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 12108 篇文献，本页显示第 8721 - 8740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8721 | 2024-08-19 |
Advances in the Clinical Application of High-throughput Proteomics
2024 Jul-Sep, Exploratory research and hypothesis in medicine
DOI:10.14218/erhm.2024.00006
PMID:39148720
|
综述 | 本文综述了高通量蛋白质组学在临床应用中的最新进展，并讨论了相关的挑战、优势和未来方向 | 高通量蛋白质组学具有识别新的全局蛋白质网络、发现新蛋白质以及与其他组学数据协同整合的优势 | 高通量蛋白质组学在临床应用中面临蛋白质性质多样、统计模型限制、数据提交、整合和协调的技术和物流困难以及临床验证和考虑的监管要求等挑战 | 探讨高通量蛋白质组学在临床应用中的进展和未来方向 | 研究对象包括乳腺癌、膀胱癌、喉鳞状细胞癌、胃癌、结直肠癌和冠状病毒病2019 | 数字病理学 | NA | 数据独立采集质谱、纳米孔基蛋白质组学、4D蛋白质组学、二次离子质谱 | 深度学习模型 | 蛋白质组学数据 | NA | NA | NA | NA | NA |
| 8722 | 2024-08-19 |
Prognostic potentials of AI in ophthalmology: systemic disease forecasting via retinal imaging
2024-May-06, Eye and vision (London, England)
DOI:10.1186/s40662-024-00384-3
PMID:38711111
|
综述 | 本文综述了利用人工智能（AI）和深度学习（DL）通过视网膜成像预测系统性疾病的研究进展 | 强调了AI基于视网膜生物标志物在预测神经退行性疾病、心血管疾病和慢性肾脏疾病中的重要作用，以及长期预测模型在连续疾病风险评估和早期检测中的潜力 | 为了充分发挥AI在这一领域的潜力，需要在现实世界环境中进行更多的研究和验证 | 探索视网膜评估的价值，AI基础的视网膜生物标志物，以及纵向预测模型在个性化护理中的重要性 | 研究对象包括视网膜成像、AI模型及其在预测系统性疾病中的应用 | 计算机视觉 | NA | 深度学习（DL） | NA | 图像 | NA | NA | NA | NA | NA |
| 8723 | 2024-08-19 |
Forecasting CO2 emissions of fuel vehicles for an ecological world using ensemble learning, machine learning, and deep learning models
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2234
PMID:39145202
|
研究论文 | 本研究通过比较分析18种基于机器学习、集成学习和深度学习范式的回归算法，评估和预测燃油车辆的二氧化碳排放量 | 研究发现集成学习方法具有更高的预测准确性和更低的误差率，其中包含极端梯度提升（XGB）、随机森林和轻梯度提升机（LGBM）的算法表现尤为突出 | 深度学习模型虽然能达到高R2值，但训练时间更长且需要更多计算资源 | 旨在估计和减少车辆二氧化碳排放，促进环境可持续性和减少大气中的温室气体排放 | 燃油车辆的二氧化碳排放量 | 机器学习 | NA | 回归分析 | 集成学习算法、深度学习模型（如CNN、DNN和GRU） | NA | NA | NA | NA | NA | NA |
| 8724 | 2024-08-19 |
Detecting images generated by diffusers
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2127
PMID:39145210
|
研究论文 | 本文探讨了通过文本到图像扩散模型生成的图像的检测任务，评估了使用不同模型和数据集的检测效果 | 提出使用多层感知器（MLP）和卷积神经网络（CNN）从CLIP或RoBERTa提取的特征中检测生成图像，并发现结合文本信息可以提高泛化能力 | 模型在某些情况下可能无法准确区分由不同扩散模型生成的图像 | 研究如何准确可靠地区分真实图像和由文本到图像扩散模型生成的合成图像 | 通过文本到图像扩散模型生成的图像，特别是来自MSCOCO和Wikimedia数据集的图像 | 计算机视觉 | NA | 文本到图像扩散模型 | 多层感知器（MLP），卷积神经网络（CNN） | 图像 | 使用MSCOCO和Wikimedia数据集中的图像进行实验 | NA | NA | NA | NA |
| 8725 | 2024-08-19 |
Bacterial image analysis using multi-task deep learning approaches for clinical microscopy
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2180
PMID:39145215
|
