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 12101 篇文献，本页显示第 11881 - 11900 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11881 | 2024-08-07 |
Enhancing hydrological modeling with transformers: a case study for 24-h streamflow prediction
2024-May, Water science and technology : a journal of the International Association on Water Pollution Research
IF:2.5Q2
DOI:10.2166/wst.2024.110
PMID:38747952
|
研究论文 | 本文使用先进的深度学习模型，特别是变换器架构，解决24小时径流预测的关键任务，并比较了五种不同模型在四个不同区域的性能 | 本文首次在径流预测任务中广泛应用变换器架构，并展示了其在捕捉复杂时间依赖性和模式方面的优越性 | NA | 研究如何利用先进的深度学习技术提高径流预测的准确性和可靠性 | 24小时径流预测任务 | 机器学习 | NA | 深度学习 | 变换器 | 时间序列数据 | 四个不同区域的数据 | NA | NA | NA | NA |
| 11882 | 2024-08-07 |
NanoBERTa-ASP: predicting nanobody paratope based on a pretrained RoBERTa model
2024-Mar-21, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05750-5
PMID:38515052
|
研究论文 | 本文介绍了一种名为NanoBERTa-ASP的新型纳米抗体预测模型，专门用于预测纳米抗体-抗原结合位点 | 该模型基于先进的自然语言处理模型BERT，采用RoBERTa方法学习纳米抗体序列的上下文信息，以准确预测其结合位点 | 现有的预测模型可能不适用于纳米抗体，且纳米抗体数据集的有限性对构建准确模型构成挑战 | 开发一种适用于纳米抗体的预测模型，以提高抗体工程、药物开发和免疫治疗的准确性 | 纳米抗体的结合位点预测 | 自然语言处理 | NA | RoBERTa | BERT | 序列数据 | NA | NA | NA | NA | NA |
| 11883 | 2024-08-07 |
Fully automatic mpMRI analysis using deep learning predicts peritumoral glioblastoma infiltration and subsequent recurrence
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3001752
PMID:38742150
|
研究论文 | 本研究提出了一种利用深度学习进行全自动多参数磁共振成像（mpMRI）分析的方法，用于预测胶质母细胞瘤（GBM）的肿瘤浸润和复发 | 本研究创新性地结合了全自动方法生成感兴趣区域（ROIs）与深度学习算法，创建肿瘤浸润的预测图，避免了传统方法对专家绘制的ROIs的依赖 | NA | 开发一种全自动的mpMRI分析方法，以早期准确检测胶质母细胞瘤的肿瘤浸润 | 胶质母细胞瘤（GBM）患者的肿瘤浸润和复发 | 机器学习 | 脑肿瘤 | 多参数磁共振成像（mpMRI） | 卷积神经网络（CNN） | 图像 | 使用了多个mpMRI扫描序列（T1、T1Gd、T2、T2-FLAIR和ADC）进行训练和验证 | NA | NA | NA | NA |
| 11884 | 2024-08-07 |
Convolutional Neural Networks for Glioma Segmentation and Prognosis: A Systematic Review
2024, Critical reviews in oncogenesis
DOI:10.1615/CritRevOncog.2023050852
PMID:38683153
|
综述 | 本文综述了卷积神经网络（CNN）在胶质瘤分割和预后预测中的应用 | CNN在医学影像处理中的应用，特别是在胶质瘤分类和预后预测中的创新应用 | 模型可解释性、数据可用性和计算效率方面的挑战 | 探讨CNN在神经肿瘤学领域中的应用及其未来发展方向 | 胶质瘤的分割、分类和预后预测 | 计算机视觉 | 脑癌 | CNN | CNN | 图像 | NA | NA | NA | NA | NA |
| 11885 | 2024-08-07 |
A multifaceted suite of metrics for comparative myoelectric prosthesis controller research
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0291279
PMID:38739557
|
研究论文 | 本文提出了一套全面的肌电假肢控制评估指标，用于分析设备运动细节，包括任务表现、控制特性和用户体验 | 引入了新的肌电假肢控制评估指标，能够更详细地分析设备运动质量和用户意图匹配度，以及用户对设备可靠性和控制器训练要求的看法 | NA | 开发适用于个人的假肢控制器，以预测用户的意图运动 | 肌电假肢控制器及其在复杂功能任务中的表现 | 机器人技术 | NA | 深度学习 | 循环卷积神经网络（RCNN） | NA | 8名无上肢损伤的参与者 | NA | NA | NA | NA |
| 11886 | 2024-08-07 |
