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 1297 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 |
Sound as a bell: a deep learning approach for health status classification through speech acoustic biomarkers
2024-Jul-24, Chinese medicine
IF:5.3Q1
DOI:10.1186/s13020-024-00973-3
PMID:39049005
|
研究论文 | 本研究采用深度学习方法通过语音声学生物标志物对健康状态进行分类。 | 将中医体质理论与深度学习技术相结合，以非侵入性的方式识别亚健康人群。 | 排除了具有近期疾病、牙科问题和特定病史的参与者，可能限制了样本的代表性。 | 使用语音音频来识别特征为失衡体质类型的亚健康人群。 | 参与者年龄在18-45岁之间，样本来源于健康声学研究。 | 机器学习 | NA | 音频信号处理 | Conv1D, Conv2D, LSTM | 音频 | 1378个健康音频记录和1413个亚健康音频记录 | NA | NA | NA | NA |
| 862 | 2024-08-07 |
Correction: Evaluation of deep learning-based reconstruction late gadolinium enhancement images for identifying patients with clinically unrecognized myocardial infarction
2024-Jul-24, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01375-5
PMID:39048934
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 863 | 2024-08-05 |
Cascaded Aggregation Convolution Network for Salient Grain Pests Detection
2024-Jul-22, Insects
IF:2.7Q1
DOI:10.3390/insects15070557
PMID:39057289
|
研究论文 | 提出了一种新的级联聚合卷积网络（CACNet）用于存储谷物中的显著害虫检测 | 本研究通过模仿人类观察和聚焦感兴趣物体的视觉注意机制，提出了一种新型的CACNet，以提高小型谷物害虫检测的准确性 | NA | 提高存储谷物中害虫检测的准确性 | 小型谷物害虫的检测与控制 | 计算机视觉 | NA | 卷积神经网络（CNN） | VGG16 | 图像 | 500张图片，展示零至五个或更多害虫 | NA | NA | NA | NA |
| 864 | 2024-08-05 |
Insights into Flexible Bioinspired Fins for Unmanned Underwater Vehicle Systems through Deep Learning
2024-Jul-17, Biomimetics (Basel, Switzerland)
DOI:10.3390/biomimetics9070434
PMID:39056875
|
研究论文 | 本文探讨了通过深度学习对仿生无人水下车辆系统柔性鳍的洞察。 | 该研究开发了新的前向神经网络模型，能够考虑鳍材料的刚度对其动力学性能、推力和功率的影响，并实现了对各种运动方式的插值。 | 本文未提及具体的实验规模和环境适用性，可能限制了模型的应用范围。 | 研究仿生无人水下车辆的推进效率及其优化材料和动力学特性。 | 本研究针对仿生无人水下车辆的推进系统进行建模和性能分析。 | 机器学习 | NA | 深度学习 | 前向神经网络 | 时间序列数据 | NA | NA | NA | NA | NA |
| 865 | 2024-08-05 |
Deep Efficient Data Association for Multi-Object Tracking: Augmented with SSIM-Based Ambiguity Elimination
2024-Jul-16, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070171
PMID:39057742
|
研究论文 | 本文提出了一种高效的统一数据关联方法，以解决多目标跟踪中的不确定性问题 | 结合深度特征关联网络和SSIM改善数据关联的准确性 | 未提及具体的高复杂场景下的表现 | 解决多目标跟踪中的数据关联问题 | 通过深度学习方法跟踪视频中的多个对象 | 计算机视觉 | NA | 深度学习 | 深度特征关联网络 (deepFAN) | 视频 | 综合分析多个MOT数据集，如MOT挑战赛和UA-DETRAC | NA | NA | NA | NA |
| 866 | 2024-08-05 |
Automated Lung Cancer Diagnosis Applying Butterworth Filtering, Bi-Level Feature Extraction, and Sparce Convolutional Neural Network to Luna 16 CT Images
