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 12022 篇文献，本页显示第 11121 - 11140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11121 | 2024-08-05 |
Peripheral blood MicroRNAs as biomarkers of schizophrenia: expectations from a meta-analysis that combines deep learning methods
2024 Jan-Feb, The world journal of biological psychiatry : the official journal of the World Federation of Societies of Biological Psychiatry
DOI:10.1080/15622975.2023.2258975
PMID:37703215
|
meta-analysis | 本研究利用元分析结合深度学习方法识别血液中与精神分裂症有关的可靠差异表达miRNAs | 结合计算方法和数学方法的元分析为精神分裂症候选生物标志物的识别提供了可靠工具 | 研究的局限性未在摘要中描述 | 识别血液中精神分裂症的可靠差异表达miRNAs | 精神分裂症相关的miRNAs | NA | 精神分裂症 | 深度学习，元分析 | 随机森林 (RF) | 血液中的miRNA数据 | 涉及27个显著的差异表达miRNAs | NA | NA | NA | NA |
| 11122 | 2024-08-05 |
Exploring the dynamics of monkeypox transmission with data-driven methods and a deterministic model
2024, Frontiers in epidemiology
DOI:10.3389/fepid.2024.1334964
PMID:38840980
|
研究论文 | 本研究分析了全球Mpox的单变量时间序列数据，为理解Mpox传播动态提供了综合分析 | 本研究创新之处在于同时使用数据驱动的方法和数学模型来深入分析Mpox时间序列数据 | 本研究的局限性在于未针对各种潜在的外部因素进行详细考量 | 本研究旨在分析Mpox传播的动态，以便更好地预测和控制该疾病的传播 | 研究对象为全球范围内的Mpox传播数据 | 计算机视觉 | NA | 深度学习模型（CNN、LSTM、BiLSTM、混合CNN-LSTM和CNN-BiLSTM）和统计时间序列模型（ARIMA、指数平滑） | 确定性模型 | 时间序列数据 | 涉及多个国家和地区的Mpox疫情数据 | NA | NA | NA | NA |
| 11123 | 2024-08-05 |
An automated hybrid approach via deep learning and radiomics focused on the midbrain and substantia nigra to detect early-stage Parkinson's disease
2024, Frontiers in aging neuroscience
IF:4.1Q2
DOI:10.3389/fnagi.2024.1397896
PMID:38832074
|
研究论文 | 本研究提出了一种新的混合模型，通过深度学习和放射组学自动检测早期帕金森病 | 提出了一种将放射组学和深度学习相结合的新方法，在用于早期帕金森病的诊断中表现出色 | 未提及特定的限制因素 | 旨在开发一种有效的方法以早期检测帕金森病 | 收集了73名早期帕金森病患者和65名健康对照的定量敏感性成像(QSM)数据 | 数字病理学 | 帕金森病 | QSM | 混合特征支持向量机(SVM) | 图像 | 73名早期帕金森病患者和65名健康对照，以及24名外部验证参与者 | NA | NA | NA | NA |
| 11124 | 2024-08-05 |
Multi-sequence generative adversarial network: better generation for enhanced magnetic resonance imaging images
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1365238
PMID:38841427
|
研究论文 | 提出了一种基于pix2pix模型的多模态输入生成对抗网络，以生成增强的磁共振成像图像 | 通过比较提出的模型与pix2pix模型，展示了在生成增强序列图像方面的新方法 | NA | 旨在减少对对比剂的使用，保护某些特定人群 | 对比不同MRI序列生成增强图像的效果 | 数字病理学 | 癌症 | 生成对抗网络 | pix2pix | 图像 | NA | NA | NA | NA | NA |
| 11125 | 2024-08-05 |
Prediction of recurrence risk factors in patients with early-stage cervical cancers by nomogram based on MRI handcrafted radiomics features and deep learning features: a dual-center study
2024-01, Abdominal radiology (New York)
DOI:10.1007/s00261-023-04125-3
PMID:37987856
|
研究论文 | 建立并验证了一种基于MR图像和临床特征的深度学习放射组学评分模型以预测早期宫颈癌患者的复发风险因素 | 该研究首次结合深度学习特征和手工放射组学特征，建立了用于预测复发风险的深度学习放射组学评分模型 | 研究的样本主要集中在两个中心，外部验证的样本量相对较小 | 旨在预测早期宫颈癌患者的复发风险因素并进行风险分层 | 研究对象为225例病理确认的早期宫颈癌患者 | 数字病理学 | 宫颈癌 | MRI手工放射组学特征和深度学习特征 | 逻辑回归 | 医学影像 | 225例早期宫颈癌患者及40例外部验证患者 | NA | NA | NA | NA |
| 11126 | 2024-08-05 |
Single-channel seizure detection with clinical confirmation of seizure locations using CHB-MIT dataset
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1389731
PMID:38836000
|
