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 1121 - 1140 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1121 | 2024-09-01 |
MoCab: A framework for the deployment of machine learning models across health information systems
2024-Oct, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108336
PMID:39079482
|
研究论文 | 本文提出了一种名为Model Cabinet Architecture (MoCab)的框架，用于在不同的健康信息系统中部署机器学习模型，通过利用快速医疗互操作性资源(FHIR)作为数据存储和检索的标准，解决互操作性和电子健康记录(EHR)格式多样性的问题。 | MoCab框架通过集成FHIR标准和使用SMART on FHIR开发应用程序，提高了机器学习模型在健康信息系统中的互操作性和实用性。 | 尽管MoCab框架展示了其潜力，但仍面临FHIR采纳等挑战。 | 旨在提高机器学习模型在健康信息系统中的互操作性和实用性。 | 研究对象包括机器学习模型在健康信息系统中的部署和互操作性问题。 | 机器学习 | NA | FHIR, SMART on FHIR | 评分模型(qCSI), 机器学习模型(NSTI), 深度学习模型(SPC) | 电子健康记录(EHR) | 使用模拟主要EHR系统的合成数据进行演示 | NA | NA | NA | NA |
| 1122 | 2024-09-01 |
Multiscale-temporal Feature Extraction and boundary confusion alleviation for VAG-based fine-grained multi-grade osteoarthritis deterioration monitoring
2024-Oct, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108286
PMID:39029419
|
研究论文 | 提出了一种基于振动关节图（VAG）的细粒度多级骨关节炎恶化监测框架，通过多尺度时间特征提取和边界混淆缓解技术提高监测精度 | 引入了多尺度时间特征提取（MTFE）和混淆自由主从（CF-MS）分类结构，通过中心损失缓解特征空间中相邻恶化等级边界的混淆，并采用主从分类器结构进行细粒度分类 | NA | 开发一种在日常范式中进行细粒度多级骨关节炎恶化监测的新框架 | 骨关节炎（OA）的恶化监测 | 机器学习 | 骨关节炎 | 振动关节图（VAG） | 深度学习框架 | 信号 | 使用了VAG-OA数据集进行实验 | NA | NA | NA | NA |
| 1123 | 2024-09-01 |
Multimodal deep learning models utilizing chest X-ray and electronic health record data for predictive screening of acute heart failure in emergency department
2024-Oct, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108357
PMID:39126913
|
研究论文 | 本研究利用多模态深度学习模型，结合胸部X光片和电子健康记录数据，在急诊部门进行急性心力衰竭的预测筛查 | 本研究提供了与急性心力衰竭相关的新图像特征，并指出了未来研究的方向 | NA | 解决诊断急性心力衰竭的不确定性问题，减少不当治疗和救援药物的潜在副作用 | 在急诊部门中，结合胸部X光片和电子健康记录数据，筛查N末端B型钠尿肽前体水平异常的患者 | 机器学习 | 心血管疾病 | 多模态深度学习 | 深度学习模型 | 图像和文本 | 1432名患者和1833对胸部X光片和电子健康记录 | NA | NA | NA | NA |
| 1124 | 2024-09-01 |
UC-Hybrid: Uncertainty-based contrastive learning on hybrid network for medical image segmentation
2024-Oct, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108367
PMID:39141962
|
研究论文 | 本文提出了一种基于不确定性的对比学习技术UncerNCE，结合最优混合网络架构，用于提高小器官的分类和分割性能 | 提出了一种基于不确定性的对比学习技术UncerNCE，解决了多类准确性偏差问题，并在分割小物体区域和减少整体噪声之间取得了平衡 | 在实际临床应用中存在类间准确性偏差，特别是在多器官分割任务中对小物体的性能不足 | 提高医学图像分割中对小器官的分类和分割性能 | 医学图像中的小器官 | 计算机视觉 | NA | 基于不确定性的对比学习 | 混合网络（卷积层和变换器层） | 图像 | BTCV和1K数据 | NA | NA | NA | NA |
