深度学习在生物医药领域中的应用
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，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10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 12060 篇文献，本页显示第 1561 - 1580 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1561 | 2025-02-12 |
Deep Learning Glioma Grading with the Tumor Microenvironment Analysis Protocol for Comprehensive Learning, Discovering, and Quantifying Microenvironmental Features
2024-Aug, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01008-x
PMID:38413460
|
研究论文 | 本文提出了一种深度学习方法来自动分类脑胶质瘤的等级，并实施了一种协议来学习、发现和量化肿瘤微环境元素 | 使用深度学习进行脑胶质瘤等级的自动多类分类，并通过单染色活检推导出肿瘤微环境表型邻域的特征 | 研究受到可用的人类白细胞抗原染色胶质瘤组织微阵列数据集的小样本量（206张图像，5个类别）以及数据分布不平衡的限制 | 提高脑胶质瘤等级的自动分类准确性，并探索肿瘤微环境在胶质瘤等级特征中的作用 | 脑胶质瘤及其微环境 | 数字病理学 | 脑胶质瘤 | 深度学习 | DenseNet121 | 图像 | 206张图像，5个类别 |
| 1562 | 2025-02-12 |
Dynamic Projection of Medication Nonpersistence and Nonadherence Among Patients With Early Breast Cancer
2024-05-01, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究通过深度学习模型预测早期乳腺癌患者口服抗癌治疗的不持续和不依从情况 | 使用基于门控循环单元（GRU）架构的深度学习模型预测患者的不持续和不依从行为，并分析了不同特征对模型决策的贡献 | 研究依赖于法国健康保险数据库的匿名报销数据，可能无法完全反映其他地区或不同医疗体系下的情况 | 预测早期乳腺癌患者口服抗癌治疗的不持续和不依从情况，并分析相关影响因素 | 法国女性乳腺癌患者 | 机器学习 | 乳腺癌 | 深度学习 | GRU（门控循环单元） | 匿名报销数据 | 229,695名女性乳腺癌患者 |
| 1563 | 2025-02-12 |
Enhancing plant disease detection through deep learning: a Depthwise CNN with squeeze and excitation integration and residual skip connections
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1505857
PMID:39925367
|
研究论文 | 本研究提出了一种改进的深度卷积神经网络（CNN）结合压缩激励（SE）模块和改进的残差跳跃连接，用于植物病害检测 | 提出了一种结合SE模块和改进残差跳跃连接的深度CNN模型，增强了特征提取和分类性能，同时保持计算效率 | 未提及具体的数据集规模或模型在不同环境下的泛化能力 | 开发高效准确的自动化系统，用于植物病害检测，以增强作物保护和产量优化 | 多种植物物种和病害类别 | 计算机视觉 | 植物病害 | 深度卷积神经网络（CNN） | 深度CNN结合SE模块和残差跳跃连接 | 图像 | 未提及具体样本数量 |
| 1564 | 2025-02-12 |
Diagnosis and detection of bone fracture in radiographic images using deep learning approaches
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1506686
PMID:39927268
|
研究论文 | 本文探讨了使用深度学习算法在X光图像中自动检测和诊断骨折的方法 | 提出了结合DenseNet201和VGG16的深度学习模型，用于骨折检测，并在验证阶段达到了97%的准确率 | 现有骨折检测和诊断方法的局限性，需要进一步改进深度学习模型 | 开发一种自动化的骨折检测方法，以提高骨折诊断的准确性 | X光图像中的骨折 | 计算机视觉 | 骨折 | 深度学习 | VGG16, ResNet152V2, DenseNet201 | 图像 | 10,580张X光图像 |
| 1565 | 2025-02-12 |
NavBLIP: a visual-language model for enhancing unmanned aerial vehicles navigation and object detection
2024, Frontiers in neurorobotics
IF:2.6Q3
DOI:10.3389/fnbot.2024.1513354
