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 1035 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2024-08-05 |
Estimation of the amount of pear pollen based on flowering stage detection using deep learning
2024-06-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63611-w
PMID:38849427
|
研究论文 | 本研究提出了一种基于人工智能的方法来估计梨花粉的数量 | 使用YOLO深度学习对象检测算法分类和检测花朵形状，并估计花粉量 | 本研究仅讨论了估计收集花粉数量的性能 | 提高梨花粉收集的效率和稳定性 | 不同花朵品种的形状分类与花粉量估计 | 机器学习 | NA | 深度学习 | YOLO | 图像 | 多种花朵品种的样本 | NA | NA | NA | NA |
| 862 | 2024-08-05 |
An enhanced speech emotion recognition using vision transformer
2024-06-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63776-4
PMID:38849422
|
研究论文 | 本研究提出了一种利用轻量级视觉变换器模型改善语音情感识别的方法 | 使用视觉信号提升语音情感识别的性能，并提出非重叠块特征提取方法 | 未提及具体限制 | 提升人机交互系统中语音情感识别的准确性 | 使用两个基准的语音情感数据集进行实验 | 计算机视觉 | NA | 深度学习 | 视觉变换器（ViT） | 音频 | 两个数据集（TESS和EMODB）的样本，具体样本量未说明 | NA | NA | NA | NA |
| 863 | 2024-08-05 |
An encoding generative modeling approach to dimension reduction and covariate adjustment in causal inference with observational studies
2024-Jun-04, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2322376121
PMID:38809705
|
研究论文 | 本文提出了一个深度学习框架CausalEGM，用于非线性降维和生成模型的治疗与反应之间的依赖关系建模 | CausalEGM通过建立高维协变量空间和低维潜在空间之间的双向变换创新了协变量特征的提取方法 | 在复杂模型的解释性和计算效率上可能存在挑战 | 研究旨在改善因果推断中的协变量调整和维度降解 | 研究对象包括影响治疗和反应的协变量特征 | 机器学习 | NA | 深度学习 | NA | NA | 在样本量较大和协变量维度较高的实验中验证了该方法的优越性 | NA | NA | NA | NA |
| 864 | 2024-08-05 |
Target recognition and segmentation in turbid water using data from non-turbid conditions: a unified approach and experimental validation
2024-Jun-03, Optics express
IF:3.2Q2
DOI:10.1364/OE.524714
PMID:38859442
|
研究论文 | 本研究提出了一种新颖的深度学习方法，用于浑浊水环境下的语义分割任务 | 提出一种联合方法，结合数据扩展技术和改进的U-net模型，模拟不同浑浊度下的水下图像 | 传统的基于U-net的修改模型在提升任务性能方面存在局限性 | 研究在浑浊环境下进行水下图像的语义分割 | 深海聚金属结核的有效采集 | 计算机视觉 | NA | 深度学习 | 改进的U-net模型 | 图像 | NA | NA | NA | NA | NA |
| 865 | 2024-08-05 |
Prediction of treatment response in major depressive disorder using a hybrid of convolutional recurrent deep neural networks and effective connectivity based on EEG signal
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01392-2
PMID:38358619
|
研究论文 | 本研究开发了一种基于深度学习和脑有效连接的新方法，用于在治疗前对重度抑郁症患者进行SSRIs抗抑郁药的应答者和非应答者进行分类 | 提出了一种新的方法，利用深度学习模型自动提取空间和时间特征，改善分类结果 | 样本量较小，仅包括30名重度抑郁症患者，可能影响结果的普适性 | 研究旨在在治疗前预测重度抑郁症患者对SSRIs的治疗反应 | 研究对象为30名重度抑郁症患者 | 计算机视觉 | 重度抑郁症 | EEG信号 | 混合卷积神经网络和双向长短期记忆网络 | 图像 | 30名重度抑郁症患者的EEG信号 | NA | NA | NA | NA |