| 1125 | 2024-09-01 |
Deep learning reconstruction for optimized bone assessment in zero echo time MR imaging of the knee
2024-Oct, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111663
PMID:39142010
|
研究论文 | 评估深度学习重建（DLRecon）在1.5特斯拉零回波时间（ZTE）磁共振成像（MRI）中对膝关节骨评估的影响 | 使用DLRecon方法显著改善了骨描绘的评分，并增强了骨的信噪比（SNR）和对比噪声比（CNR） | NA | 评估深度学习重建对膝关节零回波时间MRI中骨评估的影响 | 膝关节的骨评估 | 计算机视觉 | NA | 磁共振成像（MRI） | 深度学习重建（DLRecon） | 图像 | 48次检查，涉及46名患者（23名女性） | NA | NA | NA | NA |
| 1126 | 2024-09-01 |
Metadata-enhanced contrastive learning from retinal optical coherence tomography images
2024-Oct, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103296
PMID:39154616
|
研究论文 | 本文提出了一种元数据增强的对比学习方法，用于从视网膜光学相干断层扫描（OCT）图像中提取特征，以改善年龄相关性黄斑变性（AMD）的下游图像分析任务 | 引入了一种新的元数据增强策略，利用患者身份、眼位置和时间序列信息来近似真实的图像间对比关系，从而解决传统对比学习方法在医学图像领域的局限性 | NA | 解决传统对比学习方法在医学图像领域的特定问题，提高模型在低数据和高数据情况下的性能 | 年龄相关性黄斑变性（AMD）患者的视网膜光学相干断层扫描（OCT）图像 | 计算机视觉 | 年龄相关性黄斑变性 | 对比学习 | 对比学习框架 | 图像 | 170,427张视网膜光学相干断层扫描（OCT）图像，涉及7912名患者 | NA | NA | NA | NA |
| 1127 | 2024-09-01 |
Leveraging Artificial Intelligence to Optimize the Care of Peripheral Artery Disease Patients
2024-Oct, Annals of vascular surgery
IF:1.4Q3
DOI:10.1016/j.avsg.2023.11.057
PMID:38582202
|
综述 | 本文综述了人工智能在优化外周动脉疾病患者护理中的应用，包括诊断、预测患者结果和影像解释 | 介绍了自然语言处理、监督机器学习和深度学习等多种人工智能应用 | NA | 探讨人工智能在外周动脉疾病护理中的应用 | 外周动脉疾病患者 | 机器学习 | 外周动脉疾病 | 自然语言处理、监督机器学习、深度学习 | NA | 文本、影像 | NA | NA | NA | NA | NA |
| 1128 | 2024-08-31 |
Enhanced forecasting of chlorophyll-a concentration in coastal waters through integration of Fourier analysis and Transformer networks
2024-Oct-01, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122160
PMID:39096816
|
research paper | 本文介绍了一种创新的深度学习预测模型ChloroFormer，通过整合Transformer网络和傅里叶分析，利用沿海现场数据预测叶绿素-a浓度 | 该模型在捕捉叶绿素-a浓度的短期和中长期依赖模式方面表现优异，特别是在极端和频繁藻华情况下，能准确预测峰值叶绿素-a浓度 | NA | 提高沿海水域叶绿素-a浓度的预测准确性 | 叶绿素-a浓度及其对沿海生态和经济的影响 | machine learning | NA | Transformer networks, Fourier analysis | Transformer | in-situ data | 两个不同研究区域的沿海现场数据 | NA | NA | NA | NA |
| 1129 | 2024-08-26 |
An XAI-enhanced efficientNetB0 framework for precision brain tumor detection in MRI imaging
2024-Oct, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110227
PMID:39038716
