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 1160 篇文献，本页显示第 981 - 1000 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 981 | 2024-10-09 |
A Deep Learning-Driven Sampling Technique to Explore the Phase Space of an RNA Stem-Loop
2024-Oct-07, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00669
PMID:39374435
|
研究论文 | 本文介绍了一种基于深度学习的采样技术，用于探索RNA茎环的相空间 | 本文将原本用于蛋白质折叠的深度学习驱动采样技术DeepDriveMD（DDMD）应用于RNA茎环折叠问题，克服了传统方法在计算成本和先验知识需求上的挑战 | NA | 探索RNA茎环折叠的相空间，优化计算资源的使用 | RNA茎环的折叠和展开过程 | 机器学习 | NA | 深度学习驱动采样技术 | DeepDriveMD | 接触图 | NA | NA | NA | NA | NA |
| 982 | 2024-10-09 |
E-SAT: An extreme learning machine based self attention approach for decoding motor imagery EEG in subject-specific tasks
2024-Oct-07, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ad83f4
PMID:39374625
|
研究论文 | 本文提出了一种基于极限学习机的自注意力机制（E-SAT），用于解码特定任务中的运动想象脑电信号 | 引入了一种新的基于极限学习机的自注意力机制（E-SAT），以提高特定任务中运动想象脑电信号的分类性能 | NA | 提高脑机接口（BCI）在解码运动想象任务中的性能 | 运动想象脑电信号 | 机器学习 | NA | 极限学习机（ELM） | 自注意力机制（E-SAT） | 脑电信号（EEG） | 使用了多个数据集，包括BCI Competition III Dataset IV-a、IV-b和BCI Competition IV Datasets 1、2a、2b、3 | NA | NA | NA | NA |
| 983 | 2024-10-09 |
Deep learning-based characterization of pathological subtypes in lung invasive adenocarcinoma utilizing 18F-deoxyglucose positron emission tomography imaging
2024-Oct-05, BMC cancer
IF:3.4Q2
DOI:10.1186/s12885-024-13018-7
PMID:39369213
|
研究论文 | 评估基于PET/CT图像的深度学习模型在区分和预测肺浸润性腺癌不同病理亚型中的诊断效能 | 使用深度学习模型提高了对肺浸润性腺癌不同病理亚型的诊断准确性 | NA | 评估深度学习模型在区分和预测肺浸润性腺癌不同病理亚型中的诊断效能 | 肺浸润性腺癌的不同病理亚型 | 计算机视觉 | 肺癌 | PET/CT成像 | U-Net网络架构和ResNet残差网络 | 图像 | 250名被诊断为肺浸润性腺癌的患者 | NA | NA | NA | NA |
| 984 | 2024-10-09 |
Using Machine Learning for Endoscopic Detection of Low-Grade Subglottic Stenosis: A Proof of Principle
2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.901
PMID:39015068
|
研究论文 | 本研究训练、测试并评估了一种深度学习算法，用于在内窥镜图像中检测声门下狭窄 | 首次使用深度学习算法在内窥镜图像中检测声门下狭窄 | 样本量较小，模型准确率有待提高 | 验证深度学习算法在内窥镜图像中检测声门下狭窄的可行性 | 声门下狭窄的内窥镜图像 | 计算机视觉 | NA | 深度学习 | Resnet50 | 图像 | 159张图像，包括106张正常大小的气道图像和122张声门下狭窄图像 | NA | NA | NA | NA |
| 985 | 2024-10-09 |
Artificial intelligence in hepatocellular carcinoma diagnosis: a comprehensive review of current literature
2024-Oct, Journal of gastroenterology and hepatology
IF:3.7Q2
DOI:10.1111/jgh.16663
PMID:38923550
|
综述 | 本文全面回顾了当前文献中关于人工智能在肝细胞癌诊断中的应用 | 本文分析和评估了在肝细胞癌诊断领域提出的各种人工智能模型，展示了这些模型在诊断性能上的显著提升 | NA | 本文旨在通过回顾现有文献，评估人工智能技术在肝细胞癌诊断中的应用效果 | 本文研究对象为肝细胞癌诊断中的人工智能模型 | 计算机视觉 | 肝癌 | 机器学习 | 深度学习 | 图像 | NA | NA | NA | NA | NA |
