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 12391 篇文献，本页显示第 10101 - 10120 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10101 | 2024-08-05 |
Sound as a bell: a deep learning approach for health status classification through speech acoustic biomarkers
2024-Jul-24, Chinese medicine
IF:5.3Q1
DOI:10.1186/s13020-024-00973-3
PMID:39049005
|
研究论文 | 本研究采用深度学习方法通过语音声学生物标志物对健康状态进行分类。 | 将中医体质理论与深度学习技术相结合，以非侵入性的方式识别亚健康人群。 | 排除了具有近期疾病、牙科问题和特定病史的参与者，可能限制了样本的代表性。 | 使用语音音频来识别特征为失衡体质类型的亚健康人群。 | 参与者年龄在18-45岁之间，样本来源于健康声学研究。 | 机器学习 | NA | 音频信号处理 | Conv1D, Conv2D, LSTM | 音频 | 1378个健康音频记录和1413个亚健康音频记录 | NA | NA | NA | NA |
| 10102 | 2024-08-05 |
Cascaded Aggregation Convolution Network for Salient Grain Pests Detection
2024-Jul-22, Insects
IF:2.7Q1
DOI:10.3390/insects15070557
PMID:39057289
|
研究论文 | 提出了一种新的级联聚合卷积网络（CACNet）用于存储谷物中的显著害虫检测 | 本研究通过模仿人类观察和聚焦感兴趣物体的视觉注意机制，提出了一种新型的CACNet，以提高小型谷物害虫检测的准确性 | NA | 提高存储谷物中害虫检测的准确性 | 小型谷物害虫的检测与控制 | 计算机视觉 | NA | 卷积神经网络（CNN） | VGG16 | 图像 | 500张图片，展示零至五个或更多害虫 | NA | NA | NA | NA |
| 10103 | 2024-08-05 |
Insights into Flexible Bioinspired Fins for Unmanned Underwater Vehicle Systems through Deep Learning
2024-Jul-17, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9070434
PMID:39056875
|
研究论文 | 本文探讨了通过深度学习对仿生无人水下车辆系统柔性鳍的洞察。 | 该研究开发了新的前向神经网络模型，能够考虑鳍材料的刚度对其动力学性能、推力和功率的影响，并实现了对各种运动方式的插值。 | 本文未提及具体的实验规模和环境适用性，可能限制了模型的应用范围。 | 研究仿生无人水下车辆的推进效率及其优化材料和动力学特性。 | 本研究针对仿生无人水下车辆的推进系统进行建模和性能分析。 | 机器学习 | NA | 深度学习 | 前向神经网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 10104 | 2024-08-05 |
Deep Efficient Data Association for Multi-Object Tracking: Augmented with SSIM-Based Ambiguity Elimination
2024-Jul-16, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070171
PMID:39057742
|
研究论文 | 本文提出了一种高效的统一数据关联方法，以解决多目标跟踪中的不确定性问题 | 结合深度特征关联网络和SSIM改善数据关联的准确性 | 未提及具体的高复杂场景下的表现 | 解决多目标跟踪中的数据关联问题 | 通过深度学习方法跟踪视频中的多个对象 | 计算机视觉 | NA | 深度学习 | 深度特征关联网络 (deepFAN) | 视频 | 综合分析多个MOT数据集，如MOT挑战赛和UA-DETRAC | NA | NA | NA | NA |
| 10105 | 2024-08-05 |
Automated Lung Cancer Diagnosis Applying Butterworth Filtering, Bi-Level Feature Extraction, and Sparce Convolutional Neural Network to Luna 16 CT Images
2024-Jul-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070168
PMID:39057739
|