2024-Jul-15, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070168
PMID:39057739
|
研究论文 | 本研究提出了一种基于人工智能的方法用于肺癌诊断 | 使用Butterworth平滑滤波算法、双层特征提取和稀疏卷积神经网络实现了对LUNA 16 CT图像的肺癌自动诊断 | 没有提到具体的样本限制或研究中遇到的具体挑战 | 研究旨在通过医学影像分析提高肺癌的诊断准确性 | 主要研究对象为LUNA 16肺癌数据集中的CT图像 | 数字病理学 | 肺癌 | Butterworth滤波, 多空间图像重建, 稀疏卷积神经网络 | 稀疏卷积神经网络与概率神经网络 | 图像 | LUNA 16数据集的CT图像 | NA | NA | NA | NA |
| 867 | 2024-08-05 |
A deep learning-based toolkit for 3D nuclei segmentation and quantitative analysis in cellular and tissue context
2024-Jul-15, Development (Cambridge, England)
DOI:10.1242/dev.202800
PMID:39036998
|
研究论文 | 我们呈现了一套新的计算工具，能够在各种3D数字器官中实现准确且广泛适用的细胞核3D分割。 | 开发了生成真实标签和迭代训练3D核分割模型的方法，并改进了MorphoGraphX分析和可视化软件。 | 尚未提及具体的限制 | 研究3D细胞核的分割和定量分析方法。 | 针对来自不同植物和动物组织的固态或活体样本的细胞核进行3D分割。 | 数字病理学 | NA | NA | CellPose, PlantSeg, StarDist | 3D图像 | 约10,000个细胞核 | NA | NA | NA | NA |
| 868 | 2024-08-05 |
Few-Shot Conditional Learning: Automatic and Reliable Device Classification for Medical Test Equipment
2024-Jul-13, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070167
PMID:39057738
|
研究论文 | 本文提出了一种少量样本学习方法，通过预训练的ResNet集成编码器对新生儿复苏设备进行分类 | 创新点在于通过少量自然图像实现自动和可靠的设备分类，并引入可靠性评分以增强预测 | 在复杂自然图像测试阶段，由于非最优的分割策略，性能有所下降 | 旨在开发一种可以在缺乏专业图像数据库的情况下进行医疗测试设备分类的方法 | 研究对象为新生儿复苏设备 | 计算机视觉 | NA | 少量样本学习 | ResNet | 图像 | 87张自然图像 | NA | NA | NA | NA |
| 869 | 2024-08-05 |
Public Perceptions and Discussions of the US Food and Drug Administration's JUUL Ban Policy on Twitter: Observational Study
2024-Jul-11, JMIR formative research
IF:2.0Q4
DOI:10.2196/51327
PMID:38990633
|
研究论文 | 本研究旨在通过Twitter数据理解公众对JUUL禁令政策的看法和讨论 | 通过深度学习模型分析Twitter用户对JUUL禁令政策的态度及其与人口统计特征的关系 | 研究仅基于Twitter数据，可能无法全面代表公众意见 | 理解公众对JUUL禁令政策的看法和社交媒体讨论 | 与JUUL禁令政策相关的Twitter用户和推文 | 自然语言处理 | NA | 深度学习，RoBERTa，逻辑回归 | RoBERTa，M3模型 | 文本 | 17007条推文，用于分类的2600条手动编码推文 | NA | NA | NA | NA |
| 870 | 2024-08-05 |
A 2.5D Self-Training Strategy for Carotid Artery Segmentation in T1-Weighted Brain Magnetic Resonance Images
2024-Jul-03, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070161
PMID:39057732
|
研究论文 | 本文提出了一种深度学习管道，用于在T1加权脑磁共振图像中对颈动脉进行分割 | 引入了2.5D分割技术和递归自我训练策略，改善了标注过程的时间效率和分割质量 | 研究的模型性能仅在未见数据集上进行了测试，验证范围有限 | 旨在提高医学图像数据集的标注效率和颈动脉的分割准确性 | 研究对象为颈动脉树的分割问题 | 计算机视觉 | NA | 半自动分割、递归自我训练、2.5D分割 | Res-Unet | 影像 | 42个非对比T1加权脑扫描 | NA | NA | NA | NA |
| 871 | 2024-08-05 |
