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 1075 篇文献，本页显示第 921 - 940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 921 | 2024-08-09 |
Automatic Learning Rate Adaption for Memristive Deep Learning Systems
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3244006
PMID:37027694
|
研究论文 | 本文提出了一种用于忆阻深度学习系统的自动学习率调整方法 | 首次在忆阻深度学习系统中使用自适应学习率进行图像识别，并采用了量化神经网络架构，提高了训练效率且未损失测试精度 | NA | 旨在通过忆阻器提升混合互补金属氧化物半导体（CMOS）技术在硬件中的性能 | 忆阻深度学习系统中的学习率调整 | 机器学习 | NA | 忆阻器 | 深度神经网络（DNNs） | 图像 | NA | NA | NA | NA | NA |
| 922 | 2024-08-09 |
A Survey on Offline Reinforcement Learning: Taxonomy, Review, and Open Problems
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3250269
PMID:37030754
|
综述 | 本文对离线强化学习进行了分类，回顾了最新的算法突破，并指出了现有基准的特性和不足，同时提出了未来的研究方向 | 提出了一个统一的分类法来分类离线强化学习方法，并总结了每种方法和方法类在不同数据集属性上的性能 | NA | 旨在为离线强化学习领域提供一个全面的回顾和未来的研究方向 | 离线强化学习算法及其在不同数据集上的性能 | 机器学习 | NA | 强化学习 | NA | 数据集 | NA | NA | NA | NA | NA |
| 923 | 2024-08-09 |
Class-Incremental Learning Method With Fast Update and High Retainability Based on Broad Learning System
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3259016
PMID:37030863
|
研究论文 | 本文提出了一种基于广义学习系统的类增量学习方法（BLS-CIL），该方法能够快速更新并高度保留旧类知识 | 引入了一种新的类相关损失函数，考虑了新旧类之间的相关性，并开发了一种新的递归更新规则（RULL），无需重放所有旧类的示例 | NA | 旨在开发一种能够快速更新且高度保留旧类知识的类增量学习方法 | 类增量学习方法在实际应用中的性能 | 机器学习 | NA | 广义学习系统 | 浅层神经网络 | 图像、表格/数值数据 | 12个真实世界数据集，包括7个表格/数值数据集和6个图像数据集 | NA | NA | NA | NA |
| 924 | 2024-08-09 |
Automated segmentation of liver and hepatic vessels on portal venous phase computed tomography images using a deep learning algorithm
2024-Aug, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14397
PMID:38773719
|
研究论文 | 本研究提出了一种基于深度学习算法的自动分割门静脉期CT图像中肝脏和肝血管的方法 | 该深度学习算法在分割肝脏和肝血管方面表现优异，显著减少了手动处理时间，提高了分割的准确性 | 本研究为回顾性研究，使用的是私有数据集，可能存在数据偏倚 | 旨在开发一种自动化的深度学习分割算法，用于门静脉期CT图像中肝脏和肝血管的分割 | 肝脏和肝血管的自动分割 | 计算机视觉 | NA | 深度学习 | 深度学习算法 | CT图像 | 训练集413张，验证集52张，测试集50张，独立临床数据集44例 | NA | NA | NA | NA |
| 925 | 2024-08-09 |
Error detection for radiotherapy planning validation based on deep learning networks
2024-Aug, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14372
PMID:38709158
|
研究论文 | 本文利用深度学习算法对3D剂量分布图进行提取，并创建了一个预测模型，用于分类多种机器模型、治疗方法和肿瘤位置的错误 | 本文提出的CNN模型在预测放射治疗计划验证中的错误分类方面，相较于传统的GPR方法，表现出更优越的预测能力 | NA | 利用深度学习算法提高放射治疗计划验证的效率和准确性 | 3D剂量分布图和放射治疗计划验证中的错误分类 | 机器学习 | NA | 深度学习 | CNN | 3D剂量分布数据 | 94名肿瘤患者 | NA | NA | NA | NA |
| 926 | 2024-08-09 |
