深度学习在生物医药领域中的应用
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，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10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 12057 篇文献，本页显示第 8781 - 8800 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8781 | 2024-08-09 |
Auto-Spikformer: Spikformer architecture search
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1372257
PMID:39108310
|
研究论文 | 本文提出了一种名为Auto-Spikformer的一次性脉冲Transformer架构搜索方法，旨在减少Spiking Neural Networks（SNNs）中的能量消耗 | Auto-Spikformer通过扩展搜索空间包括Transformer架构和SNN内部参数，并采用权重纠缠、进化搜索和离散脉冲参数搜索（DSPS）方法，实现了子网性能的提升 | NA | 研究如何通过架构搜索方法减少Spiking Neural Networks中的能量消耗 | Spiking Neural Networks（SNNs）及其架构 | 机器学习 | NA | 进化搜索、离散脉冲参数搜索（DSPS） | Spikformer | NA | NA |
| 8782 | 2024-08-09 |
Improving image quality and in-stent restenosis diagnosis with high-resolution "double-low" coronary CT angiography in patients after percutaneous coronary intervention
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1330824
PMID:39108672
|
研究论文 | 本研究旨在探讨高分辨率、低剂量的冠状CT血管造影（CCTA）结合深度学习图像重建（DLIR）和第二代运动校正算法（SSF2）的图像质量及其对支架内再狭窄（ISR）的诊断准确性 | 采用高分辨率、低剂量的CCTA结合DLIR和SSF2算法，相比于标准剂量的CCTA和ASIR-V及SSF1算法，显著提高了图像质量和诊断性能 | NA | 研究高分辨率、低剂量CCTA的图像质量和诊断支架内再狭窄的准确性 | 接受经皮冠状动脉介入治疗（PCI）后疑似支架内再狭窄的患者 | 数字病理学 | 心血管疾病 | 冠状CT血管造影（CCTA） | 深度学习图像重建（DLIR） | 图像 | 105名患者，分为低剂量组（60名）和高剂量组（45名） |
| 8783 | 2024-08-09 |
A robust ensemble deep learning framework for accurate diagnoses of tuberculosis from chest radiographs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1391184
PMID:39109222
|
研究论文 | 本研究提出了一种基于胸部X光片的结核病诊断的鲁棒集成深度学习框架，包含43个不同模型，用于识别活动性结核病例及其临床亚型分类 | 该框架采用多种特征提取器和三种融合策略（投票、基于注意力或串联方法），在融合阶段进行最终分类，具有自我修正能力，提高了亚型识别的准确性 | 尽管模型在有限的数据集上表现良好，但数据集的大小可能限制了模型的泛化能力 | 提高结核病诊断的准确性，优化资源分配，支持临床决策 | 活动性结核病例及其临床亚型 | 机器学习 | 结核病 | 深度学习 | 集成模型 | 图像 | 包含915名活动性结核病患者和1276名健康对照者的去标识化数据集 |
| 8784 | 2024-08-09 |
From outputs to insights: a survey of rationalization approaches for explainable text classification
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1363531
PMID:39109323
|
综述 | 本文综述了文本分类中用于解释性的合理化方法的进展 | 本文首次全面概述了文本分类中合理化方法的发展，包括提取和抽象合理化的技术，以及评估机器生成合理化的指标 | NA | 探讨和促进文本分类中解释性方法的未来发展 | 文本分类中的合理化方法 | 自然语言处理 | NA | NA | NA | 文本 | NA |
| 8785 | 2024-08-08 |
Strengths and limitations of web servers for the modeling of TCRpMHC complexes
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.06.028
PMID:39104710
|