Transformer-based framework for multi-class segmentation of skin cancer from histopathology images
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1380405
PMID:38741771
|
研究论文 | 本文提出了一种基于Transformer的模型，用于从组织病理学图像中对皮肤癌进行多类别分割 | 该研究通过不确定性图谱可视化模型预测的置信度，这是与大多数深度学习方法的区别 | NA | 旨在开发一种智能决策支持系统，以解决专家数量有限的问题，并帮助缓解城市中心与偏远地区之间的医疗服务差距 | 非黑色素瘤皮肤癌，包括基底细胞癌（BCC）、鳞状细胞癌（SCC）和表皮内癌（IEC） | 数字病理学 | 皮肤癌 | Transformer | Transformer | 图像 | 使用公开可用的数据集进行评估 | NA | NA | NA | NA |
| 11887 | 2024-08-07 |
Design of urban road fault detection system based on artificial neural network and deep learning
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1369832
PMID:38741790
|
研究论文 | 本文提出了一种基于人工神经网络和深度学习的城市道路故障检测系统，通过结合图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，实现高效准确的道路故障检测 | 本研究创新性地结合了图卷积网络、双向门控循环单元和自注意力机制，有效整合道路拓扑和交通数据，提高了道路故障检测的准确性 | NA | 提高城市交通管理中的道路故障检测效率和安全性 | 城市道路故障检测系统 | 机器学习 | NA | 图卷积网络（GCN）、双向门控循环单元（BiGRU）、自注意力机制 | 多层感知器（MLP） | 道路拓扑图、交通数据 | 使用标记的道路故障数据进行训练 | NA | NA | NA | NA |
| 11888 | 2024-08-07 |
Identifying pests in precision agriculture using low-cost image data acquisition
2024, Brazilian journal of biology = Revista brasleira de biologia
DOI:10.1590/1519-6984.281671
PMID:38747863
|
研究论文 | 本研究利用无人机和深度学习技术，通过低成本图像数据采集，评估多种模型在精准农业中识别害虫的有效性 | 本研究采用人工免疫系统方法，使深度神经网络适应实时情况，并展示了所提方法在性能上优于其他先进技术 | NA | 探索无人机在精准农业中识别害虫的应用 | 评估VGG-16、CNN和FCN模型在植物病害检测中的有效性 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 11889 | 2024-08-07 |
Identification of surface-enhanced Raman spectroscopy using hybrid transformer network
2024-Aug-05, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124295
PMID:38703407
|
研究论文 | 本研究开发了一种混合Transformer网络TMNet，用于识别表面增强拉曼光谱（SERS），通过集成Transformer编码器和多层感知器来提高序列光谱的特征提取能力 | 提出了一种新的混合Transformer网络TMNet，通过Transformer编码器和多层感知器的结合，有效提升了序列光谱的特征提取和识别准确性 | NA | 开发一种新的深度学习方法，以提高表面增强拉曼光谱的识别准确性和抗噪声能力 | 表面增强拉曼光谱（SERS）及其在药物检测中的应用 | 机器学习 | NA | 表面增强拉曼光谱（SERS） | 混合Transformer网络 | 光谱 | 包含药物的头发和尿液光谱 | NA | NA | NA | NA |
| 11890 | 2024-08-07 |
Single particle mass spectral signatures from on-road and non-road vehicle exhaust particles and their application in refined source apportionment using deep learning
2024-Jun-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.172822
PMID:38688364
|
研究论文 | 本研究收集了道路和非道路车辆的颗粒物，并使用单颗粒气溶胶质谱法分析其化学成分，通过自适应共振理论神经网络对数据进行分组，建立移动源的质谱数据库，并开发了一种基于深度学习的气溶胶颗粒分类模型（DeepAerosolClassifier），用于源解析。 | 本研究开发了一种高度自动化的源解析模型，无需特征选择，实现了端到端的操作，适用于精细和在线的颗粒物源解析。 | NA | 更新源解析的源谱以满足当前需求，并开发一种基于深度学习的气溶胶颗粒分类模型。 | 道路和非道路车辆的颗粒物及其化学成分。 | 机器学习 | NA | 单颗粒气溶胶质谱法 | 深度学习模型 | 质谱数据 | NA | NA | NA | NA | NA |
| 11891 | 2024-08-07 |
