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 1033 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-08-05 |
Augmenting Radiological Diagnostics with AI for Tuberculosis and COVID-19 Disease Detection: Deep Learning Detection of Chest Radiographs
2024-Jun-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131334
PMID:39001228
|
研究论文 | 本文介绍了一种能够通过X射线图像识别肺炎、COVID-19和结核病的网络 | 强调了使用ResNet50模型相较于传统VGG16方法的优越性，并通过数据增强技术提高了分类准确性 | 在样本大小和多样性方面可能存在局限性，未提及具体的样本数量 | 提高对COVID-19和结核病等疾病的诊断准确性和可靠性 | 患者胸部的X射线图像 | 计算机视觉 | COVID-19, 结核病 | X射线成像，数据增强 | ResNet50, VGG16 | 图像 | NA |
| 402 | 2024-08-05 |
Integration of Localized, Contextual, and Hierarchical Features in Deep Learning for Improved Skin Lesion Classification
2024-Jun-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131338
PMID:39001229
|
研究论文 | 本文探讨了通过整合局部、全局和层次特征以提高皮肤病变分类的深度学习方法 | 提出了一种新颖的双轨深度学习模型，结合了修改过的Densenet-169架构和定制的卷积神经网络，以增强特征表征 | 该研究可能未考虑某些皮肤病变类型的多样性，具体的模型泛化能力需要进一步验证 | 提高皮肤病变分类的精确性和性能 | 皮肤病变的分类 | 计算机视觉 | 皮肤病 | 深度学习 | Densenet-169和卷积神经网络（CNN） | 图像 | 使用HAM10000数据集进行训练和验证 |
| 403 | 2024-08-05 |
Gene-Based Predictive Modelling for Enhanced Detection of Systemic Lupus Erythematosus Using CNN-Based DL Algorithm
2024-Jun-24, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131339
PMID:39001231
|
研究论文 | 本研究介绍了一种使用基因预测模型和堆叠深度学习分类器改善系统性红斑狼疮（SLE）检测的方法 | 提出了一种新的基于基因表达和临床数据的堆叠深度学习分类器方法，以提高SLE的诊断准确性 | 未提及研究的具体限制 | 提高系统性红斑狼疮的诊断准确性和管理策略 | 系统性红斑狼疮及其相关的转录组和临床数据 | 机器学习 | 系统性红斑狼疮 | 深度学习 | 堆叠深度学习分类器（SDLC） | 基因表达数据 | 未提及 |
| 404 | 2024-08-05 |
Automatic Segmentation of Type A Aortic Dissection on Computed Tomography Images Using Deep Learning Approach
2024-Jun-23, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131332
PMID:39001223
|
研究论文 | 本研究应用深度学习方法对计算机断层扫描图像中的A型主动脉夹层进行自动分割 | 使用先进的nnU-Net模型实现高精度的A型主动脉夹层的自动分割和特征量化 | 研究样本量较小，仅包含24名患者的CT图像 | 提高对A型主动脉夹层的分割精度，从而辅助临床治疗和疾病评估 | 对24名A型主动脉夹层患者的计算机断层扫描图像进行研究 | 数字病理学 | 主动脉疾病 | ct图像增强与nnU-Net | nnU-Net（2D和3D） | 图像 | 24名A型主动脉夹层患者的CT图像 |
| 405 | 2024-08-05 |
Research on Three-Dimensional Reconstruction of Ribs Based on Point Cloud Adaptive Smoothing Denoising
2024-Jun-23, Sensors (Basel, Switzerland)
DOI:10.3390/s24134076
PMID:39000855
|
