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 11941 - 11960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 11941 | 2024-08-07 |
Enhancing automated strabismus classification with limited data: Data augmentation using StyleGAN2-ADA
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303355
PMID:38787813
|
研究论文 | 本研究提出了一种基于StyleGAN2-ADA的生成数据增强技术，以克服在设计基于深度学习的自动斜视诊断系统时严重数据限制的挑战 | 本研究采用StyleGAN2-ADA生成模型进行数据增强，相较于传统数据增强技术，显著提升了分类性能 | NA | 旨在通过生成数据增强技术改善在极端数据稀缺情况下的深度学习模型性能 | 斜视分类 | 机器学习 | NA | StyleGAN2-ADA | 生成模型 | 图像 | 数据量严重有限 | NA | NA | NA | NA |
| 11942 | 2024-08-07 |
Ratiometric fluorescence sensor based on deep learning for rapid and user-friendly detection of tetracycline antibiotics
2024-Aug-30, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.138961
PMID:38640544
|
研究论文 | 本研究开发了一种基于深度学习的比率荧光传感器，用于快速、便捷地检测食品中的四环素抗生素 | 利用PVA气凝胶作为基质，结合内部滤光效应和天线效应，设计了一种比色荧光传感器，并通过深度学习模型Resnet18提高了检测的准确性 | NA | 开发一种快速、便捷、实时且准确的检测方法，用于在真实市场环境中检测抗生素 | 四环素抗生素在食品中的检测 | 机器学习 | NA | 深度学习 | Resnet18 | 图像 | 检测范围为10-100 μM，实际样本模拟测试的回收率在95%到130%之间 | NA | NA | NA | NA |
| 11943 | 2024-08-07 |
Using UAV images and deep learning in investigating potential breeding sites of Aedes albopictus
2024-Jul, Acta tropica
IF:2.1Q2
|
研究论文 | 本文利用无人机图像和深度学习技术，研究了白纹伊蚊潜在繁殖地点的识别方法 | 构建了专门针对白纹伊蚊的潜在繁殖地点数据集，并开发了YOLO v7模型进行识别 | 主要关注大型、规则形状的容器，对实际应用的实证研究较少 | 探索基于无人机和人工智能的方法，以识别和定位白纹伊蚊的潜在繁殖地点 | 白纹伊蚊及其潜在繁殖地点 | 计算机视觉 | NA | 深度学习 | YOLO v7 | 图像 | 包括桶、碗、箱子、水生植物、罐子、盖子、盆、盒子、水槽等物品的数据集 | NA | NA | NA | NA |
| 11944 | 2024-08-07 |
Artificial Intelligence for breast cancer detection: Technology, challenges, and prospects
2024-Jun, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111457
PMID:38640824
|
综述 | 本文综述了人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌的现状，讨论了相关技术、现有AI系统和面临的挑战 | 基于深度学习的AI系统在乳腺癌检测中显示出显著改进，有望提高筛查结果，减少假阴性和假阳性，并检测出人类观察者遗漏的细微异常 | 缺乏标准化数据集、训练数据中可能存在的偏差以及监管批准的障碍限制了其广泛应用 | 旨在讨论人工智能在乳腺癌筛查中的技术、现有系统和面临的挑战 | 人工智能技术在数字乳腺摄影和数字乳腺断层合成中自动检测乳腺癌 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 11945 | 2024-08-07 |
A deep learning model for brain segmentation across pediatric and adult populations
2024-05-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61798-6
PMID:38778071
|
研究论文 | 本研究开发并验证了一种跨儿童和成人群体的脑部分割模型 | 提出的深度学习管道icobrain-dl在不同年龄组中展示了与特定年龄模型相当的分割准确性，并显示出比现有工具更高的可重复性 | NA | 开发和验证一种适用于从婴儿到老年不同年龄段的脑部分割模型 | 脑组织和结构的自动量化 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 训练集包含390名患者（年龄范围：2-81岁），验证集包含280名患者（年龄范围：4-90岁） | NA | NA | NA | NA |
| 11946 | 2024-08-07 |
