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 1070 篇文献，本页显示第 401 - 420 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 401 | 2024-09-11 |
An improved deep convolutional neural network-based YouTube video classification using textual features
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e35812
PMID:39247283
|
研究论文 | 本文提出了一种基于深度卷积神经网络和文本特征的改进方法，用于YouTube视频分类 | 本文设计了一种深度卷积神经网络（DCNN），并结合循环神经网络（RNN）和门控循环单元（GRU）进行性能比较，实验结果表明该方法在YouTube视频分类中取得了最高的ROC AUC分数和准确率 | NA | 开发一种基于人工智能的方法来分类YouTube视频 | YouTube视频及其相关的文本信息，如标题、描述、用户标签等 | 计算机视觉 | NA | 深度学习 | 深度卷积神经网络（DCNN）、循环神经网络（RNN）、门控循环单元（GRU） | 文本 | 一个包含9个类别的大型数据集 | NA | NA | NA | NA |
| 402 | 2024-09-11 |
Improved FasterViT model for citrus disease diagnosis
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e36092
PMID:39247290
|
研究论文 | 本文提出了一种改进的FasterViT模型，用于柑橘病害诊断，通过结合CNN和ViT的优势，提高了模型在不同环境条件下识别植物叶片病害的能力 | 本文的创新点在于提出了一种先进的混合CNN-ViT框架，通过交叉阶段交替使用Mixup和Cutout方法，增强了模型的鲁棒性和泛化能力，并采用了Triplet Attention和AdaptiveAvgPool机制来降低训练成本 | 本文的局限性在于仅在柑橘病害数据集上进行了测试，未来需要在更多种类的植物病害数据集上验证模型的通用性 | 本文的研究目的是提高深度学习模型在不同环境条件下识别植物叶片病害的准确性，并降低训练成本 | 本文的研究对象是柑橘病害的诊断 | 计算机视觉 | 柑橘病害 | 深度学习 | 混合CNN-ViT框架 | 图像 | 本文使用了自建的小规模柑橘病害数据集（in-field small dataset）和PlantVillage数据集进行测试 | NA | NA | NA | NA |
| 403 | 2024-09-11 |
Optimizing MobileNetV2 for improved accuracy in early gastric cancer detection based on dynamic pelican optimizer
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e35854
PMID:39247334
|
研究论文 | 本文提出了一种基于人工智能的胃癌自动诊断框架，使用定制的深度学习模型MobileNetV2，并通过动态鹈鹕优化算法（DPOA）进行优化 | 本文的创新点在于结合了MobileNetV2和动态鹈鹕优化算法（DPOA），以提高胃癌早期检测的准确性 | 尽管结果令人鼓舞，但仍需进一步研究，特别是需要更大和更多样化的数据集以及全面的临床验证来验证该方法的有效性 | 本文的研究目的是提高胃癌早期检测的准确性和速度 | 本文的研究对象是胃癌的早期检测 | 计算机视觉 | 胃癌 | 动态鹈鹕优化算法（DPOA） | MobileNetV2 | 图像 | 数据集分为训练集（80%）和测试集（20%） | NA | NA | NA | NA |
| 404 | 2024-09-11 |
Deep learning-based state of charge estimation for electric vehicle batteries: Overcoming technological bottlenecks
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e35780
PMID:39253128
|
研究论文 | 本文提出了一种基于深度学习的电动汽车电池荷电状态（SOC）估算方法，旨在解决电池管理中的关键挑战并提高电动汽车效率 | 该研究的创新点在于整合了来自宝马i3电动汽车的真实驾驶数据，使模型能够捕捉影响SOC的复杂动态因素，并显著提高估算精度 | NA | 提高电动汽车电池荷电状态估算的准确性，促进能源节约和碳减排 | 电动汽车电池的荷电状态 | 机器学习 | NA | 深度学习 | 深度学习网络 | 多维数据（包括环境因素、车辆参数和电池属性） | 72次实际驾驶测试，包含25种环境变量 | NA | NA | NA | NA |
| 405 | 2024-09-11 |
Automated Interpretation of Lung Sounds by Deep Learning in Children With Asthma: Scoping Review and Strengths, Weaknesses, Opportunities, and Threats Analysis