研究论文 | 本研究提出了一种基于人工智能的方法用于肺癌诊断 | 使用Butterworth平滑滤波算法、双层特征提取和稀疏卷积神经网络实现了对LUNA 16 CT图像的肺癌自动诊断 | 没有提到具体的样本限制或研究中遇到的具体挑战 | 研究旨在通过医学影像分析提高肺癌的诊断准确性 | 主要研究对象为LUNA 16肺癌数据集中的CT图像 | 数字病理学 | 肺癌 | Butterworth滤波, 多空间图像重建, 稀疏卷积神经网络 | 稀疏卷积神经网络与概率神经网络 | 图像 | LUNA 16数据集的CT图像 | NA | NA | NA | NA |
| 10106 | 2024-08-05 |
Few-Shot Conditional Learning: Automatic and Reliable Device Classification for Medical Test Equipment
2024-Jul-13, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070167
PMID:39057738
|
研究论文 | 本文提出了一种少量样本学习方法，通过预训练的ResNet集成编码器对新生儿复苏设备进行分类 | 创新点在于通过少量自然图像实现自动和可靠的设备分类，并引入可靠性评分以增强预测 | 在复杂自然图像测试阶段，由于非最优的分割策略，性能有所下降 | 旨在开发一种可以在缺乏专业图像数据库的情况下进行医疗测试设备分类的方法 | 研究对象为新生儿复苏设备 | 计算机视觉 | NA | 少量样本学习 | ResNet | 图像 | 87张自然图像 | NA | NA | NA | NA |
| 10107 | 2024-08-05 |
Public Perceptions and Discussions of the US Food and Drug Administration's JUUL Ban Policy on Twitter: Observational Study
2024-Jul-11, JMIR formative research
IF:2.0Q4
DOI:10.2196/51327
PMID:38990633
|
研究论文 | 本研究旨在通过Twitter数据理解公众对JUUL禁令政策的看法和讨论 | 通过深度学习模型分析Twitter用户对JUUL禁令政策的态度及其与人口统计特征的关系 | 研究仅基于Twitter数据，可能无法全面代表公众意见 | 理解公众对JUUL禁令政策的看法和社交媒体讨论 | 与JUUL禁令政策相关的Twitter用户和推文 | 自然语言处理 | NA | 深度学习，RoBERTa，逻辑回归 | RoBERTa，M3模型 | 文本 | 17007条推文，用于分类的2600条手动编码推文 | NA | NA | NA | NA |
| 10108 | 2024-08-05 |
A 2.5D Self-Training Strategy for Carotid Artery Segmentation in T1-Weighted Brain Magnetic Resonance Images
2024-Jul-03, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070161
PMID:39057732
|
研究论文 | 本文提出了一种深度学习管道，用于在T1加权脑磁共振图像中对颈动脉进行分割 | 引入了2.5D分割技术和递归自我训练策略，改善了标注过程的时间效率和分割质量 | 研究的模型性能仅在未见数据集上进行了测试，验证范围有限 | 旨在提高医学图像数据集的标注效率和颈动脉的分割准确性 | 研究对象为颈动脉树的分割问题 | 计算机视觉 | NA | 半自动分割、递归自我训练、2.5D分割 | Res-Unet | 影像 | 42个非对比T1加权脑扫描 | NA | NA | NA | NA |
| 10109 | 2024-08-05 |
Hybrid Ensemble Deep Learning Model for Advancing Ischemic Brain Stroke Detection and Classification in Clinical Application
2024-Jul-02, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070160
PMID:39057731
|
研究论文 | 本研究旨在通过整合多种模型提升缺血性脑卒中的检测与分类能力 | 提出了一种新的混合模型，结合了卒中精度增强、集成深度学习及智能病灶检测和分割模型 | 需要在更大数据集上验证其性能，并增强在临床应用中的整合性 | 提高缺血性脑卒中的检测和分类精度 | 使用CT扫描数据集进行缺血性脑卒中的检测与分类 | 计算机视觉 | 脑卒中 | 计算机断层扫描（CT） | 混合深度学习模型 | 图像 | 10,000个CT扫描数据 | NA | NA | NA | NA |
| 10110 | 2024-08-05 |
On Entropic Learning from Noisy Time Series in the Small Data Regime
2024-Jun-28, Entropy (Basel, Switzerland)
DOI:10.3390/e26070553
PMID:39056915
|
