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 321 - 340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 321 | 2024-11-21 |
Evaluation of deep learning-based target auto-segmentation for Magnetic Resonance Imaging-guided cervix brachytherapy
2024-Oct, Physics and imaging in radiation oncology
DOI:10.1016/j.phro.2024.100669
PMID:39559487
|
研究论文 | 评估深度学习在磁共振成像引导的宫颈近距离放射治疗中自动分割目标结构的应用 | 提出使用基于人群和患者特异性自动分割作为第二部分目标分割的起点，以减少手动分割的时间和患者负担 | 自动分割引入了手动描绘的偏差，但这种偏差在临床上无关紧要 | 评估使用自动分割作为第二部分目标分割起点的临床影响 | 宫颈癌患者在磁共振成像引导下的近距离放射治疗 | 计算机视觉 | 宫颈癌 | 深度学习 | NA | 图像 | 28名局部晚期宫颈癌患者 | NA | NA | NA | NA |
| 322 | 2024-11-21 |
Evaluation of three-point correlation functions from structural images on CPU and GPU architectures: Accounting for anisotropy effects
2024-Oct, Physical review. E
DOI:10.1103/PhysRevE.110.045306
PMID:39562887
|
研究论文 | 本文开发了在CPU和GPU架构上计算三点点相关函数的算法和代码，考虑了各向异性效应 | 本文提出了计算三点点相关函数的新算法，并展示了其在任意三角形模式下的计算速度与直角三角形模式相当 | 本文指出，当计算在频率域进行时，数据量会变得非常大，且目前尚不清楚n>3的点相关函数的优势 | 研究三点点相关函数在结构图像分析中的应用，并评估其在不同架构上的计算效率 | 三点点相关函数及其在结构图像分析中的应用 | 计算机视觉 | NA | 三点点相关函数计算 | NA | 图像 | NA | NA | NA | NA | NA |
| 323 | 2024-11-20 |
Artificial intelligence applications in personalizing lung cancer management: state of the art and future perspectives
2024-Oct-31, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-244
PMID:39552872
|
综述 | 本文综述了人工智能在个性化肺癌管理中的应用现状和未来展望 | 本文介绍了人工智能在肺癌诊断和管理中的创新应用，特别是基于机器学习和深度学习技术的AI模型 | NA | 探讨人工智能在非小细胞肺癌诊断和管理中的应用潜力 | 非小细胞肺癌的诊断、病理特征预测和基因突变预测 | 机器学习 | 肺癌 | 机器学习、深度学习 | AI模型 | 患者数据 | NA | NA | NA | NA | NA |
| 324 | 2024-11-20 |
NeuroTD: A Time-Frequency Based Multimodal Learning Approach to Analyze Time Delays in Neural Activities
2024-Oct-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.28.620662
PMID:39554073
|
研究论文 | 本文介绍了一种基于时间-频率的多模态学习方法NeuroTD，用于分析神经活动中的时间延迟 | NeuroTD结合了孪生神经网络与频域变换和复值优化，用于推断多模态时间序列数据中的跨模态时间关系 | NA | 开发一种新的深度学习方法，用于对齐多模态时间序列数据并推断跨模态时间关系 | 神经活动的时间特征及其与行为的关系 | 机器学习 | NA | 钙成像、Neuropixels、深度电极、Patch-seq | 孪生神经网络 | 时间序列数据 | 三个多模态数据集 | NA | NA | NA | NA |
| 325 | 2024-11-20 |
A Surface-based deep learning approach for cortical shape analysis
2024-Oct-29, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.29.620757
PMID:39554098
|