2024-Aug-23, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/53662
PMID:39178033
|
综述 | 本文对人工智能辅助儿童哮喘肺音分析的文献进行了范围综述，并进行了优势、劣势、机会和威胁分析 | 本文创新性地结合了范围综述和SWOT分析，全面评估了人工智能在儿童哮喘肺音分析中的应用 | 纳入的研究质量普遍较低，缺乏外部验证，且数据收集和解释缺乏标准化 | 客观回顾人工智能辅助儿童哮喘肺音分析的文献，并提供其优势、劣势、机会和威胁的平衡评估 | 儿童哮喘患者的肺音分析 | 机器学习 | 哮喘 | 人工智能 | NA | 音频 | 学术文献搜索中纳入7项研究，灰色文献搜索中纳入11项研究 | NA | NA | NA | NA |
| 406 | 2024-09-11 |
Anatomically constrained tractography of the fetal brain
2024-Aug-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2024.120723
PMID:39029605
|
研究论文 | 本文提出了一种基于深度学习的解剖学约束胎儿脑部纤维束追踪方法 | 通过在dMRI空间中直接进行胎儿脑组织准确分割，显著提高了纤维束追踪的准确性，并能重建高度弯曲的纤维束如视辐射 | NA | 改进胎儿脑部扩散加权磁共振成像中的纤维束追踪技术 | 胎儿脑部白质纤维束 | 计算机视觉 | NA | 扩散加权磁共振成像（dMRI） | 深度学习方法 | 图像 | 独立测试数据 | NA | NA | NA | NA |
| 407 | 2024-09-11 |
MRGM: An enhanced catalog of mouse gut microbial genomes substantially broadening taxonomic and functional landscapes
2024-Aug-12, bioRxiv : the preprint server for biology
DOI:10.1101/2024.08.12.607507
PMID:39211244
|
研究论文 | 本文介绍了MRGM，一个包含42,245个非冗余小鼠肠道细菌基因组的全面目录，显著扩展了小鼠肠道微生物的分类和功能范围 | MRGM通过改进的基因组质量评估技术，捕获了先前未被充分代表的分类群，并将小鼠肠道微生物蛋白的基因本体注释率从3.2%提高到60% | NA | 增强小鼠肠道微生物组研究的转化价值，提供详细和高品质的小鼠肠道微生物基因组目录 | 小鼠肠道微生物基因组 | NA | NA | 深度学习 | NA | 基因组 | 42,245个非冗余小鼠肠道细菌基因组，涵盖1,524个物种 | NA | NA | NA | NA |
| 408 | 2024-09-11 |
CT Reconstruction using Nonlinear Diffusion Posterior Sampling with Detector Blur Modeling
2024-Aug, Conference proceedings. International Conference on Image Formation in X-Ray Computed Tomography
PMID:39247222
|
研究论文 | 本文提出了一种结合深度学习和探测器模糊物理建模的CT重建方法，以提高空间分辨率 | 利用扩散模型作为深度图像先验，结合似然性前向模型进行测量，提出了一种非线性扩散后验采样方法 | 仅在模拟数据上进行了验证，尚未在实际临床数据上进行测试 | 提高CT重建中的空间分辨率 | CT图像重建 | 计算机视觉 | NA | 深度学习 | 扩散模型 | 图像 | 模拟数据 | NA | NA | NA | NA |
| 409 | 2024-09-10 |
Performance analysis of deep learning-based electric load forecasting model with particle swarm optimization
2024-Aug-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e35273
PMID:39247372
|
研究论文 | 本文提出了一种基于深度学习和粒子群优化的电力负荷预测模型PSO-BiTC | 该模型结合了时间卷积网络（TCN）和双向长短期记忆网络（BiLSTM），并使用粒子群优化算法（PSO）优化模型参数，提高了预测性能和泛化能力 | NA | 提高电力负荷预测的准确性和效率 | 电力负荷预测模型 | 机器学习 | NA | 粒子群优化算法（PSO） | 时间卷积网络（TCN）和双向长短期记忆网络（BiLSTM） | 时间序列数据 | 四个广泛的数据集 | NA | NA | NA | NA |
| 410 | 2024-09-10 |
Systematic review and meta-analysis of deep learning applications in computed tomography lung cancer segmentation
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110344
PMID:38806113
|