PMID:39927288
|
研究论文 | 本文介绍了一种名为NavBLIP的视觉-语言模型，旨在通过利用多模态数据增强无人机的导航和物体检测能力 | NavBLIP模型引入了Nuisance-Invariant Multimodal Feature Extraction (NIMFE)模块和多模态控制策略，以在动态环境中提高适应性和计算效率 | NA | 提高无人机在复杂和多样化场景中的导航和物体检测能力 | 无人机 | 计算机视觉 | NA | 多模态数据融合 | 视觉-语言模型 | 图像和文本 | 在RefCOCO、CC12M和Openlmages等基准数据集上进行了广泛实验 |
| 1566 | 2025-02-11 |
RETRACTED: Lung cancer diagnosis of CT images using metaheuristics and deep learning
2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119221090725
PMID:35445619
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1567 | 2025-02-11 |
RETRACTION NOTICE: Lung cancer diagnosis of CT images using metaheuristics and deep learning
2024-Apr, Proceedings of the Institution of Mechanical Engineers. Part H, Journal of engineering in medicine
DOI:10.1177/09544119221134231
PMID:36237147
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1568 | 2025-02-11 |
Self-Supervised Learning for Improved Optical Coherence Tomography Detection of Macular Telangiectasia Type 2
2024-Mar-01, JAMA ophthalmology
IF:7.8Q1
DOI:10.1001/jamaophthalmol.2023.6454
PMID:38329740
|
研究论文 | 本文提出了一种自监督学习方法，用于在有限标注数据的情况下，通过光学相干断层扫描（OCT）自动分类2型黄斑毛细血管扩张症（MacTel） | 使用自监督学习方法在有限标注数据的情况下提高了MacTel的自动分类准确性，并展示了其在其他罕见疾病中的潜在应用 | 需要进一步研究以验证该方法在其他罕见疾病中的适用性 | 开发一种自监督学习方法，用于在有限标注数据的情况下自动分类MacTel | 2型黄斑毛细血管扩张症（MacTel）患者和非MacTel患者的OCT图像 | 计算机视觉 | 黄斑毛细血管扩张症 | 光学相干断层扫描（OCT） | ResNet18, ResNet50 | 图像 | 2636张OCT扫描图像来自780名MacTel患者和131名非MacTel患者，以及2564张来自1769名非MacTel患者的OCT扫描图像 |
| 1569 | 2025-02-09 |
De novo designed proteins neutralize lethal snake venom toxins
2024-May-17, Research square
DOI:10.21203/rs.3.rs-4402792/v1
PMID:38798548
|
研究论文 | 本文利用深度学习方法设计蛋白质，以中和致命的蛇毒毒素 | 使用深度学习设计蛋白质，有效中和三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素，并展示了高热稳定性、高结合亲和力以及与计算模型的近原子级别一致性 | 实验筛选有限，需要进一步验证其广泛适用性和长期效果 | 开发新一代抗蛇毒疗法，以应对蛇咬伤这一被忽视的热带疾病 | 三指毒素（3FTx）家族的短链和长链α-神经毒素及细胞毒素 | 机器学习 | 蛇咬伤 | 深度学习 | NA | 蛋白质结构数据 | 小鼠模型 |
| 1570 | 2025-02-09 |
Longitudinal single-cell transcriptional dynamics throughout neurodegeneration in SCA1
2024-Feb-07, Neuron
IF:14.7Q1
DOI:10.1016/j.neuron.2023.10.039
PMID:38016472
|
研究论文 | 本文通过纵向单核RNA测序技术，研究了小鼠和人类脊髓小脑共济失调1型（SCA1）小脑组织中各细胞群在神经退行过程中的动态变化 | 首次定义了在Purkinje细胞丢失之前的精确转录变化，并识别了单极刷细胞和少突胶质细胞中的早期转录失调 | NA | 研究神经退行性疾病中不同细胞类型在疾病发生和进展中的作用 | 小鼠和人类SCA1小脑组织 | 数字病理学 | 神经退行性疾病 | 单核RNA测序 | 深度学习 | RNA测序数据 | NA |
| 1571 | 2025-02-09 |
Ensemble Deep Learning Object Detection Fusion for Cell Tracking, Mitosis, and Lineage