研究论文 | 本文比较了三个流行的网络服务器（ImmuneScape、TCRpMHCmodels和TCRmodel2）在模拟TCRpMHC复合物结构方面的优缺点 | 研究采用了不同的建模策略，包括对接、同源建模和深度学习，并对这些方法的准确性进行了评估 | 研究仅限于人类MHC等位基因，并且依赖于已有的实验确定的晶体结构数据 | 评估和比较不同网络服务器在模拟TCRpMHC复合物结构方面的性能 | TCRpMHC复合物的三维结构 | 生物信息学 | NA | 对接、同源建模、深度学习 | NA | 蛋白质结构 | 87个TCRpMHC复合物 |
| 8786 | 2024-08-08 |
Preeclampsia and its prediction: traditional versus contemporary predictive methods
2024-Dec, The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians
DOI:10.1080/14767058.2024.2388171
PMID:39107137
|
综述 | 本文综述了子痫前期的流行病学、病因、病理生理及风险因素，并重点讨论了人工智能深度学习技术在预测子痫前期中的新兴作用 | 人工智能模型在预测子痫前期方面展现出较高的准确性和价值，特别是在预测晚发型子痫前期方面表现出色 | 传统的子痫前期预测模型在敏感性和特异性方面存在显著局限，尤其是预测晚发型子痫前期的检出率仅为30%至50% | 探讨人工智能深度学习技术在子痫前期预测中的应用，以提高预测方法的临床应用 | 子痫前期的预测方法及其在临床上的应用 | 机器学习 | 妊娠相关疾病 | 人工智能深度学习 | AI模型 | NA | NA |
| 8787 | 2024-08-08 |
Artificial intelligence in musculoskeletal imaging: realistic clinical applications in the next decade
2024-Sep, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04684-6
PMID:38902420
|
综述 | 本文综述了深度学习在肌肉骨骼疾病检测中的应用，这些应用在未来十年内有潜力转化为常规临床实践 | 深度学习方法在骨折检测、儿童骨龄估计、骨测量计算及骨关节炎分级等方面显示出高诊断性能 | 深度学习方法在MRI上的肌肉骨骼疾病检测面临多任务、多类别检测的挑战，且由于不同扫描仪和脉冲序列导致的图像质量波动，其泛化能力受限 | 评估深度学习方法在肌肉骨骼疾病检测中的诊断性能，并探讨其在临床实践中的潜在益处 | 深度学习在肌肉骨骼疾病检测中的应用 | 计算机视觉 | NA | 深度学习 | DL | 图像 | 使用不同机构、不同成像参数和成像硬件获取的大量图像数据 |
| 8788 | 2024-08-08 |
Pure tone audiogram classification using deep learning techniques
2024-Sep, Clinical otolaryngology : official journal of ENT-UK ; official journal of Netherlands Society for Oto-Rhino-Laryngology & Cervico-Facial Surgery
IF:1.7Q2
DOI:10.1111/coa.14170
PMID:38745553
|
研究论文 | 本研究开发了一个基于深度学习技术的纯音听力图分类框架 | 深度学习方法在所有任务中均优于其他方法，实现了高准确率、精确度、召回率和F1分数 | NA | 开发一个能够准确分类各种常见任务听力图的深度学习框架 | 纯音听力图的分类 | 机器学习 | NA | 深度学习 | NA | 图像 | 12518份听力图，来自6259名患者 |
| 8789 | 2024-08-08 |
Artificial intelligence enhances whole-slide interpretation of PD-L1 CPS in triple-negative breast cancer: A multi-institutional ring study
2024-Sep, Histopathology
IF:3.9Q1
DOI:10.1111/his.15205
PMID:38747491
|
研究论文 | 本文提出了一种基于深度学习的方法，通过细胞分析和组织区域分析，结合全切片级别的融合，来提高三阴性乳腺癌中PD-L1 CPS的评估一致性和准确性 | 使用人工智能辅助诊断方法，显著提高了不同级别病理学家在PD-L1 CPS评估中的一致性和重复性 | NA | 建立一种客观有效且高度可重复的方法来评估三阴性乳腺癌中PD-L1 CPS | 三阴性乳腺癌中的PD-L1 CPS | 数字病理 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 21名来自四个机构的不同级别的病理学家参与评估 |
| 8790 | 2024-08-08 |
Modern acceleration in musculoskeletal MRI: applications, implications, and challenges
2024-Sep, Skeletal radiology
IF:1.9Q3
DOI:10.1007/s00256-024-04634-2
