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 12185 篇文献，本页显示第 12001 - 12020 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 12001 | 2024-08-07 |
Innovative Machine Learning Strategies for Early Detection and Prevention of Pregnancy Loss: The Vitamin D Connection and Gestational Health
2024-Apr-28, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090920
PMID:38732334
|
研究论文 | 本研究利用机器学习技术提高早期妊娠丢失（EPL）的预测准确性，并区分正常妊娠与高风险妊娠 | 采用深度学习和多层感知器等先进机器学习模型，以及线性判别分析和二次判别分析算法，实现了高达98%的预测准确率 | NA | 提高早期妊娠丢失的预测准确性，改善妊娠健康结果 | 早期妊娠丢失及妊娠健康 | 机器学习 | 妊娠疾病 | 机器学习 | 深度学习, 多层感知器, 线性判别分析, 二次判别分析 | 数值数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 12002 | 2024-08-07 |
Promoting Artificial Intelligence for Global Breast Cancer Risk Prediction and Screening in Adult Women: A Scoping Review
2024-Apr-25, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13092525
PMID:38731054
|
综述 | 本文通过范围综述探讨了人工智能技术在乳腺癌风险预测和筛查中的应用及其面临的障碍 | 本文介绍了多种人工智能技术和模型在乳腺癌风险检测和预防中的应用 | 研究中存在缺乏外部效度和有限的可推广性，以及由于样本量小或数据缺失导致的偏倚问题 | 旨在识别在应用创新人工智能技术进行乳腺癌风险预测和促进筛查行为中遇到的障碍 | 成人女性乳腺癌风险预测和筛查 | 机器学习 | 乳腺癌 | 机器学习和深度学习模型 | ML-DL模型 | NA | 研究中存在样本量小或数据缺失的问题 | NA | NA | NA | NA |
| 12003 | 2024-08-07 |
New Horizons of Artificial Intelligence in Medicine and Surgery
2024-Apr-25, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13092532
PMID:38731061
|
研究论文 | 本文探讨了人工智能在医学和外科领域的应用及其对医疗诊断、患者监测、个性化治疗和手术流程优化的影响 | 文章介绍了人工智能在医学和外科领域的新应用，如机器学习、深度学习、神经网络和计算机视觉等技术 | 文章提到人工智能的实施可能面临障碍，可能会减缓其应用速度 | 旨在预测并发症、减少诊断时间、诊断复杂病理、术中指导外科医生和减少医疗错误 | 人工智能在医学和外科领域的应用 | 机器学习 | NA | 机器学习, 深度学习, 神经网络, 计算机视觉 | 神经网络 | 数据库 | NA | NA | NA | NA | NA |
| 12004 | 2024-08-07 |
The Detection of Pulp Stones with Automatic Deep Learning in Panoramic Radiographies: An AI Pilot Study
2024-Apr-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14090890
PMID:38732305
|
研究论文 | 本研究旨在评估使用深度学习方法在全景影像中自动检测牙髓石的有效性 | 利用YOLOv5架构进行人工智能建模，在全景放射图像中通过数值识别检测牙髓石取得了显著成功 | 预期通过使用包含更多图像的数据集来提高训练模型的成功率 | 评估深度学习方法在全景影像中自动检测牙髓石的效果 | 牙髓石的自动检测 | 计算机视觉 | NA | 深度学习 | YOLOv5 | 图像 | 2409张全景放射图像，包含7564个标签 | NA | NA | NA | NA |
| 12005 | 2024-08-07 |
Deep Learning for Cell Migration in Nonwoven Materials and Evaluating Gene Transfer Effects following AAV6-ND4 Transduction
2024-Apr-24, Polymers
IF:4.7Q1
DOI:10.3390/polym16091187
PMID:38732656
|
研究论文 | 本研究利用深度学习算法分析非织造材料中细胞迁移行为及AAV6-ND4转导后的基因转移效应 | 采用深度学习算法优化生物材料设计，并模拟细胞在人工环境中的归巢、迁移和增殖行为 | NA | 研究细胞在合成生物材料三维结构中的定植过程，以促进人工组织和器官的开发 | 非织造材料中的细胞迁移行为及AAV6-ND4转导后的基因转移效应 | 机器学习 | NA | 深度学习 | NA | 图像 | LHON成纤维细胞 | NA | NA | NA | NA |