综述 | 本文对深度学习在计算机断层扫描（CT）肺癌分割中的应用进行了系统综述和荟萃分析 | 本文通过荟萃分析评估了深度学习算法在不同临床设置和肿瘤阶段中的有效性，并指出了影响算法性能的关键因素 | 研究中78%的评估存在数据间隔遗漏的风险，8%的研究因结节大小排除而存在泛化性问题 | 评估深度学习算法在肺癌分割中的有效性，并探讨影响其性能的因素 | 深度学习算法在不同临床设置和肿瘤阶段的肺癌分割效果 | 计算机视觉 | 肺癌 | 深度学习 | NA | 图像 | 37项研究 | NA | NA | NA | NA |
| 411 | 2024-09-10 |
Generalizability of deep learning in organ-at-risk segmentation: A transfer learning study in cervical brachytherapy
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110332
PMID:38763356
|
研究论文 | 本文研究了在宫颈近距离放射治疗中，通过迁移学习提高深度学习模型对危及器官自动分割的泛化能力 | 本文首次展示了迁移学习在提高深度学习模型泛化能力方面的有效性，特别是在不同机构和扫描设备之间的应用 | 研究仅限于宫颈近距离放射治疗中的危及器官分割，未涵盖其他治疗场景或器官 | 研究迁移学习在提高深度学习模型泛化能力方面的效果，特别是在临床环境中 | 宫颈近距离放射治疗中的危及器官 | 计算机视觉 | NA | 迁移学习 | 深度学习模型 | 医学影像 | 120次扫描，包括环和双管施用器，使用3T磁共振扫描仪 | NA | NA | NA | NA |
| 412 | 2024-09-10 |
Development and benchmarking of a Deep Learning-based MRI-guided gross tumor segmentation algorithm for Radiomics analyses in extremity soft tissue sarcomas
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110338
PMID:38782301
|
研究论文 | 本文开发并测试了一种基于深度学习的MRI引导的软组织肉瘤大肿瘤分割算法，用于放射组学分析 | 开发了一种基于深度学习的自动分割算法，用于预测软组织肉瘤的主要大肿瘤作为放射组学分析的感兴趣体积 | 算法在直接临床应用方面仍存在变异性，特别是在放射治疗计划中的应用 | 开发和验证一种自动分割算法，用于放射组学分析和放射治疗计划中的感兴趣体积分割 | 软组织肉瘤的MRI图像 | 计算机视觉 | 软组织肉瘤 | 深度学习 | 深度学习算法 | MRI图像 | 训练集包含157名患者，测试集包含87名患者 | NA | NA | NA | NA |
| 413 | 2024-09-10 |
Interpretable deep learning insights: Unveiling the role of 1 Gy volume on lymphopenia after radiotherapy in breast cancer
2024-08, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110333
PMID:38772478
|
研究论文 | 本研究旨在开发和验证预测乳腺癌患者放疗后淋巴细胞减少的深度神经网络模型 | 首次揭示了1 Gy剂量体积在放疗后淋巴细胞减少中的重要作用 | 需要进一步研究以优化放疗计划 | 开发和验证预测乳腺癌患者放疗后淋巴细胞减少的模型 | 乳腺癌患者放疗后的淋巴细胞减少 | 机器学习 | 乳腺癌 | 深度神经网络 | DNN | 剂量-体积直方图数据和临床因素 | 918名连续的乳腺癌患者，其中589名用于训练，203名用于测试，126名用于外部验证 | NA | NA | NA | NA |
| 414 | 2024-09-08 |
Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review
2024-Aug-21, JMIR mental health
IF:4.8Q1
DOI:10.2196/53714
PMID:39167782
|
综述 | 本文综述了用于检测、预测和监测压力及其相关精神障碍的机器学习和深度学习技术 | 本文综述了最新的机器学习算法、预处理技术和数据类型在压力和压力相关精神障碍中的应用 | 本文指出了当前研究中的重要空白，并提出了未来的研究方向 | 调查机器学习方法在检测、预测和分析压力及其相关精神障碍中的应用范围 | 压力及其相关精神障碍 | 机器学习 | 精神障碍 | 机器学习算法 | 支持向量机、神经网络、随机森林 | 生理参数数据 | 98篇同行评审出版物 | NA | NA | NA | NA |
| 415 | 2024-09-08 |
Concepts and applications of digital twins in healthcare and medicine
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101028
PMID:39233690
|