研究论文 | 本文提出了一种基于点云自适应平滑去噪的三维肋骨重建方法 | 创新点在于将体素数据转换为多属性点云数据，并采用点云自适应平滑去噪方法来提升重建精度和效率 | 本文未提及具体的样本数量和多种医疗影像数据的应用情况 | 研究提高肋骨三维重建的准确性和计算效率 | 主要针对从CT图像中提取的肋骨进行重建 | 数字病理学 | NA | 点云处理 | NA | CT图像 | NA |
| 406 | 2024-08-05 |
A Deep Learning-Based Method for Preventing Data Leakage in Electric Power Industrial Internet of Things Business Data Interactions
2024-Jun-22, Sensors (Basel, Switzerland)
DOI:10.3390/s24134069
PMID:39000847
|
研究论文 | 本文提出了一种基于深度学习的防止电力行业物联网数据交互泄漏的方法 | 提出了一种结合命名实体识别技术和DeBERTa-BiLSTM-CRF模型的新方法，适用于处理结构化和非结构化敏感数据 | 该方法的有效性可能依赖于特定数据集，模型的泛化能力需要进一步验证 | 确保电力业务数据交互的安全性 | 电力行业物联网的业务数据交互 | 数字路径学 | NA | 深度学习，命名实体识别 | DeBERTa-BiLSTM-CRF | 结构化和非结构化数据 | 使用CLUENER 2020数据集进行实验 |
| 407 | 2024-08-05 |
Exploring the Impact of Noise and Image Quality on Deep Learning Performance in DXA Images
2024-Jun-22, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14131328
PMID:39001219
|
研究论文 | 本研究探讨了噪声和图像质量对DXA图像深度学习性能的影响。 | 本研究将噪声减少方法集成到深度学习模型中，以提高骨矿密度（BMD）的准确性和骨头分割效果。 | NA | 研究DXA图像中噪声与深度学习分割技术的关系，以改善骨头分割和BMD计算的准确性。 | 使用深度学习技术对DXA图像中的股骨进行语义分割。 | 计算机视觉 | 骨质疏松症 | CNN | FCNN | 图像 | NA |
| 408 | 2024-08-05 |
Non-Invasive Fish Biometrics for Enhancing Precision and Understanding of Aquaculture Farming through Statistical Morphology Analysis and Machine Learning
2024-Jun-21, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14131850
PMID:38997962
|
研究论文 | 本研究验证了一种新颖的计算机视觉方法，用于无创鱼类生物特征分析和生物量估计 | 提出了一种基于统计形态分析和机器学习的特征提取算法，以提高鱼塘中的生物量估计精度 | 尚未提及 | 旨在探索高精度的无创生物量估计方法以改善水产养殖管理 | 以非洲鲫鱼作为研究对象 | 计算机视觉 | NA | 计算机视觉 | 多层感知器模型 | 图像 | 129个非洲鲫鱼样本 |
| 409 | 2024-08-05 |
Real-World Spatial Synchronization of Event-CMOS Cameras through Deep Learning: A Novel CNN-DGCNN Approach
2024-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24134050
PMID:39000829
|
研究论文 | 该论文提出了一种新的深度学习架构，以增强CMOS和事件摄像机之间的空间同步。 | 该研究首创了基于场景的CMOS与事件摄像机同步方式，利用动态图卷积神经网络(DGCNN)直接处理事件数据。 | 目前的算法无法有效解决精准的空间对齐问题。 | 研究目的在于提高CMOS与事件摄像机之间的空间同步精度。 | 研究对象为CMOS相机和事件相机的集成与同步。 | 计算机视觉 | NA | 深度学习, DGCNN | 动态图卷积神经网络(DGCNN) | 事件数据 | NA |
| 410 | 2024-08-05 |
Wheat Fusarium Head Blight Automatic Non-Destructive Detection Based on Multi-Scale Imaging: A Technical Perspective
2024-Jun-21, Plants (Basel, Switzerland)
DOI:10.3390/plants13131722
PMID:38999562