| 986 | 2024-10-09 |
Automatic Recognition of Auditory Brainstem Response Waveforms Using a Deep Learning-Based Framework
2024-Oct, Otolaryngology--head and neck surgery : official journal of American Academy of Otolaryngology-Head and Neck Surgery
DOI:10.1002/ohn.840
PMID:38822760
|
研究论文 | 研究使用深度学习框架自动识别听觉脑干反应波形 | 提出了一种增强的Wide&Deep模型，结合Light-多层感知器（MLP）模型来训练听觉脑干反应波形的识别 | Wide&Deep模型的性能略低于Light-MLP模型，特别是由于样本量有限 | 研究深度学习框架以提高不同年龄和听力水平参与者听觉脑干反应波形的自动识别 | 听觉脑干反应波形 | 机器学习 | NA | 深度学习 | Wide&Deep模型，Light-多层感知器（MLP）模型 | 时间域和频率域的听觉脑干反应信号 | 100名参与者 | NA | NA | NA | NA |
| 987 | 2024-10-09 |
Overcoming the Barrier of Incompleteness: A Hyperspectral Image Classification Full Model
2024-Oct, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3279377
PMID:37279129
|
研究论文 | 本文提出了一种用于高光谱图像分类的全模型，通过创新的三要素解决了分类不完整的问题 | 首次提出了完整分类的三要素：广泛探索可用特征、充分重用代表性特征和差异化融合多领域特征 | NA | 解决高光谱图像分类中的不完整性问题 | 高光谱图像 | 计算机视觉 | NA | NA | Transformer | 图像 | 四个数据集，从小规模到大规模，每类仅使用五个训练样本 | NA | NA | NA | NA |
| 988 | 2024-10-09 |
A Survey of Automated Data Augmentation for Image Classification: Learning to Compose, Mix, and Generate
2024-Oct, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2023.3282258
PMID:37342945
|
综述 | 本文综述了图像分类中自动数据增强技术的最新进展 | 将数据增强过程视为学习任务，并寻找最有效的数据增强方法 | 主要依赖于手工操作的数据增强方法，缺乏自动化和智能化的提升 | 探讨自动数据增强技术在图像分类中的应用及其未来发展方向 | 图像分类中的数据增强方法 | 计算机视觉 | NA | 自动数据增强 | NA | 图像 | NA | NA | NA | NA | NA |
| 989 | 2024-10-08 |
Meta-learning for real-world class incremental learning: a transformer-based approach
2024-Oct-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71125-8
PMID:39367098
|
研究论文 | 本文提出了一种基于Transformer的元学习方法，用于解决现实世界中的类增量学习问题 | 本文的创新点在于将元学习应用于类增量学习，并提出了一种基于Transformer的聚合函数，能够在不重新训练的情况下完成任务 | NA | 本文的研究目的是将元学习应用于更贴近现实世界的类增量学习问题 | 本文的研究对象是类增量学习问题 | 自然语言处理 | NA | 元学习 | Transformer | 文本 | NA | NA | NA | NA | NA |
| 990 | 2024-10-08 |
Advanced mathematical modeling of mitigating security threats in smart grids through deep ensemble model
2024-Oct-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-74733-6
PMID:39367158
|
研究论文 | 研究通过深度集成模型进行高级数学建模，以减轻智能电网中的安全威胁 | 提出了一种基于山羚优化和深度集成学习的入侵检测技术（MGODEL-ID），用于智能电网环境中的入侵检测 | NA | 开发一种新的入侵检测技术，以提高智能电网对网络攻击的可靠性和韧性 | 智能电网中的安全威胁和入侵检测 | 机器学习 | NA | 深度学习 | 深度集成模型 | 网络数据 | NA | NA | NA | NA | NA |
| 991 | 2024-10-08 |
