从而提高了检测准确性 | 未来的研究应包括交叉验证和独立验证及测试集，以评估模型的鲁棒性和泛化能力 | 开发一种创新的深度学习方法，用于在CT图像中检测脊柱骨折，特别是椎体压缩骨折 | 脊柱骨折，特别是椎体压缩骨折 | 计算机视觉 | 脊柱骨折 | YOLO V7模型，ELAN，MPConv架构 | YOLO V7 | CT图像 | 240张CT图像 | NA | NA | NA | NA |
| 8545 | 2024-08-27 |
Research on terahertz image analysis of thin-shell seeds based on semantic segmentation
2024-Dec-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124897
PMID:39094271
|
研究论文 | 本研究探讨了结合太赫兹时域光谱和成像与语义分割模型，用于快速无损评估薄壳种子内部结构和质量特征 | 本研究首次采用DeepLab V3+模型进行种子组织自动分割，显著提高了速度和准确性 | NA | 探索太赫兹成像技术与深度学习模型在薄壳种子内部结构和质量评估中的应用 | 120个来自三种不同品种的西瓜种子 | 计算机视觉 | NA | 太赫兹时域光谱和成像 | DeepLab V3+ | 图像 | 120个西瓜种子样本 | NA | NA | NA | NA |
| 8546 | 2024-08-27 |
Neuroimaging biomarkers for the diagnosis and prognosis of patients with disorders of consciousness
2024-Nov-15, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2024.149133
PMID:39084451
|
综述 | 本文综述了利用神经影像学和电生理技术在意识障碍患者中诊断和预后评估的神经影像生物标志物的研究进展 | 神经影像技术能够揭示传统行为评估可能忽视的隐蔽意识，结合不同任务范式或分析方法可以显著提高诊断和预后的准确性 | 神经生物标志物的稳定性仍需进一步验证，未来研究可能需要结合大数据和深度学习方法 | 探讨神经影像生物标志物在意识障碍患者中的临床应用价值 | 意识障碍患者的脑活动模式 | 神经影像学 | 意识障碍 | 功能性磁共振成像(fMRI)、静息态功能磁共振成像(rs-fMRI)、脑电图(EEG)、正电子发射断层扫描(PET) | NA | 影像数据 | NA | NA | NA | NA | NA |
| 8547 | 2024-08-27 |
Multi-instance learning attention model for amyloid quantification of brain sub regions in longitudinal cognitive decline
2024-Nov-01, Brain research
IF:2.7Q3
DOI:10.1016/j.brainres.2024.149103
PMID:38955250
|
研究论文 | 本研究旨在开发一种深度学习模型，通过PET扫描自动检测大脑不同区域的淀粉样蛋白沉积，无需相应的MRI扫描 | 提出了一种基于多实例学习和注意力的深度学习模型，该模型在ADNI和A4研究的外部数据集上表现优于现有模型 | NA | 开发一种能够仅通过PET扫描自动检测大脑不同区域淀粉样蛋白沉积的深度学习模型 | 大脑不同区域的淀粉样蛋白沉积 | 机器学习 | 阿尔茨海默病 | PET扫描 | 多实例学习注意力模型 | 图像 | 2647个F-Florbetapir PET扫描用于训练和验证，1413个F-Florbetapir PET扫描用于外部数据集测试 | NA | NA | NA | NA |
| 8548 | 2024-08-27 |
An integrated CBLA-Net with fractional discrete wavelet transform and frequency-based CARS to predict heavy metal elements by XRF
2024-Sep-22, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.343073
PMID:39182974
|
研究论文 | 本文提出了一种综合框架，用于通过XRF预测土壤中重金属元素的浓度，包括预处理、变量选择和决策制定 | 引入了基于分数离散小波变换的最优去噪方法和基于频率的竞争自适应重加权采样算法进行特征选择，并设计了一种新的深度学习网络CBLA-Net，用于精确估计重金属元素浓度 | NA | 提高通过XRF技术预测土壤中重金属元素浓度的准确性 | 土壤中的重金属元素浓度 | 机器学习 | NA | XRF | CBLA-Net | 光谱数据 | 未具体说明样本数量 | NA | NA | NA | NA |
| 8549 | 2024-08-27 |
In vivo ultrasound localization microscopy for high-density microbubbles
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107410
PMID:39084108
|
研究论文 | 本文介绍了一种结合Transformer和U-Net架构的深度学习框架ULM-TransUNet，用于提高高密度微泡条件下的超声定位显微成像质量 | 提出了ULM-TransUNet框架，能够学习重叠微泡的复杂数据模式，提高定位精度 | 目前仅通过数值模拟和体内实验验证，尚未在临床广泛应用 | 旨在提高高密度微泡条件下的超声定位显微成像性能 | 高密度微泡的超声定位显微成像 | 计算机视觉 | NA | 超声定位显微成像（ULM） | Transformer和U-Net | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 8550 | 2024-08-27 |
