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 928 篇文献，本页显示第 521 - 540 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 521 | 2024-08-05 |
Traffic Sign Recognition Using Multi-Task Deep Learning for Self-Driving Vehicles
2024-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24113282
PMID:38894074
|
研究论文 | 本研究旨在使用计算机视觉和深度学习技术精确检测和识别街道上的交通标志 | 提出了基于多任务学习方法的交通标志识别模型，能够共享卷积层参数以提高识别精确度 | 测试仅在少数利雅得高速公路上进行，可能无法代表更广泛的交通情况 | 开发一个高效的交通标志检测与识别系统，以支持无人驾驶车辆的安全运行 | 交通标志和交通灯的检测与识别 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 多种交通标志和交通灯 | NA | NA | NA | NA |
| 522 | 2024-08-05 |
Detection of Road Crack Images Based on Multistage Feature Fusion and a Texture Awareness Method
2024-May-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24113268
PMID:38894061
|
研究论文 | 本文提出了一种基于多级特征融合和纹理感知方法的路面裂缝检测技术 | 提出了一种新的自动像素级语义路面裂缝图像分割方法FetNet，结合了Swin变换器和特征精炼注意模块 | 没有提及具体的算法复杂性或实时性分析 | 探索深度学习技术在道路裂缝检测中的应用 | 路面裂缝图像的检测与分割 | 计算机视觉 | NA | 深度学习 | Swin-T | 图像 | 收集了四个公共真实世界数据集 | NA | NA | NA | NA |
| 523 | 2024-08-05 |
Enhanced crop health monitoring: attention convolutional stacked recurrent networks and binary Kepler search for early detection of paddy crop issues
2024-May-20, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-12504-6
PMID:38767686
|
研究论文 | 本文提出了一种新颖的算法来早期检测水稻作物的疾病和营养缺乏问题 | 采用了注意力卷积堆叠递归网络与二进制开普勒搜索的结合方法，创新性地提高了病害检测的效果 | 没有提到在不同环境和气候条件下的普适性 | 旨在通过深度学习方法提高水稻作物健康监测的准确性和效率 | 主要研究对象为水稻作物及其病害、营养缺乏和害虫问题 | 计算机视觉 | 水稻病害 | 深度学习 | 注意力卷积堆叠递归网络 | 图像 | 使用的样本数量未明确说明，涉及经过增强的水稻图像数据 | NA | NA | NA | NA |
| 524 | 2024-08-05 |
Diffusion-Based Generative Network for de Novo Synthetic Promoter Design
2024-05-17, ACS synthetic biology
IF:3.7Q1
DOI:10.1021/acssynbio.4c00041
PMID:38613497
|
研究论文 | 提出了一种基于扩散的生成模型用于合成启动子的设计。 | 首次探索了生成模型在启动子设计中的潜力，并提出了一个完全基于序列数据的扩散模型。 | 缺乏实验验证合成启动子在实际应用中的效果。 | 研究合成启动子的设计方法，尤其是从头设计的能力。 | 合成启动子的结构和组件特征。 | 计算机视觉 | NA | 深度学习，扩散模型 | 卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 525 | 2024-08-05 |
Assessment of land use and land cover change detection and prediction using deep learning techniques for the southwestern coastal region, Goa, India
2024-May-09, Environmental monitoring and assessment
IF:2.9Q3
DOI:10.1007/s10661-024-12598-y
PMID:38722419
|
研究论文 | 本文利用深度学习技术评估Goa西南海岸地区的土地利用和土地覆盖变化检测与预测 | 提出了一种新的变化检测评估框架STEDSAN，结合了自注意力机制以捕捉复杂的空间时间交互 | 没有明确指出研究的局限性 | 研究土地利用和覆盖变化以及其未来的预测 | 对Goa地区的不同土地利用和覆盖类型的变化进行详细评估 | 数字病理学 | NA | 深度学习 | STEDSAN和LSTM | 遥感数据 | 使用了2005到2018年的双时相图像进行分析 | NA | NA | NA | NA |
