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 1299 篇文献，本页显示第 361 - 380 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 361 | 2024-12-18 |
Stiffness-Tunable Substrate Fabrication by DMD-Based Optical Projection Lithography for Cancer Cell Invasion Studies
2024-07, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3364971
PMID:38345950
|
研究论文 | 本文提出了一种基于数字微镜器件（DMD）光学投影光刻技术构建可调刚度基底的方法，用于研究癌细胞侵袭行为 | 首次使用DMD光学投影光刻技术构建可调刚度基底，并结合深度学习算法实时检测和跟踪癌细胞在不同刚度肿瘤模型中的侵袭轨迹 | 未提及具体的研究局限性 | 揭示癌细胞侵袭行为的机制，并探索个性化治疗的可能性 | 胃癌细胞在不同刚度肿瘤模型中的侵袭行为 | NA | 胃癌 | DMD光学投影光刻技术 | 深度学习算法 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 362 | 2024-12-18 |
The Deep-Match Framework: R-Peak Detection in Ear-ECG
2024-07, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3359752
PMID:38285581
|
研究论文 | 本文介绍了一种深度匹配滤波器（Deep-MF）用于在可穿戴心电图（Ear-ECG）中准确检测R波峰，从而提高Ear-ECG在实际场景中的实用性 | 提出了深度匹配滤波器（Deep-MF），通过编码器阶段和R波峰分类器阶段实现对R波峰的高精度检测，并在噪声心电图中表现优于现有算法 | 未提及具体限制 | 解决Ear-ECG信号质量下降的问题，提高其在实际应用中的实用性 | Ear-ECG中的R波峰检测 | 机器学习 | NA | 深度学习 | 深度匹配滤波器（Deep-MF） | 心电图（ECG）信号 | 36名年龄在18-75岁之间的受试者 | NA | NA | NA | NA |
| 363 | 2024-12-18 |
ECGVEDNET: A Variational Encoder-Decoder Network for ECG Delineation in Morphology Variant ECGs
2024-07, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3363077
PMID:38319768
|
研究论文 | 本文提出了一种用于形态变异心电图（ECG） delineation 的变分编码器-解码器网络 ECGVEDNET | 提出了一个大规模的12导联ECG数据集ICDIRS，并设计了一种新的变分编码器-解码器网络ECGVEDNET，以解决ECG形态变异问题，并通过迁移学习框架将ICDIRS上学到的知识迁移到较小的数据集上 | NA | 开发一种能够在形态变异ECG中准确 delineation 的深度学习模型 | 心电图（ECG）的 fiducial points | 机器学习 | 心血管疾病 | 变分编码器-解码器网络 | 变分编码器-解码器网络 | ECG数据 | 156,145个QRS起始点和156,145个T峰点 | NA | NA | NA | NA |
| 364 | 2024-12-17 |
Deep learning microstructure estimation of developing brains from diffusion MRI: A newborn and fetal study
2024-Jul, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103186
PMID:38701657
|
研究论文 | 本文提出了一种基于深度学习的方法，通过少量扩散加权测量来估计新生儿和胎儿大脑的纤维方向分布函数（FOD） | 本文的创新点在于使用深度学习方法，通过仅六个扩散加权测量来估计FOD，相比传统方法和现有的深度学习方法，取得了更好的结果 | 本文指出扩散加权磁共振成像（dMRI）在探测发育中大脑微结构时存在固有的局限性 | 研究目的是开发一种新的深度学习方法，用于从有限的扩散加权磁共振成像数据中估计发育中大脑的纤维方向分布函数 | 研究对象是新生儿和胎儿的大脑白质 | 计算机视觉 | NA | 扩散加权磁共振成像（dMRI） | 深度学习模型 | 图像 | 涉及两个临床外部数据集的新生儿和胎儿样本 | NA | NA | NA | NA |
| 365 | 2024-12-15 |
Identifying and training deep learning neural networks on biomedical-related datasets
2024-Jul-23, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae232
PMID:39041915
|