|
综述 | 本文综述了小麦赤霉病的自动非破坏性检测技术。 | 本研究总结了不同成像技术在小麦赤霉病检测中的应用，并提出了理想的应用模式与发展趋势。 | 缺乏对现有先进检测技术的全面总结及其在实际应用中的潜在挑战讨论。 | 探讨小麦赤霉病的自动检测技术及其应用前景。 | 涉及小麦赤霉病在不同成像尺度下的检测技术和方法。 | 计算机视觉 | 小麦赤霉病 | 成像技术 | 深度学习 | 图像 | NA |
| 411 | 2024-08-05 |
Smart Partitioned Blockchain
2024-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24134033
PMID:39000812
|
研究论文 | 本文提出了一种智能分区区块链模型，用于处理和管理智能空间及物联网中的敏感交易 | 提出了一种通过机器学习和深度学习将交易分类到不同敏感度池的智能分区区块链模型 | 医学数据集的分类准确性较低，仅达到91% | 开发一个能够根据应用领域要求定制的区块链模型 | 银行和医疗数据集，依据定义的敏感度阈值进行分类 | 区块链 | NA | 机器学习，深度学习 | 随机森林，顺序深度学习 | 数据集 | 银行交易和医学数据集 |
| 412 | 2024-08-05 |
A Data Matrix Code Recognition Method Based on L-Shaped Dashed Edge Localization Using Central Prior
2024-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24134042
PMID:39000820
|
研究论文 | 本文提出了一种基于中心先验的L形虚线边缘定位的数据矩阵码识别方法 | 提出了一种新方法，利用数据矩阵码中心的先验信息进行L形虚线边缘的定位，克服了现有方法在干扰问题上的局限性 | 仍需在不同干扰和复杂背景下进一步验证方法的鲁棒性 | 提高在工业生产环境中数据矩阵码的识别准确率 | 数据矩阵码的识别 | 计算机视觉 | NA | 深度学习对象检测 | NA | 图像 | 多种类型的数据矩阵码数据集 |
| 413 | 2024-08-05 |
HeMoDU: High-Efficiency Multi-Object Detection Algorithm for Unmanned Aerial Vehicles on Urban Roads
2024-Jun-21, Sensors (Basel, Switzerland)
DOI:10.3390/s24134045
PMID:39000823
|
研究论文 | 本文提出了一种高效的多目标检测算法HeMoDU，专为无人驾驶飞行器在城市道路上的应用设计 | HeMoDU通过重构现代深度学习基础的目标检测模型，优化多个方面以提高计算效率和检测准确性 | 尚未提及具体的局限性 | 提高无人驾驶飞行器在城市道路环境中目标检测的速度和准确性 | 无人驾驶飞行器在城市道路环境中的目标检测 | 计算机视觉 | NA | 深度学习 | 无 | 公共城市道路数据集 | 使用了公共数据集VisDrone2019和UA-DETRAC进行评估 |
| 414 | 2024-08-05 |
Unveiling the Secrets of Acinetobacter baumannii: Resistance, Current Treatments, and Future Innovations
2024-Jun-21, International journal of molecular sciences
IF:4.9Q2
DOI:10.3390/ijms25136814
PMID:38999924
|
研究论文 | 揭示了嗜麦芽寡糖样芽孢杆菌的抗药性、当前治疗方法及未来创新 | 探讨了新的治疗方法和感染控制策略，特别是结合药物和新分子 | 未具体提供实验数据或样本量 | 提高对嗜麦芽寡糖样芽孢杆菌抗药性机制的理解 | 嗜麦芽寡糖样芽孢杆菌及其抗药性 | 数字病理学 | NA | 深度学习和人工智能 | NA | NA | NA |
| 415 | 2024-08-05 |
Identification of inhibitors for neurodegenerative diseases targeting dual leucine zipper kinase through virtual screening and molecular dynamics simulations
2024-Jun, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2363195
PMID:38855951
|