PMID:38441617
|
研究论文 | 本文综述了现代加速技术在肌肉骨骼MRI中的应用、影响和挑战 | 引入了加速技术如并行成像、同时多切片采集和压缩感知，实现了高达八倍的扫描速度提升，同时保持图像质量和分辨率 | 实施快速成像协议会影响工作流程、间接成本和MRI技术人员及放射科医生的工作量，需要谨慎管理 | 探讨加速技术在肌肉骨骼MRI中的应用，以提高患者访问和舒适度，并促进可持续的成像实践 | 肌肉骨骼MRI的加速技术及其临床应用 | 医学成像 | NA | MRI加速技术，包括并行成像、同时多切片采集和压缩感知 | 深度学习图像重建 | 图像 | NA |
| 8791 | 2024-08-08 |
Two-Dimensional Laplace NMR Reconstruction through Deep Learning Enhancement
2024-Aug-07, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.4c05211
PMID:39046081
|
研究论文 | 本文提出了一种结合物理知识和数据驱动深度学习的二维拉普拉斯核磁共振（NMR）重建方法 | 该方法通过构建正向过程模型来模拟多维衰减信号之间的关系，并利用非迭代神经网络算法从合成数据中自动获取先验信息，避免了繁琐的参数调整 | NA | 改进二维拉普拉斯NMR的处理和重建 | 二维拉普拉斯NMR信号 | 机器学习 | NA | 深度学习 | 神经网络 | NMR信号 | NA |
| 8792 | 2024-08-08 |
Application of artificial intelligence in cancer diagnosis and tumor nanomedicine
2024-Aug-07, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr01832j
PMID:39021117
|
综述 | 本文综述了人工智能在医学和纳米医学领域的应用，特别是其在癌症诊断中的重要性和挑战 | 探讨了人工智能在癌症诊断中利用结构化、非结构化和多模态融合数据的关键作用，并介绍了其在纳米医学传感器和纳米肿瘤药物中的应用 | 文章讨论了人工智能在癌症诊断中面临的挑战，并提出了未来的发展方向 | 旨在探讨人工智能在癌症诊断中的应用及其对提高癌症检测和患者预后的潜在影响 | 人工智能在癌症诊断和肿瘤纳米医学中的应用 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 多模态数据 | NA |
| 8793 | 2024-08-08 |
GalaxyDock-DL: Protein-Ligand Docking by Global Optimization and Neural Network Energy
2024-Aug-07, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00385
PMID:39109987
|
研究论文 | 本文介绍了一种基于全局优化和神经网络能量的蛋白质-配体对接方法GalaxyDock-DL，该方法通过深度学习训练能量函数来封装物理效应，从而显著提高对接性能 | GalaxyDock-DL方法在训练数据上的过拟合程度较低，且不依赖已知的结合口袋中心位置信息，而是系统地依赖于目标蛋白质-配体复合物的物理性质 | NA | 提高蛋白质-配体复合体结构预测的性能，并指导生物功能配体的有效设计 | 蛋白质-配体复合体的结构预测和结合亲和力的预测 | 生物信息学 | NA | 深度学习 | 神经网络 | 结构数据 | NA |
| 8794 | 2024-08-08 |
Deep learning-based dose prediction for magnetic resonance-guided prostate radiotherapy
2024-Aug-06, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17312
PMID:39106418
|
研究论文 | 本文开发了一种基于深度学习的剂量预测管道，用于前列腺MR-Linac治疗 | 利用深度学习技术快速预测剂量分布和剂量学评估标准，以辅助选择适应方法并减少治疗时间 | 仅在特定条件下进行了验证，可能需要进一步的临床验证 | 开发一种基于深度学习的剂量预测方法，以优化前列腺MR-Linac治疗的适应性放射治疗 | 前列腺癌患者接受MR-Linac治疗的剂量分布 | 机器学习 | 前列腺癌 | 深度学习 | CNN | 图像 | 35名前列腺癌患者的212张MR图像 |
| 8795 | 2024-08-08 |
Automated Detection of Maxillary Sinus Opacifications Compatible with Sinusitis from CT Images
2024-Aug-06, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae042
PMID:39107903
|
研究论文 | 本研究开发了一种基于深度学习的自动检测模型，用于从CT图像中诊断上颌窦炎 | 采用基于You Only Look Once（YOLO）的模型进行物体检测，并通过迁移学习方法和数据增强技术提高了模型的鲁棒性 | 在挑战性测试数据集上，模型的精确度有所下降 | 提高上颌窦炎诊断的准确性，区分上颌窦炎、潴留囊肿和正常窦 | 上颌窦炎、潴留囊肿和正常窦的CT图像 | 计算机视觉 | 鼻窦炎 | 深度学习 | YOLOv8n | 图像 | 1080张冠状位CT图像，包括2158个上颌窦，其中1138个正常窦，366个囊肿，654个窦炎 |
