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 1029 篇文献，本页显示第 601 - 620 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 601 | 2024-08-05 |
Utilizing Geographical Distribution Statistical Data to Improve Zero-Shot Species Recognition
2024-Jun-07, Animals : an open access journal from MDPI
IF:2.7Q1
DOI:10.3390/ani14121716
PMID:38929335
|
研究论文 | 本文提出了一种基于地理分布统计数据的零-shot物种识别方法 | 利用物种的地理分布特征来改善零-shot识别性能，填补了之前研究中的空白 | 尚未探讨如何进一步提升在更加复杂环境下的识别准确性 | 提高零-shot物种识别的准确性和适应性 | 多种来自iNaturalist 2021数据集的物种，包括哺乳动物、软体动物、爬行动物等 | 计算机视觉 | NA | 对比语言图像预训练（CLIP） | NA | 图像 | 来自多个物种数据集的样本，详细样本量未提供 | NA | NA | NA | NA |
| 602 | 2024-08-05 |
Clinical Validation of a Deep Learning-Based Software for Lumbar Bone Mineral Density and T-Score Prediction from Chest X-ray Images
2024-Jun-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14121208
PMID:38928624
|
研究论文 | 本研究通过胸部X光影像开发了一种基于深度学习的模型，用于骨质疏松症筛查 | 使用现有医疗影像进行骨质疏松症筛查的机会主义方法，展示了深度学习在此领域的应用潜力 | 本研究主要依赖于特定医疗中心的数据，可能存在样本偏倚 | 开发一种基于深度学习的模型，通过胸部X光影像进行骨质疏松症筛查 | 收集5122对胸部X光影像与DXA报告数据，验证模型效果 | 机器学习 | 骨质疏松症 | 深度学习 | NA | 影像 | 5122对胸部X光影像与DXA报告，临床验证阶段440对 | NA | NA | NA | NA |
| 603 | 2024-08-05 |
Preliminary Experience with Three Alternative Motion Sensors for 0.55 Tesla MR Imaging
2024-Jun-07, Sensors (Basel, Switzerland)
DOI:10.3390/s24123710
PMID:38931494
|
研究论文 | 本文分享了三种替代传感器的初步经验，这些传感器用于监测体表、主要脏器的呼吸相关运动以及深部脏器的非呼吸运动 | 研究中使用的三种传感器结合了不同的技术和深度学习算法，以提高运动跟踪的精确性。 | 研究未涉及大规模样本测试来验证传感器的普遍适用性。 | 旨在探讨替代运动传感器在MRI系统内外监测运动的有效性。 | 研究对象包括肝脏、膀胱及前胸表面的运动监测。 | 数字医学 | NA | 深度学习 | NA | 运动数据 | NA | NA | NA | NA | NA |
| 604 | 2024-08-05 |
Classification of Muscular Dystrophies from MR Images Improves Using the Swin Transformer Deep Learning Model
2024-Jun-07, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11060580
PMID:38927816
|
研究论文 | 本研究探讨了采用Swin Transformer深度学习模型对肌营养不良症进行分类的有效性。 | 该研究首次评估了Swin Transformer在肌营养不良症分类中的表现，相较于传统的卷积神经网络显示出更高的准确性。 | 样本量较小，仅包含54名受试者的数据，可能影响结果的广泛适用性。 | 研究深度学习技术在肌营养不良症MRI图像分类中的应用。 | 研究对象为健康个体、Becker肌营养不良症(BMD)和肢带型肌营养不良症2型(LGMD2)患者。 | 计算机视觉 | 肌营养不良症 | MRI | Swin Transformer | 图像 | 75个MRI扫描（来自54个受试者） | NA | NA | NA | NA |
| 605 | 2024-08-05 |
Few-Shot Learning for Medical Image Segmentation Using 3D U-Net and Model-Agnostic Meta-Learning (MAML)
2024-Jun-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14121213
PMID:38928629
|
研究论文 | 本文采用基于梯度的方法MAML进行医疗图像分割，利用较少的注释图像适应新任务 | 结合了少样本学习和增强的3D U-Net模型，以快速适应医疗图像分割任务 | 对于医疗图像的注释图像依然有限，可能影响适应新任务的效果 | 解决医疗图像分割任务中对注释图像数量要求高的问题 | 对肝脏、脾脏、右肾和左肾进行图像分割 | 计算机视觉 | NA | MAML | 增强的3D U-Net | 图像 | 使用了少量注释图像进行四个任务 | NA | NA | NA | NA |
