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 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-08-07 |
Texture-preserving low dose CT image denoising using Pearson divergence
2024-May-21, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad45a4
PMID:38688292
|
研究论文 | 本文提出了一种使用皮尔逊散度损失函数来改善低剂量CT图像去噪中纹理保持的方法 | 引入皮尔逊散度损失函数来学习特征纹理，从而在去噪过程中更好地保留图像的纹理细节 | 未提及 | 改善低剂量CT图像去噪中的纹理保持 | 低剂量CT图像的去噪效果 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 未提及 | NA | NA | NA | NA |
| 742 | 2024-08-07 |
ELRL-MD: a deep learning approach for myocarditis diagnosis using cardiac magnetic resonance images with ensemble and reinforcement learning integration
2024-May-21, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad46e2
PMID:38697206
|
研究论文 | 本研究提出了一种结合集成学习和强化学习的深度学习模型ELRL-MD，用于从心脏磁共振图像中诊断心肌炎 | 模型通过人工蜂群算法进行预训练，并利用卷积神经网络提取和整合特征，同时采用强化学习处理数据集的不平衡问题 | 研究主要解决了数据集不平衡和模型初始权重设置不佳导致局部最优的问题 | 开发一种有效的深度学习模型，用于从心脏磁共振图像中诊断心肌炎 | 心肌炎的诊断 | 机器学习 | 心血管疾病 | 心脏磁共振成像 | CNN | 图像 | 使用了Z-Alizadeh Sani心肌炎心脏磁共振数据集 | NA | NA | NA | NA |
| 743 | 2024-08-07 |
Harnessing LSTM and XGBoost algorithms for storm prediction
2024-May-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62182-0
PMID:38762598
|
研究论文 | 本文利用长短期记忆网络（LSTM）和极端梯度提升（XGBoost）算法预测法国西部的风暴特征和发生 | 采用了一种结合深度学习和机器学习的新方法，基于LSTM和XGBoost算法进行风暴预测 | LSTM模型在预测极端波浪高度和风速值时存在挑战 | 旨在通过预测风暴特征和发生来减少风暴对人类和物体的影响 | 研究对象为法国西部的风暴 | 机器学习 | NA | 长短期记忆网络（LSTM），极端梯度提升（XGBoost） | LSTM，XGBoost | 数据来自浮标和风暴数据库 | 数据涵盖1996年至2020年 | NA | NA | NA | NA |
| 744 | 2024-08-07 |
Development and validation of machine learning algorithms based on electrocardiograms for cardiovascular diagnoses at the population level
2024-May-18, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01130-8
PMID:38762623
|
研究论文 | 本研究开发并验证了基于心电图的机器学习算法，用于在人口层面同时预测15种常见心血管疾病诊断 | 使用基于ResNet的深度学习模型和极端梯度提升模型，通过心电图轨迹和测量数据进行预测，显示出比传统方法更高的准确性 | 研究为回顾性研究，且仅限于加拿大阿尔伯塔省的84个急诊部门或医院的数据 | 开发和验证基于心电图的机器学习模型，用于早期检测和诊断心血管疾病 | 15种常见心血管疾病，包括房颤、室上性心动过速等 | 机器学习 | 心血管疾病 | ResNet-based deep learning, extreme gradient boosting | ResNet, XGB | 心电图 | 1,605,268份心电图，涉及244,077名成年患者 | NA | NA | NA | NA |
| 745 | 2024-08-07 |
Deep learning for determining the difficulty of endodontic treatment: a pilot study
2024-May-17, BMC oral health
IF:2.6Q1
DOI:10.1186/s12903-024-04235-4
PMID:38760686
|
研究论文 | 本研究开发并验证了一种深度学习模型，用于从根尖X光片自动评估根管治疗病例的难度 | 使用卷积神经网络和自监督学习方法进行根管治疗难度的自动评估 | 自监督预训练并未提高模型性能，且存在评估者间可靠性低的问题 | 探索深度学习模型在自动评估根管治疗难度方面的可行性 | 根管治疗病例的难度评估 | 机器学习 | NA | 卷积神经网络 | CNN | 图像 | 1,386张根尖X光片 | NA | NA | NA | NA |
