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 12089 篇文献，本页显示第 10581 - 10600 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10581 | 2024-08-05 |
Effects of wind speed and wind direction on crop yield forecasting using dynamic time warping and an ensembled learning model
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.16538
PMID:38881862
|
研究论文 | 本文探讨风速和风向对腰果作物产量预测的影响，采用动态时间规整和集成学习模型。 | 提出了一种结合LSTM和随机森林的集成模型，并利用动态时间规整来评估时空数据的相似性。 | 未提及数据样本的多样性与广泛性，可能影响模型的普适性。 | 研究风速和风向对腰果产量预测的影响，并改进预测模型。 | 研究对象为加纳博诺地区的腰果作物及其风速和风向数据。 | 机器学习 | NA | 动态时间规整 (DTW) | 长短期记忆网络 (LSTM) 和 随机森林 (RF) | 时空数据 | NA |
| 10582 | 2024-08-05 |
Explainable Deep Learning Model for Predicting Serious Adverse Events in Hospitalized Geriatric Patients Within 72 Hours
2024, Clinical interventions in aging
IF:3.5Q2
DOI:10.2147/CIA.S460562
PMID:38883992
|
研究论文 | 本文开发了一种可解释的深度学习模型，以预测住院老年患者在72小时内发生的不良事件 | 该研究开发了一种可解释的深度学习模型，能够在72小时内准确预测老年患者的不良事件 | 该研究使用的回顾性数据可能受限于数据收集的准确性和完整性 | 研究的目的是提高对老年患者住院期间发生的不良事件的预测能力 | 研究对象为非创伤性老年患者，这些患者在急诊科就诊并住入普通病房 | 数字病理 | 老年疾病 | 深度学习 | 深度前馈神经网络 | 回顾性数据 | 共纳入127,268名患者 |
| 10583 | 2024-08-05 |
Multimodal Brain Tumor Classification Using Convolutional Tumnet Architecture
2024, Behavioural neurology
IF:2.7Q2
DOI:10.1155/2024/4678554
PMID:38882177
|
研究论文 | 本研究提出了一种基于深度学习的脑肿瘤多模态融合影像分类和分割方法 | 提出了一种新的Tumnet技术，通过三种不同的像素级融合方法来处理MRI和CT影像，以提高脑肿瘤分类的准确性 | 没有提及样本来源和外部验证，可能限制了结果的广泛适用性 | 提高脑肿瘤的诊断和治疗效果 | 308片脑膜瘤和肉瘤的MRI和CT图像 | 数字病理 | 脑癌 | 深度学习 | 卷积神经网络 (CNN) | 图像 | 869片影像切片（308片和561片） |
| 10584 | 2024-08-05 |
WilsonGenAI a deep learning approach to classify pathogenic variants in Wilson Disease
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303787
PMID:38758754
|
研究论文 | 该文章介绍了一种深度学习方法用于分类与威尔逊病相关的致病变异。 | 本研究利用机器学习算法为ATP7B基因的遗传变异提供了自动分类工具，能够处理大量变异的数据。 | 本研究仅限于ATP7B基因的变异分类，可能不适用于其他基因变异的分类。 | 旨在通过深度学习技术分类与威尔逊病相关的遗传变异。 | 主要研究对象为ATP7B基因的致病变异。 | 机器学习 | 威尔逊病 | 下一代测序（NGS） | TabNet和XGBoost | 遗传变异数据 | 两个高置信度的数据集，包括手动注释和ACMG & AMP分类的变异 |
| 10585 | 2024-08-05 |
An End-to-End CRSwNP Prediction with Multichannel ResNet on Computed Tomography
2024, International journal of biomedical imaging
IF:3.3Q2
DOI:10.1155/2024/4960630
PMID:38883273
|
研究论文 | 本文提出一种结合多角度鼻窦计算机断层扫描图像和人工智能的方法，用于预测慢性鼻窦炎伴鼻息肉的亚型 | 提出多通道特征自适应融合模型，以提升对CT图像中重要鼻窦信息的关注度，增强检测精度 | 未提及具体的局限性 | 研究精准医学在慢性鼻窦炎伴鼻息肉中的应用，通过准确预测亚型以改善治疗效果 | 192名慢性鼻窦炎伴鼻息肉患者的22,265张CT图像 | 计算机视觉 | 慢性鼻窦炎 | 人工智能(AI) | 多通道神经网络 | 图像 | 192名患者的22,265张CT图像 |