| 866 | 2024-08-05 |
Diastolic function assessment with four-dimensional flow cardiovascular magnetic resonance using automatic deep learning E/A ratio analysis
2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101042
PMID:38556134
|
研究论文 | 本研究比较了自动和半自动方法用于四维流心血管磁共振成像评估E/A比率的效果 | 使用深度学习自动评估E/A比率的方法被证明是最有效的，并且具有较短的运行时间 | 在绝对峰值E和A速度的测量上存在低估现象 | 评估不同方法在心脏病患者中使用4D Flow心血管磁共振评估舒张功能的有效性 | 97名慢性缺血性心脏病患者 | 数字病理学 | 心血管疾病 | 心血管磁共振成像(CMR) | 深度学习 | 医学影像 | 97个慢性缺血性心脏病患者 | NA | NA | NA | NA |
| 867 | 2024-08-05 |
A Q-transform-based deep learning model for the classification of atrial fibrillation types
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01391-3
PMID:38353927
|
研究论文 | 本文开发了一种基于Q变换的深度学习模型，用于分类心房颤动类型 | 该研究提出了一种自定义的2D卷积神经网络模型，能够自动区分非心房颤动与阵发性心房颤动和持续性心房颤动 | 由于PAF和PsAF类别的数据不平衡，采用了数据增强技术来匹配Non-AF类别的样本数量 | 研究目的是提高心房颤动亚型的分类准确性，以改善临床决策和疾病管理 | 研究对象是心电图（ECG）图像中的不同心房颤动亚型 | 计算机视觉 | 心房颤动 | 常数Q变换（CQT） | 卷积神经网络（CNN） | 图像 | 训练集包含207,828张图像，测试集和验证集分别包含44,538张和44,532张图像 | NA | NA | NA | NA |
| 868 | 2024-08-05 |
A comparative study of CARE 2D and N2V 2D for tissue-specific denoising in second harmonic generation imaging
2024-Jun, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202300565
PMID:38566461
|
研究论文 | 本研究探讨了深度学习在二次谐波生成显微镜中的应用 | 比较了两种图像恢复技术在特定组织去噪中的效果，提出N2V 2D在高甘油浓度下的有效恢复能力 | 本文没有详细讨论其他可能影响显微镜图像的因素 | 研究甘油浓度对二次谐波生成显微镜图像噪声的影响 | 比较N2V 2D和CARE 2D两种图像恢复技术的效果 | 数字病理学 | NA | 深度学习技术 | N2V 2D 和 CARE 2D | 图像 | NA | NA | NA | NA | NA |
| 869 | 2024-08-05 |
Quality assurance of late gadolinium enhancement cardiac magnetic resonance images: a deep learning classifier for confidence in the presence or absence of abnormality with potential to prompt real-time image optimization
2024 Summer, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1016/j.jocmr.2024.101040
PMID:38522522
|
研究论文 | 本文开发了一种深度学习分类器，用于实时评估心脏磁共振成像中晚期钆增强影像的异常性。 | 提出了一种基于深度学习的自动化质量控制方法，能够即时识别心脏影像中的中间LGE可能性。 | 需要在成像过程中进行实时评估，不同中心的外部测试集表现稍有差异。 | 改善晚期钆增强成像的质量保证和决策支持工具。 | 使用短轴相位敏感反转恢复的晚期钆增强影像进行分类和评估。 | 数字病理学 | 心脏疾病 | 深度学习 | EfficientNetV2卷积神经网络 | 影像 | 1645幅影像（来自272名患者） | NA | NA | NA | NA |
| 870 | 2024-08-05 |
Automated angular measurement for puncture angle using a computer-aided method in ultrasound-guided peripheral insertion
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01397-x
PMID:38358620
|
