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 9581 - 9600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9581 | 2024-08-05 |
Incremental Trainable Parameter Selection in Deep Neural Networks
2024-May, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2022.3210297
PMID:36219657
|
研究论文 | 本文探讨了利用深度学习模型的有效自由度（DoF）来正则化基于随机梯度下降（SGD）的训练 | 提出了增量可训练参数选择（ITPS）算法，该算法能够逐步选择对训练损失敏感的参数，从而增大模型的自由度 | NA | 旨在通过ITPS算法优化深度学习模型的参数选择 | 不同的神经网络架构，包括CNN、变换器、递归神经网络（RNN）和多层感知器 | 机器学习 | NA | SGD | CNN, 变换器, RNN, 多层感知器 | 图像 | 使用公开数据集CIFAR-10, SLT-10和MIMIC-III进行训练 | NA | NA | NA | NA |
| 9582 | 2024-08-05 |
Panoramic imaging errors in machine learning model development: a systematic review
2024-Mar-25, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae002
PMID:38273661
|
系统评估 | 本研究探讨了机器学习模型开发中全景放射成像数据集的管理和成像误差问题 | 揭示了机器学习研究中全景成像误差管理的不一致性，并提出了需要更多研究来理解低质量输入对模型性能的影响 | 研究表明各项研究的成像质量评估标准差异较大，易受到偏见的影响 | 旨在研究全景放射数据集中成像误差的管理 | 涉及使用机器学习模型的全景放射影像研究 | 机器学习 | NA | 深度学习 | 深度学习模型 | 影像 | 共筛选400篇文章，符合纳入标准的有41篇 | NA | NA | NA | NA |
| 9583 | 2024-08-05 |
A cascading learning method with SegFormer for radiographic measurement of periodontal bone loss
2024-Mar-11, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04079-y
PMID:38468273
|
研究论文 | 本研究建立了一种基于深度学习的级联学习方法，用于精确测量特定牙位的放射性骨丧失。 | 提出了一种新的利用SegFormer模型进行牙位识别和牙齿语义分割的级联学习方法。 | 未提及具体的样本数量和多样性，可能影响结果的普适性。 | 旨在提供准确的放射线下骨丧失测量，以帮助牙周病的诊断。 | 研究对象为牙齿的冠部、骨内部分和骨外部分。 | 数字病理学 | 牙周病 | 深度学习（DL）、主成分分析（PCA） | SegFormer | 放射图像 | NA | NA | NA | NA | NA |
| 9584 | 2024-08-05 |
SSF-DDI: a deep learning method utilizing drug sequence and substructure features for drug-drug interaction prediction
2024-Jan-23, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05654-4
PMID:38262923
|
研究论文 | 本文提出了一种基于药物序列和亚结构特征的药物相互作用预测新模型SSF-DDI | SSF-DDI模型结合了药物序列特征和药物分子图的结构特征，提高了药物相互作用预测的准确性 | NA | 研究旨在提高药物相互作用预测的准确性 | 药物相互作用 | 计算机视觉 | NA | 深度学习 | NA | 真实数据集 | 多个数据集 | NA | NA | NA | NA |
| 9585 | 2024-08-05 |
TabDEG: Classifying differentially expressed genes from RNA-seq data based on feature extraction and deep learning framework
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305857
PMID:39037985
|