| 12006 | 2024-08-07 |
From Organelle Morphology to Whole-Plant Phenotyping: A Phenotypic Detection Method Based on Deep Learning
2024-Apr-23, Plants (Basel, Switzerland)
DOI:10.3390/plants13091177
PMID:38732392
|
研究论文 | 本文利用深度学习技术从宏观（植物）到微观（细胞器）层面进行植物表型参数的分类和预测 | 提出了一种基于深度学习的植物表型检测方法，并通过增加时间间隔的图像数据集验证了模型在不同时间间隔下的性能 | NA | 研究植物表型参数分析，以促进育种实践 | 从宏观的植物到微观的细胞器 | 计算机视觉 | NA | 深度学习 | 多输出模型 | 图像 | 使用了拟南芥的图像数据集 | NA | NA | NA | NA |
| 12007 | 2024-08-07 |
Artificial Intelligence-Based Non-invasive Differentiation of Distinct Histologic Subtypes of Renal Tumors With Multiphasic Multidetector Computed Tomography
2024-Apr, Cureus
DOI:10.7759/cureus.57959
PMID:38738077
|
研究论文 | 本研究利用深度学习技术通过四相多层CT扫描非侵入性地区分肾肿瘤的不同组织学亚型 | 开发了一种基于人工智能的非侵入性方法，通过深度神经网络使用四相多层CT扫描的峰值衰减值来预测肾细胞癌亚型 | NA | 精确识别肾细胞癌的肿瘤亚型，特别是检测常在传统组织病理学检查中被忽视的小型异质性病变 | 肾肿瘤的不同组织学亚型 | 机器学习 | 肾细胞癌 | 多层CT扫描 | 深度神经网络 | 图像 | 50名受试者，包括32名男性和18名女性，以及一个包含20,000个样本的合成数据集 | NA | NA | NA | NA |
| 12008 | 2024-08-07 |
Cancer Immunotherapy and Medical Imaging Research Trends from 2003 to 2023: A Bibliometric Analysis
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S457367
PMID:38736544
|
meta-analysis | 本文通过文献计量分析方法，探讨了2003年至2023年间癌症免疫治疗与医学影像研究的发展趋势 | 首次系统性地对癌症免疫治疗与医学影像领域的研究进行了文献计量分析 | NA | 旨在明确过去研究轨迹，总结当前研究热点，揭示科学发展动态，并探索未来研究方向 | 癌症免疫治疗与医学影像相关的出版物 | 医学影像 | 癌症 | MRI, 深度学习 | NA | NA | 美国发表最多，共265篇；中国次之，共170篇 | NA | NA | NA | NA |
| 12009 | 2024-08-07 |
On the design of deep learning-based control algorithms for visually guided UAVs engaged in power tower inspection tasks
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1378149
PMID:38736660
|
研究论文 | 本文专注于设计卷积神经网络以视觉引导自主无人机进行电力塔检查任务 | 使用合成图像和物理世界图像的混合数据集训练网络，以提高图像分割任务的性能 | NA | 设计用于视觉引导无人机的深度学习控制算法，以进行电力塔检查 | 自主无人机及其在电力塔检查中的应用 | 计算机视觉 | NA | 卷积神经网络 | U-NET | 图像 | 合成图像数据集、物理世界图像数据集及混合数据集 | NA | NA | NA | NA |
| 12010 | 2024-08-07 |
Predict lncRNA-drug associations based on graph neural network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1388015
PMID:38737125
|
研究论文 | 本研究利用图卷积网络（GCN）和图注意力网络（GAT）基于lncRNA和药物相似网络预测lncRNA-药物关联（LDAs） | 提出了一种基于深度学习的框架，用于预测新的lncRNA-药物关联，该方法在五个数据集上实现了良好的性能（平均AUCs > 0.92） | NA | 开发预测lncRNA-药物关联的方法，以促进基于lncRNA的药物开发 | lncRNA和药物的关联 | 机器学习 | NA | 图卷积网络（GCN），图注意力网络（GAT） | GCN，GAT | 网络数据 | 五个数据集 | NA | NA | NA | NA |
| 12011 | 2024-08-07 |
FM-FCN: A Neural Network with Filtering Modules for Accurate Vital Signs Extraction
2024, Research (Washington, D.C.)