研究论文 | 本文利用多任务深度学习方法对细菌显微图像进行分析，以自动化检测和分类细菌 | 本文开发了三种深度学习算法（SSD-MobileNetV2、EfficientDet和YOLOv4）来自动检测和分类大肠杆菌的不同生长阶段 | NA | 研究旨在通过深度学习技术自动化细菌显微图像的检测和分类 | 大肠杆菌的不同生长阶段，包括杆状细胞、分裂细胞和微菌落 | 计算机视觉 | NA | 深度学习 | SSD-MobileNetV2, EfficientDet, YOLOv4 | 图像 | NA | NA | NA | NA | NA |
| 8726 | 2024-08-19 |
Mining software insights: uncovering the frequently occurring issues in low-rating software applications
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2115
PMID:39145243
|
研究论文 | 本研究聚焦于从亚马逊应用商店中收集的64个低评分应用的终端用户评论，通过内容分析和扎根理论方法，识别影响软件进化的关键概念，并评估机器学习和深度学习算法在自动分类用户反馈中的表现 | 本研究首次专注于低评分软件应用的用户反馈分析，并开发了一种基于扎根理论和内容分析的方法来识别常见问题 | 研究仅限于亚马逊应用商店中的64个低评分应用，可能无法完全代表所有低评分软件应用的情况 | 探讨低评分软件应用中频繁出现的问题，并评估机器学习和深度学习算法在自动分类用户反馈中的有效性 | 64个低评分软件应用的用户反馈 | 自然语言处理 | NA | 机器学习, 深度学习 | CNN, LSTM, BiLSTM, GRU, BiGRU, RNN, MLP, RF, KNN, AdaBoost, Voting | 文本 | 64个低评分应用 | NA | NA | NA | NA |
| 8727 | 2024-08-19 |
Recognition of inscribed cursive Pashtu numeral through optimized deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2124
PMID:39145239
|
研究论文 | 研究提出了一种优化的机器学习模型，用于从0到9识别手写Pashtu数字 | 提出的LSTM模型在识别Pashtu数字方面略优于CNN模型 | NA | 提出一种能够有效识别Pashtu数字的优化机器学习模型 | Pashtu数字从0到9 | 机器学习 | NA | 光学字符识别（OCR） | LSTM和CNN | 图像 | 数据集按80:20的比例分割 | NA | NA | NA | NA |
| 8728 | 2024-08-19 |
A novel 3D LiDAR deep learning approach for uncrewed vehicle odometry
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2189
PMID:39145248
|
研究论文 | 本文提出了一种基于3D LiDAR和深度学习的无人车辆里程计方法 | 利用基于点云的深度学习替代传统的基于卷积神经网络（CNN）的方法，并使用正态分布变换（NDT）算法优化深度学习模型的粗略姿态估计 | NA | 提高下一代自主车辆在不确定环境下的自定位和姿态注册的精确度 | 无人车辆的里程计 | 机器学习 | NA | LiDAR-based localization and mapping (LOAM) | 深度学习模型 | 点云 | NA | NA | NA | NA | NA |
| 8729 | 2024-08-19 |
Natural language processing with transformers: a review
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2222
PMID:39145251
|
综述 | 本文综述了基于Transformer的自然语言处理（NLP）任务解决方案，包括BERT和GPT架构 | 系统总结并比较了基于Transformer架构的NLP应用 | NA | 旨在简要总结NLP任务的使用案例及其主要架构 | NLP任务及其基于Transformer的解决方案 | 自然语言处理 | NA | Transformer | BERT, GPT | 文本 | NA | NA | NA | NA | NA |
| 8730 | 2024-08-19 |
Efficient prediction of anticancer peptides through deep learning
2024, PeerJ. Computer science
DOI:10.7717/peerj-cs.2171
PMID:39145253
|
研究论文 | 本研究利用二维卷积神经网络（2D CNN）深度学习模型，旨在提高抗癌肽预测的准确性 | 提出的2D CNN模型在预测抗癌肽方面表现优于现有方法，准确率、精确度、召回率和F1分数均较高 | 未来研究应扩大数据集，探索其他深度学习架构，并通过实验研究验证模型预测 | 开发和评估一个基于2D CNN的深度学习模型，以提高抗癌肽预测的准确性 | 抗癌肽的预测和识别 | 机器学习 | 癌症 | 2D CNN | 2D CNN | 序列 | 来自多个公共数据库和实验研究的多样化肽序列数据集 | NA | NA | NA | NA |
| 8731 | 2024-08-19 |
Adversarial Learning for MRI Reconstruction and Classification of Cognitively Impaired Individuals
