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 1161 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-12-18 |
Systematic review of experimental paradigms and deep neural networks for electroencephalography-based cognitive workload detection
2024-10-21, Progress in biomedical engineering (Bristol, England)
DOI:10.1088/2516-1091/ad8530
PMID:39655862
|
综述 | 本文总结了基于深度神经网络从脑电图信号中估计认知工作负荷的系统文献综述 | 本文提出了使用可解释的深度学习方法来揭示脑电图与认知工作负荷之间的关联，并建议使用对时间依赖性敏感的网络和适当的输入形式来提高分类性能 | 本文主要关注于文献综述，缺乏实际的实验验证和数据支持 | 探讨基于深度神经网络的认知工作负荷检测方法 | 脑电图信号和深度神经网络 | 机器学习 | NA | 深度神经网络 | DNN | 脑电图信号 | NA | NA | NA | NA | NA |
| 242 | 2024-12-18 |
Exploring linguistic features and user engagement in Chinese online mental health counseling
2024-Oct-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e38042
PMID:39678785
|
研究论文 | 研究探讨了中文在线心理咨询平台上促进用户参与和互动的语言特征 | 本研究专注于专业心理健康平台，分析了能够促进用户参与和互动的帖子中的语言特征 | 研究仅限于中文在线心理咨询平台，未涵盖其他语言或平台的分析 | 旨在理解在线心理咨询平台上哪些问题披露和社会支持能够吸引更多用户关注和参与 | 中文在线心理咨询平台上的帖子，包括求助者的问题和提供社会支持的回答 | 自然语言处理 | NA | 文本挖掘和深度学习 | NA | 文本 | 22,250个求助者的问题和78,328个提供社会支持的回答 | NA | NA | NA | NA |
| 243 | 2024-12-18 |
Scan-Specific Unsupervised Highly Accelerated Non-Cartesian CEST Imaging Using Implicit Neural Representation and Explicit Sparse Prior
2024-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3407092
PMID:38814759
|
研究论文 | 提出了一种基于隐式神经表示和显式稀疏先验的无监督深度学习算法，用于加速非笛卡尔稳态脉冲CEST成像 | 采用混合特征哈希编码的隐式神经表示和显式稀疏先验，显著提高了成像质量和加速效果 | NA | 加速化学交换饱和转移（CEST）成像的扫描时间，以满足临床应用需求 | 人体大脑的CEST成像数据 | 医学影像 | NA | 化学交换饱和转移（CEST）成像 | 隐式神经表示 | 图像 | 人体大脑数据集 | NA | NA | NA | NA |
| 244 | 2024-12-18 |
Heart Sound Abnormality Detection From Multi-Institutional Collaboration: Introducing a Federated Learning Framework
2024-10, IEEE transactions on bio-medical engineering
DOI:10.1109/TBME.2024.3393557
PMID:38700959
|
研究论文 | 本文提出了一种联邦学习框架，用于从多机构合作中检测心脏声音异常 | 本文引入了联邦学习（FL）优化策略，通过水平FL解决隐私问题，并通过垂直FL提高模型可解释性和解决数据稀缺问题 | NA | 早期诊断心血管疾病 | 心脏声音异常检测 | 机器学习 | 心血管疾病 | 联邦学习（FL） | NA | 声音 | 多中心机构的心脏声音数据库 | NA | NA | NA | NA |
| 245 | 2024-12-17 |
Classifying histopathological growth patterns for resected colorectal liver metastasis with a deep learning analysis
2024-Oct-29, BJS open
IF:3.5Q1
DOI:10.1093/bjsopen/zrae127
PMID:39471410
|
研究论文 | 本研究开发并验证了一种深度学习算法，用于区分结直肠癌肝转移的纤维化和非纤维化组织病理学生长模式 | 本研究首次使用神经图像压缩技术来自动分类结直肠癌肝转移的组织病理学生长模式 | 本研究仅在两个机构的数据集上进行了验证，可能需要进一步的多中心验证 | 开发一种高效、客观且自动化的组织病理学生长模式评分方法，以帮助其在日常实践和研究中的应用 | 结直肠癌肝转移的组织病理学生长模式 | 数字病理学 | 结直肠癌 | 深度学习 | 神经图像压缩 | 图像 | 开发集包括932名患者的3641张全切片图像，验证集包括870张全切片图像 | NA | NA | NA | NA |