Hybrid Ensemble Deep Learning Model for Advancing Ischemic Brain Stroke Detection and Classification in Clinical Application
2024-Jul-02, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging10070160
PMID:39057731
|
研究论文 | 本研究旨在通过整合多种模型提升缺血性脑卒中的检测与分类能力 | 提出了一种新的混合模型，结合了卒中精度增强、集成深度学习及智能病灶检测和分割模型 | 需要在更大数据集上验证其性能，并增强在临床应用中的整合性 | 提高缺血性脑卒中的检测和分类精度 | 使用CT扫描数据集进行缺血性脑卒中的检测与分类 | 计算机视觉 | 脑卒中 | 计算机断层扫描（CT） | 混合深度学习模型 | 图像 | 10,000个CT扫描数据 | NA | NA | NA | NA |
| 872 | 2024-08-05 |
Deciphering lung adenocarcinoma prognosis and immunotherapy response through an AI-driven stemness-related gene signature
2024-Jul, Journal of cellular and molecular medicine
IF:4.3Q2
DOI:10.1111/jcmm.18564
PMID:39046884
|
研究论文 | 本研究构建了一个人工智能驱动的干性相关基因特征，用于解析肺腺癌的预后和免疫疗法反应 | 创新点在于利用AI融合传统回归、机器学习和深度学习算法构建干性相关基因特征，以提高预后准确性和免疫治疗反应的预测 | 本研究可能受到样本量和实验验证范围的限制 | 旨在改进肺腺癌患者的预后评估及免疫治疗反应预测 | 肺腺癌的干性相关基因及其与免疫环境的关系 | 数字病理学 | 肺癌 | 单细胞RNA测序 | 人工智能网络 | 基因组数据 | NA | NA | NA | NA | NA |
| 873 | 2024-08-05 |
Low-contrast lesion detection in neck CT: a multireader study comparing deep learning, iterative, and filtered back projection reconstructions using realistic phantoms
2024-Jul-24, European radiology experimental
IF:3.7Q1
DOI:10.1186/s41747-024-00486-6
PMID:39046565
|
研究论文 | 本研究比较了深度学习重建、迭代重建和滤波反投影在颈部CT中的病灶检测效果 | 使用深度学习重建（DLR）技术提高了颈部CT影像中低对比度病灶的可检测性 | 仅在患者模拟的颈部假体上进行实验，可能影响结果的推广性 | 探索不同CT重建算法在颈部低对比度病灶检测中的有效性 | 使用九个模拟患者颈部假体进行实验，每个假体包含一个低对比度病灶 | 数字病理学 | NA | 深度学习重建（DLR） | NA | 影像 | 九个颈部假体 | NA | NA | NA | NA |
| 874 | 2024-08-05 |
Developing BioNavi for Hybrid Retrosynthesis Planning
2024-Jul-22, JACS Au
IF:8.5Q1
DOI:10.1021/jacsau.4c00228
PMID:39055138
|
研究论文 | 本文提出了一种名为BioNavi的模型，用于设计混合合成路径。 | BioNavi通过创新多任务学习和反应模板，提高了合成路径设计的可解释性。 | 未提及特定的限制 | 研究目的是开发一个有效的混合合成路径设计工具。 | 研究对象为合成路径，包括化学合成和生物合成。 | 数字路径学 | NA | 深度学习 | 多任务学习 | 数据集 | 多个数据集，具体样本数未提及 | NA | NA | NA | NA |
| 875 | 2024-08-05 |
Learning generalizable AI models for multi-center histopathology image classification
2024-Jul-19, NPJ precision oncology
IF:6.8Q1
DOI:10.1038/s41698-024-00652-4
PMID:39030380
|
研究论文 | 本研究提出了一种新的对抗性傅里叶领域适应方法，用于多中心的组织病理图像分类 | 提出了对抗性傅里叶领域适应（AIDA）方法，利用傅里叶变换的优势改善深度学习模型的泛化能力 | 现有技术在有效性和可区分性方面存在局限 | 提升临床病理学中AI模型的诊断准确性与效率 | 涉及四种癌症（卵巢癌、胸膜癌、膀胱癌和乳腺癌）的亚型分类任务 | 数字病理学 | 卵巢癌, 胸膜癌, 膀胱癌, 乳腺癌 | 对抗性领域适应, 傅里叶变换 | 卷积神经网络（CNN） | 图像 | 共涉及1113例卵巢癌, 247例胸膜癌, 422例膀胱癌和482例乳腺癌 | NA | NA | NA | NA |
| 876 | 2024-08-05 |