Understanding Short-Range Memory Effects in Deep Neural Networks
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3242969
PMID:37027555
|
研究论文 | 本研究探讨了深度神经网络中随机梯度下降（SGD）的短程记忆效应 | 提出SGD可以被视为由分形布朗运动（FBM）驱动的随机微分方程（SDE）的离散化，这一观点与传统的布朗或Lévy稳定运动驱动模型不同 | NA | 深入理解SGD的有效性和其在训练过程中的行为 | 随机梯度下降（SGD）及其在深度学习中的应用 | 机器学习 | NA | 随机梯度下降（SGD） | 深度神经网络 | NA | NA | NA | NA | NA | NA |
| 927 | 2024-08-09 |
A Hybrid Neuromorphic Object Tracking and Classification Framework for Real-Time Systems
2024-Aug, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3243679
PMID:37027553
|
研究论文 | 本文提出了一种实时混合神经形态框架，用于使用基于事件的相机进行对象跟踪和分类 | 采用混合帧和事件的方法，结合帧基于前景事件密度的区域提议方法，实现硬件友好的对象跟踪方案，并在TrueNorth平台上通过能量高效深度网络进行分类 | NA | 解决深度学习推理在低功耗嵌入式平台上计算和内存密集的问题 | 对象跟踪和分类 | 计算机视觉 | NA | 基于事件的相机 | TrueNorth (TN) | 图像 | 使用原始收集的数据集进行训练和测试 | NA | NA | NA | NA |
| 928 | 2024-08-09 |
Protein multi-level structure feature-integrated deep learning method for mutational effect prediction
2024-Aug, Biotechnology journal
IF:3.2Q2
DOI:10.1002/biot.202400203
PMID:39115336
|
研究论文 | 本文介绍了一种基于蛋白质多级结构特征的深度学习方法MLSmut，用于预测突变效应 | MLSmut方法整合了蛋白质的共进化、序列语义和几何特征，通过两阶段训练策略提高了预测性能 | NA | 旨在解决定向进化中识别最佳突变位点的挑战 | 蛋白质的突变效应 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质数据 | 10个单点突变和2个多点突变扫描数据集，以及40-100个实验测量数据 | NA | NA | NA | NA |
| 929 | 2024-08-08 |
Two-Dimensional Laplace NMR Reconstruction through Deep Learning Enhancement
2024-Aug-07, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.4c05211
PMID:39046081
|
研究论文 | 本文提出了一种结合物理知识和数据驱动深度学习的二维拉普拉斯核磁共振（NMR）重建方法 | 该方法通过构建正向过程模型来模拟多维衰减信号之间的关系，并利用非迭代神经网络算法从合成数据中自动获取先验信息，避免了繁琐的参数调整 | NA | 改进二维拉普拉斯NMR的处理和重建 | 二维拉普拉斯NMR信号 | 机器学习 | NA | 深度学习 | 神经网络 | NMR信号 | NA | NA | NA | NA | NA |
| 930 | 2024-08-08 |
Application of artificial intelligence in cancer diagnosis and tumor nanomedicine
2024-Aug-07, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr01832j
PMID:39021117
|
综述 | 本文综述了人工智能在医学和纳米医学领域的应用，特别是其在癌症诊断中的重要性和挑战 | 探讨了人工智能在癌症诊断中利用结构化、非结构化和多模态融合数据的关键作用，并介绍了其在纳米医学传感器和纳米肿瘤药物中的应用 | 文章讨论了人工智能在癌症诊断中面临的挑战，并提出了未来的发展方向 | 旨在探讨人工智能在癌症诊断中的应用及其对提高癌症检测和患者预后的潜在影响 | 人工智能在癌症诊断和肿瘤纳米医学中的应用 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 多模态数据 | NA | NA | NA | NA | NA |
| 931 | 2024-08-08 |
GalaxyDock-DL: Protein-Ligand Docking by Global Optimization and Neural Network Energy
2024-Aug-07, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00385
PMID:39109987
|
