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 1164 篇文献，本页显示第 641 - 660 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 641 | 2024-09-28 |
A 25-Year Retrospective of the Use of AI for Diagnosing Acute Stroke: Systematic Review
2024-Sep-10, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/59711
PMID:39255472
|
综述 | 本文回顾了过去25年人工智能在急性中风诊断中的应用 | 总结了人工智能辅助中风诊断在过去25年的方法，提供了性能指标和算法发展趋势的概述 | NA | 总结人工智能辅助中风诊断的方法，提供临床实践的全面参考 | 人工智能技术在中风预防和诊断中的应用 | 机器学习 | 中风 | 深度学习 | NA | NA | 50篇代表性文章 | NA | NA | NA | NA |
| 642 | 2024-09-28 |
Deep Learning-Based Barley Disease Quantification for Sustainable Crop Production
2024-Sep, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-02-24-0056-KC
PMID:38831567
|
研究论文 | 本文开发了一种基于深度学习的模型，用于量化大麦网斑病症状，以提高可持续作物生产 | 结合Cascade R-CNN和U-Net架构，提高了对感染4天后图像中微小和不规则形状病斑的检测能力 | NA | 开发一种能够量化大麦网斑病症状的深度学习模型，以减少作物损失 | 大麦网斑病症状的量化 | 计算机视觉 | NA | 深度学习 | Cascade R-CNN, U-Net | 图像 | 使用带有大麦叶图像和网斑病注释的数据集进行训练和评估 | NA | NA | NA | NA |
| 643 | 2024-09-28 |
Research on a Method for Identification of Peanut Pests and Diseases Based on a Lightweight LSCDNet Model
2024-Sep, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-01-24-0013-R
PMID:38810273
|
研究论文 | 本文提出了一种基于轻量级LSCDNet模型的花生病虫害识别方法 | 引入LSCDNet模型，通过保留过渡层减少特征图维度，结合沙漏块增强特征提取能力，并使用坐标注意力机制解决特征提取过程中的位置信息丢失问题 | NA | 提高花生病虫害识别的准确性和效率 | 花生病虫害 | 计算机视觉 | NA | NA | LSCDNet | 图像 | NA | NA | NA | NA | NA |
| 644 | 2024-09-28 |
Classification of AO/OTA 31A/B femur fractures in X-ray images using YOLOv8 and advanced data augmentation techniques
2024-Sep, Bone reports
IF:2.1Q3
DOI:10.1016/j.bonr.2024.101801
PMID:39324016
|
研究论文 | 本研究使用YOLOv8和高级数据增强技术对X光图像中的AO/OTA 31A/B股骨骨折进行分类 | 本研究改进了最新的基于深度学习的AO/OTA系统股骨骨折分类结果，并引入了高级数据增强技术 | 需要收集足够的数据来训练算法，并且解释结果具有挑战性 | 支持医生在患者护理中做出正确和及时的决策 | AO/OTA 31A/B股骨骨折的分类 | 计算机视觉 | NA | YOLOv8 | YOLOv8 | 图像 | 通过数据增强技术增加了数据集样本 | NA | NA | NA | NA |
| 645 | 2024-09-27 |
Improving remote sensing scene classification using dung Beetle optimization with enhanced deep learning approach
2024-Sep-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e37154
PMID:39318799
|
研究论文 | 本文提出了一种利用蜣螂优化和增强深度学习方法改进遥感场景分类的技术 | 本文创新性地结合了蜣螂优化算法和增强的MobileNet模型，并通过多头部注意力机制的长短期记忆网络进行场景分类 | NA | 提高遥感图像场景分类的准确性 | 遥感图像中的不同场景 | 计算机视觉 | NA | 蜣螂优化算法 | MobileNet模型、多头部注意力机制的长短期记忆网络 | 图像 | 使用UC Merced和EuroSAT数据集进行评估 | NA | NA | NA | NA |