研究论文 | 本文提出了一种名为TabDEG的模型，用于根据RNA-seq数据预测差异表达基因。 | TabDEG结合了数据增强和基于深度学习的表格数据模型，克服了小样本数据集的传统模型局限。 | 尽管提高了准确性，TabDEG仍然面临RNA-Seq数据标记不足的问题。 | 研究旨在提升RNA-seq数据中差异表达基因的预测能力。 | 研究对象为来自癌症基因组图谱数据库的基因表达数据。 | 机器学习 | 癌症 | RNA-seq，数据增强 | 深度学习模型 | 基因表达数据 | 有限样本数据集，确切样本量未提供 | NA | NA | NA | NA |
| 9586 | 2024-08-05 |
TemBERTure: advancing protein thermostability prediction with deep learning and attention mechanisms
2024, Bioinformatics advances
IF:2.4Q2
DOI:10.1093/bioadv/vbae103
PMID:39040220
|
研究论文 | 本研究开发了TemBERTure，一个深度学习框架，用于从蛋白质序列预测热稳定性类别和熔融温度 | 引入深度学习和注意力机制，并强调数据多样性对训练强健模型的重要性 | 本研究未提及具体的实验验证或临床应用的限制 | 旨在改进蛋白质热稳定性预测方法，通过深度学习提升准确性 | 蛋白质序列及其热稳定性 | 生物信息学 | NA | 深度学习 | NA | 蛋白质序列 | 涉及来自多种生物的蛋白质序列 | NA | NA | NA | NA |
| 9587 | 2024-08-05 |
Unveiling the landscape of pathomics in personalized immunotherapy for lung cancer: a bibliometric analysis
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1432212
PMID:39040448
|
研究论文 | 该文章揭示了肺癌个体化免疫疗法中路径组学的研究趋势和前景 | 创新点在于整合人工智能与路径组学进行肺癌组织数字分析，并制定多模态融合模型 | N/A | 阐明路径组学在肺癌个体化免疫疗法中的应用趋势 | 分析2018年至2023年间发表的相关论文及其关键字 | 数字病理学 | 肺癌 | 文献计量学 | N/A | 文章 | 109篇相关论文或综述 | NA | NA | NA | NA |
| 9588 | 2024-08-05 |
Improvement of accumulated dose distribution in combined cervical cancer radiotherapy with deep learning-based dose prediction
2024, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2024.1407016
PMID:39040460
|
研究论文 | 本研究通过深度学习的剂量预测改善了结合外照射放疗和近距离放疗的宫颈癌放疗的累积剂量分布 | 首次在不知近距离放疗剂量的情况下实现了宫颈癌联合放疗的累积剂量预测 | 研究未探讨各个患者之间存在的个体差异对预测结果的影响 | 优化和评估结合外照射放疗和近距离放疗的宫颈癌放疗的剂量分布 | 参与研究的30名接受宫颈癌联合放疗的患者 | 数字病理学 | 宫颈癌 | 深度学习 | ResNet-101 | 剂量分布数据 | 30名患者 | NA | NA | NA | NA |
| 9589 | 2024-08-07 |
It is time for some deep learning: a statistical commentary on machine learning for clinical prediction models using imbalanced datasets
2024, Trauma surgery & acute care open
IF:2.1Q2
DOI:10.1136/tsaco-2024-001567
PMID:39040123
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9590 | 2024-08-05 |
Deep learning of antibody epitopes using positional permutation vectors
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.06.005
PMID:39035832
|
研究论文 | 本文提出了一种通过位置置换向量编码抗原表位来改善B细胞表位预测的新方法 | 该方法通过将表位编码为二进制位置置换向量，并利用无结合蛋白的3D宏结构特征来提高预测准确性 | 仍需进一步验证该模型在其他类型数据上的广泛适用性 | 提高B细胞表位的计算预测精度 | 针对SARS-CoV-2的Spike蛋白进行B细胞表位的预测 | 计算机视觉 | NA | 深度学习 | NA | 蛋白质序列 | 实验验证的表位数据集 | NA | NA | NA | NA |
| 9591 | 2024-08-05 |
Deep Learning of radiology-genomics integration for computational oncology: A mini review