| 10586 | 2024-08-05 |
A knowledge-aware deep learning model for landslide susceptibility assessment in Hong Kong
2024-Sep-01, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.173557
PMID:38806128
|
研究论文 | 本文提出了一种知识感知的深度学习模型，用于评估香港的滑坡易发性。 | 将滑坡先验知识与深度学习模型相结合，提高了模型的可转移性和稳定性。 | 在滑坡发生之前，只有少数滑坡显示检测到的运动，大多数滑坡是自发发生的，缺乏前兆运动。 | 研究旨在提高滑坡预测模型的准确性和稳定性。 | 研究对象为香港地区的滑坡发生情况及其影响因素。 | 数字病理学 | NA | 深度学习 | 变分自编码器 | 地形、地质、气候等相关数据 | NA |
| 10587 | 2024-08-05 |
The diagnostic performance of AI-based algorithms to discriminate between NMOSD and MS using MRI features: A systematic review and meta-analysis
2024-Jul, Multiple sclerosis and related disorders
IF:2.9Q2
DOI:10.1016/j.msard.2024.105682
PMID:38781885
|
系统评价和荟萃分析 | 本研究系统回顾了基于AI算法利用MRI特征区分NMOSD和MS的能力 | 首次系统评估了不同AI模型在区分NMOSD和MS方面的诊断性能 | MRI成像的异质性、模型评估和性能指标的报告影响了结果的可靠性 | 评估AI算法在基于MRI特征区分NMOSD和MS中的能力 | 包含1362名MS患者和1118名NMOSD患者的研究 | 数字病理学 | 神经脊髓视神经综合症（NMOSD）和多发性硬化（MS） | MRI | 机器学习（ML）和深度学习（DL） | 医学影像 | 15项研究中涉及的样本量介于53到351之间 |
| 10588 | 2024-08-05 |
Convolutional neural networks combined with classification algorithms for the diagnosis of periodontitis
2024-Jul, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00739-5
PMID:38393548
|
研究论文 | 本文旨在开发一种结合卷积神经网络和分类算法的深度学习模型，以帮助牙医快速准确地诊断牙周炎的阶段 | 本文创新性地将多种CNN模型与分类算法结合，提高了牙周炎诊断的准确性和效率 | 未提及本文可能的局限性 | 提高牙周炎的诊断效率和准确率 | 牙周炎的阶段诊断 | 计算机视觉 | 口腔疾病 | 卷积神经网络（CNN） | Alexnet, VGG16, ResNet18 | 影像（根尖放射线照相）和临床数据 | 未提供具体样本数量 |
| 10589 | 2024-08-05 |
Artificial intelligence for caries detection: a novel diagnostic tool using deep learning algorithms
2024-Jul, Oral radiology
IF:1.6Q3
DOI:10.1007/s11282-024-00741-x
PMID:38498223
|
研究论文 | 本文旨在利用深度学习算法开发一种自动检测牙齿龋齿的评估工具 | 提出了一种名为ResNet+SAM的新型诊断模型，能够自动检测牙齿龋齿，并在性能上优于传统的CNN模型 | 文章未提及具体的算法训练细节或潜在的进一步验证 | 开发一种用于自动检测牙齿龋齿的工具 | 使用4278幅经医学专家注释的根尖X光照片来训练和验证模型 | 计算机视觉 | NA | 卷积神经网络 | ResNet+SAM | 图像 | 4278幅根尖X光照片 |
| 10590 | 2024-08-05 |
Solution-state methyl NMR spectroscopy of large non-deuterated proteins enabled by deep neural networks
2024-Jun-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49378-8
PMID:38871714
|