| 526 | 2024-08-05 |
Classification of Periapical and Bitewing Radiographs as Periodontally Healthy or Diseased by Deep Learning Algorithms
2024-May, Cureus
DOI:10.7759/cureus.60550
PMID:38887333
|
研究论文 | 本研究旨在开发一个深度学习算法，能够自动将根尖和咬合片X光图像分类为牙周健康或不健康。 | 开发了一种基于YOLOv8-cls模型的深度学习算法，表现出较高的分类准确性。 | 本研究的样本仅限于特定类型的X光图像，可能无法推广到其他图像类型。 | 旨在评估深度学习算法在分类牙周健康和不健康上的诊断成功率。 | 研究对象为1120幅根尖X光图像和1498幅咬合片X光图像。 | 数字病理学 | 牙周病 | 深度学习 | YOLOv8-cls | 图像 | 1120根尖X光图像和1498咬合片X光图像 | NA | NA | NA | NA |
| 527 | 2024-08-05 |
Emotion recognition for human-computer interaction using high-level descriptors
2024-05-27, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-59294-y
PMID:38802373
|
研究论文 | 本研究提出了一种新的深度学习方法，用于对旁遮普语者的语音情感进行识别 | 通过多样的社交媒体来源构建和预处理标记语音语料库，并利用频谱图作为主要特征表示 | 未提供关于数据集大小和多样性的详细信息 | 研究旨在提高对旁遮普语音信号情感的识别准确性 | 旁遮普语言使用者的语音 | 自然语言处理 | NA | 深度学习 | 卷积神经网络（CNN） | 语音 | 自定义数据集，来自多种旁遮普媒体来源 | NA | NA | NA | NA |
| 528 | 2024-08-05 |
Deep learning for automatic detection of cephalometric landmarks on lateral cephalometric radiographs using the Mask Region-based Convolutional Neural Network: a pilot study
2024-05, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2024.02.003
PMID:38480069
|
研究论文 | 本研究探讨了使用Mask R-CNN在侧面头影测量放射线图像中自动检测颅面地标的有效性和可行性 | 首次应用深度学习的Mask R-CNN模型自动检测颅面地标，显著提高了检测效率和准确性 | 研究仅在侧面头影测量放射线图像上进行，可能无法推广到其他类型的影像数据 | 评估Mask R-CNN在颅面分析中自动检测地标的效果 | 使用400张侧面头影测量放射线图像及其手动标记的19个地标进行研究 | 计算机视觉 | NA | Mask R-CNN | 卷积神经网络 (CNN) | 图像 | 400张侧面头影测量放射线图像，标记了1520个地标 | NA | NA | NA | NA |
| 529 | 2024-08-05 |
Digital pathology, deep learning, and cancer: a narrative review
2024-May-31, Translational cancer research
IF:1.5Q4
DOI:10.21037/tcr-23-964
PMID:38881914
|
综述 | 这篇文章评估了深度学习与数字病理学在癌症检测中的应用现状 | 这项文章揭示了深度学习模型在实验室开发与其临床实践应用之间存在的差距 | 大多数文章集中于模型开发的实验室阶段，缺乏临床应用后的验证 | 探讨数字病理学与深度学习在癌症检测和患者护理中的应用 | 分析影响深度学习模型开发和临床实施的因素 | 数字病理学 | 癌症 | 深度学习 | NA | NA | 选取了36篇符合纳入标准的文章进行分析 | NA | NA | NA | NA |
| 530 | 2024-08-05 |
Automated permanent tooth detection and numbering on panoramic radiograph using a deep learning approach
2024-05, Oral surgery, oral medicine, oral pathology and oral radiology
DOI:10.1016/j.oooo.2023.06.003
PMID:37633788
|
研究论文 | 本研究评估了深度学习模型在全景放射影像中自动牙齿编号的性能 | 使用YOLO v4深度卷积神经网络实现了全景放射影像中牙齿的高效自动检测和编号 | 未提及模型在不同类型图像或不同人群中的适用性 | 评估深度学习模型在全景放射影像中的牙齿自动编号表现 | 使用500个全景影像数据集进行研究 | 计算机视觉 | NA | YOLO v4 | CNN | 图像 | 500个全景图像 | NA | NA | NA | NA |
| 531 | 2024-08-05 |
[Advances in the application of AlphaFold2: a protein structure prediction model]