Automated tear film break-up time measurement for dry eye diagnosis using deep learning
2024-05-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62636-5
PMID:38778145
|
研究论文 | 本研究利用人工智能技术开发了一种自动测量泪膜破裂时间的方法，以辅助干眼症的诊断 | 采用双任务孪生网络对视频帧进行分类，并结合高斯滤波进行后处理，提高了泪膜破裂时间测量的准确性和可靠性 | NA | 探索人工智能在眼科领域中用于精确测量泪膜破裂时间的可能性 | 泪膜破裂时间测量在干眼症诊断中的应用 | 计算机视觉 | 干眼症 | 人工智能 | 双任务孪生网络 | 视频 | 开发数据集包含47个裂隙灯视频，测试数据集包含20个裂隙灯视频 | NA | NA | NA | NA |
| 11947 | 2024-08-07 |
A novel plant type, leaf disease and severity identification framework using CNN and transformer with multi-label method
2024-05-22, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62452-x
PMID:38778143
|
研究论文 | 本文提出了一种新颖的叶片病害识别网络（LDI-NET），该网络采用多标签方法，能够同时识别植物类型、叶片病害及其严重程度 | LDI-NET通过单一的直接分支模型，避免了增加类别数量和额外的分支结构，能够同时识别植物类型、叶片病害和严重程度 | NA | 开发一种能够准确及时识别植物叶片病害及其严重程度的方法，以防止病害扩散 | 植物类型、叶片病害及其严重程度 | 计算机视觉 | NA | 卷积神经网络（CNN）和变换器（transformer） | LDI-NET | 图像 | 使用了公开的AI challenger 2018数据集 | NA | NA | NA | NA |
| 11948 | 2024-08-07 |
Testing the generalizability and effectiveness of deep learning models among clinics: sperm detection as a pilot study
2024-May-22, Reproductive biology and endocrinology : RB&E
IF:4.2Q1
DOI:10.1186/s12958-024-01232-8
PMID:38778327
|
研究论文 | 本文研究了深度学习模型在不同临床环境中检测精子的通用性和有效性 | 通过丰富训练数据集中的图像采集条件，提高了模型在不同临床环境中的通用性 | NA | 探讨影响目标检测模型通用性的图像因素 | 人类精子的检测 | 机器学习 | NA | 深度学习 | 目标检测模型 | 图像 | 多个临床中心的数据 | NA | NA | NA | NA |
| 11949 | 2024-08-07 |
MolPROP: Molecular Property prediction with multimodal language and graph fusion
2024-May-22, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00846-9
PMID:38778388
|
研究论文 | 本文探讨了一种新的多模态融合方法，结合预训练的语言模型ChemBERTa-2和图神经网络，用于分子性质预测任务 | 提出了MolPROP模型，通过融合语言和图表示，显著提高了分子性质预测任务的性能 | 尽管在回归任务上有所改进，MolPROP在某些分类任务上表现不佳 | 探索多模态融合在分子性质预测中的应用 | 小分子的性质预测 | 机器学习 | NA | 图神经网络 | CNN | 语言、图像、图 | 七个scaffold split MoleculeNet数据集 | NA | NA | NA | NA |
| 11950 | 2024-08-07 |
Enhancing clinical utility: deep learning-based embryo scoring model for non-invasive aneuploidy prediction
2024-May-22, Reproductive biology and endocrinology : RB&E
IF:4.2Q1
DOI:10.1186/s12958-024-01230-w
PMID:38778410
|
研究论文 | 本研究开发了一种基于深度学习的胚胎评分模型，用于非侵入性预测胚胎非整倍体 | 提出了一种新的深度学习算法‘智能数据分析（iDA）评分’，用于自动化和客观化胚胎图像评估 | 胚胎非整倍体预测的准确性仍依赖于下一代测序技术（NGS）分析结果 | 增强临床应用性，提供一种非侵入且经济的胚胎选择方法 | 3448个经过活检的囊胚，来自979个时间流逝（TL）-PGT周期 | 机器学习 | NA | 深度学习算法 | 深度学习模型 | 图像 | 3448个囊胚样本 | NA | NA | NA | NA |
| 11951 | 2024-08-07 |
Generative design of compounds with desired potency from target protein sequences using a multimodal biochemical language model
2024-May-22, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00852-x
