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 1298 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-08-05 |
GSRF-DTI: a framework for drug-target interaction prediction based on a drug-target pair network and representation learning on a large graph
2024-Jul-18, BMC biology
IF:4.4Q1
DOI:10.1186/s12915-024-01949-3
PMID:39020316
|
研究论文 | 本文提出了一种新的方法GSRF-DTI，通过深度学习和网络集成来识别药物与靶点之间的相互作用 | GSRF-DTI通过整合多种药物和靶点关联信息来学习嵌入表示，并引入药物-靶点对网络以提高DTI预测的准确性 | 实验过程中主要依赖于特定的数据集，可能影响模型的泛化能力 | 提高药物-靶点相互作用预测的准确性，支持药物发现和再利用 | 药物与靶点的相互作用关系 | 计算机视觉 | NA | 深度学习，GraphSAGE，随机森林 | NA | 网络数据 | 使用Luo的数据集和新构建的数据集进行实验 | NA | NA | NA | NA |
| 982 | 2024-08-05 |
A deep position-encoding model for predicting olfactory perception from molecular structures and electrostatics
2024-Jul-17, NPJ systems biology and applications
IF:3.5Q1
DOI:10.1038/s41540-024-00401-0
PMID:39019918
|
研究论文 | 本研究介绍了一种深度学习模型Mol-PECO，用于根据分子结构和电静力学预测嗅觉感知 | 提出了一种新颖的深度学习模型，通过库伦矩阵进行分子的有效嵌入，从而改进了嗅觉预测 | 缺乏对模型在真实应用中有效性的验证 | 探讨分子结构与嗅觉感知之间的关系 | 嗅觉分子及其描述符数据集 | 机器学习 | NA | 深度学习 | Mol-PECO | 分子结构数据 | 全面的嗅觉分子和描述符数据集 | NA | NA | NA | NA |
| 983 | 2024-08-05 |
Deep learning-based measurement of split glomerular filtration rate with 99mTc-diethylenetriamine pentaacetic acid renal scan
2024-Jul-17, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00664-w
PMID:39017817
|
研究论文 | 本文旨在开发一个深度学习模型，用于在99mTc-DTPA肾扫描中生成自动感兴趣区域（ROIs）以测量肾小球滤过率（GFR） | 提出了一种使用多通道输入的二维U-Net卷积神经网络架构进行ROI生成的创新方法 | 研究未提及对不同类型患者或其他病理条件的适用性 | 研究的目的是提高99mTc-DTPA肾扫描中肾小球滤过率的测量准确性 | 分析了来自12,822名患者的24,364个肾扫描数据 | 计算机视觉 | NA | 深度学习 | U-Net | 扫描图像 | 24,364个扫描（12,822名患者） | NA | NA | NA | NA |
| 984 | 2024-08-07 |
Design and application of coal gangue sorting system based on deep learning
2024-Jul-17, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-67323-z
PMID:39019983
|
研究论文 | 本文提出了一种基于深度学习的非接触式煤矸石识别与气动智能分拣系统 | 开发了一个动态数据库并明确了弹射速度、质量、体积和入射角与冲击能量匹配机制之间的关系 | 未提及具体的系统实时性和适应性限制 | 旨在提升煤矸石分拣的准确性和效率 | 煤矸石的自动识别和分拣 | 机器学习 | NA | 深度学习 | NA | 图像 | 系统原型的演示实验结果显示，识别准确率超过97%，分拣率超过91% | NA | NA | NA | NA |
| 985 | 2024-08-05 |
Automated interpretation of retinal vein occlusion based on fundus fluorescein angiography images using deep learning: A retrospective, multi-center study
2024-Jul-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e33108
PMID:39027617
|