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.06.019
PMID:39035833
|
review | 本文回顾了深度学习在放射基因组整合中的应用进展 | 探讨了深度学习在识别新的放射基因组生物标志物和治疗靶点方面的重要性，并强调了解释性人工智能方法的支持 | 目前的挑战和研究方向仍然需要解决，具体细节未在文中深入探讨 | 研究放射基因组整合在计算肿瘤学中的应用和挑战 | 关注放射学和基因组学数据的结合及相关的新技术 | 计算肿瘤学 | NA | 深度学习 | NA | 放射学数据和基因组数据 | NA | NA | NA | NA | NA |
| 9592 | 2024-08-05 |
An effective deep learning fusion method for predicting the TVB-N and TVC contents of chicken breasts using dual hyperspectral imaging systems
2024-Oct-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.139847
PMID:38925007
|
研究论文 | 本文提出了一种基于深度学习的融合方法，通过双波段高光谱成像系统预测鸡胸肉中的TVB-N和TVC含量 | 提出了一种端到端的深度学习模型PAFFM，整合了CNN、注意力机制和金字塔结构，能够有效融合不同光谱数据进行预测 | 暂无普适的处理组合，需依赖不同数据集的反复试验 | 研究鸡胸肉中TVB-N和TVC的预测方法 | 鸡胸肉的新鲜度指标TVB-N和TVC | 数字病理学 | NA | 高光谱成像 | CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 9593 | 2024-08-05 |
Clivia biosensor: Soil moisture identification based on electrophysiology signals with deep learning
2024-Oct-15, Biosensors & bioelectronics
IF:10.7Q1
DOI:10.1016/j.bios.2024.116525
PMID:38936168
|
研究论文 | 该研究探讨了利用电生理信号和深度学习对植物进行土壤湿度监测的可能性 | 提出了一种轻量级的卷积神经网络（CNN）模型，PlantNet，能够以最低的计算资源消耗实现最佳分类性能 | 目前仅针对克利维亚在不同土壤湿度梯度下的电信号进行了研究，尚未验证其它植物 | 研究植物作为生物传感器监测土壤湿度的潜力 | 克利维亚植物在不同土壤湿度梯度下的电信号 | 机器学习 | NA | 电生理信号 | 卷积神经网络（CNN） | 电信号 | NA | NA | NA | NA | NA |
| 9594 | 2024-08-05 |
Beneficial effect of residential greenness on sperm quality and the role of air pollution: A multicenter population-based study
2024-Oct-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.174038
PMID:38906295
|
研究论文 | 研究表明居住环境的绿化对男性精子质量有益，并探讨空气污染的影响 | 首次系统探讨居住绿化与男性精子质量之间的关系，以及空气污染对这一关系的调节作用 | 研究未考虑其他可能影响精子质量的环境因素 | 评估居住绿化对男性精子质量的影响及空气污染的调节作用 | 研究对象为来自中国6个地区的33,184名精子捐赠者的样本 | 数字病理学 | 男性不育 | 归一化差异植被指数(NDVI)和时空深度学习法 | 线性混合模型 | 样本数据 | 共涉及78,742个样本 | NA | NA | NA | NA |
| 9595 | 2024-08-05 |
Effect of fully automatic classification model from different tube voltage images on bone density screening: A self-controlled study
2024-Aug, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111521
PMID:38850722
|
研究论文 | 本研究旨在开发结合深度学习和放射组学的骨状态预测模型，并评估管电压对放射组学特征的可重复性和模型预测效能的影响 | 创新地将深度学习与放射组学相结合，区分正常和异常骨密度，并分析管电压变动对模型的诊断效果的影响 | 放射组学模型在不同管电压下的适用性受到限制，无法普遍应用于管电压不同的图像 | 研究管电压对骨密度筛查模型的影响 | 1508名接受标准剂量和低剂量胸部CT扫描的患者 | 数字病理学 | 骨质疏松症 | 低剂量和标准剂量胸部计算机断层扫描 (LDCT 和 SDCT) | 自动分割模型 | 医学图像 | 1508名患者 | NA | NA | NA | NA |