研究论文 | 本文应用基于球谐函数的卷积神经网络（SPHARM-Net）对MRI衍生的脑形态学指标进行分析，预测年龄、性别和阿尔茨海默病（AD）诊断 | 本文提出了一种基于球谐函数的卷积神经网络（SPHARM-Net），无需显式定义邻域大小，实现了旋转等变性 | 本文仅在健康成年人和AD患者样本中进行了验证，未来工作将扩展到更复杂的任务如情绪障碍分类 | 研究如何利用深度学习技术从脑部图像中预测临床因素 | MRI衍生的脑形态学指标，包括顶点皮质曲率、凸度、厚度和表面积 | 计算机视觉 | 阿尔茨海默病 | 球谐函数卷积神经网络 | 卷积神经网络 | 图像 | 健康成年人样本量为32,979，AD患者样本量为1,213 | NA | NA | NA | NA |
| 326 | 2024-11-20 |
Application of deblur technology for improving the clarity of digital subtractive angiography
2024-Oct, Interventional neuroradiology : journal of peritherapeutic neuroradiology, surgical procedures and related neurosciences
IF:1.5Q3
DOI:10.1177/15910199221143168
PMID:36457291
|
研究论文 | 本文提出了一种基于深度学习的去模糊技术，用于提高数字减影血管造影（DSA）图像的清晰度 | 本文创新性地使用了深度学习方法来去模糊大焦点DSA图像，以获得更清晰和锐利的脑血管DSA图像 | 本文的局限性在于仅使用了52对配对的血管造影图像进行训练，且测试集仅包括10个身体模型和80张临床图像 | 研究目的是开发一种新的基于深度学习的方法，以提高大焦点DSA图像的清晰度 | 研究对象是数字减影血管造影（DSA）图像 | 计算机视觉 | NA | 深度学习 | 残差密集块（RDBs） | 图像 | 训练集包括52对配对图像，超过350,000个裁剪的补丁；测试集包括10个身体模型和80张临床图像 | NA | NA | NA | NA |
| 327 | 2024-11-20 |
Lattice 123 pattern for automated Alzheimer's detection using EEG signal
2024-Oct, Cognitive neurodynamics
IF:3.1Q2
DOI:10.1007/s11571-024-10104-1
PMID:39555305
|
研究论文 | 本文提出了一种基于晶格结构的特征工程框架，用于使用脑电图信号自动识别阿尔茨海默病 | 创新性地应用概率函数生成Lattice123模式，并结合多级离散小波变换进行多层次特征提取 | 需要在大规模多样化的数据库上验证其有效性 | 开发一种自动识别阿尔茨海默病的新方法 | 阿尔茨海默病和脑电图信号 | 数字病理学 | 阿尔茨海默病 | 多级离散小波变换 | NA | 脑电图信号 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 328 | 2024-11-20 |
Can artificial intelligence aid the urologists in detecting bladder cancer?
2024 Oct-Dec, Indian journal of urology : IJU : journal of the Urological Society of India
IF:1.3Q3
DOI:10.4103/iju.iju_39_24
PMID:39555437
|
研究论文 | 本文探讨了人工智能在膀胱癌检测中的应用，特别是通过膀胱镜检查辅助泌尿科医生识别恶性区域 | 本文展示了基于人工智能的膀胱镜检查系统在膀胱癌检测中的潜力，通过深度学习算法处理大量图像和视频数据 | 尽管人工智能在膀胱癌检测中显示出潜力，但其应用仍存在疑问，未来研究应集中在确定哪些患者群体能从准确识别膀胱癌中获益最大 | 探讨人工智能在膀胱癌检测中的应用潜力 | 膀胱癌的检测和识别 | 计算机视觉 | 膀胱癌 | 深度学习算法 | NA | 图像和视频 | 五项研究的数据被用于分析 | NA | NA | NA | NA |
| 329 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA | NA | NA | NA | NA |
| 330 | 2024-11-18 |
Automated Speech Analysis for Risk Detection of Depression, Anxiety, Insomnia, and Fatigue: Algorithm Development and Validation Study
2024-Oct-31, Journal of medical Internet research
IF:5.8Q1
DOI:10.2196/58572
PMID:39324329
|
研究论文 | 研究开发并验证了一种基于语音分析的算法，用于检测和估计抑郁症、焦虑症、失眠和疲劳的风险 | 该研究不仅关注单一症状，还考虑了症状的共存和相互作用，并引入了不确定性估计和公平性评估，以提高临床应用的安全性 | 模型在不同年龄组和教育水平上的公平性表现较差 | 探讨移动设备收集的语音数据在检测和估计抑郁症、焦虑症、疲劳和失眠方面的预测潜力 | 抑郁症、焦虑症、失眠和疲劳 | 机器学习 | NA | 语音活动检测、特征提取和模型训练 | 深度学习模型 | 语音数据 | 865名健康成年人 | NA | NA | NA | NA |
