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 1163 篇文献，本页显示第 1041 - 1060 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1041 | 2024-09-23 |
Volumetric analysis of acute uncomplicated type B aortic dissection using an automated deep learning aortic zone segmentation model
2024-Oct, Journal of vascular surgery
IF:3.9Q1
DOI:10.1016/j.jvs.2024.06.001
PMID:38851467
|
研究论文 | 本研究开发了一种自动深度学习模型，用于对急性未复杂B型主动脉夹层进行基于SVS/STS定义的主动脉区域的三维体积分析 | 首次将机器学习技术应用于急性未复杂B型主动脉夹层的SVS/STS定义的主动脉区域分割 | 样本量有限，仅包括59名患者 | 建立一个自动机器学习主动脉区域分割模型，以促进基于主动脉生长率的auTBAD患者之间的主动脉区域体积比较 | 急性未复杂B型主动脉夹层患者 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 医学影像 | 59名患者 | NA | NA | NA | NA |
| 1042 | 2024-09-21 |
Ocular Disease Detection with Deep Learning (Fine-Grained Image Categorization) Applied to Ocular B-Scan Ultrasound Images
2024-Oct, Ophthalmology and therapy
IF:2.6Q2
DOI:10.1007/s40123-024-01009-7
PMID:39127983
|
研究论文 | 本文开发了一种深度学习系统，用于通过眼科B超图像快速准确地筛查眼内肿瘤、视网膜脱离、玻璃体积血和后巩膜葡萄肿 | 提出了双路径病变注意力网络（DPLA-Net），用于细粒度图像分类，显著提高了眼科疾病的筛查和分类准确性 | NA | 开发一种能够快速准确筛查多种眼科疾病的深度学习系统 | 眼内肿瘤、视网膜脱离、玻璃体积血和后巩膜葡萄肿 | 计算机视觉 | 眼科疾病 | 深度学习 | 双路径病变注意力网络（DPLA-Net） | 图像 | 6054张超声图像，其中4758张用于训练和验证，1296张用于测试 | NA | NA | NA | NA |
| 1043 | 2024-09-21 |
Improved REBA: deep learning based rapid entire body risk assessment for prevention of musculoskeletal disorders
2024-Oct, Ergonomics
IF:2.0Q3
DOI:10.1080/00140139.2024.2306315
PMID:38423143
|
研究论文 | 提出了一种基于深度学习的改进REBA方法，用于预防肌肉骨骼疾病 | 该方法通过3D姿态重建，能够捕捉复杂的三维运动和姿势，相较于现有的2D图像方法有显著改进 | NA | 旨在开发一种自动化且准确的风险评估方法，以预防工作相关的肌肉骨骼疾病 | 工作视频和相应的REBA评分 | 计算机视觉 | 肌肉骨骼疾病 | 深度学习 | NA | 视频 | NA | NA | NA | NA | NA |
| 1044 | 2024-09-20 |
An enhanced AlexNet-Based model for femoral bone tumor classification and diagnosis using magnetic resonance imaging
2024-Oct, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100626
PMID:39290649
|
研究论文 | 本文介绍了一种基于AlexNet的增强深度学习模型，用于通过磁共振成像对股骨肿瘤进行分类和诊断 | 本文提出了一种优化的AlexNet模型，通过卷积神经网络对股骨肿瘤图像进行分类，相比其他方法具有更高的准确性、精确性、敏感性、特异性和F1分数 | NA | 开发一种自动化的分类方法，以提高股骨肿瘤的诊断准确性 | 股骨肿瘤患者及其磁共振成像数据 | 计算机视觉 | 骨肿瘤 | 卷积神经网络 (CNN) | AlexNet | 图像 | 500例股骨肿瘤患者，包括500例影像数据（335例良性，165例恶性） | NA | NA | NA | NA |
| 1045 | 2024-09-20 |
Discovery of type 2 diabetes mellitus with correlation and optimization driven hybrid deep learning approach
2024-Oct, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2023.2267721
PMID:37865922
|
研究论文 | 本文提出了一种混合深度学习方法，用于识别2型糖尿病 | 采用基于相关性和优化的混合深度学习方法，结合了深度残差网络和基于骑手优化器的神经网络，并通过相关性融合提高分类性能 | NA | 开发一种新的混合深度学习技术，用于准确识别2型糖尿病 | 2型糖尿病的识别 | 机器学习 | 糖尿病 | 深度学习 | 混合模型 | 数值数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1046 | 2024-09-19 |