| 746 | 2024-08-07 |
Is better readiness the key to deeper learning in distance education? A cross-sectional online study
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30602
PMID:38765106
|
研究论文 | 本研究探讨了远程教育在护理教育中的影响因素及其有效性 | 研究发现了远程教育准备度与学习深度之间的正相关关系 | 研究仅限于一所中医药大学的本科护理学生，可能限制了结果的普遍性 | 描述当前远程教育准备度和学习深度，并探索可能的影响因素 | 本科护理学生 | NA | NA | NA | NA | 问卷调查数据 | 222名本科护理学生 | NA | NA | NA | NA |
| 747 | 2024-08-07 |
Efficient screening of pharmacological broad-spectrum anti-cancer peptides utilizing advanced bidirectional Encoder representation from Transformers strategy
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30373
PMID:38765108
|
研究论文 | 本研究利用深度学习方法结合自然语言处理和伪氨基酸组成技术，开发了一种高效的广谱抗癌肽筛选工具 | 研究采用了优化的BERT模型，该模型在准确性和选择性上超越了现有的BERT变体和传统机器学习算法 | NA | 旨在改进抗癌肽的筛选过程，推动精准肿瘤学的发展 | 广谱抗癌肽的筛选和识别 | 自然语言处理 | 癌症 | 自然语言处理（NLP），伪氨基酸组成（PseAAC）技术 | BERT | 文本 | NA | NA | NA | NA | NA |
| 748 | 2024-08-07 |
Intrusion detection in machine learning based E-shaped structure with algorithms, strategies and applications in wireless sensor networks
2024-May-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e30675
PMID:38765126
|
研究论文 | 本文提出了一种基于机器学习的E形结构入侵检测模型，并应用于无线传感器网络中，通过深度学习模型和E形贴片天线的设计，提高了入侵检测的准确性和通信性能 | 本文提出的入侵检测模型采用了深度学习方法，并结合E形贴片天线设计，提高了检测准确率和通信带宽 | NA | 改进现有的入侵检测系统，提高其在物联网网络中的零日攻击检测能力 | 无线传感器网络中的入侵检测和通信性能 | 机器学习 | NA | 深度学习 | 深度学习神经网络 | 数据通信 | NA | NA | NA | NA | NA |
| 749 | 2024-08-07 |
Artificial intelligence in detection of small bowel lesions and their bleeding risk: A new step forward
2024-May-14, World journal of gastroenterology
IF:4.3Q1
DOI:10.3748/wjg.v30.i18.2482
PMID:38764765
|
研究论文 | 本文研究使用深度学习模型自动检测小肠病变及其出血风险 | 开发了一种新的深度学习模型，能够识别不同出血风险的小肠病变 | NA | 提高人工智能在临床实践中检测不同类型小肠病变的诊断支持 | 小肠病变及其出血风险 | 机器学习 | NA | 深度学习 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 750 | 2024-08-07 |
Deep learning approaches for seizure video analysis: A review
2024-May, Epilepsy & behavior : E&B
IF:2.3Q2
DOI:10.1016/j.yebeh.2024.109735
PMID:38522192
|
综述 | 本文综述了深度学习和计算机视觉技术在癫痫视频分析中的应用 | 探讨了深度学习在视频记录的癫痫分析中的应用，并展示了如何通过集成系统进行视频基础的癫痫症状学分析 | 文章指出了未来研究的方向和挑战，表明当前技术仍存在改进空间 | 提高癫痫评估的准确性和一致性 | 癫痫视频分析中的深度学习和计算机视觉技术 | 计算机视觉 | NA | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 751 | 2024-08-07 |
Use of one-dimensional CNN for input data size reduction in LSTM for improved computational efficiency and accuracy in hourly rainfall-runoff modeling
