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 12129 篇文献，本页显示第 10221 - 10240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10221 | 2024-08-05 |
Enabling Low-Dose In Vivo Benchtop X-ray Fluorescence Computed Tomography through Deep-Learning-Based Denoising
2024-May-22, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10060127
PMID:38921604
|
研究论文 | 这篇文章介绍了一种基于深度学习的去噪算法，用于在低剂量下提高X射线荧光计算机断层成像的图像质量 | 提出了一种优化的Swin-Conv-UNet模型，用于减少低示踪剂浓度下XRF图像的背景噪声 | 目前只有少数算法针对XFCT进行去噪处理，其他技术主要集中在X射线和CT技术上 | 研究如何在低剂量情况下提高X射线荧光计算机断层成像的成像质量 | 低剂量X射线荧光图像的背景噪声 | 计算机视觉 | NA | 深度学习 | Swin-Conv-UNet | 图像 | 使用了增强的数据进行训练和评估 |
| 10222 | 2024-08-05 |
Research on Active Safety Situation of Road Passenger Transportation Enterprises: Evaluation, Prediction, and Analysis
2024-May-21, Entropy (Basel, Switzerland)
DOI:10.3390/e26060434
PMID:38920443
|
研究论文 | 本文研究了道路客运企业的主动安全状况及其影响因素 | 提出了WDA-DBN模型，并使用DEEPSHAP识别具有较高ASS信息含量的因素 | 未详细说明数据来源和样本选择的具体情况 | 评估和预测道路客运企业的主动安全状况 | 道路客运企业的主动安全状况及相关影响因素 | 机器学习 | NA | GRU, LSTM, ARIMA, Prophet, Conv_LSTM, TCN, WDA-DBN | WDA-DBN, TCN, GRU | 时间序列数据 | NA |
| 10223 | 2024-08-05 |
Deep Learning Prediction of Cervical Spine Surgery Revision Outcomes Using Standard Laboratory and Operative Variables
2024-05, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.02.112
PMID:38408699
|
研究论文 | 本文开发了一种深度学习模型，用于预测颈椎手术的修订结果 | 首次使用标准实验室和手术变量构建颈椎手术修订预测模型 | 研究数据仅来自于一个地点，可能影响结果的广泛适用性 | 旨在通过标准实验室和手术变量预测颈椎手术的修订风险 | 2016年至2022年间接受颈椎手术的3151名患者 | 机器学习 | NA | 深度学习（Deep Learning） | 深度神经网络（Deep Neural Network） | 实验室值和手术变量 | 3151名接受颈椎手术的患者 |
| 10224 | 2024-08-05 |
Deep learning framework for comprehensive molecular and prognostic stratifications of triple-negative breast cancer
2024-May, Fundamental research
IF:5.7Q1
DOI:10.1016/j.fmre.2022.06.008
PMID:38933195
|
研究论文 | 本研究提出了一种深度学习框架，用于对三阴性乳腺癌的分子特征和预后进行全面预测 | 该框架能够从病理全切片图像中综合预测分子特征、亚型及预后，提供了TNBC异质性的全新见解 | 该研究主要依赖于特定的多组学TNBC队列，可能对其他人群的适用性有限 | 本研究旨在改善三阴性乳腺癌患者的分子分层和靶向治疗 | 本研究对象为三阴性乳腺癌患者的多组学数据及相应的病理图像 | 数字病理学 | 乳腺癌 | 深度学习 | 神经网络 | 图像 | 总样本数为568（425个TNBC样本和143个来自TCGA的样本） |
| 10225 | 2024-08-05 |
Small-Molecule Inhibitors of TIPE3 Protein Identified through Deep Learning Suppress Cancer Cell Growth In Vitro
2024-Apr-30, Cells
IF:5.1Q2
DOI:10.3390/cells13090771
PMID:38727307
|