Unifying antimicrobial peptide datasets for robust deep learning-based classification
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110822
PMID:39281014
|
研究论文 | 本文通过整合来自豆科植物种子的抗菌肽序列，开发了一个新的非冗余数据库，用于抗菌肽的二分类和预测 | 提出了一个新的非冗余抗菌肽序列数据库，解决了现有数据库中序列重叠的问题 | NA | 开发一个更精确的抗菌肽序列数据库，以支持可持续农业实践 | 豆科植物种子中的抗菌肽 | 计算生物学 | NA | 深度学习 | 二分类模型 | 序列数据 | 来自不同来源和功能的抗菌肽序列 | NA | NA | NA | NA |
| 1047 | 2024-09-17 |
Automatic diagnosis for adenomyosis in ultrasound images by deep neural networks
2024-Oct, European journal of obstetrics, gynecology, and reproductive biology
DOI:10.1016/j.ejogrb.2024.07.046
PMID:39121648
|
研究论文 | 本文介绍了一种基于深度神经网络的自动诊断子宫腺肌症的新技术 | 提出了一种基于Transformer网络的端到端统一网络框架A2DNet，用于自动诊断子宫腺肌症 | NA | 开发一种非侵入性的自动诊断子宫腺肌症的新技术 | 子宫腺肌症的自动诊断 | 计算机视觉 | 妇科疾病 | 深度学习 | Transformer网络 | 图像 | 1654名患者 | NA | NA | NA | NA |
| 1048 | 2024-09-17 |
Schizophrenia diagnosis using the GRU-layer's alpha-EEG rhythm's dependability
2024-Oct, Psychiatry research. Neuroimaging
|
研究论文 | 本文提出了一种基于门控循环单元（GRU）和alpha-EEG节律的深度学习模型，用于精神分裂症（SZ）的诊断 | 本文创新性地提出了Rudiment Densely-Coupled Convolutional Gated Recurrent Unit（RDCGRU）模型，用于基于EEG节律（gamma, beta, alpha, theta, 和 delta）的精神分裂症诊断 | NA | 研究目的是验证alpha-EEG节律在基于门控循环单元的深度学习模型中诊断精神分裂症的可靠性 | 研究对象是精神分裂症患者和alpha-EEG节律 | 机器学习 | 精神疾病 | 深度学习 | 门控循环单元（GRU） | 脑电图（EEG） | NA | NA | NA | NA | NA |
| 1049 | 2024-09-17 |
Deep Learning Prediction for Distal Aortic Remodeling After Thoracic Endovascular Aortic Repair in Stanford Type B Aortic Dissection
2024-Oct, Journal of endovascular therapy : an official journal of the International Society of Endovascular Specialists
IF:1.7Q2
DOI:10.1177/15266028231160101
PMID:36927177
|
研究论文 | 本研究旨在开发一种深度学习模型，用于预测斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后远端主动脉的重塑情况 | 本研究首次使用卷积神经网络（CNN）和点云神经网络（PC-NN）来预测主动脉重塑情况，并发现PC-NN在预测负性主动脉重塑和再干预方面优于CNN | 本研究为回顾性研究，样本量相对较小，且仅在一个中心进行 | 开发一种基于CTA的深度学习算法，用于自动化预测胸主动脉腔内修复术后远端主动脉的重塑情况 | 斯坦福B型主动脉夹层患者在接受胸主动脉腔内修复术后的远端主动脉重塑情况 | 计算机视觉 | 心血管疾病 | CTA | CNN, PC-NN | 图像 | 147例急性或亚急性斯坦福B型主动脉夹层患者 | NA | NA | NA | NA |
| 1050 | 2024-09-17 |
Efficient Generation of Pretraining Samples for Developing a Deep Learning Brain Injury Model via Transfer Learning
2024-Oct, Annals of biomedical engineering
IF:3.0Q3
DOI:10.1007/s10439-023-03354-3
PMID:37642795
|
研究论文 | 研究如何通过迁移学习使用高精度的变换神经网络（TNN）生成预训练样本，以减少开发深度学习脑损伤模型所需的计算资源 | 提出了一种通过迁移学习使用TNN生成预训练样本的方法，显著提高了CNN模型的准确性，特别是在微调数据集较小的情况下 | 当微调样本数量达到3000或更多时，预训练带来的改进不明显 | 研究如何通过迁移学习减少开发深度学习脑损伤模型所需的计算资源 | 脑损伤模型 | 机器学习 | NA | 迁移学习 | 卷积神经网络（CNN），变换神经网络（TNN） | 合成冲击数据，增强冲击数据 | 100个合成冲击样本，100个增强冲击样本，191个独立测量冲击样本 | NA | NA | NA | NA |