| 246 | 2024-12-17 |
Automatic kidney stone identification: an adaptive feature-weighted LSTM model based on urine and blood routine analysis
2024-Oct-14, Urolithiasis
IF:2.0Q2
DOI:10.1007/s00240-024-01644-6
PMID:39402276
|
研究论文 | 本研究利用尿常规和血常规检测指标构建深度学习模型，用于早期识别肾结石 | 提出了基于LSTM的自适应特征加权模型，用于早期肾结石的识别，并与其他模型进行了比较 | 研究仅使用了单个医院的回顾性数据，样本量有限，可能存在偏倚 | 利用常规尿液和血液检测指标构建深度学习模型，早期识别肾结石 | 肾结石患者和健康人群的尿常规和血常规数据 | 机器学习 | 泌尿系统疾病 | 深度学习 | LSTM | 文本 | 2360人，包括1130名肾结石患者和1230名健康受试者 | NA | NA | NA | NA |
| 247 | 2024-12-17 |
A brief survey on human activity recognition using motor imagery of EEG signals
2024-Oct, Electromagnetic biology and medicine
IF:1.6Q4
DOI:10.1080/15368378.2024.2415089
PMID:39425602
|
综述 | 本文综述了基于运动想象（MI）和脑电图（EEG）信号的人类活动识别（HAR）方法 | 本文总结了现有的基于MI-EEG信号的HAR方法，并讨论了研究中的空白和局限性 | 本文主要讨论了现有技术的局限性，并指出了未来研究的方向 | 探讨基于MI-EEG信号的HAR方法及其挑战 | 基于MI-EEG信号的人类活动识别方法 | 机器学习 | NA | 脑电图（EEG） | 机器学习（ML）和深度学习（DL）模型 | 信号 | 50篇研究文章 | NA | NA | NA | NA |
| 248 | 2024-12-17 |
Segmentation and classification of brain tumor using Taylor fire hawk optimization enabled deep learning approach
2024-Oct, Electromagnetic biology and medicine
IF:1.6Q4
DOI:10.1080/15368378.2024.2421202
PMID:39514821
|
研究论文 | 本文提出了一种基于Taylor Fire Hawk优化（TFHO）的深度学习方法，用于脑肿瘤的分割和分类 | 本文创新性地将Taylor系列与Fire Hawk优化器（FHO）结合，形成TFHO，用于脑肿瘤的分割和分类 | NA | 旨在提高脑肿瘤的早期诊断和准确分类 | 脑肿瘤 | 计算机视觉 | NA | 深度学习 | DenseNet | 图像 | NA | NA | NA | NA | NA |
| 249 | 2024-12-17 |
Cross-Slice Attention and Evidential Critical Loss for Uncertainty-Aware Prostate Cancer Detection
2024-Oct, Medical image computing and computer-assisted intervention : MICCAI ... International Conference on Medical Image Computing and Computer-Assisted Intervention
DOI:10.1007/978-3-031-72111-3_11
PMID:39677326
|
研究论文 | 本文提出了一种新的2.5D跨切片注意力模型，结合证据关键损失，用于在MR图像中进行不确定性感知的前列腺癌检测 | 创新点包括引入2.5D跨切片注意力模型，利用全局和局部信息，并结合证据关键损失进行证据深度学习，以提高前列腺癌检测的性能和不确定性估计 | NA | 旨在改进基于深度学习的前列腺癌检测模型，特别是通过引入不确定性估计来辅助临床决策 | 前列腺癌的MR图像检测 | 计算机视觉 | 前列腺癌 | 深度学习 | 2.5D跨切片注意力模型 | 图像 | 两个不同数据集 | NA | NA | NA | NA |
| 250 | 2024-12-16 |
TAWFN: a deep learning framework for protein function prediction
2024-Oct-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae571
PMID:39312678
|