研究论文 | 本文描述了一个名为'NIGMS Sandbox for Cloud-based Learning'学习平台的资源模块的开发，该模块提供关于在生物医学图像数据上实现深度学习算法的交互式学习材料 | 该模块通过使用适当的云资源进行数据访问和分析，帮助用户识别和集成正确的神经网络类型，并强调了云计算在实现神经网络方面的易用性 | NA | 介绍不同类型的深度学习神经网络，并涵盖生物医学研究中常用的实践 | 生物医学图像数据 | 机器学习 | NA | 深度学习 | 神经网络 | 图像 | NA | NA | NA | NA | NA |
| 366 | 2024-12-15 |
Enhancing wound healing through deep reinforcement learning for optimal therapeutics
2024-Jul, Royal Society open science
IF:2.9Q1
DOI:10.1098/rsos.240228
PMID:39086835
|
研究论文 | 本文提出了一种结合深度学习、最优控制和强化学习的自适应闭环控制框架，以加速伤口愈合 | 通过深度学习和强化学习自适应学习非线性伤口愈合动力学的线性表示，并训练深度强化学习代理跟踪最优信号，无需复杂的数学建模 | NA | 加速伤口愈合并找到最优治疗策略 | 伤口愈合过程及其治疗策略 | 机器学习 | NA | 深度学习、最优控制、强化学习 | 深度强化学习代理 | NA | NA | NA | NA | NA | NA |
| 367 | 2024-12-13 |
Deep Learning for Face Detection and Pain Assessment in Japanese macaques (Macaca fuscata)
2024-07-01, Journal of the American Association for Laboratory Animal Science : JAALAS
IF:1.2Q2
DOI:10.30802/AALAS-JAALAS-23-000056
PMID:38428929
|
研究论文 | 研究使用深度学习模型检测日本猕猴面部表情以评估其疼痛状态 | 首次使用深度学习模型对日本猕猴的面部表情进行疼痛检测，并通过预处理和微调提高了分类模型的准确性 | 分类准确率仍有提升空间，可能受到背景、光照、肤色等因素的影响 | 研究深度学习模型在动物疼痛评估中的应用 | 日本猕猴的面部表情 | 计算机视觉 | NA | 深度学习 | ResNet50 | 视频 | 30到60分钟的日本猕猴腹腔手术视频，包括手术前和手术后一天的记录 | NA | NA | NA | NA |
| 368 | 2024-12-13 |
Evaluation of machine learning models for cytochrome P450 3A4, 2D6, and 2C9 inhibition
2024-07, Journal of applied toxicology : JAT
IF:2.7Q3
DOI:10.1002/jat.4601
PMID:38544296
|
研究论文 | 本文系统评估了传统机器学习和深度学习模型在预测三种主要CYP酶（CYP3A4、CYP2D6和CYP2C9）抑制中的表现 | 本文首次系统比较了不同机器学习算法和分子表示方法在CYP酶抑制预测中的性能，发现XGBoost和CatBoost算法结合指纹/理化描述符特征表现最佳 | 本文未探讨数据量和采样策略对模型性能的影响，且深度学习模型的表现普遍不如传统机器学习模型 | 评估不同机器学习模型在预测CYP酶抑制中的表现，为未来CYP抑制模型的开发提供参考 | CYP3A4、CYP2D6和CYP2C9三种主要CYP酶的抑制 | 机器学习 | NA | 机器学习算法（XGBoost、CatBoost、深度学习） | XGBoost、CatBoost、深度学习模型 | 分子指纹和理化描述符 | NA | NA | NA | NA | NA |
| 369 | 2024-12-13 |
ToxMPNN: A deep learning model for small molecule toxicity prediction
2024-07, Journal of applied toxicology : JAT
IF:2.7Q3
DOI:10.1002/jat.4591
PMID:38409892
|
研究论文 | 本文提出了一种基于消息传递神经网络（MPNN）架构的深度学习模型ToxMPNN，用于预测小分子毒性 | ToxMPNN模型在捕捉分子结构中的毒性特征方面表现优异，且通过添加已上市药物作为负样本，提高了模型的预测性能和稳定性 | NA | 开发一种能够准确预测小分子毒性的深度学习模型 | 小分子毒性预测 | 机器学习 | NA | 消息传递神经网络（MPNN） | MPNN | 分子结构数据 | 包含27个毒性终点的7个毒性类别的小分子数据集，以及基于该数据集的二分类Common-Toxicity任务 | NA | NA | NA | NA |
| 370 | 2024-12-10 |
Developing Deep LSTMs With Later Temporal Attention for Predicting COVID-19 Severity, Clinical Outcome, and Antibody Level by Screening Serological Indicators Over Time
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3384333