研究论文 | 本文研究了通过虚拟筛选和分子动力学模拟来识别针对双亮氨酸拉链激酶的神经退行性疾病抑制剂 | 本研究首次在众多化合物中筛选出具有潜在抑制作用的DLK抑制剂，并结合深度学习提升了化合物的亲和力 | 研究主要依赖于计算方法，未进行实验室验证 | 识别新型DLK抑制剂，以应对神经退行性疾病 | 主要针对双亮氨酸拉链激酶的抑制剂进行筛选 | 计算机视觉 | 神经退行性疾病 | 分子动力学模拟 | 深度学习 | 化合物 | 筛选了多个化合物，包括两个天然产品和两个FDA批准的药物 |
| 416 | 2024-08-07 |
Deep Learning during burn prehospital care: An evolving perspective
2024-06, Burns : journal of the International Society for Burn Injuries
IF:3.2Q1
DOI:10.1016/j.burns.2024.03.015
PMID:38582694
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 417 | 2024-08-05 |
A Comparison of Antibody-Antigen Complex Sequence-to-Structure Prediction Methods and their Systematic Biases
2024-Jun-28, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.15.585121
PMID:38979267
|
研究论文 | 本文比较了六种预测抗体-抗原复合物结构的方法 | 提出并评估了多种抗体-抗原复合物的序列到结构预测方法，特别突出了AlphaFold-Multimer的优越性能 | AlphaFold-Multimer模型的绝对性能仍有较大的改进空间，且存在结构偏差 | 提高对免疫系统的理解和开发新型抗体治疗的能力 | 六种预测抗体-抗原复合物结构的方法 | 机器学习 | NA | 深度学习 | AlphaFold-Multimer, RoseTTAFold, ClusPro, SnugDock, AbAdapt | 结构数据 | NA |
| 418 | 2024-08-05 |
Unveiling the secrets of gastrointestinal mucous adenocarcinoma survival after surgery with artificial intelligence: A population-based study
2024-Jun-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v16.i6.2404
PMID:38994138
|
研究论文 | 本文研究了胃肠黏液性腺癌（GMA）在手术后的预后并开发了一种预测模型 | 提出了一种基于深度学习的工具，可以准确预测GMA患者手术后的生存率 | 对胃肠黏膜腺癌的研究有限且有争议，缺乏可靠的预测工具 | 探讨GMA的预后并开发预测模型 | 从监测、流行病学和结果数据库中收集的GMA患者临床信息 | 机器学习 | 胃癌 | 深度学习 | Cox比例风险回归模型 | 临床数据 | 共计100%的GMA患者数据，随机抽样后分为发现组（70%）、验证组（20%）和测试组（10%） |
| 419 | 2024-08-05 |
A fully automated classification of third molar development stages using deep learning
2024-06-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63744-y
PMID:38844566
|
研究论文 | 本研究旨在开发一种自动化方法，以分类第三磨牙的发育阶段 | 引入了一种新颖的机器学习模型，能够准确估计下颚智齿的发育阶段 | 模型的准确性受到不同架构复杂性和任务特定特征的影响 | 提高牙齿发育阶段分类的准确性，服务于牙科诊断和治疗规划 | 3422张由专家评估和分类的正面全景图像（OPG） | 数字病理学 | NA | 深度学习 | EfficientNet, MobileNet, ResNet, ShuffleNet等 | 图像 | 6624张Opg图像 |
| 420 | 2024-08-05 |
The Future of Orthodontics: Deep Learning Technologies
2024-Jun, Cureus
DOI:10.7759/cureus.62045
PMID:38989357
|
研究论文 | 深度学习在现代正畸学中的应用提供了新的诊断、治疗计划和结果预测方法 | 深度学习使得自动化颅面分析和通过3D成像改善诊断成为可能，显著提升治疗效果并减少人为错误 | 需要在数据隐私、模型可解释性和伦理问题上进行解决，以确保深度学习的伦理和负责任使用 | 探讨深度学习技术对正畸学的影响及其在治疗个性化方面的潜力 | 研究深度学习在正畸领域内的应用，包括诊断、治疗计划和结果预测 | 机器学习 | NA | 深度学习 | NA | 影像 | NA |