| 331 | 2024-11-18 |
Multiparametric MRI based deep learning model for prediction of early recurrence of hepatocellular carcinoma after SR following TACE
2024-Oct-08, Journal of cancer research and clinical oncology
IF:2.7Q3
DOI:10.1007/s00432-024-05941-w
PMID:39379692
|
研究论文 | 本文开发并验证了一种结合深度学习和临床数据的模型，用于预测接受TACE后肝细胞癌患者的早期复发 | 本文创新性地将深度学习特征与临床数据结合，构建了一个预测肝细胞癌患者早期复发的诺模图模型 | NA | 开发和验证一种结合深度学习和临床数据的模型，用于预测肝细胞癌患者的早期复发 | 接受TACE后肝细胞癌患者的早期复发风险 | 机器学习 | 肝癌 | MRI | 深度学习模型 | 影像数据 | 511名接受SR后TACE的患者 | NA | NA | NA | NA |
| 332 | 2024-11-17 |
Diagnosis of Pancreatic Ductal Adenocarcinoma Using Deep Learning
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217005
PMID:39517902
|
研究论文 | 本研究利用深度学习网络分析病理图像，以准确诊断胰腺癌，特别是胰腺导管腺癌（PDAC） | 本研究引入了多种先进的迁移学习模型，包括InceptionV3、DenseNet、ResNet、VGG、EfficientNet和一个专门设计的深度神经网络，并进行了比较分析以选择最准确的算法 | NA | 利用人工智能技术进行胰腺癌的早期诊断和检测，以提高患者治疗效果 | 胰腺导管腺癌（PDAC）的病理图像 | 计算机视觉 | 胰腺癌 | 深度学习算法 | 卷积神经网络（CNN） | 图像 | 包含PDAC和/或慢性胰腺炎诊断病例的新数据集，并通过图像复制和创建不同维度的第二个数据集进行增强 | NA | NA | NA | NA |
| 333 | 2024-11-17 |
MR_NET: A Method for Breast Cancer Detection and Localization from Histological Images Through Explainable Convolutional Neural Networks
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217022
PMID:39517917
|
研究论文 | 本文提出了一种基于可解释卷积神经网络的乳腺癌症检测和定位方法 | 引入了名为MR_Net的新型深度学习模型，旨在提供更准确的乳腺癌检测和定位，并通过生成热图提供可解释的预测结果 | 未提及具体限制 | 开发一种能够早期和准确检测乳腺癌的方法，以提高治疗效果和生存率 | 乳腺组织病理图像 | 计算机视觉 | 乳腺癌 | 卷积神经网络 | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 334 | 2024-11-17 |
Enhancing Underwater SLAM Navigation and Perception: A Comprehensive Review of Deep Learning Integration
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217034
PMID:39517928
|
综述 | 本文综述了水下SLAM技术，特别是深度学习方法的整合，以提高水下导航和感知性能 | 本文详细评估了深度学习在水下图像处理和感知中的应用研究，并比较了标准和基于深度学习的SLAM系统 | NA | 探讨如何通过深度学习方法改进水下SLAM系统的性能 | 水下SLAM技术及其与深度学习方法的整合 | 计算机视觉 | NA | 深度学习 | GAN, CNN, LSTM | 图像 | NA | NA | NA | NA | NA |
| 335 | 2024-11-17 |
Deep Learning Approaches for the Assessment of Germinal Matrix Hemorrhage Using Neonatal Head Ultrasound
2024-Oct-31, Sensors (Basel, Switzerland)
DOI:10.3390/s24217052
PMID:39517949
|
研究论文 | 本研究提出了一种基于YOLOv8模型的深度学习方法，用于自动评估新生儿头部超声图像中的生发基质出血（GMH） | 本研究采用了YOLOv8模型进行GMH分级，并结合迁移学习和数据增强技术，显著提高了诊断的准确性和效率 | NA | 开发一种自动化的方法来提高新生儿生发基质出血的诊断准确性 | 新生儿头部超声图像中的生发基质出血 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 586名婴儿的超声图像 | NA | NA | NA | NA |