研究论文 | 本研究提出了一种新的方法，用于对有序的噪声数据进行监督分类。 | 提出了带有马尔可夫正则化的熵稀疏概率逼近（eSPA-Markov）方法，能够同时学习分段模式、熵最优特征空间离散化以及贝叶斯分类规则。 | 本研究在处理高维非平稳和噪声时间序列时，可能会受到小数据统计量的限制。 | 研究小数据条件下对噪声时间序列进行有效分类的技术。 | 对高维的非平稳噪声时间序列进行分类和分析。 | 机器学习 | NA | 熵稀疏概率逼近 | NA | 时间序列 | 使用了一组玩具学习问题进行验证 | NA | NA | NA | NA |
| 10111 | 2024-08-05 |
Avionics Module Fault Diagnosis Algorithm Based on Hybrid Attention Adaptive Multi-Scale Temporal Convolution Network
2024-Jun-27, Entropy (Basel, Switzerland)
DOI:10.3390/e26070550
PMID:39056912
|
研究论文 | 提出了一种基于混合注意力自适应多尺度时序卷积网络的航空电子模块故障诊断方法 | 创新性地结合了互动通道注意力模块和分层块时序注意力模块，提高了故障信号特征提取的效率和准确性 | 缺乏真实的航空电子模块故障数据，依赖于故障注入和数据增强 | 研究航空电子模块的故障诊断和健康管理方法 | 航空电子模块的故障信号 | 机器学习 | NA | 故障注入数据增强 | 混合注意力自适应多尺度时序卷积网络 | 故障信号数据 | P2020通信处理器故障数据集的多个故障类型 | NA | NA | NA | NA |
| 10112 | 2024-08-05 |
Adaptive Joint Carrier and DOA Estimations of FHSS Signals Based on Knowledge-Enhanced Compressed Measurements and Deep Learning
2024-Jun-26, Entropy (Basel, Switzerland)
DOI:10.3390/e26070544
PMID:39056907
|
研究论文 | 本文提出了一种自适应压缩方法，用于频跳扩频信号的载波和到达方向(DOA)的联合估计 | 通过基于信号后验知识和特定任务的信息优化，自适应设计压缩测量核，并结合深度神经网络提高测量核设计的效率 | 本文的限制没有在摘要中提到 | 研究频跳扩频信号的载波和到达方向的估计方法 | 使用压缩测量核来提取频跳扩频信号 | 数字信号处理 | NA | 深度学习 | 深度神经网络 | 模拟数据 | NA | NA | NA | NA | NA |
| 10113 | 2024-08-05 |
Utilizing TabNet Deep Learning for Elephant Flow Detection by Analyzing Information in First Packet Headers
2024-Jun-22, Entropy (Basel, Switzerland)
DOI:10.3390/e26070537
PMID:39056900
|
研究论文 | 本研究利用TabNet深度学习架构通过分析初始数据包头的5元组字段来检测大型数据流，即大象流 | 提出了使用TabNet模型在流开始时准确识别大象流的创新方法 | 未提及具体的局限性 | 提高网络流量管理的效率和准确性 | 大型数据流（大象流）的检测 | 计算机视觉 | NA | 深度学习 | TabNet | 数据包信息 | 一个校园网络的全面数据集 | NA | NA | NA | NA |
| 10114 | 2024-08-05 |
Robust PCA with Lw,∗ and L2,1 Norms: A Novel Method for Low-Quality Retinal Image Enhancement
2024-Jun-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070151
PMID:39057722
|
研究论文 | 提出了一种新颖的鲁棒主成分分析方法，以增强低质量的视网膜图像 | 通过低秩稀疏分解整合加权核范数和L2,1范数的鲁棒主成分分析方法，克服了现有方法的局限性 | 现有的无监督学习方法在视网膜图像增强方面对噪声和异常值敏感，并且在可扩展性和可解释性方面存在困难 | 提高低质量视网膜图像的质量，特别是在高噪声或显著存在伪影的有限数据背景下 | 非散瞳视网膜底部图像 | 计算机视觉 | 眼科疾病 | 加权核范数，L2,1范数 | 鲁棒主成分分析(RPCA) | 图像 | 多个数据集的模拟结果 | NA | NA | NA | NA |
| 10115 | 2024-08-05 |
Efficient Wheat Head Segmentation with Minimal Annotation: A Generative Approach
2024-Jun-21, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070152
PMID:39057723
|