| 9596 | 2024-08-05 |
Mammogram mastery: A robust dataset for breast cancer detection and medical education
2024-Aug, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110633
PMID:39035836
|
研究论文 | 该数据文章呈现了一个包含乳腺癌图像的综合数据集 | 数据集提供了独特的视角，涵盖了来自伊拉克Sulaymaniyah地区的乳腺癌发病率和特征 | 数据集主要来源于特定地区，可能无法代表其他地区的情况 | 推动医学研究并帮助开发创新的诊断工具 | 乳腺癌患者和未诊断患者的图像 | 数字病理学 | 乳腺癌 | 深度学习算法 | NA | 图像 | 745张原始图像和9,685张增强图像 | NA | NA | NA | NA |
| 9597 | 2024-08-05 |
Automatic quantification of scapular and glenoid morphology from CT scans using deep learning
2024-Aug, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111588
PMID:38944907
|
研究论文 | 本研究开发并验证了一种开源深度学习模型，用于自动量化肩胛骨和关节盂的形态 | 提出现有方法的改进，通过深度学习自动分割肩胛骨并识别关键标记 | 在关节盂倾斜的手动和自动测量之间存在显著差异 | 旨在为临床提供一种准确的技术来量化肩胛骨及关节盂形态 | 正常受试者和患有肩关节骨关节炎的患者的CT图像 | 计算机视觉 | 肩关节骨关节炎 | 深度学习 | NA | CT图像 | 116个肩胛骨（60个正常/非骨关节炎和56个病理/骨关节炎） | NA | NA | NA | NA |
| 9598 | 2024-08-05 |
TrueTH: A user-friendly deep learning approach for robust dopaminergic neuron detection
2024-Jul-27, Neuroscience letters
IF:2.5Q3
DOI:10.1016/j.neulet.2024.137871
PMID:38857698
|
研究论文 | 本文介绍了TrueTH，一种用户友好且可靠的深度学习方法，用于准确检测多巴胺能神经元 | TrueTH提供了一个开源且用户友好的解决方案，填补了现有工具在可接入性和编程要求方面的空白 | NA | 探讨多巴胺能神经元的量化方法以提升帕金森病研究的准确性 | 帕金森病大鼠模型中的多巴胺能神经元 | 数字病理学 | 帕金森病 | 深度学习 | NA | 图像 | 多个帕金森病小鼠模型 | NA | NA | NA | NA |
| 9599 | 2024-08-05 |
Joint diffusion: mutual consistency-driven diffusion model for PET-MRI co-reconstruction
2024-Jul-23, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad6117
PMID:38981592
|
研究论文 | 提出了一种新的PET-MRI联合重建模型MC-Diffusion，以提高PET-MRI的图像质量 | 创新性地将PET和MRI的数据互补性结合，通过基于扩散的模型实现了联合重建 | 未提及具体的局限性 | 旨在利用PET和MRI数据的内在互补性提高图像质量 | PET和MRI成像数据 | 数字病理学 | NA | 基于扩散的模型 | MC-Diffusion | 图像 | ADNI数据集中的样本 | NA | NA | NA | NA |
| 9600 | 2024-08-05 |
Accurately Predicting Spatiotemporal Variations of Near-Surface Nitrous Acid (HONO) Based on a Deep Learning Approach
2024-Jul-23, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.4c02221
PMID:38982681
|
研究论文 | 本文建立了一个深度学习模型来预测近地表亚硝酸（HONO）的时空变化 | 该研究首次将深度神经网络应用于HONO浓度预测，并提出了新的HONO形成机制 | 模型性能可能受到数据质量和可用性限制的影响 | 研究旨在准确预测HONO水平，以改善气象和空气质量模型的表现 | 研究对象为中国四个典型大都市群的常规空气质量和气象数据 | 机器学习 | NA | 深度学习 | 深度神经网络（DNN） | 数值数据 | 四个典型大都市群的数据 | NA | NA | NA | NA |