PMID:38778425
|
研究论文 | 本文研究了基于目标序列嵌入生成具有所需效力的活性化合物，设计了一种双组件条件语言模型，包括蛋白质语言模型组件和条件转换器，用于从多模态数据中学习并预测新的活性化合物 | 首次提出了一种结合蛋白质语言模型和化学语言模型组件的方法，用于从条件化的蛋白质序列数据中预测具有所需效力的化合物 | NA | 开发一种新的方法，通过机器翻译序列分子数据表示来预测活性化合物 | 活性化合物及其所需效力 | 机器学习 | NA | NA | 条件语言模型 | 序列数据 | NA | NA | NA | NA | NA |
| 11952 | 2024-08-07 |
Two-headed UNetEfficientNets for parallel execution of segmentation and classification of brain tumors: incorporating postprocessing techniques with connected component labelling
2024-Apr-29, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05718-1
PMID:38684578
|
研究论文 | 本研究提出了一种使用双头UNetEfficientNets模型同时进行脑肿瘤分割和分类的新方法 | 利用双头UNetEfficientNets模型进行并行分割和分类，并结合连接组件标记等后处理技术提高性能 | NA | 开发准确和自动化的脑肿瘤检测和分割方法，以改善诊断和治疗结果 | 脑肿瘤，包括脑膜瘤、胶质瘤和垂体瘤 | 计算机视觉 | 脑肿瘤 | 磁共振成像(MRI) | UNetEfficientNets | 图像 | 3064张脑部MR图像 | NA | NA | NA | NA |
| 11953 | 2024-08-07 |
Deep Learning Prediction of Axillary Lymph Node Metastasis in Breast Cancer Patients Using Clinical Implication-Applied Preprocessed CT Images
2024-04-18, Current oncology (Toronto, Ont.)
DOI:10.3390/curroncol31040169
PMID:38668072
|
研究论文 | 本研究旨在开发一种深度学习模型，利用经过临床意义预处理的CT图像来提高乳腺癌患者腋窝淋巴结转移的预测准确性 | 本研究通过集成方法结合两种最佳表现的CNN架构，提高了诊断精度，并利用梯度加权类激活映射图像区分淋巴结边缘和邻近软组织的细微变化 | NA | 开发一种深度学习模型，用于准确检测乳腺癌患者的恶性腋窝淋巴结 | 乳腺癌患者的腋窝淋巴结转移 | 机器学习 | 乳腺癌 | CT | CNN | 图像 | 1128张轴向CT图像，来自523名乳腺癌患者 | NA | NA | NA | NA |
| 11954 | 2024-08-07 |
Prediction of Obliteration After the Gamma Knife Radiosurgery of Arteriovenous Malformations Using Hand-Crafted Radiomics and Deep-Learning Methods
2024-Apr, Cureus
DOI:10.7759/cureus.58835
PMID:38784357
|
research paper | 本研究使用手工放射组学和深度学习技术预测伽玛刀放射手术治疗脑动静脉畸形后的结果，并比较这两种方法的预测性能 | 本研究采用了手工放射组学模型和预训练的卷积神经网络模型，这两种模型在预测伽玛刀放射手术后的临床结果方面具有相当的预测性能 | 研究结果需要在外部更多患者中进行进一步验证 | 预测伽玛刀放射手术治疗脑动静脉畸形后的结果 | 脑动静脉畸形患者 | machine learning | NA | 放射组学, 深度学习 | 随机森林模型, ResNet-34卷积神经网络 | MRI扫描图像 | 42名患者 | NA | NA | NA | NA |
| 11955 | 2024-08-07 |
Cleaning and Harmonizing Medical Image Data for Reliable AI: Lessons Learned from Longitudinal Oral Cancer Natural History Study Data
2024-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.3005875
PMID:38774479
|
研究论文 | 本文介绍了为开发用于研究口腔癌自然史的AI驱动方法而准备和处理图像数据的工作，重点在于数据清洗和注释信息提取 | 提出了自动化数据清洗和注释信息提取的方法，以提高效率 | 未详细说明自动化方法的具体实现和效果 | 准备和处理图像数据，以便开发用于研究口腔癌自然史的AI驱动方法 | 口腔癌的图像数据 | 计算机视觉 | 口腔癌 | 深度学习 | NA | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 11956 | 2024-08-07 |
Deep Learning Model Coupling Wearable Bioelectric and Mechanical Sensors for Refined Muscle Strength Assessment
2024, Research (Washington, D.C.)