PMID:38564357
|
研究论文 | 研究使用深度LSTM模型结合时间注意力机制来预测COVID-19的严重程度、临床结果和抗体水平 | 提出了一种时间注意力机制，强调了后期血液检测记录的重要性 | 未提及具体限制 | 通过筛选血清学指标的时间序列数据，预测COVID-19的严重程度、临床结果和抗体水平 | COVID-19患者的疾病严重程度、临床结果和Spike蛋白抗体水平 | 机器学习 | COVID-19 | 深度学习 | LSTM | 时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 371 | 2024-12-10 |
Sliding Window Optimal Transport for Open World Artifact Detection in Histopathology
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3383590
PMID:38557617
|
研究论文 | 本文介绍了一种用于病理学图像中开放世界伪影检测的新技术 | 提出了一种基于滑动窗口和最优传输的分布外检测方法，能够有效识别影响下游任务性能的伪影 | 未提及具体限制 | 开发一种能够检测病理学图像中伪影并提高深度学习模型性能的方法 | 病理学图像中的伪影检测 | 数字病理学 | NA | 最优传输 | NA | 图像 | 7张带有自然伪影的完整幻灯片图像 | NA | NA | NA | NA |
| 372 | 2024-12-10 |
A Hierarchical Graph Neural Network Framework for Predicting Protein-Protein Interaction Modulators With Functional Group Information and Hypergraph Structure
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3384238
PMID:38564358
|
研究论文 | 提出了一种层次图神经网络框架HiGPPIM，用于预测蛋白质-蛋白质相互作用调节剂，结合了分子原子级和功能组级的特征 | 引入功能组信息和超图结构，改进了分子层次结构的建模，提高了预测性能 | NA | 提高小分子调节剂靶向蛋白质-蛋白质相互作用的预测准确性 | 蛋白质-蛋白质相互作用调节剂的预测 | 机器学习 | NA | 图神经网络 | 图注意力网络 | 图 | 八个PPI家族和两个预测任务 | NA | NA | NA | NA |
| 373 | 2024-12-10 |
Dual-Channel Prototype Network for Few-Shot Pathology Image Classification
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3386197
PMID:38587946
|
研究论文 | 本文提出了一种双通道原型网络（DCPN），用于病理图像的少样本分类 | 利用自监督学习和金字塔视觉变换器（PVT）扩展到少样本分类任务，并结合卷积神经网络构建双通道网络，提取多尺度高精度病理特征，增强原型表示的泛化能力 | NA | 解决病理图像分类中数据稀缺和标注困难的问题，提升少样本学习在病理领域的应用效果 | 病理图像的少样本分类 | 数字病理 | NA | 自监督学习 | 双通道原型网络（DCPN） | 图像 | 使用了三个公开的病理数据集（CRCTP, NCTCRC, LC25000）构建了三个少样本分类任务 | NA | NA | NA | NA |
| 374 | 2024-12-08 |
A Coarse-Fine Collaborative Learning Model for Three Vessel Segmentation in Fetal Cardiac Ultrasound Images
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3390688
PMID:38635389
|
研究论文 | 本文提出了一种用于胎儿心脏超声图像中三血管分割的粗细协同学习模型 | 本文提出了一种名为CoFi-Net的新型深度学习网络，采用粗细协同策略，结合全局定位和精细分割两个并行分支，显著提高了三血管分割的准确性 | NA | 提高先天性心脏病（CHD）的早期诊断效率 | 胎儿心脏超声图像中的肺动脉、升主动脉和上腔静脉的分割 | 计算机视觉 | 先天性心脏病 | 深度学习 | CoFi-Net | 图像 | NA | NA | NA | NA | NA |
| 375 | 2024-12-08 |
Prognosis Prediction of Diffuse Large B-Cell Lymphoma in 18F-FDG PET Images Based on Multi-Deep-Learning Models
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3390804
PMID:38635387
|
研究论文 | 本文提出了一种新的多深度学习模型，用于基于18F-FDG PET图像的弥漫性大B细胞淋巴瘤（DLBCL）的预后预测 | 本文提出了一种灵活的集成深度学习模型，通过选择预训练的深度学习模型构建多R-signature，用于预测无进展生存期（PFS）和总生存期（OS） | NA | 开发一种多参数模型，用于准确分层DLBCL患者的生存风险，并指导个性化治疗策略 | 弥漫性大B细胞淋巴瘤（DLBCL）患者的预后预测 | 计算机视觉 | 淋巴瘤 | 深度学习 | 多深度学习模型 | 图像 | 两个不同影像中心的数据集 | NA | NA | NA | NA |