2024-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.120931
PMID:38678895
|
研究论文 | 本研究提出了一种名为CNNsLSTM的深度学习架构，用于小时降雨径流建模，该架构通过一维卷积神经网络（1D-CNN）和长短期记忆网络（LSTM）的串联耦合实现 | 提出的CNNsLSTM架构在小时降雨径流建模中显著提高了估计精度，并减少了计算误差，特别是在高流量和峰值流量的估计上 | 尽管CNNsLSTM在计算速度上比LSTMwDpH慢，但仍比LSTMwHour快6.9-7.9倍 | 旨在通过结合1D-CNN和LSTM网络提高小时降雨径流模型的计算效率和准确性 | 研究对象为日本石狩河流域的小时降雨径流模型 | 机器学习 | NA | 一维卷积神经网络（1D-CNN）和长短期记忆网络（LSTM） | CNNsLSTM | 时间序列数据 | 使用了包括降水、空气温度、蒸散、长波辐射和短波辐射在内的气象数据集 | NA | NA | NA | NA |
| 752 | 2024-08-07 |
Innovative methods for microplastic characterization and detection: Deep learning supported by photoacoustic imaging and automated pre-processing data
2024-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.120954
PMID:38692026
|
研究论文 | 本研究利用光声成像技术和自动数据预处理技术，结合Vqdp2生成式深度学习模型，对微塑料进行高分辨率图像捕捉和分类 | 首次采用光声成像技术捕捉微塑料的高分辨率图像，并设计自动化数据处理流程扩展数据集，同时提出Vqdp2模型通过多任务训练提高分类精度和特征提取能力 | NA | 旨在解决微塑料检测领域中复杂形态带来的快速视觉表征挑战 | 微塑料的检测和分类 | 计算机视觉 | NA | 光声成像 | 生成式深度学习模型 | 图像 | 多种微塑料样本 | NA | NA | NA | NA |
| 753 | 2024-08-07 |
Forecasting carbon prices in China's pilot carbon market: A multi-source information approach with conditional generative adversarial networks
2024-May, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.120967
PMID:38723494
|
研究论文 | 本研究利用条件生成对抗网络模型，开发了一种预测框架，用于捕捉碳交易价格的时间序列变化特征和条件矩阵，以提高中国试点碳市场碳价格的预测精度 | 本研究采用生成对抗网络模型，通过生成器和判别器的连续迭代训练和交替优化，使生成的预测分布更接近实际样本数据，从而提高预测精度 | NA | 提高中国试点碳市场碳价格的预测精度，优化碳定价系统 | 湖北和广东地区的碳市场 | 机器学习 | NA | 生成对抗网络 (GAN) | 生成对抗网络 (GAN) | 时间序列数据 | NA | NA | NA | NA | NA |
| 754 | 2024-08-07 |
Topological Deep Learning: A New Dimension in Gastroenterology for Metabolic Dysfunction-Associated Fatty Liver
2024-May, Cureus
DOI:10.7759/cureus.60532
PMID:38764708
|
研究论文 | 本文探讨了拓扑深度学习（TDL）在代谢功能障碍相关脂肪肝病（MAFLD）诊断和监测中的应用 | TDL能够识别传统方法可能遗漏的医学影像数据中的复杂模式，从而实现更早和更精确的检测 | TDL在计算需求和输出可解释性方面存在挑战，需要进一步的研究和开发以应用于临床 | 提高MAFLD诊断和分期的准确性和效率 | 代谢功能障碍相关脂肪肝病（MAFLD） | 机器学习 | 肝脏疾病 | 拓扑深度学习（TDL） | 拓扑深度学习模型 | 影像 | NA | NA | NA | NA | NA |
| 755 | 2024-08-07 |
Ultra-flat bands at large twist angles in group-V twisted bilayer materials
2024-May-21, The Journal of chemical physics
IF:3.1Q1
DOI:10.1063/5.0197757
PMID:38767261
|
研究论文 | 本研究提出了一种在具有大扭曲角度的V族扭曲双层材料中实现超平带的策略 | 通过使用深度学习方法DeepH研究了多达2524个原子的扭曲双层材料的能带结构，显著减少了计算时间，并发现9.43°的扭曲角度足以实现与魔角1.08°的扭曲双层石墨烯相当的能带平坦度 | NA | 探索在扭曲层状二维材料中实现超平带的可行平台 | V族扭曲双层材料，包括β相的P、As和Sb | 材料科学 | NA | 深度学习方法DeepH | NA | 能带结构 | 多达2524个原子的扭曲双层材料 | NA | NA | NA | NA |