Spectral analysis enhanced net (SAE-Net) to classify breast lesions with BI-RADS category 4 or higher
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107406
PMID:39047350
|
research paper | 本文提出了一种名为SAE-Net的新型网络，结合组织微观结构信息与形态学信息，用于提高高级别乳腺病变的识别 | SAE-Net通过结合灰度图像分支和光谱模式分支，能够同时学习图像形态学特征和超声射频信号的微观结构特征 | NA | 提高乳腺超声筛查中高级别乳腺病变的识别准确性 | 乳腺病变，特别是BI-RADS分类为4级或以上的病变 | computer vision | breast cancer | NA | CNN | image | NA | NA | NA | NA | NA |
| 8551 | 2024-08-27 |
Deep coherence learning: An unsupervised deep beamformer for high quality single plane wave imaging in medical ultrasound
2024-Sep, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107408
PMID:39094387
|
研究论文 | 本文提出了一种新的无监督学习方法——深度相干学习（DCL），用于提高医学超声中单平面波成像（PWI）的质量 | 提出的DCL-based深度学习波束形成器（DL-DCL）能够从低质量的单平面波数据中生成高质量的PWI，并具有通用波束形成能力 | NA | 旨在通过深度学习技术提高医学超声中单平面波成像的质量 | 医学超声中的单平面波成像 | 计算机视觉 | NA | 深度学习 | 深度相干学习（DCL） | 图像 | 使用公开数据集进行了模拟、幻影和体内研究 | NA | NA | NA | NA |
| 8552 | 2024-08-27 |
Deep learning based diagnosis of PTSD using 3D-CNN and resting-state fMRI data
2024-Sep, Psychiatry research. Neuroimaging
|
研究论文 | 本研究使用基于深度学习的三维卷积神经网络（3D-CNN）和静息态功能磁共振成像（rs-fMRI）数据来诊断创伤后应激障碍（PTSD） | 本研究首次使用3D-CNN模型对rs-fMRI数据进行分析，显示出比其他六种机器学习技术更高的分类准确率 | NA | 旨在通过分类PTSD患者与健康对照来准确检测PTSD | PTSD患者与健康对照的rs-fMRI扫描数据 | 机器学习 | 心理疾病 | 功能磁共振成像（fMRI） | 三维卷积神经网络（3D-CNN） | 图像 | 19名PTSD男性患者和24名健康对照男性 | NA | NA | NA | NA |
| 8553 | 2024-08-27 |
scSwinFormer: A Transformer-Based Cell-Type Annotation Method for scRNA-Seq Data Using Smooth Gene Embedding and Global Features
2024-Aug-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00616
PMID:39101690
|
研究论文 | 本文介绍了一种基于Transformer的深度学习方法scSwinFormer，用于大规模scRNA-seq数据的细胞类型注释 | scSwinFormer通过平滑基因嵌入模块和自注意力模块捕捉基因间的潜在依赖关系，并利用Cell Token整合scRNA-seq数据中的全局信息，提高了细胞类型注释的准确性 | NA | 开发一种新的方法来提高scRNA-seq数据细胞类型注释的准确性 | scRNA-seq数据的细胞类型注释 | 机器学习 | NA | scRNA-seq | Transformer | 基因表达数据 | 多个真实数据集 | NA | NA | NA | NA |
| 8554 | 2024-08-27 |
Denoising Drug Discovery Data for Improved Absorption, Distribution, Metabolism, Excretion, and Toxicity Property Prediction
2024-Aug-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00639
PMID:39108185
|
研究论文 | 本文开发了一种基于深度学习的去噪方案，用于提高小分子吸收、分布、代谢、排泄和毒性（ADMET）属性预测的准确性 | 首次提出使用训练误差（TE）作为噪声检测指标，通过微调原始模型与去噪数据来提高ADMET数据模型的性能 | 该方法主要适用于中等噪声的模型，对于低噪声和高噪声模型的性能改善有限 | 提高ADMET属性预测模型的准确性 | 小分子的ADMET属性 | 机器学习 | NA | 深度学习 | NA | 数据 | NA | NA | NA | NA | NA |
| 8555 | 2024-08-27 |
DDSBC: A Stacking Ensemble Classifier-Based Approach for Breast Cancer Drug-Pair Cell Synergy Prediction
2024-Aug-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c01101