DOI:10.34133/research.0361
PMID:38737196
|
研究论文 | 本文提出了一种名为过滤模块全卷积网络（FM-FCN）的新型网络，结合传统过滤技术与神经网络，用于增强生理信号并抑制噪声 | FM-FCN通过引入过滤模块（FM）作为网络模块，利用过滤器结构消除不需要的干扰，构建了深度学习与信号处理方法之间的桥梁 | NA | 提高生理信号提取的准确性和可靠性 | 远程光电容积脉搏波（PPG）信号的提取和心率（HR）估计 | 机器学习 | NA | 全卷积网络（FCN） | CNN | 信号 | NA | NA | NA | NA | NA |
| 12012 | 2024-08-07 |
How AI drives innovation in cardiovascular medicine
2024, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2024.1397921
PMID:38737711
|
comments | 本文总结了人工智能和深度学习在心血管医学领域的一些重要进展 | NA | NA | 探讨人工智能在心血管医学中的应用及其对患者护理的影响 | 心血管医学领域 | machine learning | cardiovascular disease | AI | deep learning | NA | NA | NA | NA | NA | NA |
| 12013 | 2024-08-07 |
Evaluation of two deep learning-based approaches for detecting weeds growing in cabbage
2024-Jun, Pest management science
IF:3.8Q1
DOI:10.1002/ps.7990
PMID:38323798
|
研究论文 | 本研究比较了两种基于深度学习的方法在卷心菜中检测杂草的效果 | 提出了一种间接检测杂草的方法，通过生成覆盖作物的边界框，并将边界框外的绿色像素视为杂草 | 直接检测杂草的性能较低，可能是由于不同密度和生长阶段的多种杂草物种及其不同的植物形态 | 比较两种不同的深度学习方法在卷心菜中检测杂草的效果 | 卷心菜中的杂草 | 计算机视觉 | NA | 深度学习 | YOLOv5, YOLOv8 | 图像 | NA | NA | NA | NA | NA |
| 12014 | 2024-08-07 |
The analysis of ecological security and tourist satisfaction of ice-and-snow tourism under deep learning and the Internet of Things
2024-May-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61598-y
PMID:38730047
|
研究论文 | 本文提出了一种基于深度学习和物联网技术的预测方法，用于解决冰雪旅游领域的生态安全和游客满意度问题 | 该方法通过结合深度学习模型和物联网技术，提高了预测冰雪旅游生态安全和游客满意度的准确性和性能指标 | NA | 提出一种新的预测方法，以提高冰雪旅游生态安全和游客满意度的预测准确性 | 冰雪旅游的生态安全和游客满意度 | 机器学习 | NA | 深度学习 (DL) 和物联网 (IoT) | 卷积神经网络和循环神经网络 | 环境数据和游客行为数据 | NA | NA | NA | NA | NA |
| 12015 | 2024-08-07 |
Fine tuning deep learning models for breast tumor classification
2024-05-10, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60245-w
PMID:38730248
|
研究论文 | 本文提出了一种利用深度学习模型对乳腺癌肿瘤进行良恶性分类的方法 | 使用自定义卷积神经网络（Custom CNN）模型，结合灰狼优化（GWO）和改进的猩猩部队优化（MGTO）算法进行超参数调优，显著提高了分类准确率 | NA | 提高乳腺癌肿瘤良恶性分类的准确性 | 乳腺癌肿瘤的良恶性分类 | 计算机视觉 | 乳腺癌 | 卷积神经网络（CNN） | Custom CNN | 图像 | 使用BreakHis数据集中的组织病理学图像 | NA | NA | NA | NA |
| 12016 | 2024-08-07 |
Fragment ion intensity prediction improves the identification rate of non-tryptic peptides in timsTOF
2024-May-10, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48322-0