综述 | 本文讨论了数字孪生（DT）在医疗和医学中的概念、实现要求及其当前和潜在的应用 | 本文提出了医疗数字孪生系统的五个标志性特征，以推动该领域的研究 | 技术障碍、生物异质性和伦理考虑是实现医疗数字孪生的主要挑战 | 探讨数字孪生在医疗和医学中的应用及其潜在影响 | 数字孪生技术及其在医疗领域的应用 | NA | NA | 多模态深度学习方法、具身AI代理和元宇宙 | NA | NA | NA | NA | NA | NA | NA |
| 416 | 2024-09-08 |
How deep can we decipher protein evolution with deep learning models
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101043
PMID:39233697
|
研究论文 | 本文探讨了基于进化理论的深度学习模型在蛋白质进化研究中的应用 | 本文展示了基于进化的深度生成模型，特别是变分自编码器，能够在层次化的潜在空间中组织SH3同源物，并有效区分特定的Sho1域 | NA | 探索深度学习模型在蛋白质进化研究中的潜力 | 蛋白质进化中的SH3同源物和Sho1域 | 机器学习 | NA | 深度学习 | 变分自编码器 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 417 | 2024-09-08 |
Artificial Intelligence and Deep Learning in Revolutionizing Brain Tumor Diagnosis and Treatment: A Narrative Review
2024-Aug, Cureus
DOI:10.7759/cureus.66157
PMID:39233936
|
综述 | 本文综述了人工智能和深度学习在脑肿瘤诊断和治疗中的应用 | 深度学习模型如脑肿瘤分类模型和Inception-Resnet V2，以及结合支持向量机和k近邻的混合技术，能够实时决策并增强术前规划 | 将人工智能整合到临床实践中仍面临挑战，需要进一步研究以实现深度学习在改善这些结果中的潜力 | 探讨人工智能和深度学习在脑肿瘤诊断和治疗中的应用及其潜力 | 脑肿瘤的诊断和治疗 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 418 | 2024-09-08 |
Screening antimicrobial peptides and probiotics using multiple deep learning and directed evolution strategies
2024-Aug, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2024.05.003
PMID:39234615
|
研究论文 | 本文开发并改进了抗菌肽预测模型，结合多种深度学习和定向进化策略，提高了预测准确性和应用价值 | 使用COMDEL算法改进了抗菌肽预测模型，结合高通量筛选和定向进化方法，显著提高了抗菌肽的产量和筛选效率 | NA | 提高抗菌肽预测模型的准确性和应用价值 | 抗菌肽和益生菌 | 机器学习 | NA | 深度学习 | COMDEL | 多组学数据 | 35种可食用益生菌 | NA | NA | NA | NA |
| 419 | 2024-09-07 |
Automated echocardiographic diastolic function grading: A hybrid multi-task deep learning and machine learning approach
2024-Aug-30, International journal of cardiology
IF:3.2Q2
DOI:10.1016/j.ijcard.2024.132504
PMID:39218252
|
研究论文 | 本文提出了一种结合深度学习和机器学习的混合多任务模型，用于自动评估心脏超声图像中的左心室舒张功能 | 本文的创新点在于开发了一种轻量级的混合算法，结合了深度学习和机器学习技术，能够自动评估心脏超声图像中的左心室舒张功能 | 本文的局限性在于仅在内部和外部数据集上进行了验证，尚未在更大范围的临床环境中进行广泛测试 | 研究目的是开发一种全自动的方法，用于根据ASE指南评估心脏超声图像中的左心室舒张功能 | 研究对象是心脏超声图像中的左心室舒张功能评估 | 机器学习 | 心血管疾病 | 深度学习 | 混合多任务模型 | 图像 | 862和239个心脏超声图像，以及三个外部数据集（包括EchoNet-Dynamic和CAMUS） | NA | NA | NA | NA |
| 420 | 2024-09-07 |
Approaches for the Use of AI in Workplace Health Promotion and Prevention: Systematic Scoping Review
2024-Aug-20, JMIR AI
DOI:10.2196/53506
PMID:38989904
|
综述 | 本文通过系统范围综述评估了人工智能在工作场所健康促进和预防中的当前应用 | 本文首次系统地研究了人工智能在工作场所健康促进和预防中的应用，并指出了未来研究方向 | 当前研究未涵盖工作场所健康促进和预防的全部范围，缺乏纵向数据和报告指南 | 全面评估人工智能在工作场所健康促进和预防中的应用，并指出未来研究方向 | 研究了人工智能算法和技术在工作场所健康促进和预防中的应用 | 机器学习 | NA | 机器学习、深度学习 | 机器学习模型、深度学习模型 | 智能手机应用数据 | 共包含10项研究 | NA | NA | NA | NA |