研究论文 | 本文提出了一种结合卷积神经网络（CNN）和图卷积网络（GCN）的深度学习框架TAWFN，用于蛋白质功能预测 | 本文的创新点在于提出了一种结合CNN和GCN的统一框架TAWFN，通过自适应权重融合网络来提高蛋白质功能预测的准确性 | 本文的局限性在于仅在PDBset和AFset数据集上进行了实验验证，未来需要在更多数据集上进行测试 | 本文的研究目的是提高蛋白质功能预测的准确性 | 本文的研究对象是蛋白质结构及其功能 | 机器学习 | NA | 卷积神经网络（CNN）、图卷积网络（GCN） | 卷积神经网络（CNN）、图卷积网络（GCN） | 蛋白质结构数据 | 实验使用了PDBset和AFset数据集 | NA | NA | NA | NA |
| 251 | 2024-12-14 |
Leveraging transfer learning for predicting total knee arthroplasty failure from post-operative radiographs
2024-Oct, Journal of experimental orthopaedics
IF:2.0Q2
DOI:10.1002/jeo2.70097
PMID:39664926
|
研究论文 | 本研究利用深度学习模型预测全膝关节置换术失败，基于术后X光片进行预测 | 本研究采用了迁移学习微调方法，利用先前开发的用于预测髋关节假体失败的深度学习模型，展示了其在预测膝关节置换术失败中的有效性 | 本研究仅基于X光片进行预测，未考虑其他可能影响手术失败的因素 | 开发一种深度学习模型，用于早期识别全膝关节置换术失败，以预防广泛的翻修手术 | 全膝关节置换术失败的患者 | 机器学习 | NA | 迁移学习微调 | 卷积神经网络（CNN） | 图像 | 两个患者队列，分别用于模型开发和外部验证，每个队列包含失败和未失败的患者 | NA | NA | NA | NA |
| 252 | 2024-12-14 |
Artificial intelligence-based rapid brain volumetry substantially improves differential diagnosis in dementia
2024 Oct-Dec, Alzheimer's & dementia (Amsterdam, Netherlands)
DOI:10.1002/dad2.70037
PMID:39665087
|
研究论文 | 本研究评估了一种基于深度学习的人工智能系统在快速脑容量测量中的临床价值，该系统通过自动脑叶分割和年龄性别调整的百分位比较来辅助痴呆的鉴别诊断 | 本研究展示了人工智能辅助的脑容量测量在提高阿尔茨海默病和额颞叶痴呆诊断准确性方面的显著效果，并显著缩短了处理时间 | NA | 评估人工智能辅助的快速脑容量测量在痴呆鉴别诊断中的临床价值 | 55名患者，包括17名阿尔茨海默病患者、18名额颞叶痴呆患者和20名健康对照者 | 机器学习 | 阿尔茨海默病 | 深度学习 | NA | 图像 | 55名患者 | NA | NA | NA | NA |
| 253 | 2024-12-13 |
Deep learning modeling of RNA ac4C deposition reveals the importance of plant alternative splicing
2024-Oct-28, Plant molecular biology
IF:3.9Q1
DOI:10.1007/s11103-024-01512-2
PMID:39467957
|
研究论文 | 本文利用深度学习技术iac4C预测植物mRNA中的ac4C位点，揭示了ac4C在植物选择性剪接中的重要性 | 本文首次使用深度学习技术iac4C预测植物mRNA中的ac4C位点，并揭示了ac4C与植物选择性剪接之间的关联 | NA | 研究ac4C在植物选择性剪接中的作用 | 植物mRNA中的ac4C位点 | 机器学习 | NA | 深度学习 | BiGRU和自注意力机制 | RNA序列 | NA | NA | NA | NA | NA |
| 254 | 2024-08-07 |
DeepCCR: large-scale genomics-based deep learning method for improving rice breeding
2024-Oct, Plant biotechnology journal
IF:10.1Q1
DOI:10.1111/pbi.14384
PMID:38805625
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 255 | 2024-12-13 |
Artificial intelligence in respiratory care: perspectives on critical opportunities and challenges
2024-Oct, Breathe (Sheffield, England)
DOI:10.1183/20734735.0189-2023
PMID:39660082
|
评论 | 本文探讨了人工智能在呼吸护理中的应用及其带来的机遇与挑战 | 本文提出了在算法共同设计中促进透明度和优先考虑包容性及易理解性的战略努力 | 本文未提供具体的技术细节或实验结果，主要集中在讨论和展望上 | 探讨人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响 | 人工智能在呼吸护理中的应用及其对临床医生、患者和社会的影响 | NA | 呼吸系统疾病 | NA | NA | NA | NA | NA | NA | NA | NA |
| 256 | 2024-12-12 |
