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 11281 - 11300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11281 | 2024-08-05 |
Advanced deep learning algorithm for instant discriminating of tea leave stress symptoms by smartphone-based detection
2024-Jul, Plant physiology and biochemistry : PPB
IF:6.1Q1
DOI:10.1016/j.plaphy.2024.108769
PMID:38797010
|
研究论文 | 本研究提出了一种基于智能手机的深度学习模型，用于快速检测茶叶的压力症状。 | 提出了一种便携式智能手机检测方法，并适应YOLOv5m和YOLOv8m算法，实现了高精度区分茶叶压力症状。 | 研究未提及可能的环境因素对检测结果的影响 | 旨在开发一种在复杂自然环境中快速监测茶叶压力的技术 | 开发了一个包含10000多张茶园冠层图像的数据库 | 计算机视觉 | NA | 深度学习 | YOLOv8m | 图像 | 超过10000张图像 | NA | NA | NA | NA |
| 11282 | 2024-08-05 |
Marine oil spill detection and segmentation in SAR data with two steps Deep Learning framework
2024-Jul, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.116549
PMID:38850755
|
研究论文 | 本研究开发了一种基于深度学习的海洋油污检测和分割方法 | 探索了九十种CNN配置，并创建了新的Sentinel-1图像数据集 | 未提及具体的局限性 | 旨在提高海洋油污分类和分割的准确性 | 使用Sentinel-1 SAR图像进行油污检测 | 计算机视觉 | NA | 深度学习 | CNN, MLP, U-Net | 图像 | NA | NA | NA | NA | NA |
| 11283 | 2024-08-05 |
Radiomics and deep learning models for CT pre-operative lymph node staging in pancreatic ductal adenocarcinoma: A systematic review and meta-analysis
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111510
PMID:38781919
|
系统评价与 meta 分析 | 评估 CT 基于放射组学算法和深度学习模型在胰腺导管腺癌患者中术前识别淋巴结转移的诊断准确性 | 本研究通过元分析显示了 CT 基于放射组学和深度学习模型在预测胰腺导管腺癌患者淋巴结转移方面的良好表现 | 研究中未发现研究类型（放射组学 vs 深度学习）或数据集大小对诊断比值比（DOR）有显著影响 | 探讨 CT 基于放射组学和深度学习模型的诊断准确性 | 针对胰腺导管腺癌患者的淋巴结转移进行的相关研究 | 数字病理学 | 胰腺癌 | CT 扫描 | 放射组学和深度学习模型 | 影像 | 共纳入 485 名患者（213 名用于放射组学研究，272 名用于深度学习研究） | NA | NA | NA | NA |
| 11284 | 2024-08-05 |
Recurrent quantum embedding neural network and its application in vulnerability detection
2024-Jun-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63021-y
PMID:38871946
|
研究论文 | 本论文提出了一种递归量子嵌入神经网络用于漏洞检测。 | 创新点在于结合了递归量子嵌入神经网络与自然语言处理，显著减少了内存消耗和参数数量。 | 没有提到具体的局限性。 | 研究旨在提高漏洞检测任务的性能和资源利用效率。 | 研究对象为漏洞检测任务中的量子自然语言处理方法。 | 自然语言处理 | NA | 量子计算 | 递归量子嵌入神经网络 | NA | NA | NA | NA | NA | NA |
| 11285 | 2024-08-05 |
Topological regression as an interpretable and efficient tool for quantitative structure-activity relationship modeling
2024-Jun-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49372-0
PMID:38871711
|
研究论文 | 本文提出了一种基于相似性的回归框架，拓扑回归（TR），用于定量构效关系建模，且易于解释和计算快速 | 提出了一种拓扑回归方法，其能够实现与深度学习QSAR模型相当甚至更好的性能，并提供更直观的解释能力 | 在比较上只有530个ChEMBL人类靶点活性数据集，可能对其它数据集的适用性没有充分验证 | 提高QSAR模型的可解释性与计算效率，以推动药物发现 | 530个ChEMBL人类靶点活性数据集 | 机器学习 | NA | NA | 拓扑回归（TR） | 数据集 | 530 | NA | NA | NA | NA |