| 606 | 2024-08-05 |
Artificial Intelligence-Powered Imaging Biomarker Based on Mammography for Breast Cancer Risk Prediction
2024-Jun-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics14121212
PMID:38928628
|
研究论文 | 本研究旨在开发基于乳腺 X 光影像的人工智能模型，用于预测未来乳腺癌风险 | 提出了一种新型的深度学习 AI 模型，相较于传统临床统计风险模型具有显著更高的预测精度 | 缺乏不同种族和地理区域的多样性样本，可能影响模型的普适性 | 研究乳腺癌风险预测领域的人工智能应用 | 使用来自 21,438 名女性的 36,995 个连续乳腺影像数据进行模型训练和验证 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 影像 | 总共 36,995 个乳腺影像数据，来自 21,438 名女性 | NA | NA | NA | NA |
| 607 | 2024-08-05 |
A Deep Learning Approach to Automatic Tooth Caries Segmentation in Panoramic Radiographs of Children in Primary Dentition, Mixed Dentition, and Permanent Dentition
2024-Jun-05, Children (Basel, Switzerland)
DOI:10.3390/children11060690
PMID:38929269
|
研究论文 | 本研究评估了针对儿童不同牙齿发育阶段全景放射影像的龋齿分割效果 | 采用深度学习方法开发的人工智能模型用于龋齿的自动分割 | 研究并未提及模型在成人牙齿或其他类型放射影像中的表现 | 探讨龋齿在儿童全景放射影像上的自动分割效果 | 包含6075张4至14岁儿童的全景放射影像 | 数字病理学 | 龋齿 | 深度学习 | U-Net | 影像 | 6075张全景放射影像（分别来自1857张初生牙、1406张混合牙和2812张恒牙） | NA | NA | NA | NA |
| 608 | 2024-08-05 |
Classification of Ameloblastoma, Periapical Cyst, and Chronic Suppurative Osteomyelitis with Semi-Supervised Learning: The WaveletFusion-ViT Model Approach
2024-Jun-05, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11060571
PMID:38927807
|
研究论文 | 提出了一种新的WaveletFusion-ViT模型，通过半监督学习自动诊断三种颌面疾病 | 创新性地采用WaveletFusion-ViT模型，结合半监督学习，减少对标记样本的依赖 | CSO病例数量较少且该病的准确率相对较低，这在未来研究中需要解决 | 旨在实现对AM、PC和CSO的自动化预操作诊断 | 对包含健康、AM、PC和CSO的539个样本进行分类 | 数字病理学 | NA | CBCT | WaveletFusion-ViT | 图像 | 539个样本，包括154个健康样本、181个AM样本、102个PC样本和102个CSO样本，另外还有2000个健康样本用于预训练 | NA | NA | NA | NA |
| 609 | 2024-08-05 |
Magnetic-Controlled Microrobot: Real-Time Detection and Tracking through Deep Learning Approaches
2024-Jun-05, Micromachines
IF:3.0Q2
DOI:10.3390/mi15060756
PMID:38930726
|
研究论文 | 本文提出了一种增强的YOLOv5微型机器人检测和跟踪系统，以提高小目标的检测和跟踪精度 | 通过改进YOLOv5网络结构和视觉跟踪算法，提升了微型机器人的实时检测和跟踪能力 | NA | 研究微型机器人在生物医学中的检测和跟踪技术 | 针对3mm、1mm的磁性物体和2mm长度的磁性微型机器人进行检测和跟踪 | 机器学习 | NA | YOLOv5 | 改进的YOLOv5 | 图像 | 包含3mm、1mm磁性物体和2mm磁性微型机器人 | NA | NA | NA | NA |
| 610 | 2024-08-05 |
FQ-UWF: Unpaired Generative Image Enhancement for Fundus Quality Ultra-Widefield Retinal Images
2024-Jun-04, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11060568
PMID:38927804
|