研究论文 | 本文提出了一种通过最小化标注实现高效的小麦穗分割的方法 | 创新点在于通过计算机模拟生成大规模标注数据集，并使用生成对抗网络（GAN）填补模拟数据与真实数据之间的域间隙 | 该方法的局限性在于虽然其在小麦穗分割中表现良好，但可能无法直接推广到所有作物类型或所有类型的图像 | 旨在开发一种使用合成数据进行小麦穗分割的深度学习模型 | 研究对象为小麦穗的图像分割 | 计算机视觉 | NA | 生成对抗网络（GAN） | 深度学习模型 | 图像 | 内部数据集的Dice得分为83.4%，对两个外部数据集的得分分别为79.6%和83.6% | NA | NA | NA | NA |
| 10116 | 2024-08-05 |
Correction: Improved runoff forecasting based on time-varying model averaging method and deep learning
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307923
PMID:39046993
|
更正 | 本文更正了之前发布的文章的内容 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10117 | 2024-08-05 |
A deep learning framework for the early detection of multi-retinal diseases
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0307317
PMID:39052616
|
研究论文 | 本文提出了一种深度学习框架，用于早期检测多种视网膜疾病。 | 本研究通过分析彩色眼底图像，实现了多种眼病的同时检测，并提供了可靠高效的诊断系统。 | 20层CNN模型虽然准确率高，但存在过拟合现象。 | 研究的目的是提供一种非侵入性的方法，用于早期检测和及时治疗眼病。 | 研究对象为包含多种眼病的眼底图像数据集，以及健康图像。 | 计算机视觉 | 视网膜疾病 | CNN | CNN | 图像 | 使用了Retinal Fundus Multi-disease Image Dataset (RFMiD) 数据集，包含各种视网膜病变的眼底图像类别 | NA | NA | NA | NA |
| 10118 | 2024-08-05 |
Low-contrast lesion detection in neck CT: a multireader study comparing deep learning, iterative, and filtered back projection reconstructions using realistic phantoms
2024-Jul-24, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00486-6
PMID:39046565
|
研究论文 | 本研究比较了深度学习重建、迭代重建和滤波反投影在颈部CT中的病灶检测效果 | 使用深度学习重建（DLR）技术提高了颈部CT影像中低对比度病灶的可检测性 | 仅在患者模拟的颈部假体上进行实验，可能影响结果的推广性 | 探索不同CT重建算法在颈部低对比度病灶检测中的有效性 | 使用九个模拟患者颈部假体进行实验，每个假体包含一个低对比度病灶 | 数字病理学 | NA | 深度学习重建（DLR） | NA | 影像 | 九个颈部假体 | NA | NA | NA | NA |
| 10119 | 2024-08-05 |
Developing BioNavi for Hybrid Retrosynthesis Planning
2024-Jul-22, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.4c00228
PMID:39055138
|
研究论文 | 本文提出了一种名为BioNavi的模型，用于设计混合合成路径。 | BioNavi通过创新多任务学习和反应模板，提高了合成路径设计的可解释性。 | 未提及特定的限制 | 研究目的是开发一个有效的混合合成路径设计工具。 | 研究对象为合成路径，包括化学合成和生物合成。 | 数字路径学 | NA | 深度学习 | 多任务学习 | 数据集 | 多个数据集，具体样本数未提及 | NA | NA | NA | NA |
| 10120 | 2024-08-05 |
Learning generalizable AI models for multi-center histopathology image classification
2024-Jul-19, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00652-4
PMID:39030380
|
研究论文 | 本研究提出了一种新的对抗性傅里叶领域适应方法，用于多中心的组织病理图像分类 | 提出了对抗性傅里叶领域适应（AIDA）方法，利用傅里叶变换的优势改善深度学习模型的泛化能力 | 现有技术在有效性和可区分性方面存在局限 | 提升临床病理学中AI模型的诊断准确性与效率 | 涉及四种癌症（卵巢癌、胸膜癌、膀胱癌和乳腺癌）的亚型分类任务 | 数字病理学 | 卵巢癌, 胸膜癌, 膀胱癌, 乳腺癌 | 对抗性领域适应, 傅里叶变换 | 卷积神经网络（CNN） | 图像 | 共涉及1113例卵巢癌, 247例胸膜癌, 422例膀胱癌和482例乳腺癌 | NA | NA | NA | NA |