| 11286 | 2024-08-05 |
Phenotyping grapevine resistance to downy mildew: deep learning as a promising tool to assess sporulation and necrosis
2024-Jun-13, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01220-4
PMID:38872155
|
研究论文 | 该研究利用深度学习评估患有霜霉病的葡萄vine叶片的症状和抗性。 | 提出了一种高通量机器学习表型分析方法来识别葡萄对霜霉病抗性的新的基因位点 | 该方法可能依赖于特定的图像数据集，可能不适用于所有毒病系统 | 开发一种新的方法以快速、准确评估葡萄品种对霜霉病的抗性 | 受霜霉病影响的葡萄vine叶片 | 机器学习 | NA | 深度学习 | Swin Transformer | 图像 | 感染P. viticola的葡萄vine叶片圆盘的图像 | NA | NA | NA | NA |
| 11287 | 2024-08-05 |
Robust diagnosis and meta visualizations of plant diseases through deep neural architecture with explainable AI
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64601-8
PMID:38871765
|
研究论文 | 本文提出了一种深度卷积神经网络模型，用于快速准确地识别植物疾病 | 引入了一种深度、可解释的神经架构，专门用于植物疾病识别，并应用于最大标准植物村数据集 | 由于基础设施和技术有限，植物疾病的准确识别具有挑战性 | 通过深度学习技术提高植物疾病的早期识别和分类精度 | 使用标准植物村数据集中38个类别的植物样本进行实验 | 计算机视觉 | 植物疾病 | 深度学习 | 深度卷积神经网络 | 图像 | 38个类别的最大标准植物村数据集 | NA | NA | NA | NA |
| 11288 | 2024-08-05 |
Applying deep learning on social media to investigate cultural ecosystem services in protected areas worldwide
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64115-3
PMID:38871754
|
研究论文 | 本文探讨了全球保护区中文化生态系统服务的变异性 | 首次将深度学习与社交媒体数据结合，系统分类和分析全球保护区的文化生态系统服务 | 研究仅基于Flickr平台的照片，可能无法全面反映所有保护区的情况 | 旨在揭示全球保护区中文化生态系统服务的分布和互动模式 | 全球范围内的2873个保护区及其在社交媒体上的照片 | 机器学习 | NA | 卷积神经网络 | 混合效应模型 | 图像 | 总计87,090张照片，涉及2813个保护区，来自207个国家 | NA | NA | NA | NA |
| 11289 | 2024-08-05 |
Multi-risk factors joint prediction model for risk prediction of retinopathy of prematurity
2024-Jun, The EPMA journal
DOI:10.1007/s13167-024-00363-7
PMID:38841619
|
研究论文 | 本研究建立了一种结合临床人口统计数据的人工智能算法用于早期筛查和风险预测早产儿视网膜病的模型 | 该研究创新性地结合了多种风险因素与人工智能技术，提高了对早产儿视网膜病及其治疗期望的预测能力 | 研究主要集中在单一医院的数据，可能存在样本偏差和外推性限制 | 该研究旨在通过建立多风险因素联合预测模型以提升早产儿视网膜病的早期筛查和风险评估能力 | 研究对象为22569名在深圳眼科医院进行常规筛查的早产儿，其中包括3335名罹患视网膜病的早产儿 | 机器学习 | 早产儿视网膜病 | 机器学习和深度学习 | 多层感知器、逻辑回归、决策树 | 临床数据 | 22569名早产儿，其中包括3335名视网膜病儿童和1234名需要治疗的视网膜病儿童 | NA | NA | NA | NA |
| 11290 | 2024-08-05 |
Lensless shadow microscopy-based shortcut analysis strategy for fast quantification of microplastic fibers released to water
2024-Jul-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.121758
PMID:38761592
|
研究论文 | 该论文提出了一种基于无透镜阴影显微镜的快速分析策略，用于有效量化水中释放的微塑料纤维 | 论文创新提出了结合高分辨率无透镜阴影显微镜与深度学习算法的快速成像和自动计数方法，从而显著提升了微塑料纤维的检测速度和准确性 | 研究中未涉及高效样本分离和全面样本图像数据库的创建 | 研究旨在提高对水中微塑料纤维污染的快速量化能力 | 研究对象是水中释放的微塑料纤维 | 数字病理 | NA | 无透镜阴影显微镜，深度学习算法 | NA | 图像 | NA | NA | NA | NA | NA |