2024, IEEE access : practical innovations, open solutions
IF:3.4Q2
DOI:10.1109/access.2024.3408840
PMID:39148927
|
研究论文 | 开发了一种双目标对抗学习框架，用于同时重建高质量的脑部磁共振图像并保留疾病特异性成像特征，以预测从轻度认知障碍到阿尔茨海默病的进展 | 引入了一种双目标对抗学习框架，结合生成对抗网络和分类器，以在重建高质量脑部MRI的同时保留疾病特异性成像特征 | NA | 开发一种新的深度学习框架，用于提高脑部MRI的重建质量和疾病特异性成像特征的保留 | 轻度认知障碍（MCI）到阿尔茨海默病（AD）的进展预测 | 计算机视觉 | 阿尔茨海默病 | 生成对抗网络（GAN） | GAN | 图像 | 来自阿尔茨海默病神经成像倡议（ADNI）的342名参与者和国家阿尔茨海默病协调中心（NACC）的190名参与者 | NA | NA | NA | NA |
| 8732 | 2024-08-19 |
An automatic glaucoma grading method based on attention mechanism and EfficientNet-B3 network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0296229
PMID:39150930
|
研究论文 | 本文提出了一种基于注意力机制和EfficientNet-B3网络的自动青光眼分级方法 | 该方法通过结合EfficientNetB3和ResNet34网络，从2D眼底图像和3D-OCT扫描图像中提取并融合特征，引入注意力机制以提高分类准确性，并减少特征冗余 | 该研究使用的是私有数据集，可能存在数据集大小和多样性的限制 | 旨在提高青光眼的早期识别和分级准确性 | 青光眼患者的眼底图像和3D-OCT扫描图像 | 计算机视觉 | 青光眼 | NA | CNN | 图像 | 包含2D眼底图像和3D-OCT扫描图像的私有数据集 | NA | NA | NA | NA |
| 8733 | 2024-08-19 |
A scalable blockchain-enabled federated learning architecture for edge computing
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308991
PMID:39150937
|
研究论文 | 本文提出了一种基于区块链的可扩展联邦学习架构FLCoin，用于边缘计算 | 提出了一种新的委员会基于的共识处理方法，并采用双层区块链架构，确保了系统的可扩展性和效率 | 未提及 | 探索区块链和联邦学习技术在物联网边缘网络中的集成 | 边缘计算中的数据处理和智能生成 | 机器学习 | NA | 区块链，联邦学习 | CNN | 图像 | 使用MNIST数据集进行实验 | NA | NA | NA | NA |
| 8734 | 2024-08-18 |
Artificial intelligence in antidiabetic drug discovery: The advances in QSAR and the prediction of α-glucosidase inhibitors
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.07.003
PMID:39148608
|
综述 | 本文综述了人工智能在抗糖尿病药物发现中的应用，特别是定量构效关系（QSAR）分析和α-葡萄糖苷酶抑制剂的预测 | 介绍了从经典机器学习算法到现代深度学习算法在QSAR模型开发中的应用 | NA | 探讨人工智能在抗糖尿病药物发现中的应用，特别是QSAR分析和α-葡萄糖苷酶抑制剂的预测 | 抗糖尿病药物目标α-葡萄糖苷酶的调节 | 机器学习 | 糖尿病 | QSAR | 机器学习算法，深度学习算法 | 分子描述符 | NA | NA | NA | NA | NA |
| 8735 | 2024-08-18 |
Quantitative modelling of Plato and total flavonoids in Qingke wort at mashing and boiling stages based on FT-IR combined with deep learning and chemometrics
2024-Oct-30, Food chemistry: X
DOI:10.1016/j.fochx.2024.101673
PMID:39148529
|
研究论文 | 本研究首次使用傅里叶变换红外光谱（FT-IR）结合深度学习方法，对青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量进行建模和分析，并与传统化学计量学方法进行比较 | 首次将FT-IR与深度学习结合用于啤酒酿造过程中的质量控制分析 | NA | 探索深度学习在啤酒酿造质量控制分析中的应用 | 青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量 | 机器学习 | NA | FT-IR | LSTM | 红外光谱数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 8736 | 2024-08-18 |