MDNNSyn: A Multi-Modal Deep Learning Framework for Drug Synergy Prediction
2024-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3421916
PMID:38954565
|
研究论文 | 本文提出了一种多模态深度学习框架MDNNSyn，用于预测药物协同作用 | MDNNSyn利用多层超图神经网络提取拓扑模态特征，并通过相似性策略构建语义模态特征，结合门控神经网络进行多模态融合，从而提高药物协同作用预测的准确性 | NA | 开发一种能够考虑药物间和细胞系间多种生物关系的计算模型，以提高药物协同作用预测的准确性 | 药物协同作用预测 | 机器学习 | 癌症 | 多层超图神经网络 | 多模态融合网络 | 多源信息 | DrugCombDB和Oncology-Screen数据集 | NA | NA | NA | NA |
| 257 | 2024-12-12 |
DeepFusionCDR: Employing Multi-Omics Integration and Molecule-Specific Transformers for Enhanced Prediction of Cancer Drug Responses
2024-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3417014
PMID:38935469
|
研究论文 | 本文介绍了一种名为DeepFusionCDR的新方法，通过无监督对比学习整合多组学特征，并结合分子SMILES特异性变换器来增强癌症药物反应预测 | 创新点在于整合了多组学数据（包括突变、转录组、甲基化组和拷贝数变异数据）以及分子特异性变换器来提取药物特征，从而提高癌症药物反应预测的准确性 | NA | 旨在通过多组学融合和分子特异性变换器来增强癌症药物反应的预测 | 癌症药物反应（CDR）的预测 | 机器学习 | NA | 无监督对比学习 | 多层感知器（MLP） | 多组学数据（突变、转录组、甲基化组、拷贝数变异数据）和分子SMILES数据 | 使用了GDSC数据集和TCGA患者数据 | NA | NA | NA | NA |
| 258 | 2024-12-11 |
Deep-Learning-Based Segmentation of Cells and Analysis (DL-SCAN)
2024-Oct-23, Biomolecules
IF:4.8Q1
DOI:10.3390/biom14111348
PMID:39595525
|
研究论文 | 本文介绍了一种基于深度学习的工具DL-SCAN，用于自动分割和分析荧光显微镜图像中的细胞体 | DL-SCAN利用深度学习技术实现了对荧光显微镜图像中细胞体的自动分割和分析，解决了传统方法依赖制造商软件、需要大量培训且缺乏自动化能力的问题 | NA | 开发一种能够自动分割和分析荧光显微镜图像中细胞体的工具，以提高分析效率和客观性 | 荧光显微镜图像中的细胞体，特别是神经元和星形胶质细胞中的Na和Ca成像数据 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 259 | 2024-12-11 |
SKGC: A General Semantic-Level Knowledge Guided Classification Framework for Fetal Congenital Heart Disease
2024-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3426068
PMID:38985556
|
研究论文 | 提出了一种基于语义级知识引导的分类框架SKGC，用于胎儿先天性心脏病的诊断 | SKGC框架结合了语义级知识提取模块、多知识融合模块和分类模块，通过少量标注掩码显著提高了分类准确率 | 实验仅在两个数据集上进行了验证，可能需要更多数据集的验证以证明其通用性 | 开发一种新的方法来提高胎儿先天性心脏病超声图像的分类准确率 | 胎儿四腔心超声图像的正常与异常分类 | 计算机视觉 | 先天性心脏病 | 深度学习 | CNN | 图像 | 使用了NA-4CH和FEST两个数据集，具体样本数量未明确提及 | NA | NA | NA | NA |
| 260 | 2024-12-11 |
OVAR-BPnet: A General Pulse Wave Deep Learning Approach for Cuffless Blood Pressure Measurement
2024-10, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2024.3423461
PMID:38963748
|
研究论文 | 本文提出了一种基于深度学习的无袖带血压测量方法，名为OVAR-BPnet，用于从多种脉搏波中捕捉复杂特征并进行血压估计 | 首次验证了深度学习方法在三种脉搏波（光电容积描记法、前额成像光电容积描记法和桡动脉脉搏波形）上的血压估计性能，并采用了数据增强策略和标签序列正则化策略 | NA | 开发一种通用的脉搏波深度学习方法，用于无袖带血压测量 | 脉搏波特征和血压估计 | 机器学习 | 心血管疾病 | 深度学习 | CNN、Vision Transformer、多层感知器 | 脉搏波 | 多种类型的脉搏波数据 | NA | NA | NA | NA |