PMID:38730277
|
研究论文 | 本文研究了在timsTOF平台上通过片段离子强度预测提高非胰蛋白酶肽的鉴定率 | 通过深度学习模型Prosit对片段离子强度预测进行微调，显著提高了免疫肽的鉴定率 | NA | 提高免疫肽的鉴定率，支持免疫疗法和疫苗开发 | 非胰蛋白酶肽的鉴定 | 蛋白质组学 | NA | 质谱分析 | 深度学习 | 质谱数据 | 分析了302,105个独特的合成非胰蛋白酶肽，生成了包含93,227个MS/MS光谱的基准数据集 | NA | NA | NA | NA |
| 12017 | 2024-08-07 |
A dual-branch selective attention capsule network for classifying kiwifruit soft rot with hyperspectral images
2024-05-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-61425-4
PMID:38724603
|
研究论文 | 本研究提出了一种双分支选择性注意力胶囊网络（DBSACaps），用于基于高光谱图像准确检测猕猴桃软腐病 | 使用双分支结构分别提取光谱和空间特征，并通过注意力机制融合这些特征，提高了分类准确性 | NA | 旨在通过深度学习方法基于高光谱图像准确检测猕猴桃软腐病 | 猕猴桃软腐病 | 计算机视觉 | NA | 高光谱图像 | 胶囊网络 | 图像 | 猕猴桃软腐病数据集 | NA | NA | NA | NA |
| 12018 | 2024-08-07 |
Enhancing Fetal Electrocardiogram Signal Extraction Accuracy through a CycleGAN Utilizing Combined CNN-BiLSTM Architecture
2024-May-06, Sensors (Basel, Switzerland)
DOI:10.3390/s24092948
PMID:38733053
|
研究论文 | 本文提出了一种新的深度学习模型CBLS-CycleGAN，用于提高胎儿心电图信号提取的准确性 | 模型结合了CNN提取的空间特征和BiLSTM提取的时间特征，确保重建信号具有空间和时间依赖性的组合特征 | NA | 提高胎儿心电图信号提取的准确性，以反映胎儿在子宫内的发育状态和生理心脏活动 | 胎儿心电图信号 | 机器学习 | NA | CycleGAN | CNN-BiLSTM | 信号 | 使用两个真实的胎儿心电图信号数据库进行评估 | NA | NA | NA | NA |
| 12019 | 2024-08-07 |
MultiFuseYOLO: Redefining Wine Grape Variety Recognition through Multisource Information Fusion
2024-May-06, Sensors (Basel, Switzerland)
DOI:10.3390/s24092953
PMID:38733058
|
研究论文 | 本研究提出了一种基于多源信息融合的方法，通过优化和改进YOLOV7模型，形成MultiFuseYOLO模型，以提高葡萄酒葡萄品种识别的准确性 | 本研究通过引入多源信息融合方法，特别是基于SynthDiscrim算法，显著提高了对相似葡萄品种的识别精度 | NA | 旨在通过多源信息融合方法提高葡萄酒葡萄品种识别的准确性和全面性 | 葡萄酒葡萄品种的识别 | 计算机视觉 | NA | 多源信息融合 | YOLO | 图像 | 未具体说明样本数量 | NA | NA | NA | NA |
| 12020 | 2024-08-07 |
An Optimized Instance Segmentation of Underlying Surface in Low-Altitude TIR Sensing Images for Enhancing the Calculation of LSTs
2024-May-05, Sensors (Basel, Switzerland)
DOI:10.3390/s24092937
PMID:38733039
|
研究论文 | 本研究提出了一种深度学习方法，用于优化低空热红外遥感图像中地表的实例分割，以提高地表温度计算的准确性 | 本研究采用基于掩膜的卷积神经网络进行像素级分类和分割，并通过优化超参数和架构，提高了地表分类的精确度 | NA | 提高基于低空热红外遥感图像的地表温度计算准确性 | 低空热红外遥感图像中的地表实例分割 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 1350张标注的热红外图像用于训练，150张新图像用于验证 | NA | NA | NA | NA |