| 1051 | 2024-09-15 |
Image dataset for cattle biometric detection and analysis
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110835
PMID:39263231
|
研究论文 | 本文介绍了一个用于牛生物特征检测和分析的图像数据集 | 该数据集包含了72头霍林郭勒黄牛的侧面和背面图像，并附有详细的生物特征标注，可用于构建深度学习模型以实现自动化牲畜监测系统 | NA | 提高畜牧业管理效率和运营效果，促进农业智能化和可持续发展 | 霍林郭勒黄牛的生物特征 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 72头霍林郭勒黄牛 | NA | NA | NA | NA |
| 1052 | 2024-09-15 |
Radiographic imaging and diagnosis of spinal bone tumors: AlexNet and ResNet for the classification of tumor malignancy
2024-Oct, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100629
PMID:39257652
|
研究论文 | 研究探讨了放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用，特别是AlexNet和ResNet模型的应用 | 研究首次将AlexNet和ResNet模型应用于脊柱骨肿瘤的恶性分类，展示了深度学习和卷积神经网络在医学影像分析中的潜力 | 研究仅限于脊柱骨肿瘤的恶性分类，且样本量相对较小，未来需扩大样本量和研究范围 | 探索放射影像和图像识别算法在脊柱骨肿瘤恶性分类中的应用 | 脊柱骨肿瘤的恶性分类 | 计算机视觉 | NA | 卷积神经网络 (CNN) | AlexNet, ResNet | 图像 | 580名患者，1532张图像（679张良性肿瘤图像，853张恶性肿瘤图像） | NA | NA | NA | NA |
| 1053 | 2024-09-15 |
Create distinctive databases of ancient languages and using a computer vision model to accurately recognize and classify them
2024-Oct, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.110809
PMID:39257691
|
研究论文 | 本文提出了一种基于深度学习的楔形文字识别方法，通过计算机视觉模型快速识别和分类楔形文字图像 | 利用预先存在的音译和拉丁字母表示法，解决了希伯来字母数据收集困难的问题，并使用Yolov8预训练模型进行对象识别 | NA | 加速楔形文字的识别和分类过程 | 楔形文字图像和希伯来字母 | 计算机视觉 | NA | 深度学习 | Yolov8 | 图像 | 约500张希伯来语书籍插图和超过1000张伊拉克发现的古代文档图像 | NA | NA | NA | NA |
| 1054 | 2024-09-15 |
Personalized Deep Learning Model for Clinical Target Volume on Daily Cone Beam Computed Tomography in Breast Cancer Patients
2024-Oct, Advances in radiation oncology
IF:2.2Q2
DOI:10.1016/j.adro.2024.101580
PMID:39258144
|
研究论文 | 开发了一种深度学习算法，用于在乳腺癌患者的每日锥形束CT扫描中改进临床靶区体积的分割 | 利用Intentional Deep Overfit Learning (IDOL)框架，实现了基于患者特异性学习的个性化图像引导放射治疗 | 未来研究应探索IDOL框架在不同深度学习模型、数据集和癌症部位的适应性 | 提高乳腺癌放射治疗中每日锥形束CT扫描的临床靶区体积分割精度 | 乳腺癌患者的每日锥形束CT扫描 | 计算机视觉 | 乳腺癌 | 深度学习 | Swin UNETR, UNET, SegResNET | 图像 | 240次CBCT扫描，来自100名乳腺癌患者 | NA | NA | NA | NA |
| 1055 | 2024-09-14 |
The research hotspots and theme trends of artificial intelligence in nurse education: A bibliometric analysis from 1994 to 2023
2024-10, Nurse education today
IF:3.6Q1
DOI:10.1016/j.nedt.2024.106321
PMID:39084073
|
综述 | 本文通过文献计量分析探讨了1994年至2023年间人工智能在护理教育中的研究热点和主题趋势 | 本文通过多种分析工具揭示了人工智能在护理教育中的研究热点和未来趋势 | 本文主要依赖文献计量分析，可能忽略了其他定性研究方法的贡献 | 探讨人工智能在护理教育中的研究热点和主题趋势 | 人工智能在护理教育中的应用 | 机器学习 | NA | 文献计量分析 | NA | 文本 | 135篇文章 | NA | NA | NA | NA |