研究论文 | 本文通过深度学习识别TIPE3蛋白的小分子抑制剂，并展示其在体外抑制癌细胞生长的效果 | 采用深度学习和分子动态模拟相结合的方法有效识别TIPE3的抑制剂 | 实验仅在体外进行，临床效果尚待验证 | 研究TIPE3的抑制剂在抗癌药物开发中的应用 | TNFAIP8L3 (TIPE3) 蛋白及其小分子抑制剂 | 机器学习 | 癌症 | 深度学习, 分子对接, 分子动态模拟 | DFCNN | 化合物数据集 | 六种候选化合物 |
| 10226 | 2024-08-05 |
Predicting COPD exacerbations based on quantitative CT analysis: an external validation study
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1370917
PMID:38933101
|
研究论文 | 这篇文章探讨了基于定量CT分析预测慢性阻塞性肺病(COPD)加重的潜力 | 首次确认了CT衍生的生物标记物与COPD加重之间的关联，并开发了深度学习系统进行预测 | 这是一个回顾性研究，可能存在选择偏倚 | 研究定量CT分析在预测COPD加重方面的效果 | 包含1150名COPD患者的临床数据 | 医学影像学 | 慢性阻塞性肺病 | 定量CT分析 | 深度学习系统 | 临床数据 | 1150名患者 |
| 10227 | 2024-08-05 |
Finding the limits of deep learning clinical sensitivity with fractional anisotropy (FA) microstructure maps
2024, Frontiers in neuroinformatics
IF:2.5Q3
DOI:10.3389/fninf.2024.1415085
PMID:38933144
|
研究论文 | 本研究探讨了使用深度学习减少扩散加权成像中的输入体积数量对临床敏感性的影响 | 开发了一种名为“one-minute FA”的深度学习网络，可以使用更少的DW体积生成与标准方法相同特征的FA图 | 在外部临床数据集上测试时，使用4或7个DW体积的网络未能显示患者组之间的显著差异 | 研究减少扩散加权成像输入体积数量对生成FA图及其临床敏感性的影响 | 评估在不同数量的DW输入体积下训练的深度学习网络的表现和临床敏感性 | 数字病理学 | 神经疾病 | 扩散加权成像 (DW) | 深度学习网络 | 图像 | 使用高分辨率的开放获取人类连通组项目数据集，测试了两个未见过的外部临床数据集 |
| 10228 | 2024-08-05 |
Detection and Identification of Tassel States at Different Maize Tasseling Stages Using UAV Imagery and Deep Learning
2024, Plant phenomics (Washington, D.C.)
DOI:10.34133/plantphenomics.0188
PMID:38933805
|
研究论文 | 本研究展示了一种利用无人机和深度学习技术来准确识别和评估玉米杂交田中穗子的状态的方法 | 提出了一种特定的穗子注释和数据增强策略，以显著提升穗子训练数据的质量 | 研究中未提及样本的多样性或数据的局限性 | 研究的目的是提高玉米杂交田中穗子状态的识别精度 | 研究对象为玉米杂交田中的穗子 | 计算机视觉 | NA | 深度学习 | 对象检测模型 | 图像 | NA |
| 10229 | 2024-08-05 |
ConfluentFUCCI for fully-automated analysis of cell-cycle progression in a highly dense collective of migrating cells
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305491
PMID:38924026
|
研究论文 | 介绍了ConfluentFUCCI，一个用于密集细胞群体的细胞周期进展全自动分析的开源框架 | ConfluentFUCCI通过集成多种前沿工具，提供了与以往工具不同的全自动细胞周期分析方法 | 对比最新相关工具的准确性和效率的研究，可能存在样本或应用范围上的限制 | 研究细胞周期进展的机制和生物物理特性之间的关系 | 高度密集的迁移细胞群体 | 数字病理学 | 癌症研究 | FUCCI | NA | 图像 | NA |
| 10230 | 2024-08-05 |
SS-DRPL: self-supervised deep representation pattern learning for voice-based Parkinson's disease detection
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1414462
PMID:38933392
|
研究论文 | 本研究探讨了自监督深度表示模式学习在基于声音的帕金森病检测中的应用 | 提出了一种将自监督深度表示模式学习与深度学习算法结合的新方法，以提高基于声音的帕金森病分类准确性 | 未提及具体的限制 | 旨在提高基于声音的帕金森病检测的准确性 | 研究对象为语音数据中的帕金森病病例 | 机器学习 | 帕金森病 | 自监督深度表示模式学习 | 长短期记忆网络和递归神经网络（LSTM-RNN）、深度神经网络（DNN） | 声音 | 未提及具体的样本大小 |