2024, IEEE open journal of engineering in medicine and biology
IF:2.7Q3
DOI:10.1109/OJEMB.2023.3288470
PMID:39906165
|
研究论文 | 本文提出了一种新的基于深度学习的细胞检测、跟踪和运动分析方法EDNet，用于细胞追踪、有丝分裂和谱系分析 | EDNet采用集成方法进行2D细胞检测，其性能超越了单模型YOLO和FasterRCNN卷积神经网络，并在CTMCv1数据集上达到了最先进的性能 | NA | 提高细胞追踪和运动分析的准确性和效率，以促进生物医学研究和医学诊断的进展 | 细胞追踪、有丝分裂和细胞谱系 | 计算机视觉 | NA | 深度学习 | EDNet, YOLO, FasterRCNN | 图像 | CTMCv1数据集 |
| 1572 | 2025-02-09 |
Deep learning in microbiome analysis: a comprehensive review of neural network models
2024, Frontiers in microbiology
IF:4.0Q2
DOI:10.3389/fmicb.2024.1516667
PMID:39911715
|
综述 | 本文综述了深度学习在微生物组分析中的应用，探讨了不同神经网络模型的优势、实际用途及对未来研究的影响 | 深度学习在微生物组研究中的创新应用，特别是在模式识别、特征提取和预测建模方面的显著能力 | 深度学习在微生物组研究中面临生物数据变异性的挑战，需要定制化方法以确保结果的稳健性和普适性 | 探讨深度学习在微生物组研究中的应用及其对健康、疾病和环境的影响 | 微生物组数据，包括不同类型的组学数据集 | 机器学习 | NA | 深度学习 | 神经网络 | 组学数据 | NA |
| 1573 | 2025-02-09 |
Artificial intelligence in dentistry and dental biomaterials
2024, Frontiers in dental medicine
IF:1.5Q3
DOI:10.3389/fdmed.2024.1525505
PMID:39917699
|
综述 | 本文综述了人工智能（AI）在牙科和牙科生物材料中的应用，特别是修复牙科和修复学领域 | 介绍了AI在牙科诊断、治疗计划、结果预测和以患者为中心的护理中的互补作用，以及AI与数字成像和3D打印的整合 | NA | 概述AI及其在生物医学、牙科和牙科生物材料中的应用 | 牙科和牙科生物材料，特别是修复牙科和修复学 | 自然语言处理 | NA | 机器学习（ML）、深度学习（DL）、神经网络（NNs） | 深度学习 | 图像 | NA |
| 1574 | 2025-02-08 |
Physics-guided multistage neural network: A physically guided network for step initial values and dispersive shock wave phenomena
2024-Dec, Physical review. E
DOI:10.1103/PhysRevE.110.065307
PMID:39916289
|
研究论文 | 本文提出了一种物理引导的多阶段神经网络（PgMSNN）模型，用于模拟复杂的色散冲击波现象 | 通过集成残差学习范式并在现有PINN方法中引入色散因子，显著增强了物理信息神经网络（PINNs）描述复杂色散现象的能力，并提出了一种高度自适应的深度Runge-Kutta方法 | NA | 提高物理信息神经网络（PINNs）在色散冲击波现象中的数值模拟精度和稳定性 | 色散冲击波现象 | 机器学习 | NA | 物理引导的多阶段神经网络（PgMSNN） | 物理引导的多阶段神经网络（PgMSNN） | 数值数据 | NA |
| 1575 | 2025-02-08 |
Role of artificial intelligence in brain tumour imaging
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111509
PMID:38788610
|
综述 | 本文综述了人工智能在脑肿瘤影像学中的应用，重点讨论了机器学习和深度学习技术 | 探讨了AI在脑肿瘤影像学中的多种应用，包括病变检测、鉴别诊断、解剖分割、分子标志物识别、预后评估和假性进展评估，并涵盖了非胶质瘤脑肿瘤的AI应用 | 讨论了AI在放射学中实施的挑战和局限性，如数据质量、标准化和整合问题 | 探讨人工智能在脑肿瘤影像学中的应用，以改善脑肿瘤的诊断和治疗 | 脑肿瘤影像学 | 医学影像 | 脑肿瘤 | 机器学习（ML）和深度学习（DL） | NA | 影像数据 | NA |
| 1576 | 2025-02-08 |
Demographic bias in misdiagnosis by computational pathology models
2024-Apr, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02885-z
PMID:38641744
|