| 1056 | 2024-09-14 |
Non-invasive prediction of axillary lymph node dissection exemption in breast cancer patients post-neoadjuvant therapy: A radiomics and deep learning analysis on longitudinal DCE-MRI data
2024-Oct, Breast (Edinburgh, Scotland)
DOI:10.1016/j.breast.2024.103786
PMID:39137488
|
研究论文 | 本研究利用放射组学和深度学习分析纵向DCE-MRI数据，预测乳腺癌患者在新辅助治疗后腋窝淋巴结切除豁免的可能性 | 本研究引入了一种基于支持向量机的“数据整合”模型，显著提高了腋窝淋巴结状态评估的准确性 | 本研究为回顾性分析，样本量有限，需要进一步的前瞻性研究验证 | 开发一种精确的方法来评估乳腺癌患者在新辅助治疗后腋窝淋巴结的状态 | 乳腺癌患者在新辅助治疗后的腋窝淋巴结状态 | 数字病理学 | 乳腺癌 | 动态对比增强MRI (DCE-MRI) | 支持向量机 (SVM) | 图像 | 160名乳腺癌患者 | NA | NA | NA | NA |
| 1057 | 2024-09-13 |
Machine learning and matrix-assisted laser desorption/ionization time-of-flight mass spectra for antimicrobial resistance prediction: A systematic review of recent advancements and future development
2024-Oct-11, Journal of chromatography. A
DOI:10.1016/j.chroma.2024.465262
PMID:39197363
|
综述 | 本文综述了使用机器学习和基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS）预测抗生素抗性的最新进展和未来发展 | 本文强调了深度学习技术在抗生素抗性预测中的潜力 | 本文主要集中在随机森林、支持向量机和逻辑回归等传统机器学习算法上，未深入探讨其他新兴技术 | 评估当前使用机器学习从MALDI-TOF质谱数据中检测和分类抗生素抗性的技术水平 | 研究对象主要包括金黄色葡萄球菌、肺炎克雷伯菌和大肠杆菌等细菌及其对抗生素的抗性 | 机器学习 | NA | 基质辅助激光解吸/电离飞行时间质谱（MALDI-TOF MS） | 随机森林、支持向量机、逻辑回归、人工神经网络 | 质谱数据 | 40项研究符合纳入标准 | NA | NA | NA | NA |
| 1058 | 2024-09-13 |
m5c-iDeep: 5-Methylcytosine sites identification through deep learning
2024-Oct, Methods (San Diego, Calif.)
DOI:10.1016/j.ymeth.2024.07.008
PMID:39089345
|
研究论文 | 本文开发了一种基于深度学习的计算方法m5c-iDeep，用于快速准确地识别RNA中的5-甲基胞嘧啶位点 | m5c-iDeep模型在准确性和鲁棒性方面优于现有的m5c预测工具，达到了99.9%的准确率 | NA | 开发一种高效的计算方法来识别RNA中的5-甲基胞嘧啶位点 | RNA中的5-甲基胞嘧啶位点 | 机器学习 | NA | 深度学习 | LSTM | 序列数据 | NA | NA | NA | NA | NA |
| 1059 | 2024-09-13 |
Quantum-level machine learning calculations of Levodopa
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文使用量子级别的机器学习方法ANI-1x神经网络势能预测了L-3,4-二羟基苯丙氨酸（Levodopa）的势能面 | 首次使用ANI-1x神经网络势能在量子级别上预测Levodopa的势能面，并展示了与DFT计算的良好一致性 | NA | 研究机器学习在药物分子势能面计算中的应用 | L-3,4-二羟基苯丙氨酸（Levodopa）分子 | 机器学习 | NA | 密度泛函理论（DFT） | 神经网络 | 分子结构数据 | NA | NA | NA | NA | NA |
| 1060 | 2024-09-13 |
Multi-scale DNA language model improves 6 mA binding sites prediction
2024-Oct, Computational biology and chemistry
IF:2.6Q2
|
研究论文 | 本文开发了一种基于多尺度DNA语言模型的框架，用于预测6mA结合位点 | 提出了名为iDNA6mA-MDL的多尺度DNA语言模型，结合多种kmer和核苷酸属性及频率方法进行特征嵌入，并利用DNABERT弥补全局DNA信息捕捉的不足 | NA | 开发一种高效的方法来预测6mA结合位点，以替代传统的湿实验方法 | 6mA结合位点的预测 | 机器学习 | NA | 深度学习 | 多尺度DNA语言模型 | DNA序列 | 在经典的6mA水稻基因数据集上进行了实验，并在另外11个6mA数据集上进行了验证 | NA | NA | NA | NA |