Advancing deep learning-based acoustic leak detection methods towards application for water distribution systems from a data-centric perspective
2024-Sep-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.121999
PMID:38941677
|
研究论文 | 本研究探讨了数据增强技术对基于深度学习的水分配系统声学泄漏检测方法的影响 | 提出了五种基于随机变换的数据增强方法，并通过实验验证了这些方法在提高泄漏检测准确性方面的作用 | 研究主要集中在数据增强技术上，未涉及模型结构或其他可能影响性能的因素 | 从数据中心的角度推进基于人工智能的声学泄漏检测技术，使其更接近实际应用 | 水分配系统中的声学泄漏检测 | 机器学习 | NA | 数据增强 | 卷积神经网络 | 声学信号 | 使用来自真实水分配系统的声学信号进行数据增强和验证 | NA | NA | NA | NA |
| 8737 | 2024-08-18 |
Deep-Learning for Rapid Estimation of the Out-of-Field Dose in External Beam Photon Radiation Therapy - A Proof of Concept
2024-Sep-01, International journal of radiation oncology, biology, physics
DOI:10.1016/j.ijrobp.2024.03.007
PMID:38554830
|
research paper | 本文提出了一种基于深度学习的概念验证方法，用于快速估计外部光子束放射治疗中的场外剂量 | 使用3D U-Net模型进行场外剂量图的预测，展示了前所未有的泛化能力 | 该方法仍有限制，但更接近于临床常规实施 | 开发一种适用于临床实施的场外剂量估计工具 | 外部光子束放射治疗中的场外剂量 | machine learning | NA | deep learning | CNN | image | 3151名儿科患者用于学习和性能评估，433名患者用于测试 | NA | NA | NA | NA |
| 8738 | 2024-08-18 |
ChineseMPD: A Semantic Segmentation Dataset of Chinese Martial Arts Classic Movie Props
2024-Aug-14, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-03701-6
PMID:39143093
|
research paper | 本文介绍了一个大规模、高精度的中国武侠电影道具语义分割数据集ChineseMPD | ChineseMPD数据集是目前最大的电影道具语义分割数据集，为电影道具提供了详细的语义分割标注 | NA | 填补现有语义分割数据集在动作电影道具方面的研究空白 | 中国武侠电影片段中的道具 | computer vision | NA | deep learning | NA | video | 32,992个道具对象 | NA | NA | NA | NA |
| 8739 | 2024-08-18 |
Segmentation of ovarian cyst in ultrasound images using AdaResU-net with optimization algorithm and deep learning model
2024-08-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-69427-y
PMID:39143122
|
研究论文 | 本研究提出了一种基于深度学习的卵巢囊肿超声图像分割技术，使用AdaResU-net和优化算法进行精确分割和分类 | 本研究采用了自适应卷积神经网络AdaResU-net和野马优化算法WHO，以及金字塔扩张卷积网络PDC，提高了分割准确性 | NA | 提高卵巢囊肿的诊断准确性和患者护理效果 | 卵巢囊肿的超声图像 | 计算机视觉 | 卵巢囊肿 | 深度学习 | AdaResU-net, PDC | 图像 | 卵巢超声囊肿图像数据库 | NA | NA | NA | NA |
| 8740 | 2024-08-18 |
Development and performance evaluation of fully automated deep learning-based models for myocardial segmentation on T1 mapping MRI data
2024-08-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-69529-7
PMID:39143126
|
研究论文 | 开发并评估基于深度学习的全自动模型，用于在T1加权心脏MRI数据上进行左心室心肌分割 | 使用U-Net架构，通过系统优化模型设计，包括两种训练指标（DSC和IOU）、两种激活函数（ReLU和LeakyReLU）及不同训练周期数，实现了高精度的左心室心肌分割 | NA | 开发一种能够分割心脏MRI原生T1图上左心室心肌的深度学习模型 | 左心室心肌在心脏MRI原生T1图上的分割 | 机器学习 | NA | MRI | U-Net | 图像 | 50名健康志愿者和75名患者 | NA | NA | NA | NA |