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 12054 篇文献，本页显示第 9741 - 9760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9741 | 2024-08-05 |
Computationally intelligent real-time security surveillance system in the education sector using deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0301908
PMID:38990958
|
研究论文 | 本研究提出了一种增强的FaceNet网络用于教育领域的实时安全监控和身份匹配 | 此次研究通过改进的损失函数提高了FaceNet在面部验证和识别的准确性 | 具体实验样本规模和环境影响未在摘要中详细描述 | 研究实时面部识别和监控系统在教育领域的应用 | 主要研究对象为面部检测和识别技术 | 计算机视觉 | NA | 深度学习 | FaceNet | 图像 | NA |
| 9742 | 2024-08-05 |
Natural language processing in the classification of radiology reports in benign gallbladder diseases
2024 Jan-Dec, Radiologia brasileira
DOI:10.1590/0100-3984.2023.0096-en
PMID:38993952
|
研究论文 | 本文开发了一种自然语言处理应用程序，能够自动识别需要手术的良性胆囊疾病。 | 通过使用卷积神经网络和双向长短时记忆网络进行深度学习，本文提出了一种新的文本分类方法。 | 研究结果只针对特定类型的胆囊报告，可能不适用于其他医疗报告。 | 旨在开发一种自动分类胆囊病报告的自然语言处理应用。 | 研究对象为1,200份描述胆囊的放射学报告。 | 自然语言处理 | NA | Word2Vec | CNN 和 BiLSTM | 文本 | 1,200份报告 |
| 9743 | 2024-08-05 |
Enhancing sports image data classification in federated learning through genetic algorithm-based optimization of base architecture
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303462
PMID:38990969
|
研究论文 | 该文章提出了一种基于遗传算法优化基础架构的联邦学习运动图像数据分类方法 | 提出了一种新的方法，用于生成优化的基础模型，基于遗传算法提升性能 | 实验中只使用了四种深度学习架构，可能无法代表所有架构的性能 | 研究如何在资源受限设备上改进运动图像数据的分类 | 使用不同数量的客户在联邦学习环境中进行平衡和不平衡的运动数据实验 | 机器学习 | NA | 遗传算法 | EfficientNetB3 | 图像 | 使用9个客户的平衡数据集进行实验 |
| 9744 | 2024-08-05 |
Enhanced deep learning model for precise nodule localization and recurrence risk prediction following curative-intent surgery for lung cancer
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0300442
PMID:38995927
|
研究论文 | 本研究分析了肺癌CT图像，以预测高风险患者的复发可能性。 | 利用深度学习模型（MRCNN）改进了肺癌结节定位和复发风险预测。 | 对样本选择和模型调整的具体数据及效果描述有限。 | 旨在识别早期可切除肺癌患者中高风险复发者。 | 研究对象为接受非小细胞肺癌根治性手术的患者。 | 计算机视觉 | 肺癌 | 计算机断层扫描（CT） | MRCNN | 医学图像 | 使用了匿名影像和临床数据，具体样本数量未提及 |
| 9745 | 2024-08-05 |
Counting nematodes made easy: leveraging AI-powered automation for enhanced efficiency and precision
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1349209
PMID:38993936
|
研究论文 | 本文通过开发用户友好的图形用户界面和多种深度学习算法，提高了线虫计数的效率和精度 | 研究开发了一种能够同时识别和分类多类对象的算法，并展示了深度学习模型在实际应用中的潜力 | 目前的研究仅集中于一种属，未来需扩展到其他经济重要的植物寄生线虫属 | 研究旨在提高线虫计数的效率和精确性，推动全球的合作 | 本研究的对象包括线虫卵和第二阶段幼虫 | 数字病理学 | NA | 卷积神经网络（CNN） | YOLOv8x | 图像 | 共生成650幅卵的图像和1339幅幼虫的图像 |
| 9746 | 2024-08-07 |
Deep learning empowered breast cancer diagnosis: Advancements in detection and classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0304757
PMID:38990817
|
研究论文 | 介绍了一种创新的计算机辅助诊断系统，通过深度学习和计算机视觉技术提升乳腺癌的诊断能力 | 提出了一种利用深度学习和计算机视觉技术的CAD系统，能够独立识别和分类乳腺病变，表现出卓越的检测和分类性能 | 虽然检测准确性高，但在将乳腺肿块分成单独组进行检查时，方法的表现约为95.39% | 研究目的在于提升乳腺癌的早期检测和分类的准确性 | 研究对象为乳腺癌病变的检测与分类 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 影像 | 使用Curated Breast Imaging Subset of Digital Database for Screening Mammography (CBIS-DDSM)进行验证 |