PMID:39116326
|
研究论文 | 本文介绍了一种针对乳腺癌药物组合细胞协同作用的堆叠集成分类器DDSBC | DDSBC专门针对乳腺癌设计，与跨癌症类型的现有模型相比，提供了更专注的方法 | 在某些指标上，其他方法略微超过DDSBC 1-2% | 旨在提高乳腺癌药物组合协同作用的预测准确性 | 乳腺癌药物组合的细胞协同作用 | 机器学习 | 乳腺癌 | NA | 堆叠集成分类器 | NA | NA | NA | NA | NA | NA |
| 8556 | 2024-08-27 |
Transformers for Molecular Property Prediction: Lessons Learned from the Past Five Years
2024-Aug-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00747
PMID:39136669
|
综述 | 本文综述了过去五年中使用transformer模型进行分子性质预测的研究进展 | 分析了当前可用的模型，并探讨了训练和微调transformer模型时出现的关键问题，如预训练数据的选择和规模、最佳架构选择以及有前景的预训练目标 | 强调了比较不同模型时的挑战，需要标准化的数据分割和稳健的统计分析 | 旨在从当前使用transformer模型进行分子性质预测的研究中提炼见解 | 分析transformer模型在分子性质预测中的应用 | 机器学习 | NA | transformer模型 | transformer | 分子数据 | NA | NA | NA | NA | NA |
| 8557 | 2024-08-27 |
MGNDTI: A Drug-Target Interaction Prediction Framework Based on Multimodal Representation Learning and the Gating Mechanism
2024-Aug-26, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00957
PMID:39137398
|
研究论文 | 本文提出了一种基于多模态表示学习和门控机制的药物-靶点相互作用预测框架MGNDTI | MGNDTI通过多模态表示学习和门控机制，有效提取药物和靶点的联合表示，并在多个数据集上显著优于现有方法 | NA | 加速药物发现和促进药物再定位 | 药物-靶点相互作用预测 | 机器学习 | NA | 图卷积网络 | 多模态门控网络 | 序列数据，分子图 | 使用了四个数据集（Human, BioSNAP, BindingDB）进行实验 | NA | NA | NA | NA |
| 8558 | 2024-08-27 |
The use of artificial neural networks in studying the progression of glaucoma
2024-08-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70748-1
PMID:39179625
|
研究论文 | 本文利用人工神经网络研究青光眼的发展过程，通过分析医疗记录中的数据来预测和辅助诊断 | 本文采用医疗记录数据而非图像处理，能够包含大量参数，突出其潜在影响 | 处理医疗记录数据较为困难 | 研究青光眼的发展过程，支持早期诊断和个性化治疗 | 青光眼患者 | 机器学习 | 眼科疾病 | 人工神经网络 | 神经网络 | 医疗记录 | 大量参数 | NA | NA | NA | NA |
| 8559 | 2024-08-27 |
Evaluation of perceived urgency from single-trial EEG data elicited by upper-body vibration feedback using deep learning
2024-08-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70508-1
PMID:39179642
|
研究论文 | 本研究利用深度学习方法，从单次脑电图（EEG）数据中评估由上身振动反馈引起的感知紧迫性 | 引入了一种新的方法，通过结合2D卷积神经网络和时间卷积网络来捕捉脑电图的空间和时间特征，以评估感知紧迫性 | 提出的模型仅在 urgency-via-vibration 数据集上进行了测试，可能影响研究结果的泛化性 | 评估在关键通知期间由振动反馈引起的紧迫性水平 | 通过脑电图技术评估用户的认知状态 | 机器学习 | NA | 脑电图（EEG） | 2D卷积神经网络和时间卷积网络 | 脑电图数据 | 涉及三个紧迫性类别（不紧急、紧急和非常紧急）的单次脑电图数据 | NA | NA | NA | NA |
| 8560 | 2024-08-27 |
A novel image semantic communication method via dynamic decision generation network and generative adversarial network
2024-Aug-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-70619-9
PMID:39179724
|
研究论文 | 本文提出了一种新的图像语义通信模型，该模型结合了动态决策生成网络和生成对抗网络，以有效压缩传输图像并减少重建图像的失真 | 该模型通过语义编码和动态决策生成网络在发射端根据信道的信噪比选择特征，并在接收端通过生成器/解码器与判别器网络合作，通过对抗和感知损失提高图像重建质量 | NA | 解决图像语义通信中有效压缩传输图像和减少重建图像失真的挑战 | 图像语义通信模型 | 计算机视觉 | NA | 生成对抗网络 | 生成对抗网络 | 图像 | 使用CIFAR-10数据集进行实验 | NA | NA | NA | NA |