2024-May-25, Sheng wu gong cheng xue bao = Chinese journal of biotechnology
DOI:10.13345/j.cjb.230677
PMID:38783805
|
综述 | 本文介绍了AlphaFold2模型的架构、亮点、局限性和应用进展 | 介绍了AlphaFold2的独特架构及其在蛋白质结构预测中的优越性能 | 文章未详细探讨各模型的具体应用案例和实际效果 | 探讨AlphaFold2及其他蛋白质结构预测模型的应用和发展 | 主要讨论AlphaFold2及其他几种蛋白质结构预测模型 | 计算机视觉 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 532 | 2024-08-05 |
Histopathologic image-based deep learning classifier for predicting platinum-based treatment responses in high-grade serous ovarian cancer
2024-May-18, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48667-6
PMID:38762636
|
研究论文 | 本研究开发了一种基于组织病理学图像的分类器，用于预测高级别浆液性卵巢癌对铂类化疗的反应。 | 开发了Pathologic Risk Classifier for HGSOC (PathoRiCH)，其预测铂类治疗反应的性能优于现有的分子生物标志物。 | 缺乏对不同种族或年龄段患者的广泛适应性验证。 | 旨在提高对女性高级别浆液性卵巢癌的铂类化疗反应的预测能力。 | 对394个内科病例和两个独立外部队列（284个和136个）进行训练和验证的组织病理学图像。 | 数字病理学 | 卵巢癌 | 组织病理学图像分析 | 分类器 | 图像 | 总共614个样本：394个内科病例和两个独立外部队列（284个和136个） | NA | NA | NA | NA |
| 533 | 2024-08-05 |
A multicenter proof-of-concept study on deep learning-based intraoperative discrimination of primary central nervous system lymphoma
2024-May-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48171-x
PMID:38704409
|
研究论文 | 本文开发了一个基于深度学习的模型，用于在手术中区分原发性中枢神经系统淋巴瘤和其他病变 | 提出了一种人机融合的方法，将深度学习模型与病理诊断相结合，提高了诊断性能 | 外部队列的应用和特定病理类型可能影响模型的普适性 | 开发和验证一个能准确区分原发性中枢神经系统淋巴瘤的深度学习模型 | 重点研究了通过H&E染色的冷冻全切片图像区分原发性中枢神经系统淋巴瘤与其他病变 | 数字病理学 | 原发性中枢神经系统淋巴瘤 | 深度学习 | LGNet | 图像 | 使用了不同专家水平的病理学家的表现作为比较 | NA | NA | NA | NA |
| 534 | 2024-08-05 |
Spatiotemporal estimation of groundwater and surface water conditions by integrating deep learning and physics-based watershed models
2024-May-01, Water research X
IF:7.2Q1
DOI:10.1016/j.wroa.2024.100228
PMID:38872710
|
研究论文 | 本研究提出了一种深度学习模型框架，用于高空间分辨率地估计地下水和地表水条件 | 结合深度学习和基于物理的流域模型，提高了水文估计的效率和准确性 | 模型在长期预测的准确性方面仍需进一步改进 | 研究旨在通过深度学习提高水文模拟的效率 | 研究对象为韩国Sabgyo溪流域的地下水位和地表水深度 | 数字水文学 | NA | 深度学习 | 卷积神经网络（CNN） | 气象数据 | 使用来自完全分布式水文模型HydroGeoSphere的数据和实际现场测量数据 | NA | NA | NA | NA |
| 535 | 2024-08-05 |
Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review
2024-May, Cureus
DOI:10.7759/cureus.60280
PMID:38872656
|
综述 | 本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展 | 探讨了在结核病诊断中应用的各种人工智能算法及其比较性能 | 讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制 | 研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用 | 聚焦于多药耐药结核病和广泛耐药结核病的诊断技术 | 自然语言处理 | 结核病 | 人工智能 | 机器学习，深度学习，集成技术 | NA | NA | NA | NA | NA | NA |
| 536 | 2024-08-05 |