| 336 | 2024-11-17 |
AI-Guided Cancer Therapy for Patients with Coexisting Migraines
2024-Oct-31, Cancers
IF:4.5Q1
DOI:10.3390/cancers16213690
PMID:39518129
|
综述 | 本文探讨了人工智能在癌症患者个性化治疗中的应用，特别是针对同时患有偏头痛的癌症患者 | 本文介绍了人工智能技术如机器学习、深度学习和自然语言处理在发现癌症和偏头痛的遗传和分子生物标志物中的应用，以及这些技术在预测偏头痛对癌症治疗影响方面的潜力 | 本文指出在数据整合、临床验证和伦理考虑方面仍存在挑战 | 本文旨在探讨人工智能在癌症患者个性化治疗中的应用，特别是针对同时患有偏头痛的癌症患者 | 本文主要研究对象是同时患有偏头痛的癌症患者 | 机器学习 | NA | 机器学习、深度学习、自然语言处理 | NA | NA | NA | NA | NA | NA | NA |
| 337 | 2024-11-17 |
Unveiling Artificial Intelligence's Power: Precision, Personalization, and Progress in Rheumatology
2024-Oct-31, Journal of clinical medicine
IF:3.0Q1
DOI:10.3390/jcm13216559
PMID:39518698
|
综述 | 本文综述了人工智能（AI）在风湿病学中的应用及其在诊断、治疗个性化和预后预测方面的潜在影响 | AI，包括机器学习和深度学习，正在革新风湿病学的诊断、治疗个性化和预后预测 | 存在数据隐私问题和模型泛化性问题等挑战 | 探讨AI在风湿病学中的应用及其潜在影响 | AI在风湿病学中的诊断、治疗个性化和预后预测 | 机器学习 | 风湿病 | NA | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 338 | 2024-11-17 |
A New Deep Learning Methodology for Alarm Supervision in Marine Power Stations
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216957
PMID:39517854
|
研究论文 | 本文提出了一种新的深度学习方法，用于海运电站的警报监控，旨在减少船员的工作压力并预防事故 | 开发了一种用户友好的图像识别工具，作为船员操作的视觉传感器，以适应船员的具体需求 | 研究结果仅适用于三层卷积神经网络和平衡数据的情况 | 开发一种能够减少船员工作压力的图像识别工具，作为预防工作风险的手段 | 海运电站的警报监控和船员的工作压力 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 图像 | NA | NA | NA | NA | NA |
| 339 | 2024-11-17 |
Decoding Brain Signals from Rapid-Event EEG for Visual Analysis Using Deep Learning
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216965
PMID:39517862
|
研究论文 | 本研究开发了一种深度学习模型，用于解码受试者对快速事件视觉刺激的响应，并探讨了影响EEG视觉分类任务低准确性的主要因素 | 提出了多类、多通道特征融合模型（MCCFF），显著提高了EEG视觉分类的准确性，达到33.17% | NA | 提高EEG信号在视觉分类任务中的准确性 | 快速事件视觉刺激下的EEG信号 | 机器学习 | NA | 深度学习 | 多类、多通道特征融合模型（MCCFF） | EEG信号 | 40个对象类别，每个类别1000张图像 | NA | NA | NA | NA |
| 340 | 2024-11-17 |
Research on Gating Fusion Algorithm for Power Grid Survey Data Based on Enhanced Mamba Spatial Neighborhood Relationship
2024-Oct-30, Sensors (Basel, Switzerland)
DOI:10.3390/s24216980
PMID:39517874
|
研究论文 | 研究了一种基于增强Mamba空间邻域关系的电网勘测数据门控融合算法 | 提出了一种专门针对电网勘测的融合模型，显著增强了遥感图像中的空间-光谱特征表示 | 模型的泛化性能在不同数据源和环境条件下的表现尚未评估 | 开发一种新的图像融合算法，以减少光谱失真和空间细节损失 | 电网勘测中的全色和多光谱图像 | 计算机视觉 | NA | NA | Transformer, Mamba | 图像 | 使用了GF-2卫星图像和QuickBird (QB)数据集进行实验 | NA | NA | NA | NA |