研究论文 | 本文展示了使用深度神经网络处理质子化样本的NMR光谱，以解决大分子样品准备的挑战。 | 本研究创新性地展示了在不进行氘代的情况下，通过深度神经网络获得高质量的NMR光谱。 | 研究中可能仍存在对数据处理及解读的限制，且未涉及所有类型的大分子蛋白质。 | 探讨使用深度学习分析复杂磁共振数据的方法，以促进对大生物分子的研究。 | 研究涉及分子量在42-360 kDa范围内的三种蛋白质及大肠杆菌苹果酸合成酶G（81 kDa）。 | 数字病理学 | NA | NMR光谱 | 深度神经网络 | 光谱数据 | 三种蛋白质 |
| 10591 | 2024-08-05 |
Active gas camera mass flow quantification (qOGI): Application in a biogas plant and comparison to state-of-the-art gas cams
2024-Jun-01, The Review of scientific instruments
DOI:10.1063/5.0206155
PMID:38884562
|
研究论文 | 本文介绍了一种用于气体流量量化的新型主动气体相机，并在生物气体工厂进行应用。 | 本文创新地增强了气体相机的灵敏度适应性和相机-气体距离检测功能，首次实现了主动与被动气体相机间的比较。 | 本文未详细讨论在不同环境条件下该技术的普遍适用性。 | 研究气体流量的量化技术，评估主动气体相机在实际应用中的性能。 | 本研究对象为德国一座生物气体工厂中的气体泄漏情况。 | 数字道歉病理学 | NA | 激光光谱法和深度学习 | NA | 气体浓度 | 在生物气体工厂测量了一次气体泄漏情况 |
| 10592 | 2024-08-05 |
Automated blood volume estimation in surgical drains for clinical decision support
2024-Jun, European review for medical and pharmacological sciences
DOI:10.26355/eurrev_202406_36375
PMID:38884505
|
研究论文 | 本文提出了一种利用深度学习技术自动估算手术引流管中血液体积的方法 | 创新点在于使用非接触方法和深度学习技术自动检测引流管，并计算血液体积 | 尚未提及系统在不同临床环境下的长期稳定性测试 | 研究旨在创建一个自动化的血液体积监测系统，以支持临床决策 | 主要研究对象是手术引流管中的血液体积监测 | 计算机视觉 | NA | 深度学习 | 语义分割 | 图像 | 使用了1004张在各种背景和光照条件下拍摄的图像 |
| 10593 | 2024-08-05 |
A systematic review of brain metastases from lung cancer using magnetic resonance neuroimaging: Clinical and technical aspects
2024-Jun, Journal of medical radiation sciences
IF:1.8Q3
DOI:10.1002/jmrs.756
PMID:38234262
|
综述 | 本综述总结了与肺癌相关的脑转移瘤在磁共振成像技术方面的最新进展 | 文章创新性地展示了先进的磁共振成像技术在脑转移瘤管理中的应用，如灌注加权成像(PWI)和扩散加权成像(DWI) | 文章可能未能包括所有相关研究，可能存在偏倚的文献选择 | 探讨磁共振成像技术在肺癌脑转移瘤中的临床和技术应用 | 涉及2013年1月至2023年3月间进行的脑转移瘤相关的65项研究 | 数字病理学 | 肺癌 | 磁共振成像(MRI) | 深度学习(DL) | 文本 | 65项研究 |
| 10594 | 2024-08-05 |
TomoNet: A streamlined cryoET software pipeline with automatic particle picking on flexible lattices
2024-Feb-19, bioRxiv : the preprint server for biology
DOI:10.1101/2024.02.17.580557
PMID:38464049
|
研究论文 | TomoNet是一种流线型的cryoET软件管道，具有自动粒子拾取功能，能够在灵活的晶格上进行操作 | 开发了具有现代图形用户界面的软件包，集成了自动粒子拾取和3D分类功能以提高分辨率 | NA | 通过提高分辨率来准确定位和平均生物复杂体的结构 | 病毒样颗粒、细胞层内的细菌表面层和装饰核排出蛋白复合物的膜 | 数字病理学 | NA | cryoET | 深度学习 | 3D图像 | 多个数据集，具体数目未提及 |
| 10595 | 2024-08-05 |
Self-supervised multimodal learning for group inferences from MRI data: Discovering disorder-relevant brain regions and multimodal links
2024-Jan, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120485
PMID:38110045
|