| 8796 | 2024-08-08 |
scTab: Scaling cross-tissue single-cell annotation models
2024-Aug-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51059-5
PMID:39098889
|
研究论文 | 本文提出了一种名为scTab的自动化细胞类型预测模型，专门针对表格数据，并通过新颖的数据增强方案在大规模单细胞RNA-seq数据集上进行训练 | scTab模型能够处理大规模数据集，并通过数据增强方案提高模型在跨组织注释中的泛化能力 | NA | 开发能够在大规模单细胞RNA-seq数据集上进行跨组织细胞类型预测的自动化模型 | 单细胞RNA-seq数据的细胞类型预测 | 机器学习 | NA | 单细胞RNA-seq | 神经网络 | 表格数据 | 2220万细胞 |
| 8797 | 2024-08-08 |
PLEKv2: predicting lncRNAs and mRNAs based on intrinsic sequence features and the coding-net model
2024-Aug-02, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-024-10662-y
PMID:39095710
|
研究论文 | 本文介绍了PLEKv2工具，该工具基于内在序列特征和编码网络模型，用于预测长非编码RNA（lncRNA）和信使RNA（mRNA） | PLEKv2相较于传统工具和基于深度学习的模型，在人类数据集上的预测准确率提高了8.1%至48.9%，并且在跨物种预测中表现出超过90%的准确率 | NA | 开发一种快速准确的工具来区分lncRNA和mRNA转录本 | lncRNA和mRNA | 生物信息学 | NA | NA | CNN | 序列数据 | NA |
| 8798 | 2024-08-08 |
An EEG-based marker of functional connectivity: detection of major depressive disorder
2024-Aug, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10041-5
PMID:39104678
|
研究论文 | 本研究提出了一种基于脑电图（EEG）信号的新型功能连接标记P-MSWC，并利用卷积神经网络（CNN）识别重度抑郁症（MDD） | 本研究结合同步挤压小波变换和相干理论，提出了P-MSWC融合特征，该特征能全面捕捉原始EEG信号的信息并具有显著的抗噪能力 | NA | 开发一种快速且可靠的重度抑郁症检测方法 | 重度抑郁症患者与健康人群的脑功能连接差异 | 机器学习 | 精神疾病 | 同步挤压小波变换 | CNN | 脑电图信号 | 单一数据集准确率达到99.92%，合并数据集准确率达到97.86% |
| 8799 | 2024-08-08 |
Cognitive workload estimation using physiological measures: a review
2024-Aug, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10051-3
PMID:39104683
|
综述 | 本文综述了利用生理测量方法估计认知工作负荷的研究进展 | 详细分析了所有生理测量方法在估计认知工作负荷中的应用 | 仍需探索所有生理测量方法在估计认知工作负荷中的详细分析 | 深入分析生理测量方法在评估认知工作负荷中的应用 | 认知工作负荷的生理测量方法 | 认知神经科学 | NA | 机器学习, 深度学习 | NA | 生理数据 | NA |
| 8800 | 2024-08-08 |
ADHD/CD-NET: automated EEG-based characterization of ADHD and CD using explainable deep neural network technique
2024-Aug, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10028-2
PMID:39104684
|
研究论文 | 本研究提出了一种基于脑电图（EEG）的深度学习系统ADHD/CD-NET，用于客观区分注意力缺陷多动障碍（ADHD）、ADHD合并行为障碍（CD）和单纯行为障碍（CD） | 本研究首次提出了一种基于EEG的深度学习系统ADHD/CD-NET，能够客观区分ADHD、ADHD合并CD和单纯CD，并通过Grad-CAM技术解释了CNN模型的预测结果 | NA | 研究目的是开发一种能够客观区分ADHD和CD的深度学习系统，以减少误诊风险 | 研究对象包括ADHD、ADHD合并CD和单纯CD患者 | 机器学习 | 儿童神经发育障碍 | 脑电图（EEG） | 卷积神经网络（CNN） | 脑电信号 | 内部数据集包括45名ADHD患者、62名ADHD合并CD患者和16名CD患者；外部公共数据集包括61名ADHD患者和60名健康对照 |