研究论文 | 本文提出了一种结合深度学习和常规图像处理方法的自动化针刺角度测量方法 | 该方法实现了极高的分割准确性和自动化角度测量，克服了传统方法的限制 | 尽管采用了多种图像处理方法，仍可能在真实环境下存在一定的变异性 | 研究目标是通过检测目标血管和针头来自动测量针刺角度 | 研究对象包括20名健康志愿者的肘静脉超声图像以及在四个模拟器上模拟的血管和针头 | 医学影像处理 | NA | 深度学习、霍夫变换 | U-Net | 图像 | 20名健康志愿者的超声图像和4个模拟器中的模拟血管和针头图像 | NA | NA | NA | NA |
| 871 | 2024-08-05 |
Multi-task global optimization-based method for vascular landmark detection
2024-06, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文提出了一种基于多任务全局优化的方法用于血管标志物检测 | 通过多任务深度学习网络同时进行标志物热图回归、血管语义分割和方向场回归，从而提高了检测精度 | 尚未提及此方法在其他数据集上的应用效果 | 提高血管标志物检测的准确性和自动化程度 | 血管标志物及其连接的血管段 | 计算机视觉 | NA | 多任务深度学习网络 | NA | 图像 | 564个脑部MRA数据集，510个脑部CTA数据集，50个主动脉CTA数据集 | NA | NA | NA | NA |
| 872 | 2024-08-05 |
Inter-fractional portability of deep learning models for lung target tracking on cine imaging acquired in MRI-guided radiotherapy
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-023-01371-z
PMID:38198064
|
研究论文 | 本研究评估了用于MRI引导放疗中靶标追踪的深度学习模型的跨分数可移植性 | 提出了两种训练策略，评估了不同深度学习模型在不同分数中靶标追踪的表现 | 研究中仅涵盖了六名患者的样本，限制了结果的广泛性 | 评估深度学习模型在MRI引导放疗过程中靶标追踪的效果 | 六名接受MRI引导放疗的患者 | 数字病理 | 肺癌 | 深度学习 | U-net，注意力U-net，嵌套U-net | 影像 | 6名患者 | NA | NA | NA | NA |
| 873 | 2024-08-05 |
Segmentation of liver and liver lesions using deep learning
2024-Jun, Physical and engineering sciences in medicine
IF:2.4Q2
DOI:10.1007/s13246-024-01390-4
PMID:38381270
|
研究论文 | 本文探讨了利用深度学习对肝脏和肝脏病变的分割。 | 针对使用临床3D MRI数据进行肝脏和肝脏病变分割的方法进行了全面研究，之前的实验对此未有充分讨论。 | 尽管肝脏分割准确性较高，但肝脏病变的勾画效果不佳，导致肿瘤检测在临床数据中不实用。 | 研究深度学习在核医学剂量测定与图像解析中的应用。 | 涉及128名患者的T1w和T2w MRI图像及相应的地面真实标签。 | 数字病理学 | 肝癌 | MRI | Isensee 2017网络 | 图像 | 128名患者的110组T1w-T2w MRI图像集，其中94组用于训练，16组用于验证，18组用于测试 | NA | NA | NA | NA |
| 874 | 2024-08-05 |
An end-to-end method for predicting compound-protein interactions based on simplified homogeneous graph convolutional network and pre-trained language model
2024-Jun-07, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00862-9
PMID:38849874
|
研究论文 | 本研究提出了一种名为SPVec-SGCN-CPI的端到端方法，用于预测化合物与蛋白质之间的相互作用 | 该方法首次同时考虑了样本不平衡和计算效率，提高了化合物-蛋白质相互作用的预测准确性 | 在研究中没有提到可能的局限性 | 旨在提高化合物-蛋白质相互作用的预测能力以加速药物发现过程 | 研究对象为化合物与蛋白质之间的相互作用 | 机器学习 | NA | 简化图卷积网络 (SGCN) | NA | 数据集 | 三个数据集 | NA | NA | NA | NA |
| 875 | 2024-08-05 |
Software cost estimation predication using a convolutional neural network and particle swarm optimization algorithm
2024-Jun-07, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63025-8
PMID:38849414
|