A computed tomography-based multitask deep learning model for predicting tumour stroma ratio and treatment outcomes in patients with colorectal cancer: a multicentre cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001161
PMID:38348900
|
研究论文 | 本研究开发了一种多任务深度学习模型，以非侵入性地预测结直肠癌患者的肿瘤基质比率（TSR）和预后。 | 该文章创新性地使用了多任务深度学习模型结合术前CT图像，解决了当前TSR组织学评估的局限性。 | 该研究为回顾性研究，未来需要前瞻性研究来验证模型的有效性。 | 研究目的是开发一种模型来预测结直肠癌患者的TSR和预后。 | 本文研究对象包括2268名经切除的结直肠癌患者。 | 数字病理学 | 结直肠癌 | CT成像 | MDL模型 | 影像 | 2268名切除的结直肠癌患者 | NA | NA | NA | NA |
| 537 | 2024-08-05 |
Deep learning-based multi-model prediction for disease-free survival status of patients with clear cell renal cell carcinoma after surgery: a multicenter cohort study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001222
PMID:38445478
|
研究论文 | 本研究提出了一种深度学习基础的多模型预测方法，以评估透明细胞肾细胞癌患者术后的无病生存状态 | 开发了一种新的多模型预测签名，将多模态信息整合到一个单一的预测模型中，以提高无病生存的预后预测性能 | 需要在多个中心和地区进行进一步验证以证实效果 | 提高透明细胞肾细胞癌患者术后无病生存的预后预测 | 414名透明细胞肾细胞癌患者的影像学和临床数据 | 机器学习 | 肾癌 | 深度学习、机器学习 | 多模态预测模型 | 图像、临床数据 | 414名患者 | NA | NA | NA | NA |
| 538 | 2024-08-05 |
Artificial intelligence-based classification of breast lesion from contrast enhanced mammography: a multicenter study
2024-May-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000001076
PMID:38748500
|
研究论文 | 本文建立了一种基于人工智能的乳腺病变预诊断方法，旨在通过对比增强乳腺摄影进行评估 | 该研究采用RefineNet作为基础网络，并结合卷积块注意力模块（CBAM）进行特征的自适应精细化，展示了创新的AI应用于乳腺病变的分类 | 研究的限制在于为回顾性研究，样本来自于特定的多中心设置，可能会影响普适性 | 研究目的在于利用人工智能技术提升乳腺病变的预诊断准确性 | 研究对象为在2017至2022年之间接受对比增强乳腺摄影检查的1430名患者 | 计算机视觉 | 乳腺癌 | RNA-seq | XGBoost，RefineNet | 医学图像，基因组数据 | 1430名患者的对比增强乳腺摄影检查数据，以及12名患者的RNA测序数据 | NA | NA | NA | NA |
| 539 | 2024-08-05 |
Precise tooth design using deep learning-based templates
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104971
PMID:38548165
|
研究论文 | 本研究结合隐式模板和深度学习，构建了一种精确的神经网络用于个性化牙齿缺损修复 | 提出了一种新颖的深度学习模型ToothDIT，用于生成高度定制的修复模板 | 样本量较小，仅使用了90个右侧上颌中切牙模型 | 旨在提高假牙设计中的精准度和效率 | 研究对象为右侧上颌中切牙的缺损修复 | 数字病理学 | NA | 深度学习 | ToothDIT | 三维模型 | 90个右上颌中切牙模型（80个用于训练，10个用于验证） | NA | NA | NA | NA |
| 540 | 2024-08-05 |
Application of artificial intelligence in dental implant prognosis: A scoping review
2024-05, Journal of dentistry
IF:4.8Q1
DOI:10.1016/j.jdent.2024.104924
PMID:38467177
|
研究论文 | 这项范围评估的目的是评估人工智能在牙科植入物预后中的表现 | 探讨了人工智能在牙科植入物预后预测中的应用和性能 | 研究需要更多的放射影像和临床数据以提高人工智能的性能 | 评估人工智能在牙科植入物预后中的有效性 | 分析了892项研究，最终纳入了12项符合标准的研究 | NA | NA | 深度学习和传统机器学习算法 | 深度学习模型和传统机器学习算法 | 医疗记录和放射影像 | 892项研究中进行了36项的全文分析 | NA | NA | NA | NA |