Automatic offline-capable smartphone paper-based microfluidic device for efficient biomarker detection of Alzheimer's disease
2024-Jun-15, Analytica chimica acta
IF:5.7Q1
DOI:10.1016/j.aca.2024.342575
PMID:38740448
|
研究论文 | 本文介绍了一种基于智能手机的离线微流控纸基分析装置，用于阿尔茨海默病的早期筛查和生物标志物检测 | 该平台采用深度学习辅助的智能手机控制旋转结构，实现μPADs上的自动化c-ELISA，并集成了YOLOv5模型进行高精度检测 | NA | 开发一种低成本、高效率的离线智能手机平台，用于在资源有限地区进行阿尔茨海默病的快速检测 | 阿尔茨海默病及其生物标志物β-淀粉样蛋白1-42 | 机器学习 | 阿尔茨海默病 | c-ELISA | YOLOv5 | 图像 | 38个人工血浆样本（健康：19，不健康：19，N = 6） | NA | NA | NA | NA |
| 11892 | 2024-08-07 |
VENet: Variational energy network for gland segmentation of pathological images and early gastric cancer diagnosis of whole slide images
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108178
PMID:38652995
|
研究论文 | 本文提出了一种名为VENet的变分能量网络，用于病理图像中的腺体分割和全切片图像中的早期胃癌诊断 | VENet结合了变分数学模型和深度学习方法的数据适应性，有效平衡了边界和区域分割，并能在大尺寸全切片图像中可靠地分割和分类腺体 | NA | 解决腺体分割中边界和区域分割结果不理想的问题，并辅助早期胃癌诊断 | 病理图像中的腺体分割和全切片图像中的早期胃癌诊断 | 数字病理学 | 胃癌 | 深度学习 | 变分能量网络（VENet） | 图像 | 在2015 MICCAI腺体分割挑战（GlaS）数据集、结直肠腺癌腺体（CRAG）数据集和南方医院自收集数据集上进行了评估，包括69张全切片图像（WSIs） | NA | NA | NA | NA |
| 11893 | 2024-08-07 |
RegWSI: Whole slide image registration using combined deep feature- and intensity-based methods: Winner of the ACROBAT 2023 challenge
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108187
PMID:38657383
|
research paper | 本文提出了一种两步混合方法，用于不同染色全幻灯片图像（WSI）的自动配准，该方法结合了深度学习和特征基于的初始对齐算法以及基于强度的非刚性配准 | 该方法无需对特定数据集进行微调，可直接用于任何所需的组织类型和染色，并且在ACROBAT 2023挑战赛中获得第一名 | NA | 提高通过融合不同可见结构产生的互补信息来进行诊断和预后的自动配准 | 不同染色的全幻灯片图像（WSI）的自动配准 | digital pathology | NA | 深度学习 | NA | image | 使用了三个公开数据集进行评估：Automatic Nonrigid Histological Image Registration Dataset (ANHIR)、Automatic Registration of Breast Cancer Tissue Dataset (ACROBAT) 和 Hybrid Restained and Consecutive Histological Serial Sections Dataset (HyReCo) | NA | NA | NA | NA |
| 11894 | 2024-08-07 |
Brain tumor detection using proper orthogonal decomposition integrated with deep learning networks
2024-Jun, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108167
PMID:38669717
|
研究论文 | 本研究通过将正交分解（POD）与卷积神经网络（CNN）结合，用于从磁共振成像（MRI）扫描的2D图像中有效识别脑肿瘤 | 首次将POD与CNN集成用于脑肿瘤检测，特别是在使用有限MRI扫描数据的情况下 | NA | 开发一种自动可靠的技术，以帮助医疗从业者及时诊断患者 | 脑肿瘤的自动检测 | 计算机视觉 | 脑肿瘤 | 磁共振成像（MRI） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 11895 | 2024-08-07 |
Deep learning and content-based filtering techniques for improving plant disease identification and treatment recommendations: A comprehensive review
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e29583
PMID:38737274
|