| 646 | 2024-09-27 |
Hierarchical structures and magnetism of Co clusters: a perspective from integration of deep learning and a hybrid differential evolution algorithm
2024-Sep-26, Nanoscale
IF:5.8Q1
DOI:10.1039/d4nr02431a
PMID:39225229
|
研究论文 | 本文通过结合深度学习和混合差分进化算法，研究了Co团簇的分层结构和磁性 | 利用深度神经网络构建了近似DFT精度的深度势能模型，显著降低了计算消耗，并结合高效混合差分进化算法搜索Co团簇的最低能量结构 | NA | 确定Co团簇的最低能量结构及其分层结构和磁性 | Co团簇（原子数为11-50） | 机器学习 | NA | 密度泛函理论计算 | 深度神经网络 | 数据集 | Co团簇（原子数为11-50） | NA | NA | NA | NA |
| 647 | 2024-09-27 |
Investigating deep learning strategies for fast denoising of 5D cardiac photon-counting micro-CT images
2024-Sep-25, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ad7fc6
PMID:39321848
|
研究论文 | 研究使用深度学习方法对5D心脏光子计数微CT图像进行快速去噪 | 提出了UnetU Energy方法，显著提高了5D心脏光子计数微CT图像去噪的速度和准确性 | ME NLM在某些情况下表现优于深度学习方法，但仍落后于迭代重建 | 探索适用于5D心脏光子计数微CT图像去噪的深度学习策略 | 5D心脏光子计数微CT图像的去噪效果和速度 | 计算机视觉 | 心血管疾病 | 深度学习 | U-net, 3D U-net, FastDVDNet, Swin Transformer UNet | 图像 | 使用真实小鼠数据和数字MOBY phantom进行评估 | NA | NA | NA | NA |
| 648 | 2024-09-27 |
Detection of sleep arousal from STFT-based instantaneous features of single channel EEG signal
2024-Sep-25, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/ad7fcb
PMID:39322029
|
研究论文 | 本文提出了一种基于短时傅里叶变换（STFT）的单通道脑电信号瞬时特征的睡眠觉醒检测模型 | 通过使用可解释的特征来提高睡眠觉醒检测模型的分类性能，避免了深度学习方法的不可解释性问题 | NA | 开发一种有效的睡眠觉醒检测模型，以辅助自动睡眠呼吸暂停检测系统 | 单通道脑电信号中的睡眠觉醒现象 | 机器学习 | 睡眠相关疾病 | 短时傅里叶变换（STFT） | 三层神经网络 | 脑电信号 | NA | NA | NA | NA | NA |
| 649 | 2024-09-27 |
Noise suppression in photon-counting computed tomography using unsupervised Poisson flow generative models
2024-Sep-23, Visual computing for industry, biomedicine, and art
DOI:10.1186/s42492-024-00175-6
PMID:39311990
|
研究论文 | 本文提出了一种基于无监督泊松流生成模型的光子计数计算机断层扫描（CT）图像去噪技术 | 本文将无监督逆问题求解方法扩展到泊松流生成模型（PFGM++），并通过劫持和正则化采样过程，实现了单步采样器（NFE=1） | NA | 开发一种无需配对数据的无监督图像去噪技术，以提高光子计数CT图像的质量 | 光子计数CT图像 | 计算机视觉 | NA | 深度学习 | 扩散模型 | 图像 | 临床低剂量CT数据和GE HealthCare开发的实验性光子计数CT系统中的临床图像 | NA | NA | NA | NA |
| 650 | 2024-09-27 |
Ultralow dose coronary calcium scoring CT at reduced tube voltage and current by using deep learning image reconstruction
2024-Sep-19, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111742
PMID:39321657
|
研究论文 | 探讨深度学习重建（DLR）在降低管电压和电流的极低剂量钙评分CT（CSCT）中的潜力 | 使用深度学习重建技术在降低管电压和电流的情况下实现极低剂量的钙评分CT | 研究样本量较小，需要进一步验证在更大规模临床应用中的可行性 | 探索深度学习重建技术在极低剂量钙评分CT中的应用潜力 | 钙评分CT图像的质量和有效剂量 | 计算机视觉 | 心血管疾病 | 深度学习重建（DLR） | 深度学习模型 | 图像 | 156名患者（分为两组：75名常规剂量组和81名极低剂量组） | NA | NA | NA | NA |