Tabular deep learning: a comparative study applied to multi-task genome-wide prediction
2024-Oct-04, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05940-1
PMID:39367318
|
研究论文 | 本文比较了多种深度学习架构在多任务全基因组预测中的应用 | 首次系统性地比较了多种深度学习架构在表格数据上的表现，并应用于全基因组预测 | 实验仅限于特定的基因数据集，结果可能不适用于所有类型的基因数据 | 提高基因选择和疾病风险预测的准确性 | 多种深度学习架构在全基因组预测中的表现 | 机器学习 | NA | 深度学习 | LassoNet | 表格数据 | 三个多特征回归数据集和两个多类分类数据集 | NA | NA | NA | NA |
| 992 | 2024-10-08 |
Leveraging explainable deep learning methodologies to elucidate the biological underpinnings of Huntington's disease using single-cell RNA sequencing data
2024-Oct-04, BMC genomics
IF:3.5Q2
DOI:10.1186/s12864-024-10855-5
PMID:39367331
|
研究论文 | 利用可解释深度学习方法解析亨廷顿病生物学基础的单细胞RNA测序数据 | 使用残差神经网络（ResNet）模型有效模拟亨廷顿病细胞，并利用SHapley Additive exPlanations（SHAP）算法识别影响亨廷顿病预测的基因 | 测试集的F1分数为96.53%，仍有提升空间 | 阐明亨廷顿病病理学的潜在机制 | 亨廷顿病细胞与健康细胞的差异基因表达模式 | 机器学习 | 神经退行性疾病 | 单细胞RNA测序 | 残差神经网络（ResNet） | 基因表达数据 | NA | NA | NA | NA | NA |
| 993 | 2024-10-08 |
The power of deep learning in simplifying feature selection for hepatocellular carcinoma: a review
2024-Oct-04, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02682-1
PMID:39367397
|
综述 | 本文综述了深度学习技术在肝细胞癌（HCC）特征选择中的应用 | 深度学习技术在简化HCC特征选择过程中展示了显著的进步 | 将深度学习的潜力转化为临床现实仍面临挑战 | 综述深度学习模型和算法在HCC特征选择中的应用，并讨论其在临床实践中的潜力 | 肝细胞癌（HCC）的特征选择 | 机器学习 | 肝癌 | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 994 | 2024-10-06 |
Development of brain tumor radiogenomic classification using GAN-based augmentation of MRI slices in the newly released gazi brains dataset
2024-Oct-04, BMC medical informatics and decision making
IF:3.3Q2
DOI:10.1186/s12911-024-02699-6
PMID:39367444
|
研究论文 | 本文提出使用StyleGANv2-ADA模型对脑部MRI切片进行数据增强，以提高脑肿瘤分类模型的性能 | 首次在Gazi Brains 2020数据集上使用StyleGANv2-ADA进行数据增强，显著提高了脑肿瘤分类的准确率 | NA | 提高脑肿瘤分类模型的准确性 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | StyleGANv2-ADA | GAN | 图像 | 使用了Gazi Brains 2020、BRaTS 2021和Br35h数据集 | NA | NA | NA | NA |
| 995 | 2024-10-08 |
Deep learning to estimate response of concurrent chemoradiotherapy in non-small-cell lung carcinoma
2024-Oct-04, Journal of translational medicine
IF:6.1Q1
DOI:10.1186/s12967-024-05708-4
PMID:39367461
|
研究论文 | 本文构建了一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应 | 首次使用深度学习模型预测非小细胞肺癌患者对同步放化疗的反应，并探索了相关的生物信号通路 | NA | 开发和验证一个深度学习模型，用于预测非小细胞肺癌患者在接受同步放化疗后的反应 | 非小细胞肺癌患者及其在接受同步放化疗后的反应 | 机器学习 | 肺癌 | 深度学习 | ResNet50 | 图像 | 229名非小细胞肺癌患者 | NA | NA | NA | NA |