研究论文 | 本研究提出了一种无配对生成图像增强技术，用于改善超宽视场视网膜图像的质量 | 提出了一种基于生成对抗网络和注意力机制的无配对、降解感知的超分辨率方法 | 此方法在依赖未配对的图像数据下工作，可能对特定类型的图像增强效果不佳 | 旨在提高超宽视场视网膜成像的分辨率，增强临床诊断的准确性 | 聚焦于改善眼科疾病（如糖尿病视网膜病和黄斑变性）的超宽视场视网膜图像 | 计算机视觉 | 眼科疾病 | 生成对抗网络 | GAN | 图像 | 实验和评估通过大量的超宽视场视网膜图像进行 | NA | NA | NA | NA |
| 611 | 2024-08-05 |
Pioneering Data Processing for Convolutional Neural Networks to Enhance the Diagnostic Accuracy of Traditional Chinese Medicine Pulse Diagnosis for Diabetes
2024-Jun-02, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11060561
PMID:38927797
|
研究论文 | 本研究通过深度学习算法加强中医脉诊对糖尿病的诊断准确性 | 引入深度学习算法，特别是LeNet和ResNet模型来分析脉波形，显著提高了诊断的准确性和一致性 | 本文未详细探讨脉波形变化和噪声水平对算法性能的影响 | 提升传统中医脉诊在糖尿病诊断中的准确性和可靠性 | 本研究分析健康个体和糖尿病患者的脉波形数据 | 机器学习 | 糖尿病 | 深度学习算法 | LeNet和ResNet | 脉波形 | 包含健康个体及糖尿病患者的多样化数据集 | NA | NA | NA | NA |
| 612 | 2024-08-05 |
Explainable deep learning for disease activity prediction in chronic inflammatory joint diseases
2024-Jun, PLOS digital health
DOI:10.1371/journal.pdig.0000422
PMID:38935600
|
研究论文 | 本文提出了一种可解释的深度学习模型用于慢性炎性关节疾病的疾病活动性预测 | 引入DAS-Net模型，结合多任务学习和可解释性，提升了疾病活动性分数的预测能力 | 未提供样本的具体多样性和其他潜在影响因素的详细分析 | 研究慢性炎性关节疾病的活动性预测模型 | 19,267名慢性炎性关节疾病患者的数据 | 机器学习 | 慢性炎性关节疾病 | 深度学习 | 多任务学习模型，前馈神经网络，长短期记忆网络，注意力层 | 患者数据 | 19,267名患者 | NA | NA | NA | NA |
| 613 | 2024-08-05 |
Deep-Learning-Based Recovery of Missing Optical Marker Trajectories in 3D Motion Capture Systems
2024-Jun-01, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering11060560
PMID:38927796
|
研究论文 | 本文介绍了一种基于深度学习的技术，用于恢复3D运动捕捉系统中丢失的光学标记轨迹 | 提出了一种受U-net启发的双向长短期记忆自编码器技术，针对多摄像头设置中的数据丢失问题 | 传统恢复方法的限制在于不能有效处理标记间关系或独立标记的处理问题 | 研究旨在改善运动捕捉系统中缺失数据的恢复能力 | 研究对象为多摄像头运动捕捉系统中的光学标记数据 | 计算机视觉 | NA | 深度学习 | 双向长短期记忆自编码器 | 3D数据 | NA | NA | NA | NA | NA |
| 614 | 2024-08-05 |
Non-invasive screening of bladder cancer using digital microfluidics and FLIM technology combined with deep learning
2024-Jun-28, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202400192
PMID:38938144
|
研究论文 | 本文介绍了一种结合数字微流体和荧光寿命成像显微技术非侵入性筛查膀胱癌的新方法 | 本研究引入了一种新颖的非侵入性膀胱癌筛查技术，结合了数字微流体和FLIM技术 | 样本量较小，仅涉及54名参与者 | 研究旨在开发一种有效的非侵入性膀胱癌筛查方法 | 研究对象为54名参与者的尿液样本 | 数字病理学 | 膀胱癌 | 数字微流体和荧光寿命成像显微技术 | 深度学习残差卷积神经网络 | 图像 | 54个参与者的尿液样本 | NA | NA | NA | NA |
| 615 | 2024-08-05 |
Enhanced coalbed methane well production prediction framework utilizing the CNN-BL-MHA approach
2024-Jun-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65606-z
PMID:38918551
|
研究论文 | 本文提出了一种基于CNN-BL-MHA的方法来预测煤层气井的产量 | 本文创新性地结合了CNN、Bi-LSTM和多头注意力机制，构建了一个煤层气井的产量预测模型 | 单一深度学习模型可能面临过拟合、梯度爆炸和梯度消失等问题 | 研究旨在提高煤层气井产量预测的准确性 | 本文研究对象为煤层气井的生产数据 | 机器学习 | NA | 深度学习 | CNN-BL-MHA | 时间序列数据 | 使用了W1和W2井的生产数据进行实验 | NA | NA | NA | NA |