研究论文 | 本文介绍了一种基于全局优化和神经网络能量的蛋白质-配体对接方法GalaxyDock-DL，该方法通过深度学习训练能量函数来封装物理效应，从而显著提高对接性能 | GalaxyDock-DL方法在训练数据上的过拟合程度较低，且不依赖已知的结合口袋中心位置信息，而是系统地依赖于目标蛋白质-配体复合物的物理性质 | NA | 提高蛋白质-配体复合体结构预测的性能，并指导生物功能配体的有效设计 | 蛋白质-配体复合体的结构预测和结合亲和力的预测 | 生物信息学 | NA | 深度学习 | 神经网络 | 结构数据 | NA | NA | NA | NA | NA |
| 932 | 2024-08-08 |
Deep learning-based dose prediction for magnetic resonance-guided prostate radiotherapy
2024-Aug-06, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17312
PMID:39106418
|
研究论文 | 本文开发了一种基于深度学习的剂量预测管道，用于前列腺MR-Linac治疗 | 利用深度学习技术快速预测剂量分布和剂量学评估标准，以辅助选择适应方法并减少治疗时间 | 仅在特定条件下进行了验证，可能需要进一步的临床验证 | 开发一种基于深度学习的剂量预测方法，以优化前列腺MR-Linac治疗的适应性放射治疗 | 前列腺癌患者接受MR-Linac治疗的剂量分布 | 机器学习 | 前列腺癌 | 深度学习 | CNN | 图像 | 35名前列腺癌患者的212张MR图像 | NA | NA | NA | NA |
| 933 | 2024-08-08 |
Automated Detection of Maxillary Sinus Opacifications Compatible with Sinusitis from CT Images
2024-Aug-06, Dento maxillo facial radiology
DOI:10.1093/dmfr/twae042
PMID:39107903
|
研究论文 | 本研究开发了一种基于深度学习的自动检测模型，用于从CT图像中诊断上颌窦炎 | 采用基于You Only Look Once（YOLO）的模型进行物体检测，并通过迁移学习方法和数据增强技术提高了模型的鲁棒性 | 在挑战性测试数据集上，模型的精确度有所下降 | 提高上颌窦炎诊断的准确性，区分上颌窦炎、潴留囊肿和正常窦 | 上颌窦炎、潴留囊肿和正常窦的CT图像 | 计算机视觉 | 鼻窦炎 | 深度学习 | YOLOv8n | 图像 | 1080张冠状位CT图像，包括2158个上颌窦，其中1138个正常窦，366个囊肿，654个窦炎 | NA | NA | NA | NA |
| 934 | 2024-08-08 |
scTab: Scaling cross-tissue single-cell annotation models
2024-Aug-04, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-51059-5
PMID:39098889
|
研究论文 | 本文提出了一种名为scTab的自动化细胞类型预测模型，专门针对表格数据，并通过新颖的数据增强方案在大规模单细胞RNA-seq数据集上进行训练 | scTab模型能够处理大规模数据集，并通过数据增强方案提高模型在跨组织注释中的泛化能力 | NA | 开发能够在大规模单细胞RNA-seq数据集上进行跨组织细胞类型预测的自动化模型 | 单细胞RNA-seq数据的细胞类型预测 | 机器学习 | NA | 单细胞RNA-seq | 神经网络 | 表格数据 | 2220万细胞 | NA | NA | NA | NA |
| 935 | 2024-08-08 |
PLEKv2: predicting lncRNAs and mRNAs based on intrinsic sequence features and the coding-net model
2024-Aug-02, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-024-10662-y
PMID:39095710
|
研究论文 | 本文介绍了PLEKv2工具，该工具基于内在序列特征和编码网络模型，用于预测长非编码RNA（lncRNA）和信使RNA（mRNA） | PLEKv2相较于传统工具和基于深度学习的模型，在人类数据集上的预测准确率提高了8.1%至48.9%，并且在跨物种预测中表现出超过90%的准确率 | NA | 开发一种快速准确的工具来区分lncRNA和mRNA转录本 | lncRNA和mRNA | 生物信息学 | NA | NA | CNN | 序列数据 | NA | NA | NA | NA | NA |
| 936 | 2024-08-08 |
ADHD/CD-NET: automated EEG-based characterization of ADHD and CD using explainable deep neural network technique
2024-Aug, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-023-10028-2
PMID:39104684
|