| 10231 | 2024-08-05 |
Enhancing brain tumor classification in MRI scans with a multi-layer customized convolutional neural network approach
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1418546
PMID:38933391
|
研究论文 | 该文章提出了一种新型卷积神经网络架构，以提高脑肿瘤在MRI扫描中的检测准确性和效率 | 该研究创造性地采用了多任务分类模型，通过单一CNN模型进行多种分类任务，展现了深度学习在医学应用中的巨大潜力 | 未提及 | 研究旨在优化脑肿瘤的检测和诊断流程 | 研究对象为7,023幅被分类为胶质瘤、脑膜瘤、无肿瘤和垂体肿瘤的脑MRI图像 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | CNN | 图像 | 7,023幅脑MRI图像 |
| 10232 | 2024-08-05 |
A single fast Hebbian-like process enabling one-shot class addition in deep neural networks without backbone modification
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1344114
PMID:38933813
|
研究论文 | 介绍了一种快速的Hebbian-like过程，使预训练深度学习图像分类器无需修改其主干即可进行一次性类别添加 | 提出了一种新颖的解释，将权重印记过程的一部分与Hebbian规律对齐，简化了一次性类别添加的方法 | 尽管方法简单，但其与神经科学的相关性仍然模糊，并且可能干扰原始图像分类 | 研究深度学习模型的优化，使其能够进行一次性类别添加 | 预训练的深度学习图像分类器 | 机器学习 | NA | 非参数归一化 | 深度学习图像分类器 | 图像 | NA |
| 10233 | 2024-08-05 |
Correction: Exploration of consumer preference based on deep learning neural network model in the immersive marketing environment
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0306470
PMID:38924028
|
更正 | 本文章修正了之前发表的关于沉浸式营销环境下消费者偏好的研究。 | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 10234 | 2024-08-05 |
Automatic prediction of non-iodine-avid status in lung metastases for radioactive I131 treatment in differentiated thyroid cancer patients
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1429115
PMID:38933823
|
research paper | 本研究提出了一种自动化的非碘摄取状态预测方法，以优化分化型甲状腺癌患者的肺转移治疗 | 创新点在于开发了一种无创、低辐射的自动化方法，通过深度学习来预测肺转移的非碘摄取状态 | 研究的可行性需要进一步在多中心的大规模前瞻性研究中验证 | 本研究旨在开发有效的诊断成像工具，以预测分化型甲状腺癌患者肺转移的非碘摄取状态 | 研究对象为496例接受过处理的分化型甲状腺癌患者的1962个肺转移病灶 | 医学影像学 | 甲状腺癌 | 深度学习 | SE-Net | 医学影像 | 496例分化型甲状腺癌患者的1962个肺转移病灶，以及来自其他两家医院的24例患者的123个肺转移病灶 |
| 10235 | 2024-08-05 |
A deep neural network and transfer learning combined method for cross-task classification of error-related potentials
2024, Frontiers in human neuroscience
IF:2.4Q2
DOI:10.3389/fnhum.2024.1394107
PMID:38933146
|
研究论文 | 本文提出了一种结合深度神经网络和迁移学习的方法，用于错误相关电位的跨任务分类。 | 创新性地整合卷积层和变换器编码器，并采用迁移学习策略，有效提高了错误相关电位的分类准确性。 | 目前的方法仍受限于电极信号的高非平稳性和可用ErrPs数据集的有限性。 | 研究如何通过深度学习提高错误相关电位的分类精度。 | 该研究的对象是错误相关电位（ErrPs）及其分类。 | 机器学习 | NA | 深度学习 | 卷积神经网络和变换器 | EEG信号 | NA |