| 616 | 2024-08-05 |
Accurate prediction of CDR-H3 loop structures of antibodies with deep learning
2024-Jun-26, eLife
IF:6.4Q1
DOI:10.7554/eLife.91512
PMID:38921957
|
研究论文 | 本文提出H3-OPT工具包，用于预测单克隆抗体和纳米抗体的3D结构 | H3-OPT结合了AlphaFold2的优势和预训练的蛋白质语言模型，显著提高了CDR-H3环结构的预测精度 | 本文未提及具体的局限性 | 研究抗体建模中CDR-H3环结构的高精度预测方法 | 单克隆抗体和纳米抗体的CDR-H3环结构 | 计算机视觉 | NA | 深度学习 | AlphaFold2 | 3D结构数据 | 三个通过H3-OPT预测的抗VEGF纳米抗体的实验结构 | NA | NA | NA | NA |
| 617 | 2024-08-05 |
A retrospective study of deep learning generalization across two centers and multiple models of X-ray devices using COVID-19 chest-X rays
2024-06-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64941-5
PMID:38918499
|
研究论文 | 这项研究旨在识别和研究影响深度学习网络内部验证和推广的潜在因素 | 研究揭示了不同制造商的X光设备对深度学习模型推广能力的显著影响 | 研究主要限制在不同类型的响应功能设备之间未能实现推广 | 探讨影响计算机辅助诊断系统深度学习算法推广的因素 | COVID-19胸部X光影像及其与对照影像的分类 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | VGG16 | 图像 | 来自两个机构通过三种不同X光设备制造商获取的多组图像 | NA | NA | NA | NA |
| 618 | 2024-08-05 |
Design optimization of large-scale bifacial photovoltaic module frame using deep learning surrogate model
2024-Jun-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64594-4
PMID:38918445
|
研究论文 | 本研究开发了一种基于深度神经网络的有限元代理模型，以优化大型双面光伏模块框架设计 | 通过使用深度学习代理模型，实现了对大型双面光伏模块框架设计因素的优化预测 | 研究未详细描述在不同环境条件下模型的适用性 | 优化大型双面光伏模块的框架设计以减少挠度并降低重量 | 大型双面光伏模块的框架设计因素 | 工程优化 | NA | 有限元分析 (FEA) | 深度神经网络 (DNN) | 数值数据 | 243个有限元分析数据集及生成的100万个数据集 | NA | NA | NA | NA |
| 619 | 2024-08-05 |
Distributed transformer for high order epistasis detection in large-scale datasets
2024-06-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65317-5
PMID:38918413
|
研究论文 | 提出了一种基于变换器的框架，用于高阶表观遗传学检测 | 提出了一种新颖、灵活、可移植和可扩展的网络解释框架，以处理任何阶数的表观遗传学 | 由于神经网络的黑箱特性，缺乏可解释性仍然是一个未解决的挑战 | 理解复杂疾病的遗传基础 | 应用于基因组广泛关联研究中的单核苷酸多态性(SNP)组合分析 | 计算机视觉 | NA | 深度学习 | 变换器 | 基因组数据 | 三个WTCCC数据集 | NA | NA | NA | NA |
| 620 | 2024-08-05 |
Deep learning-based localization algorithms on fluorescence human brain 3D reconstruction: a comparative study using stereology as a reference
2024-06-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-65092-3
PMID:38918523
|
研究论文 | 本文对基于深度学习的细胞定位算法进行比较，旨在为人脑三维重建提供准确的细胞计数和定位方法 | 使用最近介绍的三维立体测量设计作为参考，对三种基于深度学习的技术进行深入实证评估 | 准确量化人脑神经元面临特定挑战，如高像素强度变异、自动荧光和非特异性荧光 | 帮助用户根据研究目标选择合适的技术 | 聚焦于布罗卡区的一部分进行人脑分析 | 数字病理学 | NA | 荧光显微镜 | 深度学习模型 | 3D 数据 | 使用了最新三维立体测量设计进行大规模分析 | NA | NA | NA | NA |