研究论文 | 本文提出了一种基于深度学习的单通道癫痫发作检测方法。 | 创新点在于使用患者特异性的单通道检测方法，结合神经学家的癫痫空间特征确认。 | 研究的样本量较小，仅涉及13名患者，且只选择了特定的通道。 | 研究旨在改善难治性癫痫患者的长时间EEG监测。 | 研究对象包括13名患有难治性癫痫的患者。 | 数字病理学 | 癫痫 | 深度学习 | 多通道和单通道检测器 | EEG | 13名患者的EEG记录 | NA | NA | NA | NA |
| 11127 | 2024-08-07 |
Editorial: Applications of artificial intelligence, machine learning, and deep learning in plant breeding
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1420938
PMID:38841285
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11128 | 2024-08-05 |
Automated identification of aquatic insects: A case study using deep learning and computer vision techniques
2024-Jul-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.172877
PMID:38740196
|
研究论文 | 本研究利用深度学习和计算机视觉技术自动识别水生昆虫，以提高生物监测的效率和分类精度 | 研究建立了一个包含90个EPT分类的数据库，并使用CNN模型实现了98.7%的分类准确率 | 研究中只涉及特定的EPT分类，可能不能推广到所有水生昆虫的分类 | 提高水生昆虫生物监测程序的效率和分类分辨率 | EPT类水生昆虫，包括蜉蝣、石蝇和毛虫 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 共16,650张图像，包含90个EPT分类 | NA | NA | NA | NA |
| 11129 | 2024-08-05 |
Human Versus Machine Intelligence: Assessing Natural Language Generation Models Through Complex Systems Theory
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3358168
PMID:38265904
|
研究论文 | 通过复杂系统理论评估自然语言生成模型的能力。 | 提出了一种比较GPT-2生成文本与人类文本的新方法，利用复杂性科学框架进行深入分析。 | 未提及具体的局限性。 | 探讨Transformer架构在自然语言生成中的表现并分析其与人类文本的关系。 | 比较GPT-2生成的英文文本与人类创作的小说和程序代码。 | 自然语言处理 | NA | 复杂性测量 | GPT-2 | 文本 | 分析了三种文本类型，具体样本量未提及 | NA | NA | NA | NA |
| 11130 | 2024-08-05 |
Detection and coverage estimation of purple nutsedge in turf with image classification neural networks
2024-Jul, Pest management science
IF:3.8Q1
DOI:10.1002/ps.8055
PMID:38436512
|
研究论文 | 该研究评估了使用图像分类神经网络检测和估算草坪中紫色猪殃殃覆盖率的有效性 | 通过使用不同的深度学习模型，尤其是DenseNet，在杂草检测和覆盖估算上表现出先进的准确性和效率 | 需要大量注释数据进行模型训练 | 实现精确的杂草检测和覆盖率估算以优化除草剂应用 | 杂草检测和估算在百慕大草坪中的覆盖率 | 计算机视觉 | NA | 深度学习 | DenseNet, GoogLeNet, ResNet | 图像 | NA | NA | NA | NA | NA |
| 11131 | 2024-08-05 |
Research on precise phenotype identification and growth prediction of lettuce based on deep learning
2024-Jul-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.118845
PMID:38570128
|
研究论文 | 本文研究了生菜的精确表型识别和生长预测 | 通过深度学习模型，提出了用于生菜生长的预测模型，并定义了一些新颖的表型指标 | 没有详细说明实验的样本大小和营养应激条件的具体影响 | 旨在实现精准农业的目标，通过识别和监测生菜的表型特征 | 生菜的表型特征及其生长状态 | 数字农业 | NA | 深度学习 | NA | RGB图像 | NA | NA | NA | NA | NA |
| 11132 | 2024-08-05 |
On the Number of Linear Regions of Convolutional Neural Networks With Piecewise Linear Activations
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361155
PMID:38300783
|
研究论文 | 本文提供了用于研究具有分段线性激活的卷积神经网络线性区域的数学结果 | 提出了一层和多层分段线性卷积神经网络的最大和平均线性区域数量的数学结果 | 未提及具体限制 | 研究具有分段线性激活的卷积神经网络的线性区域 | 分段线性卷积神经网络的线性区域 | 机器学习 | NA | NA | PLCNN | NA | NA | NA | NA | NA | NA |
| 11133 | 2024-08-05 |
Self-Supervised Deep Blind Video Super-Resolution
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3361168
PMID:38329850
|
研究论文 | 本文提出了一种自监督学习方法来解决盲视频超分辨率问题 | 创新点在于同时估计模糊核和高分辨率视频，并生成辅助配对数据以更好地约束网络 | 在实际应用中，高分辨率视频和对应低分辨率视频的获取仍然很困难 | 研究旨在通过自监督学习方法改善视频超分辨率的效果 | 研究对象是低分辨率视频，目标是恢复出高分辨率视频 | 计算机视觉 | NA | NA | NA | 视频 | NA | NA | NA | NA | NA |
| 11134 | 2024-08-05 |
Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements
2024-Jul, IEEE transactions on pattern analysis and machine intelligence
IF:20.8Q1
DOI:10.1109/TPAMI.2024.3359087
PMID:38277253
|
研究论文 | 本文提出了一种无监督深度学习方法，用于从不完整测量中进行图像重建 | 提出了一种通过Siamese网络在测量矩阵的零空间和伪逆的范围空间上协作重建的无监督深度学习方法 | 该方法依赖于自监督损失，可能在某些情况下无法达到最佳重建效果 | 扩展深度学习在获取潜在图像挑战性任务中的应用 | 对图像重建进行无监督学习 | 计算机视觉 | NA | 深度学习 | Siamese网络 | 图像 | 应用于四个来自不同应用的成像任务 | NA | NA | NA | NA |
| 11135 | 2024-08-05 |
Memory-efficient semantic segmentation of large microscopy images using graph-based neural networks
2024-Jun-06, Microscopy (Oxford, England)
DOI:10.1093/jmicro/dfad049
PMID:37864808
|
研究论文 | 本文提出了一种基于图神经网络的框架，用于大规模显微镜图像分割任务 | 通过将大规模图像转换为图形并使用超像素，克服了深度学习模型在内存方面的限制 | 超像素生成可能导致误差，需改进生成算法或增加超像素数量以提高准确性 | 研究结合图神经网络的显微镜图像分割方法以提高效率 | 生物细胞和细胞集落的显微镜图像 | 数字病理学 | NA | 图神经网络 (GNN) | NA | 图像 | 使用了数百万像素的显微镜图像样本 | NA | NA | NA | NA |
| 11136 | 2024-08-05 |
General Aqueous System Simulation through an AI-Embedded Metaverse Chemistry Laboratory
2024-Jun-06, The journal of physical chemistry letters
IF:4.8Q1
DOI:10.1021/acs.jpclett.4c01111
PMID:38814104
|
研究论文 | 本研究设计了一种物理支持的深度学习模型，预测一般水相系统的未来状态 | 提出了一种嵌入AI的元宇宙化学实验室框架，能够有效地模拟水相系统属性并预测离子化合物的溶解时间 | 当前的元宇宙框架在实验数据分析上仍有局限，使得优化实验的整体时间消耗较高 | 旨在通过数字化化学信息的方式，优化实验设计和数据利用 | 主要研究100多种常见离子溶液的一般水相系统 | 物理化学 | NA | 深度学习 | NA | 实验数据 | 100+种常见离子溶液 | NA | NA | NA | NA |
| 11137 | 2024-08-05 |
AI in evaluating ambulation of stroke patients: severity classification with video and functional ambulation category scale
2024-Jun-06, Topics in stroke rehabilitation
IF:2.2Q1
DOI:10.1080/10749357.2024.2359342
PMID:38841903
|
研究论文 | 本研究验证了一种深度学习模型，用于根据功能步态分类（FAC）规模对中风患者的步态图像数据进行分类 | 提出了基于视频数据的人体姿势估计方法，用于开发步态参数模型和分类模型 | 研究依赖于收集的大量多样化数据，这些数据是在非标准化的真实环境中收集的 | 验证深度学习模型对中风患者步态图像数据的分类能力 | 203名中风患者和182名健康个体的步态视觉数据 | 计算机视觉 | 中风 | 深度学习 | NA | 视频 | 203名中风患者和182名健康个体 | NA | NA | NA | NA |
| 11138 | 2024-08-05 |
Sustainable Sea of Internet of Things: Wind Energy Harvesting System for Unmanned Surface Vehicles
2024-Jun-05, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c05142
PMID:38768307
|
研究论文 | 本论文提出了一种基于压电和电磁效应的无人水面车辆风能采集系统 | 创新点在于自我调节策略的实施和优化的磁体配置，有效提高了风能收集的性能 | 未提及具体环境条件对设备性能的影响 | 旨在开发一种智能的海洋环境监测系统，通过风能采集为无人水面车辆提供动力 | 研究对象为无人水面车辆及其风能采集系统 | 物联网 | NA | 风能采集 | 深度学习算法 | 实验数据 | 原型制造和测试，具体样本量未提及 | NA | NA | NA | NA |
| 11139 | 2024-08-07 |
Correction: Deep learning model for differentiating nasal cavity masses based on nasal endoscopy images
2024-Jun-03, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02562-8
PMID:38831373
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 11140 | 2024-08-05 |
Opening the black box of team-based learning (TBL): A study of verbal interactions in online application sessions
2024-06, Medical teacher
IF:3.3Q1
DOI:10.1080/0142159X.2023.2285249
PMID:38035575
|
研究论文 | 本研究探讨了在线团队基础学习（TBL）应用课程中的语言互动情况。 | 研究提供了对在线TBL课程中互动类型的深入分析，揭示了互动在促进深度学习中的重要性。 | 研究主要集中在特定的在线应用课程中，可能无法全面代表所有在线TBL课程。 | 深入了解在线TBL应用课程中互动的性质和程度，并探讨其在不同团队和课程中的变化。 | 研究对象为12个TBL团队在两次在线应用课程中的互动情况。 | 教育研究 | NA | 音视频记录 | NA | 文本、音频和视频 | 12个TBL团队 | NA | NA | NA | NA |