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 915 篇文献，本页显示第 481 - 500 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 481 | 2024-08-05 |
Novel Deep Learning Denoising Enhances Image Quality and Lowers Radiation Exposure in Interventional Bronchial Artery Embolization Cone Beam CT
2024-05, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2023.11.003
PMID:37989681
|
研究论文 | 本研究探讨了一种先进的深度学习去噪技术在介入支气管动脉栓塞的锥束CT成像中减少辐射剂量和提高图像质量的效果 | 引入了一种新的深度学习去噪软件，有效改善了图像质量并降低了辐射暴露 | 主观评估未能显著区分6秒和3秒的DLD质量 | 评估在介入支气管动脉栓塞过程中提高图像质量和降低辐射剂量的技术 | BMI 匹配的患者，这些患者接受了不同时间长度的BAE CBCT扫描 | 医学影像学 | NA | 深度学习去噪（DLD） | NA | 图像 | 60名患者 | NA | NA | NA | NA |
| 482 | 2024-08-07 |
Corrigendum to: Development of a deep learning model for predicting critical events in a pediatric intensive care unit
2024-May, Acute and critical care
IF:1.7Q3
DOI:10.4266/acc.2023.01424.e1
PMID:38556908
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 483 | 2024-08-05 |
Predicting the Progression of Chronic Kidney Disease: A Systematic Review of Artificial Intelligence and Machine Learning Approaches
2024-May, Cureus
DOI:10.7759/cureus.60145
PMID:38864072
|
综述 | 本系统综述全面评估了人工智能和机器学习技术在预测慢性肾病进展中的应用 | 本文创新性地整合了多种AI/ML算法，强调了这些模型在CKD进展预测中的潜力和优势 | 存在数据质量、偏见和伦理考虑等挑战 | 旨在通过AI/ML技术预测慢性肾病的进展 | 涉及慢性肾病的进展预测研究 | 机器学习 | 慢性肾病 | 人工智能，机器学习 | 逻辑回归，支持向量机，随机森林，神经网络，深度学习 | 纵向数据，临床数据 | 涉及13项相关研究 | NA | NA | NA | NA |
| 484 | 2024-08-05 |
Leveraging conformal prediction to annotate enzyme function space with limited false positives
2024-May, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012135
PMID:38809942
|
研究论文 | 本文提出了一种机器学习框架CPEC，用于控制生物发现中的假阳性率 | CPEC结合了深度学习模型与符合预测方法，以实现假发现率的控制 | 本研究未提及模型在特定生物体上的应用限制 | 研究旨在优化生物发现过程中的预测准确性和假发现率控制 | 研究对象为功能较少表征的酶 | 机器学习 | NA | 深度学习与符合预测 | NA | NA | NA | NA | NA | NA | NA |
| 485 | 2024-08-05 |
HiCDiff: single-cell Hi-C data denoising with diffusion models
2024-May-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae279
PMID:38856167
|
研究论文 | 本文提出了一种基于扩散模型的单细胞Hi-C数据去噪方法HiCDiff | 文章创新性地使用了生成性扩散模型来去噪单细胞Hi-C数据 | 没有明确提到数据集的局限性或模型的局限性 | 研究目的是改善单细胞Hi-C数据的分析质量 | 研究对象为单细胞Hi-C数据中的染色体接触矩阵 | 数字病理学 | NA | 深度残差网络 | 扩散模型 | 基因组数据 | 多个单细胞Hi-C测试数据集 | NA | NA | NA | NA |
| 486 | 2024-08-05 |
Advancing Ligand Docking through Deep Learning: Challenges and Prospects in Virtual Screening
2024-05-21, Accounts of chemical research
IF:16.4Q1
DOI:10.1021/acs.accounts.4c00093
PMID:38577892
|
研究论文 | 本文探讨了深度学习在分子对接中的应用及其在虚拟筛选中的挑战和前景 | 提出深度学习方法能够突破传统搜索评分框架，提高准确性和处理速度 | 尽管深度学习模型提高了成功率，但仍可能产生不合理的局部结构 | 旨在提升分子对接的准确性与效率，推动深度学习在虚拟筛选中的应用 | 研究分子对接中的深度学习应用及其评估指标 | 计算机视觉 | NA | 深度学习 | NA | 蛋白质-配体复合物 | NA | NA | NA | NA | NA |
| 487 | 2024-08-05 |
Deep Learning-Based Automatic Classification of Ischemic Stroke Subtype Using Diffusion-Weighted Images
2024-May, Journal of stroke
IF:6.0Q1
DOI:10.5853/jos.2024.00535
PMID:38836277
|