研究论文 | 本研究开发了一种基于深度学习的系统，用于自动诊断和分类视网膜静脉阻塞（RVO） | 该研究的创新点在于提出了一个全新的深度学习模型，能够自动化标注和分类FFA图像，用于RVO的诊断 | 该研究的局限性在于只能在收集到的FFA图像上进行验证，可能不适用于所有类型的视网膜病变 | 本研究旨在利用FFA图像开发一种准确有效的RVO诊断系统 | 研究对象为来自463名患者的467只眼睛的4028张FFA图像 | 数字病理学 | NA | 深度学习 | CNN (卷积神经网络) | 图像 | 4028张FFA图像，来自463名患者的467只眼睛 | NA | NA | NA | NA |
| 986 | 2024-08-05 |
A Deep Learning-Based Rotten Food Recognition App for Older Adults: Development and Usability Study
2024-Jul-03, JMIR formative research
IF:2.0Q4
DOI:10.2196/55342
PMID:38959501
|
研究论文 | 本研究开发并评估了一款智能手机应用，帮助老年人识别腐烂的水果 | 提出了一种基于深度学习的应用，通过拍摄水果照片来判断水果是否新鲜，从而解决老年人识别腐烂食物的困难 | 该应用目前仅限于对三种水果的检测，尚需扩展到其他食品的识别 | 开发一款帮助老年人识别腐烂水果的智能手机应用 | 参与者为65岁以上的健康老年人，共26人 | 数字病理学 | NA | 深度学习 | 残差深度网络 | 图像 | 26名老年人（15名男性和11名女性） | NA | NA | NA | NA |
| 987 | 2024-08-05 |
Data-driven rogue waves solutions for the focusing and variable coefficient nonlinear Schrödinger equations via deep learning
2024-Jul-01, Chaos (Woodbury, N.Y.)
DOI:10.1063/5.0209068
PMID:39028903
|
研究论文 | 本研究利用深度学习方法探讨聚焦和变系数非线性薛定谔方程的数据驱动浪涌波解 | 提出了一种基于物理信息记忆网络的解决方案，能够很好地捕捉浪涌波解的非线性特征 | 未提及具体的局限性 | 研究如何通过深度学习方法解决聚焦和变系数非线性薛定谔方程 | 聚焦和变系数非线性薛定谔方程的浪涌波解 | 机器学习 | NA | 深度学习 | 物理信息记忆网络（PIMN） | 数值数据 | NA | NA | NA | NA | NA |
| 988 | 2024-08-07 |
A deep learning model accurately predicts 1-year mortality but at the risk of unfairness
2024-Jul, Nature aging
IF:17.0Q1
DOI:10.1038/s43587-024-00665-5
PMID:38956193
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 989 | 2024-08-05 |
Identifying rice field weeds from unmanned aerial vehicle remote sensing imagery using deep learning
2024-Jul-16, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01232-0
PMID:39014411
|
研究论文 | 本文提出了一种名为RMS-DETR的多尺度特征增强DETR网络，用于识别水稻田杂草 | 通过在DETR模型中添加多尺度特征提取分支，提升了对水稻田杂草的识别能力 | 引入多尺度特征层导致模型计算增加，降低了模型推理速度 | 旨在提高水稻田杂草的精确识别能力，以便于精准喷药 | 水稻田中的杂草 | 计算机视觉 | NA | 深度学习 | DETR | 图像 | 构建的水稻田杂草数据集和DOTA公共数据集 | NA | NA | NA | NA |
| 990 | 2024-08-05 |
Machine learning without a processor: Emergent learning in a nonlinear analog network
2024-Jul-09, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2319718121
PMID:38954545
|
研究论文 | 本文介绍了一种基于非线性类脑电子网络的自主学习能力。 | 提出了一种非线性循环神经网络，能够执行线性系统无法完成的任务，并具备快速、低功耗的特点。 | 目前的实现仍未充分探索非线性元素的可行性和实用性。 | 探索非线性元素在模拟机器学习中的潜力。 | 介绍了一种由自调节非线性电阻元件组成的非线性类脑网络。 | 机器学习 | NA | 类脑电子网络 | 非线性循环神经网络 | NA | NA | NA | NA | NA | NA |
| 991 | 2024-08-05 |
Colorimetric Analyses of the Optic Nerve Head and Retina Indicate Increased Blood Flow After Vitrectomy
2024-Jul-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.7.12
PMID:39007833
|