研究论文 | 本文探讨了基于深度学习的计算病理学系统在诊断过程中忽视人口统计学因素影响的问题，并展示了这些系统在不同人口群体中的性能差异 | 揭示了计算病理学模型在不同人口群体中的性能差异，并展示了自监督视觉基础模型在减少这些差异方面的潜力 | 自监督视觉基础模型未能完全消除性能差异，表明在计算病理学中仍需进一步努力进行偏差缓解 | 研究计算病理学模型在不同人口群体中的性能差异及其影响因素 | 乳腺癌和肺癌的亚型分类以及胶质瘤中IDH1突变的预测 | 数字病理学 | 肺癌, 乳腺癌, 胶质瘤 | 自监督视觉基础模型 | 深度学习模型 | 全切片图像 | 来自The Cancer Genome Atlas和EBRAINS脑肿瘤图谱的公开数据以及内部患者数据 |
| 1577 | 2025-02-08 |
Deep learning to decode sites of RNA translation in normal and cancerous tissues
2024-Mar-25, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.21.586110
PMID:38585907
|
研究论文 | 本文开发了基于Transformer模型的RiboTIE方法，用于全局RNA翻译的映射，并在正常脑组织和髓母细胞瘤样本中应用，揭示了疾病对RNA翻译的调控 | 开发了RiboTIE这一基于Transformer模型的新方法，提供了前所未有的精确度和灵敏度来解析RNA翻译 | NA | 解析RNA翻译在正常和癌变组织中的变化 | 正常脑组织和髓母细胞瘤样本 | 自然语言处理 | 髓母细胞瘤 | 核糖体分析数据 | Transformer | RNA翻译数据 | 正常脑组织和髓母细胞瘤样本 |
| 1578 | 2025-02-08 |
Classification of Schizophrenia, Bipolar Disorder and Major Depressive Disorder with Comorbid Traits and Deep Learning Algorithms
2024-Mar-07, Research square
DOI:10.21203/rs.3.rs-4001384/v1
PMID:38496574
|
研究论文 | 本研究利用多基因风险评分（PRSs）和深度神经网络（DNN）架构，对精神分裂症（SCZ）、双相情感障碍（BIP）和重度抑郁症（MDD）进行分类和区分 | 研究发现，仅使用35种共病特征的PRSs即可对SCZ进行分类，且不包含目标SCZ和直接相关特征，准确率达到0.760 ± 0.007，AUC为0.843 ± 0.005 | 研究中未明确提及模型的泛化能力和在实际临床环境中的应用效果 | 探索共病特征的共享遗传责任是否可用于精神分裂症、双相情感障碍和重度抑郁症的分类和区分 | 精神分裂症（SCZ）、双相情感障碍（BIP）和重度抑郁症（MDD）患者及健康对照组 | 机器学习 | 精神疾病 | 多基因风险评分（PRSs）和深度神经网络（DNN） | DNN | 基因数据 | SCZ病例6,317例，对照7,240例；BIP病例2,634例，对照4,425例；MDD病例1,704例，对照3,357例 |
| 1579 | 2025-02-08 |
3D Convolutional Deep Learning for Nonlinear Estimation of Body Composition from Whole-Body Morphology
2024-Feb-13, Research square
DOI:10.21203/rs.3.rs-3935042/v1
PMID:38410459
|
研究论文 | 本文探讨了使用非线性参数化和回归模型替代线性模型，以提高从3D光学扫描中估计全身和区域体成分的精度和准确性 | 首次将深度3D卷积图网络应用于人体成分建模，使用图卷积3D自编码器（3DAE）替代线性PCA，并采用非线性高斯过程回归（GPR）进行预测 | 深度形状特征仅提高了男性体成分的准确性，而对女性的准确性提升不明显 | 提高从3D光学扫描中估计全身和区域体成分的精度和准确性 | 人体体成分 | 计算机视觉 | NA | 3D光学扫描，双能X射线吸收法（DXA） | 图卷积3D自编码器（3DAE），高斯过程回归（GPR） | 3D光学扫描数据 | 4286个拓扑标准化的3D光学扫描，来自四个不同的人体形状数据库（DFAUST, CAESAR, Shape Up! Adults, Shape Up! Kids），测试集包含424个随机保留的测试网格 |
| 1580 | 2025-02-08 |
Robust single-shot 3D fluorescence imaging in scattering media with a simulator-trained neural network
2024-Feb-12, Optics express
IF:3.2Q2
DOI:10.1364/OE.514072
PMID:38439332
|
研究论文 | 本文开发了一种基于模拟器训练的深度神经网络，用于在散射介质中进行单次3D荧光成像 | 提出了一种新的散射模拟器，并训练了一个仅使用合成数据的深度神经网络，用于从单次光场测量中去除散射并重建3D体积 | 深度学习模型对真实实验数据的泛化能力受到网络设计因素和分布外数据的影响 | 解决散射介质中的3D荧光成像问题，提高成像深度和信号背景比 | 散射介质中的荧光成像 | 计算机视觉 | NA | 光场系统 | 深度神经网络 | 图像 | 不同散射条件下的散射体模 |