| 9747 | 2024-08-05 |
PepExplainer: An explainable deep learning model for selection-based macrocyclic peptide bioactivity prediction and optimization
2024-Sep-05, European journal of medicinal chemistry
IF:6.0Q1
DOI:10.1016/j.ejmech.2024.116628
PMID:38944933
|
研究论文 | PepExplainer是一个可解释的深度学习模型，用于基于选择的宏环肽生物活性预测和优化 | 本研究开发的PepExplainer模型，通过图神经网络和亚结构掩码解释法，能够有效处理复杂的宏环肽结构及其生物活性预测 | 在深度学习模型中仍然存在数据可用性有限和解释性差的问题 | 该研究旨在通过AI工具提高宏环肽的生物活性预测和优化效率 | 研究对象为宏环肽及其与IL-17C/IL-17 RE相互作用的生物活性 | 计算机视觉 | NA | 图神经网络 | 图神经网络 | 分子图 | 十三个新合成的宏环肽 |
| 9748 | 2024-08-05 |
Floating on groundwater: Insight of multi-source remote sensing for Qaidam basin
2024-Aug, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.121513
PMID:38909574
|
研究论文 | 本文从遥感角度探讨了柴达木盆地湖泊的补给源和地下水循环模式 | 提出了改进的遥感自适应优化网络 RSA-IOCRNet，并获得了优于其他七个网络的实验结果 | 本文未明确指出具体的实验条件和数据集限制 | 研究柴达木盆地湖泊的水源及其与地下水的关系 | 柴达木盆地的16个主要湖泊及其地下水循环 | 自然语言处理 | NA | 深度学习网络 | OCRNet | 多源遥感数据 | 包含柴达木盆地的16个主要湖泊 |
| 9749 | 2024-08-05 |
Deep learning-based and BI-RADS guided radiomics model for automatic tumor-infiltrating lymphocytes evaluation in breast cancer
2024-Jul-12, The British journal of radiology
DOI:10.1093/bjr/tqae129
PMID:38995740
|
研究论文 | 本文研究了一种可解释的放射组学模型，用于从超声图像中自动预测乳腺癌中的肿瘤浸润淋巴细胞（TILs）水平 | 该模型结合了BI-RADS指导的放射组学特征和临床数据，优于传统的放射组学方法，并提供了众多可解释特征 | 研究的局限性未在摘要中提及 | 研究的目的是探索一种与临床决策一致的放射组学模型 | 378名侵袭性乳腺癌患者 | 数字病理学 | 乳腺癌 | 超声（US）影像 | 深度学习模型 | 影像 | 378名患者 |
| 9750 | 2024-08-05 |
Integration of wearable devices and deep learning: New possibilities for health management and disease prevention
2024-Jul-09, Bioscience trends
IF:5.7Q1
DOI:10.5582/bst.2024.01170
PMID:38925926
|
研究论文 | 探讨了可穿戴设备与深度学习的结合在健康管理和疾病预防中的新可能性 | 提出了通过将可穿戴设备与医疗记录整合来实现更准确的疾病预测和个性化生活方式指导 | 当前研究主要集中于短期预测，缺乏长期视角的深入研究 | 旨在通过整合数据提升可穿戴设备和深度学习在健康管理中的应用 | 研究对象为使用可穿戴设备的用户与其产生的健康数据 | 数字病理学 | NA | 深度学习 | NA | 传感器数据 | NA |
| 9751 | 2024-08-05 |
Deep 3D histology powered by tissue clearing, omics and AI
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02327-1
PMID:38997593
|
研究论文 | 本文讨论了将三维组织组织学技术应用于生物医学研究的方法 | 创新地结合了组织清理化学、标记和体积成像技术，以实现细胞层级的全面三维映射 | 未来发展的整合方法仍需进一步完善，才能完全发挥下一代三维组织学的潜力 | 探讨三维细胞地图在理解组织和生物体生理及病理中的重要性 | 组织和细胞的三维结构数据及其分子组成 | 数字病理学 | NA | 组织清理技术 | 深度学习 | 结构数据和分子数据 | NA |
| 9752 | 2024-08-05 |
Clustering single-cell RNA sequencing data via iterative smoothing and self-supervised discriminative embedding
2024-Jul, Oncogene
IF:6.9Q1
DOI:10.1038/s41388-024-03074-5
PMID:38834657
|
研究论文 | 提出了一种名为scRISE的深度聚类方法来处理单细胞RNA测序数据。 | 引入了一种迭代平滑和自监督的区分嵌入模块，提高了数据表示和聚类的质量。 | 未提及具体的限制因素。 | 提升单细胞转录组测序数据的聚类分析效果。 | 单细胞RNA测序数据集，尤其关注HNSCC数据集。 | 数字病理学 | NA | 深度学习 | 图自编码器 | RNA测序数据 | 十七个scRNA-seq数据集 |
| 9753 | 2024-08-05 |
Lessons learned: Why study-abroad remains a critical component of nursing curriculums