| 11291 | 2024-08-05 |
Discriminative diagnosis of ovarian endometriosis cysts and benign mucinous cystadenomas based on the ConvNeXt algorithm
2024-Jul, European journal of obstetrics, gynecology, and reproductive biology
DOI:10.1016/j.ejogrb.2024.05.010
PMID:38756053
|
研究论文 | 本研究旨在开发一个深度学习模型，利用ConvNeXt算法有效区分卵巢内膜异位囊肿和良性粘液性囊腺瘤 | 该深度学习模型提供了一种新的临床方法，以高准确度区分卵巢内膜异位囊肿和良性粘液性囊腺瘤 | 本研究的回顾性分析可能受限于数据的选择偏倚 | 旨在通过分析超声图像开发一个有效的深度学习模型用于卵巢内膜异位囊肿和良性粘液性囊腺瘤的诊断 | 研究对象为184名被诊断为卵巢内膜异位囊肿或良性粘液性囊腺瘤的患者 | 数字病理学 | 卵巢内膜异位症 | 深度学习，ConvNeXt算法 | 深度学习模型 | 超声图像 | 786幅超声图像，来自184名患者 | NA | NA | NA | NA |
| 11292 | 2024-08-05 |
Revolutionizing urban mapping: deep learning and data fusion strategies for accurate building footprint segmentation
2024-Jun-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64231-0
PMID:38866920
|
研究论文 | 该论文提出了一种利用深度学习和数据融合策略进行建筑轮廓分割的新方法 | 通过将RGB正射影像与数字地表模型相结合，生成了一种统一的四波段数据集，从而改进了建筑分割的准确性和训练时间 | NA | 研究如何有效提取和细化城市建筑的轮廓信息 | 高分辨率航拍或卫星影像中的建筑物信息 | 计算机视觉 | NA | 深度学习，数据融合 | DeepLabv3 | 图像 | 覆盖意大利都灵21 km的区域，包含多样化的建筑框架 | NA | NA | NA | NA |
| 11293 | 2024-08-05 |
An improved deep learning network for image detection and its application in Dendrobii caulis decoction piece
2024-06-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63398-w
PMID:38866849
|
研究论文 | 该文章提出了一种改进的深度学习网络用于从图像中检测 Dendrobii caulis decoction piece。 | 本文创新性地设计了 C2S 模块来替代 YOLOv5 的 C3 模块，提高了对稠密小目标的特征提取能力，并引入了 RepGFPN 和 OTA 操作符以有效整合高维和低维特征。 | 该研究未探讨方法在其他类型食材中的适用性。 | 研究旨在开发高效的检测方法，以解决 Dendrobii caulis decoction piece 的物种识别问题。 | 该研究的对象是不同类型的 Dendrobii caulis decoction piece。 | 计算机视觉 | NA | 深度学习 | 改进的 YOLOv5 | 图像 | 一个新的大规模 Dendrobium 图像数据集 | NA | NA | NA | NA |
| 11294 | 2024-08-05 |
A deep learning-based automated diagnosis system for SPECT myocardial perfusion imaging
2024-06-12, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64445-2
PMID:38866884
|
研究论文 | 本文开发了一种基于深度学习的心肌灌注成像自动诊断系统 | 文章创新性地使用深度学习模型来改善心血管疾病的诊断准确性，并通过无监督学习可视化疾病损伤 | 研究仅基于单中心数据集，可能限制了结果的广泛适用性 | 旨在提高心肌灌注成像（MPI SPECT）图像的诊断支持能力 | 研究对象为5443个MPI SPECT图像样本，标记为健康或冠状动脉疾病 | 计算机视觉 | 心血管疾病 | 深度学习 | 卷积神经网络（CNN） | 图像 | 5443个MPI SPECT图像样本 | NA | NA | NA | NA |
| 11295 | 2024-08-05 |
Parallel processing model for low-dose computed tomography image denoising
2024-Jun-12, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-024-00165-8
PMID:38865022
|
研究论文 | 本研究提出了一种多编码器深度特征变换网络（MDFTN），旨在增强多源低剂量计算机断层成像（LDCT）的去噪性能 | 提出了一种并行处理模型，能够在统一框架内同时处理来自多种成像源的LDCT图像，提升去噪效果 | 未提及具体的局限性 | 旨在提高多源LDCT成像的数据去噪性能 | 多源低剂量计算机断层成像图像 | 数字病理学 | NA | 深度学习 | 多编码器深度特征变换网络（MDFTN） | 图像 | 在两个公共数据集和一个本地数据集上进行的实验 | NA | NA | NA | NA |