| 651 | 2024-09-27 |
Localized Plasmonic Structured Illumination Microscopy Using Hybrid Inverse Design
2024-Sep-18, Nano letters
IF:9.6Q1
DOI:10.1021/acs.nanolett.4c03069
PMID:39234957
|
研究论文 | 本文提出了一种结合深度学习和遗传算法的混合逆向设计框架，用于优化局部等离子体结构化照明显微镜（LPSIM）阵列 | 该框架通过迭代和进化优化设计，显著提高了LPSIM基底的复原精度、抗噪能力和对较少测量次数的容忍度 | NA | 优化局部等离子体结构化照明显微镜（LPSIM）阵列的设计过程，以实现更高的超分辨率成像性能 | 局部等离子体结构化照明显微镜（LPSIM）阵列 | 计算机视觉 | NA | 局部等离子体结构化照明显微镜（LPSIM） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 652 | 2024-09-27 |
Application of deep ensemble learning for palm disease detection in smart agriculture
2024-Sep-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e37141
PMID:39319161
|
研究论文 | 本文研究了在智能农业中应用深度学习模型进行棕榈病害检测和分类 | 采用两阶段优化方法，结合迁移学习和深度集成学习技术，显著提高了模型的泛化能力和检测准确性 | 未提及具体局限性 | 改进现有研究中的局限性，提高棕榈病害检测的鲁棒性和泛化能力 | 棕榈树病害 | 计算机视觉 | NA | 深度学习 | 深度集成学习 | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 653 | 2024-09-27 |
[Prediction of PM10 Concentration in Dry Bulk Ports Using a Combined Deep Learning Model Considering Feature Meteorological Factors]
2024-Sep-08, Huan jing ke xue= Huanjing kexue
DOI:10.13227/j.hjkx.202310217
PMID:39323136
|
研究论文 | 提出了一种结合深度学习模型CLAF，用于预测干散货港口的PM10浓度，考虑了气象因素的影响 | 提出了一个新的结合深度学习模型CLAF，融合了级联卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（AM），以提高PM10浓度的预测准确性 | NA | 提高干散货港口PM10浓度的预测准确性，以有效管理PM暴露并减轻对人类健康和经济的风险 | 干散货港口的PM10浓度及其受气象因素影响的时间序列非线性变化特征 | 机器学习 | NA | 深度学习 | CLAF（结合CNN、LSTM和AM） | 时间序列数据 | NA | NA | NA | NA | NA |
| 654 | 2024-09-27 |
A Meta-Learning Approach for Classifying Multimodal Retinal Images of Retinal Vein Occlusion With Limited Data
2024-Sep-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.13.9.22
PMID:39297809
|
研究论文 | 提出并验证了一种用于分类多模态视网膜图像中视网膜静脉阻塞的元学习方法 | 使用元学习模型在有限数据下检测视网膜静脉阻塞，并展示了在不同模态图像上的优异诊断能力 | NA | 提出并验证一种元学习方法，用于从多模态图像中检测视网膜静脉阻塞 | 视网膜静脉阻塞的多模态图像 | 计算机视觉 | 视网膜疾病 | 元学习 | ResNet, CLIP | 图像 | 1254张彩色眼底图像，来自39种不同的眼底疾病 | NA | NA | NA | NA |
| 655 | 2024-09-27 |
Exploring the Combination of Computer Vision and Surgical Neuroanatomy: A Workflow Involving Artificial Intelligence for the Identification of Skull Base Foramina
2024-Sep-02, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2024.08.137
PMID:39233310
|