研究论文 | 本文提出了一种自监督框架，用于从多模态神经影像数据中提取代表性，以增强群体推断。 | 该研究将Deep InfoMax扩展到多模态数据，首次探索其在识别相关脑区和多模态链接中的应用。 | 该方法依赖于自监督学习，可能在没有准确标签的情况下对某些特定案例的适用性有限。 | 研究旨在通过增强群体推断，探讨复杂脑部疾病的多模态联系。 | 研究对象包括使用MRI数据预测阿尔茨海默病及其相关疾病的脑区。 | 计算机视觉 | 阿尔茨海默病 | 自监督学习，Deep InfoMax | NA | 神经影像数据 | NA |
| 10596 | 2024-08-05 |
Study on breast cancerization and isolated diagnosis in situ by HOF-ATR-MIR spectroscopy with deep learning
2024-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124546
PMID:38824755
|
研究论文 | 本研究探讨了通过HOF-ATR-MIR光谱与深度学习对乳腺癌的分类与诊断 | 首次建立了基于1D-CNN的三类分类模型，能够有效区分正常、癌旁及癌变乳腺组织 | 并未明确提到具体的样本数量及研究局限性 | 旨在利用深度学习技术提高乳腺组织的分类与诊断准确性 | 研究对象为不同类型的乳腺组织，包括正常组织、癌旁组织和癌变组织 | 数字病理学 | 乳腺癌 | HOF-ATR-MIR光谱 | 1D-CNN | 光谱数据 | NA |
| 10597 | 2024-08-05 |
Learning active subspaces and discovering important features with Gaussian radial basis functions neural networks
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106335
PMID:38733793
|
研究论文 | 提出了一种改进的径向基函数神经网络模型，旨在提高预测性能并增强可解释性 | 通过可学习的精度矩阵修改了传统的径向基函数神经网络模型，使其能够提取关键特征和主动子空间 | 未提及具体的局限性 | 旨在通过提高模型的可预测性和可解释性来解决机器学习中的主要挑战 | 对回归、分类和特征选择任务进行数值实验 | 机器学习 | NA | 高斯径向基函数神经网络 | NA | 表格数据 | NA |
| 10598 | 2024-08-05 |
Towards complex dynamic physics system simulation with graph neural ordinary equations
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106341
PMID:38692189
|
研究论文 | 本文提出了一种新模型GNSTODE，用于模拟复杂的粒子系统 | 引入了图网络与时空神经常微分方程的结合，以处理粒子系统中的时空依赖性 | 未提及具体的局限性 | 旨在理解和模拟复杂物理系统中的粒子交互行为 | 复杂粒子系统的模拟 | 机器学习 | NA | 神经常微分方程 | 图网络 | 观测数据 | 在两个真实世界的粒子系统中进行评估，未具体说明样本数量 |
| 10599 | 2024-08-05 |
Which images to label for few-shot medical image analysis?
2024-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103200
PMID:38801797
|
研究论文 | 该文章提出了一种新颖的模板选择策略，以在少量标记医疗图像分析中选择值得标记的图像 | 提出了一种新颖的模板选择策略（TECP），优先选择适合标注的图像以改善模型性能 | 该研究未提及TECP在不同类型数据集上的适用性分析 | 旨在通过改进标注策略来提升少样本医疗图像分析的效果 | 涉及多种少样本医疗任务，包括标志检测、解剖检测和解剖分割 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | 多个公共数据集 |
| 10600 | 2024-08-05 |
Multi-scale self-attention approach for analysing motor imagery signals in brain-computer interfaces
2024-Aug, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110182
PMID:38795979
|
研究论文 | 本文提出了一种利用多尺度自注意力机制分析运动想象信号的模型 | 创新点在于使用多尺度时空自注意力网络进行脑电图运动想象信号的分类 | 仍面临脑电图数据准确分类的挑战 | 研究旨在通过自注意力机制提高运动想象脑电图信号的分类精确度 | 研究对象为运动想象的脑电图信号，包括左手、右手、脚和舌头/休息四类 | 自然语言处理 | NA | 脑电图（EEG） | 多尺度自注意力网络 | 信号 | 在BCI竞赛的IV-2b数据集上进行测试 |