研究论文 | 本研究提出了一种基于脑电图（EEG）的深度学习系统ADHD/CD-NET，用于客观区分注意力缺陷多动障碍（ADHD）、ADHD合并行为障碍（CD）和单纯行为障碍（CD） | 本研究首次提出了一种基于EEG的深度学习系统ADHD/CD-NET，能够客观区分ADHD、ADHD合并CD和单纯CD，并通过Grad-CAM技术解释了CNN模型的预测结果 | NA | 研究目的是开发一种能够客观区分ADHD和CD的深度学习系统，以减少误诊风险 | 研究对象包括ADHD、ADHD合并CD和单纯CD患者 | 机器学习 | 儿童神经发育障碍 | 脑电图（EEG） | 卷积神经网络（CNN） | 脑电信号 | 内部数据集包括45名ADHD患者、62名ADHD合并CD患者和16名CD患者；外部公共数据集包括61名ADHD患者和60名健康对照 | NA | NA | NA | NA |
| 937 | 2024-08-07 |
Unveil sleep spindles with concentration of frequency and time (ConceFT)
2024-Aug-06, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad66aa
PMID:39042095
|
研究论文 | 本文介绍了一种名为'频率和时间集中'（ConceFT）的新型非线性时频分析工具，用于在脑电图（EEG）数据中自动注释睡眠纺锤波并测量其瞬时频率 | ConceFT工具能有效减少随机脑电图影响，增强时频表示中的纺锤波可见性，并提供了一种准确的、可解释的基于EEG的睡眠纺锤波检测算法 | NA | 开发和验证一种新的自动睡眠纺锤波检测算法 | 睡眠纺锤波及其瞬时频率 | NA | NA | Concentration of Frequency and Time (ConceFT) | NA | 脑电图（EEG）数据 | 使用了Dream和Montreal Archive of Sleep Studies (MASS)基准数据库 | NA | NA | NA | NA |
| 938 | 2024-08-07 |
Linked color imaging with artificial intelligence improves the detection of early gastric cancer
2024-Aug-05, Digestive diseases (Basel, Switzerland)
DOI:10.1159/000540728
PMID:39102801
|
研究论文 | 本研究开发了一种基于深度学习框架的计算机辅助检测系统（CADe），用于在白光成像（WLI）和链接彩色成像（LCI）模式下检测胃癌（GC），并比较了CADe与内镜医师的性能 | CADe系统在LCI模式下检测胃癌的敏感性显著优于WLI模式，并且使用LCI的CADe敏感性显著高于使用LCI的专家内镜医师 | NA | 开发和评估一种计算机辅助检测系统（CADe），以提高早期胃癌的检测能力 | 胃癌（GC）的检测 | 计算机视觉 | 胃癌 | 深度学习 | NA | 图像 | 9021张图像来自385名患者，116个LCI和WLI视频来自110名患者 | NA | NA | NA | NA |
| 939 | 2024-08-07 |
The METRIC-framework for assessing data quality for trustworthy AI in medicine: a systematic review
2024-Aug-03, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-024-01196-4
PMID:39097662
|
综述 | 本文通过系统回顾评估了医学领域中可信AI的数据质量框架，提出了METRIC框架。 | 提出了METRIC框架，这是一个专门针对医学训练数据的数据质量框架，包含15个意识维度，有助于减少偏见、增加鲁棒性、提高可解释性。 | NA | 探讨数据质量在医学深度学习应用中的重要性，并提出一个专门的数据质量框架。 | 医学领域的深度学习应用的数据质量。 | 机器学习 | NA | 深度学习 | NA | 数据集 | 从5408项研究中筛选出120项符合条件的记录。 | NA | NA | NA | NA |
| 940 | 2024-08-07 |
Automatic renal carcinoma biopsy guidance using forward-viewing endoscopic optical coherence tomography and deep learning
2024-Aug-02, Communications engineering
DOI:10.1038/s44172-024-00254-9
PMID:39095532
|
research paper | 本文介绍了一种使用前视光学相干断层扫描（OCT）探头和深度学习技术进行自动肾癌活检引导的方法 | 开发了卷积神经网络用于组织识别，与传统的衰减系数方法相比，提供了更准确的癌预测 | NA | 旨在提高穿刺肾活检过程中的采样准确性 | 肾癌和正常肾组织的区分 | digital pathology | 肾癌 | 光学相干断层扫描（OCT） | 卷积神经网络（CNN） | 图像 | 10个人类肾脏样本，其中9个为恶性肾癌，1个为良性嗜酸性瘤 | NA | NA | NA | NA |