研究论文 | 本研究评估了玻璃体切除术及后玻璃体剥离对视神经头和视网膜颜色变化的影响 | 本研究首次通过色度和形态分析方法评估玻璃体切除术对视神经头和视网膜血流的影响 | 本研究样本仅限于54名患者，可能影响结果的普遍适用性 | 研究玻璃体切除术及后玻璃体剥离对血流变化的影响 | 54名接受玻璃体切除术的患者及31名年龄和性别匹配的对照眼 | 数字病理学 | 视网膜血管疾病 | 色度分析 | NA | 图像 | 54名患者 | NA | NA | NA | NA |
| 992 | 2024-08-05 |
Quantitative susceptibility mapping based basal ganglia segmentation via AGSeg: leveraging active gradient guiding mechanism in deep learning
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1858
PMID:39022266
|
研究论文 | 本文提出了一种基于主动梯度引导机制的深度学习方法AGSeg，以实现基底神经节的准确分割 | 提出的AGSeg网络通过主动梯度模块和梯度引导模块提升了对目标核边界的关注，从而改善了分割效果 | 未提及模型在不同疾病类型或其他影像数据上的适用性 | 提高基底神经节的自动化分割精度，以支持随后的疾病诊断和手术规划 | 使用临床扫描和健康志愿者的数据进行基底神经节的三维磁化率测量 | 计算机视觉 | NA | 磁化率定量成像（QSM） | 深度学习网络（AGSeg） | 三维磁化率图像 | 210个三维磁化率测量 | NA | NA | NA | NA |
| 993 | 2024-08-05 |
Research into super-resolution in medical imaging from 2000 to 2023: bibliometric analysis and visualization
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-67
PMID:39022237
|
研究论文 | 本文对2000年至2023年间医学影像超级分辨率的文献进行了 bibliometric 分析和可视化研究 | 首次系统性分析了医学影像超分辨率领域的全球趋势并通过图形可视化提供未来研究前景 | 文章没有针对具体的超分辨率技术或算法进行深入探讨 | 识别医学影像超分辨率领域的全球趋势和未来研究发展 | 分析了3262篇医学影像超分辨率相关的文献 | 数字病理学 | NA | NA | NA | 文献 | 3262篇文献 | NA | NA | NA | NA |
| 994 | 2024-08-05 |
Brain metastasis magnetic resonance imaging-based deep learning for predicting epidermal growth factor receptor (EGFR) mutation and subtypes in metastatic non-small cell lung cancer
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1744
PMID:39022238
|
研究论文 | 本研究旨在开发一种深度学习模型，以在非小细胞肺癌患者中预操作性地检测EGFR突变及其亚型 | 开发了多尺度特征融合网络（MSF-Net），能有效整合不同阶段的残差网络特征，增强了对EGFR突变的预测能力 | 未提及可能的局限性，样本来自两个特定中心 | 基于脑转移的MRI数据，预测非小细胞肺癌患者的EGFR突变状态及亚型 | 160名接受对比增强T1加权和72名接受T2加权MRI的非小细胞肺癌患者 | 计算机视觉 | 非小细胞肺癌 | 磁共振成像（MRI） | 多尺度特征融合网络（MSF-Net） | 医学影像 | 160名和72名患者 | NA | NA | NA | NA |
| 995 | 2024-08-05 |
Application of metal artifact reduction algorithm in reducing metal artifacts in post-surgery pediatric low radiation dose spine computed tomography (CT) images
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1659
PMID:39022236
|
研究论文 | 本研究评估了金属伪影减少算法在降低术后儿童低剂量脊柱CT图像中金属伪影的应用效果 | 引入了金属伪影减少算法（MAR）和深度学习图像重建（DLIR）结合使用，显著改善图像质量 | 研究仅限于回顾性分析，未比较不同算法在更大人群或不同条件下的效果 | 旨在评估金属伪影减少算法在术后儿童低剂量脊柱CT图像中的实际应用效果 | 参与研究的对象为77名3至15岁的儿童 | 数字病理 | NA | 适应性统计迭代重建-V（ASIR-V）、深度学习图像重建（DLIR） | NA | 图像 | 77名儿童，评估116个椎弓根螺钉 | NA | NA | NA | NA |
| 996 | 2024-08-05 |
Deep learning methods for diagnosis of graves' ophthalmopathy using magnetic resonance imaging
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-80