| 376 | 2024-12-08 |
Multi-Resolution Wavelet Fractal Analysis and Subtask Training for Enhancing Few-Shot Noisy Brainwave Recognition
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3318419
PMID:37738183
|
研究论文 | 本文提出了一种基于多分辨率小波分形分析和子任务训练的框架，用于增强少量噪声脑电波识别 | 引入多分辨率数据分析和子任务学习方法，通过小波分形捕捉不同尺度的特征，并采用子任务训练提高模型的泛化能力 | NA | 提高基于脑电波的识别系统在噪声环境下的性能 | 脑电波数据 | 机器学习 | NA | 小波变换 | 深度学习模型 | 脑电波数据 | 少量样本 | NA | NA | NA | NA |
| 377 | 2024-12-08 |
GaitNet+ARL: A Deep Learning Algorithm for Interpretable Gait Analysis of Chronic Ankle Instability
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3383588
PMID:38557612
|
研究论文 | 本文提出了一种基于深度学习的慢性踝关节不稳（CAI）步态分析算法，结合了图神经网络（GNN）和注意力强化学习（ARL）模型 | 创新点在于结合了生物力学原理的图神经网络和注意力强化学习模型，显著提高了CAI识别的准确性 | NA | 旨在开发一种可解释的深度学习算法，用于慢性踝关节不稳的步态分析 | 慢性踝关节不稳患者和对照组的步态数据 | 机器学习 | 运动损伤 | 图神经网络（GNN），注意力强化学习（ARL） | GNN，ARL | 运动学数据 | NEU-CAI数据集，由立体摄影测量系统收集 | NA | NA | NA | NA |
| 378 | 2024-12-08 |
A Deep Learning Approach to Estimate Multi-Level Mental Stress From EEG Using Serious Games
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3395548
PMID:38687658
|
研究论文 | 本研究探讨了通过脑电图（EEG）系统和严肃游戏来估计用户在特定任务中的多层次心理压力的可行性 | 本研究创新性地结合了严肃游戏和深度学习神经网络，用于分类用户的心理压力水平，并展示了比现有技术更高的预测准确性 | NA | 评估通过脑电图系统和严肃游戏来估计用户心理压力水平的可行性 | 用户在特定任务中的心理压力水平 | 机器学习 | NA | 脑电图（EEG） | 门控循环单元（GRU） | 脑电图数据 | NA | NA | NA | NA | NA |
| 379 | 2024-12-08 |
A Residual U-Net Neural Network for Seismocardiogram Denoising and Analysis During Physical Activity
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3392532
PMID:38648146
|
研究论文 | 提出了一种基于U-Net架构的深度学习模型，用于在步行时去噪和分析心冲击图（SCG）信号 | 开发了一种新的深度学习模型，能够有效去除运动噪声并保留心脏信息，显著提高了心率和其他健康参数估计的准确性 | 实验仅在步行时进行，未涵盖其他运动或日常活动 | 提高在日常活动中使用可穿戴加速度计进行心脏健康监测的准确性 | 心冲击图（SCG）信号的去噪和分析 | 机器学习 | 心血管疾病 | 深度学习 | U-Net神经网络 | 信号 | 涉及多个数据集，包括导管和ICG衍生的PEP数据 | NA | NA | NA | NA |
| 380 | 2024-12-08 |
SMARTSeiz: Deep Learning With Attention Mechanism for Accurate Seizure Recognition in IoT Healthcare Devices
2024-07, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2023.3336935
PMID:38055360
|
研究论文 | 提出了一种结合卷积神经网络和循环神经网络以及注意力机制的混合方法，用于通过EEG信号分析自动识别癫痫发作 | 引入了注意力机制，专注于EEG数据的重要子集，从而提高了模型性能 | NA | 开发一种自动识别癫痫发作的计算机方法，以减少医生的手动工作量 | 通过EEG信号分析自动识别癫痫发作 | 机器学习 | NA | EEG信号分析 | CNN和RNN结合注意力机制 | EEG信号 | 使用了UCI癫痫发作识别数据集，包含五个类别：四个正常条件和一个异常发作条件 | NA | NA | NA | NA |