研究论文 | 本研究旨在基于扩散加权成像(DWI)和心房颤动(AF)数据，开发深度学习算法自动分类缺血性中风亚型 | 本研究创新性在于利用深度学习算法结合DWI和AF数据信息进行缺血性中风亚型的自动分类 | 本研究的局限性在于模型的外部验证可能受限于专家的标注意见 | 研究目的在于提高缺血性中风亚型的分类准确性，从而促进有效的二级预防 | 研究对象是来自三家中心的2988名缺血性中风患者 | 机器学习 | 缺血性中风 | 扩散加权成像(DWI) | U-net与EfficientNetV2 | 影像 | 2988名缺血性中风患者 | NA | NA | NA | NA |
| 488 | 2024-08-05 |
A Multimodal Ensemble Deep Learning Model for Functional Outcome Prognosis of Stroke Patients
2024-May, Journal of stroke
IF:6.0Q1
DOI:10.5853/jos.2023.03426
PMID:38836278
|
研究论文 | 本研究构建了一个集成深度学习模型，以预测急性缺血性中风患者90天的功能结果。 | 该文章的创新点在于结合多模态影像和临床数据，以改进急性缺血性中风患者的预后预测。 | 该研究的局限性未在摘要中明确提及。 | 本研究旨在为急性缺血性中风患者构建一个准确的功能结果预测模型。 | 研究对象为2606名急性缺血性中风患者。 | 机器学习 | 中风 | 深度学习 | 3D卷积神经网络，深度神经网络 | 影像，临床数据 | 2606名急性缺血性中风患者 | NA | NA | NA | NA |
| 489 | 2024-08-05 |
Inverse optical scatterometry using sketch-guided deep learning
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.524091
PMID:38859144
|
研究论文 | 该文章展示了一种基于草图引导神经网络的纳米结构重构方法 | 首次将草图概念引入深度学习以解决逆散射问题 | 该方法仍可能在面对复杂样品结构时面临一些局限性 | 提供一种新的解决半导体计量的方法 | 针对纳米结构进行重构 | 光学测量 | NA | 深度学习 | 草图引导神经网络（SGNN） | 数据（基于训练数据） | 使用了一系列一维光栅进行验证 | NA | NA | NA | NA |
| 490 | 2024-08-05 |
Partial hard occluded target reconstruction of Fourier single pixel imaging guided through range slice
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.522516
PMID:38859014
|
研究论文 | 本文提出了一种基于深度学习的图像修复算法，旨在改善傅里叶单像素成像中部分遮挡目标的重建质量 | 创新点在于结合了多尺度稀疏卷积和变换器架构的图像修复网络，以及结合通道注意机制和注意力门模块的重建网络 | 本文未提及对不同遮挡程度的影响分析 | 研究旨在提高傅里叶单像素成像中遮挡目标的成像质量 | 研究对象为部分遮挡的目标物体 | 计算机视觉 | NA | 深度学习图像修复 | 稀疏卷积、变换器架构 | 图像 | 通过仿真和实际实验结果验证，但未具体说明样本数量 | NA | NA | NA | NA |
| 491 | 2024-08-05 |
Single-pixel imaging based on self-supervised conditional mask classifier-free guidance
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.518455
PMID:38859027
|
研究论文 | 该文章提出了一种自监督条件掩码分类器无指导的单像素重建方法 | 引入了无分类器指导模型（CFG）和自监督条件掩码分类器无指导的单像素重建（SCM-CFG），显著提高重建图像的质量 | 实验主要基于MNIST数据集，可能限制了结果的通用性 | 提高单像素成像在低测量率下的图像重建质量 | 主要研究单像素成像技术及其在图像重建中的应用 | 计算机视觉 | NA | 条件掩码分类器无指导（CFG） | 自监督条件掩码分类器无指导（SCM-CFG） | 图像 | MNIST数据集，样本数未明确说明 | NA | NA | NA | NA |
| 492 | 2024-08-05 |
Time-gated imaging through dense fog via physics-driven Swin transformer
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.519662
PMID:38859030
|
研究论文 | 本文描述了一种通过密集雾霭进行成像的新方法 | 提出了一种基于物理驱动的Swin Transformer方法，结合飞行时间和深度学习原则，改善密集雾霭下的成像质量 | 尽管在光学厚度很高的情况下进行实验，但后续在更复杂的环境下的验证仍需进行 | 研究如何在密集雾霭条件下提高成像质量 | 主要针对被密集雾霭遮挡的目标物体进行成像重建 | 计算机视觉 | NA | 飞行时间 (ToF) 和深度学习 | Swin Transformer | 图像 | 涉及的光学厚度达到3.0的实验数据 | NA | NA | NA | NA |
| 493 | 2024-08-05 |
Ultra-high-speed four-dimensional hyperspectral imaging
2024-May-20, Optics express
IF:3.2Q2
DOI:10.1364/OE.520788
PMID:38859098
|
研究论文 | 提出了一种新型的四维光谱成像系统，该系统能够同时获取深度和光谱图像 | 创新性地结合了反射编码孔径快照光谱成像系统和全色相机，实现了超高速的四维光谱成像 | 未提及具体的系统应用场景和可扩展性 | 开发一种快速且高效的光谱成像技术用于深度和光谱图像的同步获取 | 研究对象为高光谱数据立方体和全色图像的对齐与融合 | 计算机视觉 | NA | 深度学习 | U-net-3D | 光谱图像 | NA | NA | NA | NA | NA |
| 494 | 2024-08-05 |
A Survey of Deep Learning Methods for Estimating the Accuracy of Protein Quaternary Structure Models
2024-May-13, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14050574
PMID:38785981