| 756 | 2024-08-07 |
[Reduction of Motion Artifacts in Liver MRI Using Deep Learning with High-pass Filtering]
2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-1408
PMID:38462509
|
研究论文 | 研究使用深度学习结合高通滤波技术减少肝脏MRI图像中的运动伪影 | 采用深度学习与高通滤波相结合的方法，有效减少了肝脏MRI图像中的运动伪影，同时保持了图像的清晰度 | NA | 探讨深度学习结合高通滤波技术在减少肝脏MRI图像运动伪影中的应用效果 | 69名接受肝脏MRI检查的患者 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 69名患者 | NA | NA | NA | NA |
| 757 | 2024-08-07 |
[Validation of Optimal Imaging Conditions for Coronary Computed Tomography Angiography Using High-definition Mode and Deep Learning Image Reconstruction Algorithm]
2024-May-20, Nihon Hoshasen Gijutsu Gakkai zasshi
DOI:10.6009/jjrt.2024-1353
PMID:38508756
|
研究论文 | 验证高清晰度模式和深度学习图像重建算法结合下的冠状动脉CT血管造影的最佳成像条件 | 结合高清晰度模式和深度学习图像重建算法，优化冠状动脉CT血管造影的成像条件 | 研究仅限于使用胸部和内部3D打印模型进行扫描，未涉及临床患者数据 | 验证在高清晰度模式和深度学习图像重建算法结合下，冠状动脉CT血管造影的最佳成像条件 | 使用256排探测器CT扫描仪扫描的胸部和内部3D打印模型 | 计算机视觉 | 心血管疾病 | 冠状动脉CT血管造影 | 深度学习图像重建算法 | 图像 | 胸部和内部3D打印模型 | NA | NA | NA | NA |
| 758 | 2024-08-07 |
Deep-learning model for background parenchymal enhancement classification in contrast-enhanced mammography
2024-May-20, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad42ff
PMID:38657641
|
研究论文 | 本文开发了一种基于深度学习的模型，用于在对比增强乳腺摄影（CEM）中自动分类乳腺背景实质增强（BPE）水平 | 本文首次提出了一种在CEM中自动分类BPE水平的工具，填补了该领域的空白 | 模型在存在病变的情况下准确性略有下降，但无统计学意义 | 开发一种自动化的方法来评估CEM中的BPE水平，以减少读者的变异性 | 乳腺背景实质增强（BPE）水平的分类 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 训练集包含7012对CEM图像，评估集包含1013对图像 | NA | NA | NA | NA |
| 759 | 2024-08-07 |
FlexDTI: flexible diffusion gradient encoding scheme-based highly efficient diffusion tensor imaging using deep learning
2024-May-20, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad45a5
PMID:38688288
|
研究论文 | 本文开发并评估了一种基于动态卷积的新方法FlexDTI，用于高效扩散张量成像，该方法支持灵活的扩散编码梯度方案 | FlexDTI使用动态卷积核将扩散梯度方向信息嵌入到相应的扩散信号特征图中，实现了对灵活数量扩散梯度方向的泛化 | NA | 开发一种高效的扩散张量成像方法，支持灵活的扩散编码梯度方案 | 扩散张量成像 | 计算机视觉 | NA | 深度学习 | 动态卷积 | 图像 | 使用来自人类连接组项目和本地医院的数据集进行训练和测试 | NA | NA | NA | NA |
| 760 | 2024-08-07 |
Enhanced cell segmentation with limited training datasets using cycle generative adversarial networks
2024-May-17, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.109740
PMID:38706861
|
研究论文 | 本文介绍了一种基于CycleGAN的架构cGAN-Seg，用于在有限标注数据集的情况下增强细胞分割模型的训练 | cGAN-Seg能够在训练过程中生成具有真实图像形态细节和细微差别的合成相位对比或荧光图像，从而提高分割模型的预测准确性和泛化能力 | NA | 解决深度学习在单细胞分割应用中因缺乏大型多样化标注数据集的限制 | 细胞分割模型 | 计算机视觉 | NA | CycleGAN | CycleGAN | 图像 | 有限标注数据集 | NA | NA | NA | NA |