Absolute permeability estimation from microtomography rock images through deep learning super-resolution and adversarial fine tuning
2024-Jul-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67367-1
PMID:39030317
|
研究论文 | 本文提出了一种通过深度学习超分辨率和对抗微调来估计微断层岩石图像的绝对渗透率 | 使用超分辨率模型提升低分辨率图像质量，并结合代理模型替代数值模拟，以估算感兴趣的岩石物理属性 | 未提及具体限制因素 | 旨在提高碳捕集与储存过程中对地下储层物理性质的准确估计 | 针对地下储层岩石的物理特性进行研究，重点在于渗透率的估算 | 数字岩石物理 | NA | X射线微断层成像 | GAN | 图像 | DeePore数据集 | NA | NA | NA | NA |
| 877 | 2024-08-05 |
Enhancing global maritime traffic network forecasting with gravity-inspired deep learning models
2024-Jul-19, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67552-2
PMID:39030401
|
研究论文 | 本文开发了一种新的物理启发模型，用于预测全球港口区域间的海洋运输交通 | 该研究将变压器技术引入重力模型，重建短期和长期依赖关系，从而提高了风险分析的可行性，并实现了比传统深度重力模型提高超过10%的精度 | 模型的适用性可能受限于特定数据源的可用性和准确性 | 旨在通过运输网络评估非本地水生物种的扩散风险 | 研究对象是港口区域间的海洋运输流量 | 计算机视觉 | NA | 物理启发模型 | 变压器 | NA | NA | NA | NA | NA | NA |
| 878 | 2024-08-05 |
SENSE-PPI reconstructs interactomes within, across, and between species at the genome scale
2024-Jul-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110371
PMID:39055916
|
研究论文 | 本文介绍了一种名为SENSE-PPI的深度学习模型，用于高效重建蛋白质-蛋白质相互作用网络 | SENSE-PPI利用最新一代的蛋白质语言模型和递归神经网络，能在功能相似的蛋白质中区分具体相互作用，且在跨物种预测中表现出高准确性和灵活性 | 对于系统发育上更远的模型和非模型生物，其性能下降较大，但是信号变化很缓慢 | 研究蛋白质-蛋白质相互作用网络，以揭示细胞系统的生物机制 | 涉及成千上万的蛋白质，尤其是在功能上相似的蛋白质 | 计算生物学 | NA | 蛋白质语言模型，递归神经网络 | 深度学习模型 | 蛋白质序列 | 可测试10,000种蛋白质 | NA | NA | NA | NA |
| 879 | 2024-08-05 |
Risk prediction of heart diseases in patients with breast cancer: A deep learning approach with longitudinal electronic health records data
2024-Jul-19, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.110329
PMID:39055938
|
研究论文 | 本研究开发并评估了六种心脏疾病风险预测模型，使用真实世界电子健康记录数据。 | 提出了结合可训练衰减机制的LSTM-D模型，以处理长短期记忆模型中的缺失值，并通过NLP方法提取乳腺癌表型，增强预测效果。 | 未提到具体的研究限制。 | 准确预测乳腺癌患者的心脏疾病风险，为临床决策支持和患者安全提供帮助。 | 本研究以乳腺癌患者为研究对象，评估六种心脏疾病的风险。 | 机器学习 | 心血管疾病 | 电子健康记录（EHRs） | LSTM | 结构化和非结构化数据 | NA | NA | NA | NA | NA |
| 880 | 2024-08-05 |
Prediction of recurrence risk in endometrial cancer with multimodal deep learning
2024-Jul, Nature medicine
IF:58.7Q1
DOI:10.1038/s41591-024-02993-w
PMID:38789645
|
研究论文 | 本研究开发了HECTOR，一个基于多模态深度学习的预后模型，用于预测子宫内膜癌的远处复发风险 | HECTOR模型基于全切片图像和肿瘤分期，超越了目前的金标准，并能够识别具有显著不同预后的患者 | 当前研究未提及模型在其他癌症类型中的适用性 | 本研究旨在改善子宫内膜癌的个性化辅助治疗策略 | 研究对象为来自八个子宫内膜癌队列共2072名患者的数据 | 数字病理学 | 子宫内膜癌 | 深度学习 | NA | 全切片图像 | 2072名患者 | NA | NA | NA | NA |