|
综述 | 本文回顾了近年来用于估计蛋白质复合体模型准确性的深度学习方法 | 提供了对这些深度学习EMA方法的全面概述，并分析其方法论、数据和特征构建 | 缺乏对现有方法的实证验证和性能比较 | 旨在总结和分析用于蛋白质复合体结构准确性估计的深度学习方法 | 重点关注蛋白质复合体的结构预测和准确性估计 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 495 | 2024-08-05 |
Deep learning-based method for defect detection in electroluminescent images of polycrystalline silicon solar cells
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.517341
PMID:38858917
|
研究论文 | 本文提出了一种基于深度学习的ASDD-Net方法，用于光电致发光下的多晶硅太阳能电池缺陷检测 | 引入了增强的跨阶段部分网络融合和混合注意力模块，以优化特征提取和融合能力 | 没有提及模型在不同类型光电致发光图像上的表现 | 旨在实现多晶硅太阳能电池的实时缺陷检测 | 聚焦于光电致发光条件下的多晶硅太阳能电池图像 | 计算机视觉 | NA | 深度学习 | ASDD-Net | 图像 | 使用了PVEL-AD数据集进行评估 | NA | NA | NA | NA |
| 496 | 2024-08-05 |
Experimental demonstration of wavefront reconstruction and correction techniques for variable targets based on distorted grating and deep learning
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.519163
PMID:38858950
|
研究论文 | 本研究提出了一种适用于可变目标的波前重建和校正的实用方法 | 创新点在于设计了扭曲光栅并提出了独立于成像目标的细化特征和结构聚焦特征，以提高波前像差的表征准确性 | NA | 构建高精度的通用扩展目标自适应光学系统 | 不同成像目标的波前重建与校正 | 光学 | NA | 深度学习 | 噪声到去噪生成对抗网络（N2D-GAN）和基于注意力机制的高效网络（AM-EffNet） | 图像 | 实验设置中验证了不同成像目标的重建效果 | NA | NA | NA | NA |
| 497 | 2024-08-05 |
ATN-Res2Unet: an advanced deep learning network for the elimination of saturation artifacts in endoscopy optical coherence tomography
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.517587
PMID:38858918
|
研究论文 | 本研究提出了一种名为ATN-Res2Unet的深度学习网络，旨在减少内镜光学相干断层扫描中的饱和伪影 | 本研究首次探索利用深度学习技术消除内镜光学相干断层扫描图像中的伪影 | 缺乏足够的真实数据用于训练和验证 | 研究旨在改善内镜光学相干断层扫描图像的质量 | 研究对象为内镜光学相干断层扫描图像中的饱和伪影 | 计算机视觉 | NA | 深度学习 | ATN-Res2Unet | 图像 | 使用了实验性体内数据进行验证 | NA | NA | NA | NA |
| 498 | 2024-08-05 |
Reconstruction method suitable for fast CT imaging
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.522097
PMID:38858899
|
研究论文 | 该文提出了一种适用于快速CT成像的重建方法 | 引入了深度学习模型X-CTReNet，通过非线性映射函数从正交投影到CT体积进行重建，显著提高了从稀疏投影推断CT体积的能力 | 研究中未详细讨论模型在投影数量极少情况下的表现限制 | 寻求一种在可用投影高度稀疏的情况下适用的CT成像重建方法 | CT图像重建 | 计算机视觉 | NA | 深度学习 | X-CTReNet | 图像 | 使用了从两视图投影生成的CT体积数据进行验证 | NA | NA | NA | NA |
| 499 | 2024-08-05 |
Sub-photon accuracy noise reduction of a single shot coherent diffraction pattern with an atomic model trained autoencoder
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.523999
PMID:38858990
|
研究论文 | 本研究利用深度学习验证噪声减少技术，使用自编码器作为学习模型。 | 采用U-net架构实现亚光子精度的噪声减少，且扩展模型以适应不同形状的粒子衍射模式。 | 对比其他神经网络架构的性能时，U-net虽然表现出色，但未说明不同形状粒子与模拟数据间的适应性全面。 | 验证深度学习在衍射模式噪声减少中的有效性。 | 主要研究纳米粒子的衍射模式。 | 计算机视觉 | NA | 深度学习，噪声减少 | U-net | 模拟数据，衍射图案 | NA | NA | NA | NA | NA |
| 500 | 2024-08-05 |
Fully dense generative adversarial network for removing artifacts caused by microwave dielectric effect in thermoacoustic imaging
2024-May-06, Optics express
IF:3.2Q2
DOI:10.1364/OE.522550
PMID:38858929
|
研究论文 | 提出了一种基于深度学习的完全密集生成对抗网络用于去除热声成像中由微波介电效应引起的伪影 | 引入了完全密集块到生成对抗网络中，以提高伪影去除的有效性 | 未提及实际临床应用的数据验证 | 提高热声成像的图像准确性和质量 | 热声成像中由微波介电效应造成的伪影 | 计算机视觉 | NA | 深度学习 | 完全密集生成对抗网络 (FD-GAN) | 模拟和实验数据 | NA | NA | NA | NA | NA |