DOI:10.34133/research.0366
PMID:38783913
|
研究论文 | 本研究提出了一种结合肌电和应变传感器的可穿戴设备，用于同步采集肌肉活动时的表面肌电图和机械信号，并通过基于时间卷积网络（TCN）+ Transformer（Tcnformer）的深度学习模型进行肌肉力量的准确分级和预测。 | 本研究通过结合深度聚类技术，实现了对肌肉力量的25级分类，相较于传统的5级分类更加精细。 | NA | 旨在提高肌肉力量评估的精确性，并可能改善相关的临床诊断和康复结果。 | 肌肉力量评估 | 机器学习 | NA | 表面肌电图, 应变传感器 | 时间卷积网络（TCN）+ Transformer（Tcnformer） | 信号 | NA | NA | NA | NA | NA |
| 11957 | 2024-08-07 |
Prostate Cancer Detection from MRI Using Efficient Feature Extraction with Transfer Learning
2024, Prostate cancer
IF:2.3Q3
DOI:10.1155/2024/1588891
PMID:38783970
|
研究论文 | 本研究利用深度学习模型（VGG16、VGG19、ResNet50和ResNet50V2）进行特征提取，并结合随机森林分类器诊断前列腺癌 | 采用迁移学习方法，使用少量标注的前列腺癌数据优化深度学习模型，提高模型在不同患者群体和临床情况下的泛化能力 | 研究中提到的数据集限制问题，尽管使用了迁移学习，但仍可能受限于可用数据量 | 探索机器学习技术在前列腺癌诊断中的应用，特别是深度学习模型的特征提取能力 | 前列腺癌的MRI图像 | 机器学习 | 前列腺癌 | 迁移学习 | VGG16, VGG19, ResNet50, ResNet50V2 | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 11958 | 2024-08-07 |
BCSLinker: automatic method for constructing a knowledge graph of venous thromboembolism based on joint learning
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1272224
PMID:38784240
|
研究论文 | 本文提出了一种基于联合学习的深静脉血栓知识图谱自动构建方法BCSLinker | 采用Biaffine Common-Sequence Self-Attention模块同时提取实体和关系，减少错误传播，并使用多标签交叉熵损失减少冗余信息影响 | NA | 构建一个更准确全面的深静脉血栓知识图谱，为诊断、评估和治疗提供参考 | 深静脉血栓患者的电子病历数据 | 自然语言处理 | 深静脉血栓 | 深度学习 | BCSLinker | 文本 | 来自三级医院的深静脉血栓患者电子病历数据 | NA | NA | NA | NA |
| 11959 | 2024-08-07 |
Tongue feature recognition to monitor rehabilitation: deep neural network with visual attention mechanism
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1392513
PMID:38784768
|
研究论文 | 本文开发了一种新的深度学习架构，专门用于分析和分类舌头特征，包括颜色、形状和舌苔 | 提出的方法解决了基于VGG或ResNet等传统架构的大尺寸问题，从而缓解了过拟合问题 | NA | 旨在推动舌头特征识别技术的发展，最终实现更精确的诊断和更好的患者康复 | 舌头特征的分析和分类 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 11960 | 2024-08-07 |
Wearable sensors in patient acuity assessment in critical care
2024, Frontiers in neurology
IF:2.7Q3
DOI:10.3389/fneur.2024.1386728
PMID:38784909
|
研究论文 | 本文探讨了在重症监护环境中使用可穿戴传感器数据与电子健康记录（EHR）中的临床数据相结合，以更精确地评估患者病情严重程度的方法。 | 本研究首次将可穿戴传感器数据与临床数据结合，通过深度学习模型提高了病情严重程度评估的精确度、敏感性和F1分数。 | NA | 研究目的是通过整合可穿戴传感器数据和临床数据，改进重症监护环境中患者病情严重程度的评估。 | 研究对象包括87名佩戴手腕加速度计的患者，以及他们的临床数据。 | 机器学习 | NA | 加速度计 | 深度神经网络模型（VGG, ResNet, MobileNet, SqueezeNet, 自定义Transformer网络） | 加速度计数据，临床数据 | 87名患者 | NA | NA | NA | NA |