| 11296 | 2024-08-05 |
Prospective validation of a seizure diary forecasting falls short
2024-Jun, Epilepsia
IF:6.6Q1
DOI:10.1111/epi.17984
PMID:38606580
|
研究论文 | 本研究前瞻性评估了一种深度学习人工智能模型在预测癫痫发作风险方面的有效性 | 尽管以前的研究表明AI模型表现优越，但本研究发现其在前瞻性随机对照中不及简单移动平均预测 | 研究样本量较小，仅有25人提供了足够的数据进行分析 | 评估算法在前瞻性癫痫患者中的预测有效性 | 46名癫痫患者，最终分析样本为25名 | 机器学习 | 癫痫 | 深度学习 | NA | 数据条目 | 46名癫痫患者，25名提供了足够的数据进行分析 | NA | NA | NA | NA |
| 11297 | 2024-08-05 |
Dataset of chilli and onion plant leaf images for classification and detection
2024-Jun, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110524
PMID:38872936
|
研究论文 | 本文介绍了辣椒与洋葱叶子数据集，旨在分类与检测植物叶片疾病 | 创建了一个详细的辣椒与洋葱叶子数据集，以支持计算机视觉算法的开发与测试 | 数据集可能未涵盖所有可能的疾病或叶片状态 | 研究旨在创建一个可公开获取的数据集，以支持植物叶片识别的计算机视觉技术 | 辣椒和洋葱植物的叶片图像 | 计算机视觉 | NA | 图像处理算法 | 深度学习模型，视觉变换器架构 | 图像 | 包含多种类型的辣椒与洋葱叶子图像 | NA | NA | NA | NA |
| 11298 | 2024-08-05 |
[Advances in the application of AlphaFold2: a protein structure prediction model]
2024-May-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.230677
PMID:38783805
|
综述 | 本文介绍了AlphaFold2模型的架构、亮点、局限性和应用进展 | 介绍了AlphaFold2的独特架构及其在蛋白质结构预测中的优越性能 | 文章未详细探讨各模型的具体应用案例和实际效果 | 探讨AlphaFold2及其他蛋白质结构预测模型的应用和发展 | 主要讨论AlphaFold2及其他几种蛋白质结构预测模型 | 计算机视觉 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 11299 | 2024-08-05 |
Histopathologic image-based deep learning classifier for predicting platinum-based treatment responses in high-grade serous ovarian cancer
2024-May-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48667-6
PMID:38762636
|
研究论文 | 本研究开发了一种基于组织病理学图像的分类器，用于预测高级别浆液性卵巢癌对铂类化疗的反应。 | 开发了Pathologic Risk Classifier for HGSOC (PathoRiCH)，其预测铂类治疗反应的性能优于现有的分子生物标志物。 | 缺乏对不同种族或年龄段患者的广泛适应性验证。 | 旨在提高对女性高级别浆液性卵巢癌的铂类化疗反应的预测能力。 | 对394个内科病例和两个独立外部队列（284个和136个）进行训练和验证的组织病理学图像。 | 数字病理学 | 卵巢癌 | 组织病理学图像分析 | 分类器 | 图像 | 总共614个样本：394个内科病例和两个独立外部队列（284个和136个） | NA | NA | NA | NA |
| 11300 | 2024-08-05 |
A multicenter proof-of-concept study on deep learning-based intraoperative discrimination of primary central nervous system lymphoma
2024-May-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48171-x
PMID:38704409
|
研究论文 | 本文开发了一个基于深度学习的模型，用于在手术中区分原发性中枢神经系统淋巴瘤和其他病变 | 提出了一种人机融合的方法，将深度学习模型与病理诊断相结合，提高了诊断性能 | 外部队列的应用和特定病理类型可能影响模型的普适性 | 开发和验证一个能准确区分原发性中枢神经系统淋巴瘤的深度学习模型 | 重点研究了通过H&E染色的冷冻全切片图像区分原发性中枢神经系统淋巴瘤与其他病变 | 数字病理学 | 原发性中枢神经系统淋巴瘤 | 深度学习 | LGNet | 图像 | 使用了不同专家水平的病理学家的表现作为比较 | NA | NA | NA | NA |