| 10236 | 2024-08-05 |
Fully automated planning for anatomical fetal brain MRI on 0.55T
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30122
PMID:38650351
|
研究论文 | 本文探讨了在0.55T MRI上实现胎儿脑MRI的全面自动规划。 | 首次实现了在真实时间内针对胎儿脑部关键平面的完全自动规划，能够拓宽胎儿MRI的使用范围。 | 研究仅涉及九位胎儿受试者，样本量较小，可能影响结果的广泛适用性。 | 旨在通过自动化实时计划提高胎儿MRI的可用性。 | 研究对象为孕期20到37周的胎儿。 | 医学影像学 | NA | 深度学习 | NA | 图像 | 9个胎儿样本 |
| 10237 | 2024-08-05 |
Deep learning-based rapid image reconstruction and motion correction for high-resolution cartesian first-pass myocardial perfusion imaging at 3T
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30106
PMID:38576068
|
研究论文 | 本文开发并评估了一种基于深度学习的快速图像重建和运动校正技术，用于3T高分辨率卡氏首次心肌灌注成像。 | 创新点在于提出了一种深度学习驱动的快速图像重建和运动校正技术，能在短时间内提供高质量的图像。 | 本文未提及潜在的限制。 | 本研究旨在提高3T卡氏首次心肌灌注成像的重建速度和图像质量。 | 研究对象为20名受试者的135个切片，涉及单层和多层同时采集数据。 | 数字病理学 | NA | 深度学习 | 3D U-Net | 图像 | 20名受试者的135个切片 |
| 10238 | 2024-08-05 |
Using a deep learning prior for accelerating hyperpolarized 13C MRSI on synthetic cancer datasets
2024-Sep, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.30053
PMID:38440832
|
研究论文 | 本文旨在结合深度学习先验与k空间数据相容性加速超极化碳-13 MRSI的应用，结果在合成癌症数据集上展示 | 提出了一种将深度学习先验与迭代方法结合的框架，从而扩展了深度学习在代谢成像中的应用 | 基于合成数据集进行评估，可能无法代表实际临床数据 | 探讨如何通过深度学习技术提高超极化碳-13 MRSI的重建速度和准确性 | 合成的人脑肿瘤图像、前列腺癌图像和小鼠肿瘤图像 | 数字病理学 | 前列腺癌 | 超极化碳-13 MRSI | 深度学习模型 | 图像 | 合成数据集包含人脑肿瘤图像33个，前列腺癌图像72个，小鼠肿瘤图像58个 |
| 10239 | 2024-08-05 |
Predictive models and applicability of artificial intelligence-based approaches in drug allergy
2024-Aug-01, Current opinion in allergy and clinical immunology
IF:3.0Q3
DOI:10.1097/ACI.0000000000001002
PMID:38814733
|
综述 | 本文回顾了基于人工智能的预测模型在药物过敏诊断中的潜在应用价值 | 文章强调了利用机器学习、深度学习及人工神经网络作为可靠的临床诊断和预测工具的创新点 | 目前关于药物过敏发展的评分和预测模型相对稀缺，大多数依赖于逻辑回归分析 | 探讨基于人工智能的预测模型在药物过敏管理中的有效性 | 研究的对象主要是药物过敏患者的风险分层及管理 | 自然语言处理 | 药物过敏 | 人工智能 | 深度学习 | 文本 | NA |
| 10240 | 2024-08-05 |
APEX-pHLA: A novel method for accurate prediction of the binding between exogenous short peptides and HLA class I molecules
2024-Aug, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.05.013
PMID:38772499
|
研究论文 | 本研究开发了一种基于深度学习的新方法，准确预测外源短肽与HLA类I分子的结合 | 提出了APEX-pHLA模型，结合textCNN和BiLSTM架构，克服了传统方法在HLA类I等位基因变异和肽段长度上的限制 | NA | 开发高效的预测方法以加速免疫性肽的筛选和疫苗设计 | 外源短肽与人类白细胞抗原（HLA）分子之间的结合 | NA | NA | 深度学习 | textCNN和BiLSTM | NA | 独立测试集和外部测试集的样本数量未具体说明 |