PMID:39022293
|
研究论文 | 本研究开发并验证了深度学习模型用于基于磁共振成像诊断Graves'眼病 | 提出了使用深度学习技术，通过MRI T1加权扫描准确诊断Graves'眼病的新方法 | 研究没有考虑MRI以外的其他影像学方法的比较 | 旨在提高使用MRI诊断Graves'眼病的准确性 | 对199例临床验证的Graves'眼病患者和145例正常对照进行回顾性研究 | 计算机视觉 | Graves'眼病 | 磁共振成像 | ResNet101, Swin Transformer | 图像 | 199例Graves'眼病患者与145例正常对照，共344例 | NA | NA | NA | NA |
| 997 | 2024-08-05 |
Simultaneous removal of noise and correction of motion warping in neuron calcium imaging using a pipeline structure of self-supervised deep learning models
2024-Jul-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.527919
PMID:39022541
|
研究论文 | 本文提出了一种使用自监督深度学习模型的两级管道结构，有效去除神经钙成像中的噪声和运动扭曲。 | 创新点在于提出了一种无需无扭曲和高信噪比观察的自监督深度学习管道，能够同时进行去噪和去扭曲处理。 | 本研究未涉及非自监督的深度学习模型效果评估。 | 研究旨在改善钙成像视频的图像质量，以促进神经功能分析。 | 研究对象为七个来自双光子和共聚焦成像系统的视频材料。 | 数字病理学 | NA | 深度学习 | 自监督深度学习模型 | 视频 | 七个视频 | NA | NA | NA | NA |
| 998 | 2024-08-05 |
Deep learning-based deformable image registration with bilateral pyramid to align pre-operative and follow-up magnetic resonance imaging (MRI) scans
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-23-1821
PMID:39022247
|
研究论文 | 本文提出了一种基于深度学习的变形图像配准方法，用于对比术前和术后MRI扫描 | 提出了一种双向金字塔的深度学习变形配准方法，利用多尺度图像特征来改善配准精度 | 未提及具体的适用范围或其他潜在限制 | 改善术前和术后MRI扫描的配准精度，以评估脑肿瘤复发 | 聚焦于脑肿瘤的MRI扫描图像，比较术前与术后图像 | 计算机视觉 | 脑肿瘤 | 深度学习 | NA | 图像 | 使用了BraTS-Reg 2022公共数据集，样本规模未具体说明 | NA | NA | NA | NA |
| 999 | 2024-08-05 |
Prediction of metastases in confusing mediastinal lymph nodes based on flourine-18 fluorodeoxyglucose (18F-FDG) positron emission tomography/computed tomography (PET/CT) imaging using machine learning
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-100
PMID:39022286
|
研究论文 | 本研究旨在使用机器学习方法评估介入淋巴结的状态，基于正电子发射计算机断层扫描(PET/CT)图像进行分析 | 创新点在于结合了梯度提升决策树-逻辑回归模型与放射组学特征，相较于其他模型表现更优 | 研究的外部验证仅限于三个中心，可能影响结果的普遍适用性 | 准确评估介入淋巴结的状态以改善患者管理和预后 | 509个已进行病理评估或随访的混乱介入淋巴结，来自320名患者 | 机器学习 | NA | 正电子发射计算机断层扫描(PET/CT) | 梯度提升决策树-逻辑回归(GBDT-LR) | 图像 | 来自三个中心的320名患者的509个混乱的介入淋巴结 | NA | NA | NA | NA |
| 1000 | 2024-08-05 |
CMAF-Net: a cross-modal attention fusion-based deep neural network for incomplete multi-modal brain tumor segmentation
2024-Jul-01, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-9
PMID:39022265
|
研究论文 | 该研究提出了一种新型深度学习网络CMAF-Net，用于不完整多模态脑肿瘤分割 | 本文的创新点在于设计了跨模态注意力融合的深度神经网络，能够处理不同缺失模态情况 | 该研究未提及对不同模态缺失情况的通用适用性和其他数据集的验证 | 本研究的目的是改善不完整多模态脑肿瘤分割的准确性 | 研究对象为不同模态的脑肿瘤图像数据 | 计算机视觉 | 脑肿瘤 | 深度学习 | 3D U-Net | 医学图像 | 使用BraTS 2018和BraTS 2020数据集进行评估 | NA | NA | NA | NA |