综述 | 本文综述了利用深度学习和基于内容的过滤技术改进植物病害识别和治疗建议的研究现状 | 探讨了深度学习和基于内容的过滤技术在植物病害识别和治疗中的应用潜力 | 指出了当前研究中的知识空白和局限性，并提出了未来研究方向 | 旨在改进植物病害的识别和管理，以确保农业生产的健康和可持续性 | 植物病害的识别和治疗 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 11896 | 2024-08-07 |
Understanding the Disparities of PM2.5 Air Pollution in Urban Areas via Deep Support Vector Regression
2024-May-14, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.3c09177
PMID:38698567
|
研究论文 | 本文提出了一种深度支持向量回归（DSVR）模型，用于理解城市地区PM2.5空气污染的差异 | DSVR模型将城市区域建模为图，利用随机扩散的深度学习方法量化PM2.5的溢出效应，通过随机漫步揭示节点间更广泛的溢出关系，从而捕捉PM2.5的局部和非局部溢出效应 | NA | 旨在提高对城市地区PM2.5空气污染差异的理解 | 城市地区的PM2.5空气污染 | 机器学习 | NA | 深度支持向量回归（DSVR） | 图模型 | 图数据 | 在纽约北部地区进行预测性能分析 | NA | NA | NA | NA |
| 11897 | 2024-08-07 |
Accurate object localization facilitates automatic esophagus segmentation in deep learning
2024-May-12, Radiation oncology (London, England)
DOI:10.1186/s13014-024-02448-z
PMID:38735947
|
研究论文 | 本文通过先定位后分割的策略，改进了深度学习中食管自动分割的性能 | 采用两阶段策略，先使用CenterNet定位食管中心，再使用3D U-net和2D U-net模型进行分割，提高了分割模型的鲁棒性 | 3D U-net模型在减少错误分割对象的同时，也增加了遗漏对象的情况 | 提高深度学习中食管自动分割的性能 | 食管的自动分割 | 计算机视觉 | NA | NA | CNN | 图像 | 100例胸腔CT扫描数据 | NA | NA | NA | NA |
| 11898 | 2024-08-07 |
Enhancing brain tumor detection in MRI images through explainable AI using Grad-CAM with Resnet 50
2024-May-11, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01292-7
PMID:38734629
|
研究论文 | 本研究通过结合ResNet50深度学习模型和Gradient-weighted Class Activation Mapping（Grad-CAM）技术，提出了一种用于MRI图像中脑肿瘤检测的可解释AI框架 | 本研究引入了Grad-CAM技术，提供了一种透明且可解释的脑肿瘤检测方法，增强了模型的可解释性 | NA | 提高MRI图像中脑肿瘤检测的准确性和可解释性 | 脑肿瘤检测 | 计算机视觉 | 脑肿瘤 | Grad-CAM | ResNet50 | 图像 | 使用了经过数据增强的MRI图像数据集 | NA | NA | NA | NA |
| 11899 | 2024-08-07 |
Enhancing cervical cancer detection and robust classification through a fusion of deep learning models
2024-05-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61063-w
PMID:38734714
|
研究论文 | 本文介绍了一种利用预训练的深度神经网络模型进行特征提取，并结合多种机器学习算法进行宫颈癌分类的新方法 | 该方法通过融合深度学习和机器学习技术，提高了宫颈癌检测的准确性和效率 | NA | 提高宫颈癌检测的准确性和效率 | 宫颈癌 | 机器学习 | 宫颈癌 | 深度学习 | Alexnet, Resnet-101, Resnet-152, InceptionV3 | 图像 | 使用了公开的SIPaKMeD数据集 | NA | NA | NA | NA |
| 11900 | 2024-08-07 |
Deep learning segmentation of non-perfusion area from color fundus images and AI-generated fluorescein angiography
2024-05-11, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61561-x
PMID:38734727
|
研究论文 | 本研究探讨了使用深度学习模型从彩色眼底图像中检测非灌注区域（NPA），并评估了从彩色眼底图像生成的合成荧光素血管造影（FA）的效用 | 本研究创新性地使用深度学习模型从彩色眼底图像中检测NPA，避免了侵入性和繁重的FA评估方法，并探索了合成FA的实用性 | 尽管深度学习模型能以合理准确度检测NPA，但预测稳定性稍低，彩色眼底模型显示出比其他模型更高的不确定性 | 研究目的是开发一种非侵入性的方法来评估分支视网膜静脉阻塞（BRVO）患者的视网膜非灌注区域 | 研究对象为319名BRVO患者的403组彩色眼底和FA图像 | 计算机视觉 | 视网膜疾病 | 深度学习 | CNN | 图像 | 403组彩色眼底和FA图像，来自319名BRVO患者 | NA | NA | NA | NA |