2024 Jul-Aug, Journal of professional nursing : official journal of the American Association of Colleges of Nursing
IF:2.8Q1
DOI:10.1016/j.profnurs.2024.05.007
PMID:38997189
|
研究论文 | 这篇文章探讨了护理本科生和高级实践护士在国外学习服务中共同工作的亲身经历 | 强调了留学沉浸体验在增强大学生文化能力和深度学习方面的重要性 | 研究仅限于在贝尔IZE的单一体验，可能缺乏普遍适用性 | 理解护理本科生和高级实践护士在国外服务学习经历中的生活体验 | 护理本科生和高级实践护士学生 | 护理教育 | NA | 诠释现象学分析 | NA | 文本 | 参与者为本科和高级实践护理学生的具体人数未提及 |
| 9754 | 2024-08-07 |
Simplifying deep learning to enhance accessibility of large-scale 3D brain imaging analysis
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02246-1
PMID:38649743
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9755 | 2024-08-07 |
Deep learning method for the prediction of glycan structures from mass spectrometry data
2024-Jul, Nature methods
IF:36.1Q1
DOI:10.1038/s41592-024-02315-5
PMID:38951671
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9756 | 2024-08-05 |
Feasibility of intra-operative image guidance in burn excision surgery with multispectral imaging and deep learning
2024-02, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2023.07.005
PMID:37821282
|
研究论文 | 本文研究了在烧伤切除手术中使用多光谱成像和深度学习的图像引导的可行性 | 结合了多光谱成像设备与人工智能，以帮助外科医生判断烧伤伤口床的非活组织 | 研究使用了猪模型，可能限制了结果的临床应用 | 评估图像引导在烧伤切除手术中的有效性 | 使用多光谱成像数据和深度学习算法识别伤口床中非活组织 | 数字病理学 | 烧伤 | 多光谱成像、深度学习 | 深度学习算法 | 图像 | 使用了猪模型进行烧伤实验 |
| 9757 | 2024-08-07 |
Implanting deep learning models for burn wound assessment
2024-02, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2023.11.003
PMID:38042628
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 9758 | 2024-08-05 |
Eichner classification based on panoramic X-ray images using deep learning: A pilot study
2024, Bio-medical materials and engineering
IF:1.0Q4
DOI:10.3233/BME-230217
PMID:38848165
|
研究论文 | 该研究基于全景X光图像进行Eichner分类，使用深度学习技术 | 提出了基于剩余牙齿进行部分义齿制作的Eichner分类方法 | 无明显限制信息 | 探讨如何利用影像信息进行分类和预测 | 使用全景X光图像进行Eichner分类 | 机器学习 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 样本数量不明确 |
| 9759 | 2024-08-05 |
Research on the construction of information-based nursing quality control system based on deep learning model under the lean perspective
2024, Technology and health care : official journal of the European Society for Engineering and Medicine
IF:1.4Q3
DOI:10.3233/THC-230730
PMID:38393932
|
研究论文 | 本研究探讨了一个基于深度学习模型的信息化护理质量控制系统的构建 | 将精益管理理念引入护理质量控制的信息化建设，促进信息技术与护理管理的深度融合 | 未提供样本规模和模型具体细节 | 提升护理质量管理，保护患者医疗安全 | 护理工作及其质量控制 | 数字病理学 | NA | 深度学习 | NA | 数据分析报告 | NA |
| 9760 | 2024-08-05 |
Artificial intelligence in medicine and healthcare: Opportunity and/or threat
2024, Casopis lekaru ceskych
PMID:38981711
|
研究论文 | 本文旨在介绍人工智能（AI）方法的发展及其在医学和医疗保健中的应用 | 强调了人工智能对患者护理过程的支持以及在复杂数据处理中的成功应用 | 深度学习存在一些缺陷，可能导致错误分类 | 探讨人工智能在医学和医疗保健中的机会与威胁 | 人工智能方法及其在患者护理和数据分析中的应用 | 计算机视觉 | NA | 数据分析方法 | 深度学习 | 大数据 | NA |