研究论文 | 本文探讨了计算机视觉与外科神经解剖学的结合，开发了一种用于识别颅底孔的人工智能工作流程 | 本文创新性地开发了一种计算机视觉模型，能够自动识别和标注颅底孔，提高了手术规划和教育效果 | NA | 开发一种计算机视觉模型，自动识别和标注颅底孔，以避免手术并发症并促进神经外科学员的教育进步 | 颅底孔的识别和标注 | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | 3560张高分辨率、标注的颅底图像 | NA | NA | NA | NA |
| 656 | 2024-09-27 |
CSV-Filter: a deep learning-based comprehensive structural variant filtering method for both short and long reads
2024-Sep-02, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae539
PMID:39240375
|
研究论文 | 本文介绍了一种基于深度学习的结构变异过滤方法CSV-Filter，适用于短读长和长读长数据 | CSV-Filter采用了一种新颖的多级灰度图像编码方法，并结合图像增强技术和自监督学习网络，提高了结构变异特征的提取能力 | NA | 开发一种能够有效过滤结构变异检测结果中假阳性结果的方法 | 结构变异（SVs）及其在遗传研究和精准医学中的应用 | 机器学习 | NA | 深度学习 | 自监督学习网络 | 图像 | NA | NA | NA | NA | NA |
| 657 | 2024-09-27 |
Comparison and benchmark of deep learning methods for non-coding RNA classification
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012446
PMID:39264986
|
研究论文 | 本文比较和评估了用于非编码RNA分类的深度学习方法，并提供了相关数据集的详细描述 | 本文首次全面比较了当前最先进的非编码RNA分类方法，并进行了客观的基准测试 | 本文未涵盖所有可能的深度学习架构，且实验结果可能受限于所使用的数据集 | 评估和比较不同深度学习方法在非编码RNA分类中的性能 | 非编码RNA的分类方法及其在不同数据集上的表现 | 机器学习 | NA | 深度学习 | 多种深度学习架构 | 非编码RNA序列 | 涉及多个流行数据集 | NA | NA | NA | NA |
| 658 | 2024-09-27 |
Hyperdimensional computing: A fast, robust, and interpretable paradigm for biological data
2024-Sep, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1012426
PMID:39316621
|
研究论文 | 本文探讨了超维度计算（HDC）在生物信息学中的应用潜力 | 提出超维度计算作为一种新的计算范式，具有高效、鲁棒和可解释性 | NA | 探索超维度计算在生物信息学中的应用潜力 | 生物数据处理和分析 | 生物信息学 | NA | 超维度计算（HDC） | NA | 多模态和结构化数据 | NA | NA | NA | NA | NA |
| 659 | 2024-09-27 |
Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images
2024-Sep, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae045
PMID:39318689
|
研究论文 | 本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程 | 本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程 | 胸部X光图像中的主动脉延长 | 计算机视觉 | 心血管疾病 | 深度学习 | DenseNet, EfficientNet | 图像 | 未提供具体样本数量 | NA | NA | NA | NA |
| 660 | 2024-09-27 |
The potential impact of AI innovations on US occupations
2024-Sep, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgae320
PMID:39319327
|
研究论文 | 本文探讨了人工智能创新对美国职业任务的潜在影响，并提出了一种基于深度学习的自然语言处理方法来评估这种影响 | 本文利用深度学习技术替代了以往的手动标注或粗粒度匹配方法，提出了AI Impact指标来量化人工智能对职业任务的潜在影响 | 人工智能对劳动力的影响有限，部分受影响的职业是增强而非替代，且受影响的行业正面临劳动力短缺问题 | 评估人工智能创新对美国职业任务的潜在影响 | 职业任务及其与人工智能专利的关系 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 17,879个任务描述和24,758项人工智能专利 | NA | NA | NA | NA |