| 996 | 2024-10-08 |
Artificial intelligence and telemedicine in epilepsy and EEG: A narrative review
2024-Oct, Seizure
DOI:10.1016/j.seizure.2024.08.024
PMID:39222613
|
综述 | 本文综述了人工智能和远程医疗在癫痫和脑电图诊断与管理中的应用 | 人工智能通过机器学习和深度学习提高了脑电图解释和癫痫发作预测的准确性 | 技术应用受到设备兼容性、临床工作流程整合、数据偏差和数据可用性等限制 | 探讨人工智能和远程医疗在癫痫和脑电图护理中的应用及其对未来癫痫护理的影响 | 癫痫患者和脑电图数据 | 机器学习 | 癫痫 | 机器学习 | 卷积神经网络 (CNN) | 脑电图 (EEG) | NA | NA | NA | NA | NA |
| 997 | 2024-10-08 |
Artificial intelligence-based differential diagnosis of orbital MALT lymphoma and IgG4 related ophthalmic disease using hematoxylin-eosin images
2024-Oct, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06501-1
PMID:38700592
|
研究论文 | 研究使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性 | 开发了一种基于深度学习的人工智能软件，能够区分IgG4相关眼病和眼眶MALT淋巴瘤 | 样本量较小，且仅限于IgG4相关眼病和眼眶MALT淋巴瘤的区分 | 探讨使用人工智能和苏木精-伊红染色图像区分IgG4相关眼病和眼眶MALT淋巴瘤的可能性 | IgG4相关眼病和眼眶MALT淋巴瘤 | 数字病理学 | 淋巴瘤 | 深度学习 | EVA | 图像 | 127名患者，其中97名用于模型构建，30名用于模型评估 | NA | NA | NA | NA |
| 998 | 2024-10-07 |
Deep learning classification of EEG-based BCI monitoring of the attempted arm and hand movements
2024-Oct-28, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2023-0356
PMID:38826067
|
研究论文 | 研究利用深度学习技术对基于脑电图（EEG）的脑机接口（BCI）进行分类，以监测手臂和手部运动尝试 | 结合卷积神经网络（CNN）和长短期记忆（LSTM）架构，提取EEG信号中的时空特征，并使用三种特征选择方法提高分类性能 | 研究主要集中在颈椎脊髓损伤（SCI）患者，未涵盖其他类型的运动障碍 | 提高颈椎脊髓损伤患者特定运动分类的平均性能 | 颈椎脊髓损伤患者的脑电图数据 | 机器学习 | 颈椎脊髓损伤 | 脑电图（EEG） | 卷积神经网络（CNN）和长短期记忆（LSTM） | 脑电图信号 | 来自格拉茨理工大学的低频多类脑电图数据集 | NA | NA | NA | NA |
| 999 | 2024-10-07 |
AML leukocyte classification method for small samples based on ACGAN
2024-Oct-28, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0028
PMID:38547466
|
研究论文 | 本文研究了基于辅助分类生成对抗网络（ACGAN）的小样本急性髓系白血病（AML）白细胞分类方法 | 本文首次将ACGAN应用于小样本白细胞分类任务，并展示了其在分类准确性上的竞争力 | NA | 评估ACGAN在小样本白细胞分类任务中的适用性 | 急性髓系白血病（AML）白细胞 | 机器学习 | 血液恶性肿瘤 | 生成对抗网络（GAN） | 辅助分类生成对抗网络（ACGAN） | 图像 | 小样本 | NA | NA | NA | NA |
| 1000 | 2024-10-07 |
Vein segmentation and visualization of upper and lower extremities using convolution neural network
2024-Oct-28, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2023-0331
PMID:38651783
|
研究论文 | 研究开发了一种基于深度学习自参数化卷积神经网络的静脉定位、识别和可视化框架，用于分割和可视化上下肢静脉图 | 提出了自参数化的U-Net模型，用于在不受约束条件下进行静脉分割和可视化，优于传统的CNN架构 | 研究样本量较小，仅涉及72名受试者 | 开发一种可靠的实时静脉定位和可视化系统，以辅助血管外科医生进行静脉穿刺、血管手术或慢性静脉疾病治疗 | 上下肢静脉的分割和可视化 | 计算机视觉 | 慢性静脉疾病 | 卷积神经网络 | U-Net | 图像 | 72名受试者的上下肢静脉数据 | NA | NA | NA | NA |