研究论文 | 本文提出了一种基于卷积神经网络和粒子群优化算法的软件成本估算模型 | 结合深度学习和机器学习技术，利用CNN和PSO进行时间序列预测，增强了模型的稳健性和泛化能力 | 尽管在多个基准数据集上取得了优异表现，但仍需进一步验证其在不同应用领域的有效性 | 提升软件成本估算的预测准确性和稳定性 | 使用13个不同的基准数据集进行模型训练和测试 | 机器学习 | NA | 卷积神经网络 (CNN) 和粒子群优化 (PSO) | 卷积神经网络 (CNN) | 基准数据集 | 13个不同的基准数据集 | NA | NA | NA | NA |
| 876 | 2024-08-05 |
Depth-enhanced high-throughput microscopy by compact PSF engineering
2024-Jun-07, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-48502-y
PMID:38849376
|
研究论文 | 本文展示了一种紧凑的点扩散函数工程，以增强高通量显微镜的成像深度 | 提出了一种在物镜中实现紧凑点扩散函数工程的方法，克服了传统方法的笨重光学扩展问题 | 未在实际应用中提供完全的验证，而主要集中于方法论的展示 | 提升高通量显微镜在三维细胞模型中的应用效能 | 聚焦于三维显微成像及其与深度学习结合的能力 | 数字病理学 | NA | 光学方法 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 877 | 2024-08-05 |
PUResNetV2.0: a deep learning model leveraging sparse representation for improved ligand binding site prediction
2024-Jun-07, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00865-6
PMID:38849917
|
研究论文 | 本文介绍了PUResNetV2.0模型，该模型通过稀疏表示提升了配体结合位点预测的准确性 | 提出了一种利用稀疏表示的深度学习模型PUResNetV2.0，以改善配体结合位点预测的准确性 | 在某些特定情况下（如RNA、DNA、肽类配体和离子结合位点预测）的性能受到训练数据限制的影响 | 提升蛋白质中配体结合位点预测的准确性 | 4729个蛋白质家族的蛋白质复合物 | 计算机视觉 | NA | 深度学习 | PUResNetV2.0 | 蛋白质复合物数据 | 4729个蛋白质家族 | NA | NA | NA | NA |
| 878 | 2024-08-05 |
Explainable deep learning-based ischemia detection using hybrid O-15 H2O perfusion PET/CT imaging and clinical data
2024-Jun-07, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1016/j.nuclcard.2024.101889
PMID:38852900
|
研究论文 | 本研究开发了一种可解释的深度学习分类器，用于通过O-15 H2O灌注PET/CT和冠状动脉CT血管成像识别冠状动脉疾病 | 提出了一种结合图像和数据的深度学习分类器，并能够以可视化方式展示数据结果 | 仅在138名受试者中评估，可能样本量不足以广泛推广 | 研究目的是开发一种有效的深度学习模型用于检测流量限制性冠状动脉疾病 | 研究对象为138名受试者，包含临床、CTA和PET变量 | 计算机视觉 | 冠状动脉疾病 | PET/CT成像 | 深度学习模型 | 图像和数值数据 | 138名受试者 | NA | NA | NA | NA |
| 879 | 2024-08-05 |
Machine learning-based classification of structured light modes under turbulence and eavesdropping effects
2024-Jun-01, Applied optics
IF:1.7Q3
DOI:10.1364/AO.520510
PMID:38856620
|
研究论文 | 本文考虑了在湍流和窃听影响下对复用结构光模态的分类 | 这是首个同时考虑湍流和窃听威胁对复用结构光模态分类的研究 | 未提及具体的实验条件或其他可能影响分类结果的因素 | 提高在挑战性环境中的通信可靠性和数据传输速率 | 复用的结构光模态，特别是在湍流和窃听场景下的性能 | 机器学习 | NA | 机器学习算法 | 人工神经网络，支持向量机，1D卷积神经网络，2D卷积神经网络 | 光学信号 | 16种模式 | NA | NA | NA | NA |
| 880 | 2024-08-05 |
Role of ChatGPT-4 for Medical Researchers
2024-Jun, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-023-03336-5
PMID:37526801
|
评论 | 本文强调了ChatGPT-4在医疗领域的贡献、益处和挑战 | 探讨了ChatGPT-4在医学研究中的应用潜力和具体优势 | 对该工具的知识和潜力仍需更深入的了解 | 旨在阐明ChatGPT-4对医学研究的影响 | 医疗研究人员和从业者 | 自然语言处理 | NA | 深度学习 | ChatGPT-4 | 文本 | NA | NA | NA | NA | NA |