|
研究论文 | 本文提出了一种结合可解释AI技术的EfficientNetB0框架，用于提高MRI图像中脑肿瘤检测的精确度和可解释性 | 本文创新地将可解释AI技术与EfficientNetB0架构结合，提高了脑肿瘤分类的准确性和决策过程的透明度 | NA | 提高MRI图像中脑肿瘤诊断的准确性和可解释性 | 脑肿瘤的分类 | 计算机视觉 | 脑肿瘤 | CNN | EfficientNetB0 | 图像 | 涉及四种脑肿瘤类别（胶质瘤、脑膜瘤、无肿瘤、垂体瘤） | NA | NA | NA | NA |
| 1130 | 2024-08-26 |
Neuro-XAI: Explainable deep learning framework based on deeplabV3+ and bayesian optimization for segmentation and classification of brain tumor in MRI scans
2024-Oct, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2024.110247
PMID:39128599
|
研究论文 | 本文提出了一种基于DeeplabV3+和贝叶斯优化的可解释深度学习框架，用于MRI扫描中脑肿瘤的分割和分类 | 引入贝叶斯优化来调整CNN的超参数，并使用可解释人工智能（XAI）工具提供对CNN评估的实际解释，以及量化预测中的不确定性 | 实时诊断中基于深度学习的系统的实施仍然罕见，部分原因是这些方法没有量化预测中的不确定性 | 开发一种能够辅助放射科医生进行脑肿瘤诊断的机器学习系统 | 脑肿瘤的分割和分类 | 机器学习 | 脑肿瘤 | 贝叶斯优化 | CNN, SVM | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1131 | 2024-08-24 |
Identification and experimental validation of immune-related gene PPARG is involved in ulcerative colitis
2024-Oct, Biochimica et biophysica acta. Molecular basis of disease
DOI:10.1016/j.bbadis.2024.167300
PMID:38880160
|
研究论文 | 本研究通过生物信息学方法和实验验证，确定了免疫相关基因PPARG在溃疡性结肠炎中的关键作用，并验证了其作为诊断和治疗标志物的潜力 | 利用多种机器学习算法和深度学习模型DNN识别潜在的溃疡性结肠炎标志物，并通过单细胞测序技术研究PPARG与巨噬细胞浸润的相关性 | NA | 深入理解溃疡性结肠炎的免疫学特征，并识别有价值的诊断和治疗标志物 | 溃疡性结肠炎的免疫相关基因PPARG及其在疾病中的作用 | 数字病理学 | 消化系统疾病 | 单细胞测序技术 | DNN | 基因表达数据 | UC数据集来自GEO数据库，具体样本数量未详细说明 | NA | NA | NA | NA |
| 1132 | 2024-08-21 |
Analyzing pain patterns in the emergency department: Leveraging clinical text deep learning models for real-world insights
2024-Oct, International journal of medical informatics
IF:3.7Q2
DOI:10.1016/j.ijmedinf.2024.105544
PMID:39003790
|
研究论文 | 本研究利用临床文本深度学习模型分析澳大利亚某大城市的急诊部门中患者的疼痛发生率 | 采用细调的领域特定转换器基础临床文本深度学习模型，自动识别常规收集的医疗记录中的疼痛情况 | NA | 确定使用临床文本深度学习算法在大型澳大利亚内城急诊部门中疼痛患者的发生率 | 分析急诊部门中患者的疼痛模式及其随时间的变化，特别是在新冠疫情开始后的变化 | 自然语言处理 | NA | 临床文本深度学习 | 转换器基础模型 | 文本 | 235,789名成年患者 | NA | NA | NA | NA |
| 1133 | 2024-08-19 |
Enhanced detection of Aspergillus flavus in peanut kernels using a multi-scale attention transformer (MSAT): Advancements in food safety and contamination analysis
2024-Oct-02, International journal of food microbiology
IF:5.0Q1
|
研究论文 | 本研究使用多尺度注意力变换器（MSAT）结合高光谱成像技术，对受多种黄曲霉菌污染的花生仁进行分类 | MSAT模型通过其复杂的多尺度注意力机制，显著优于传统的深度学习模型，特别是在分类能力上 | MSAT模型在区分受黄曲霉素产生菌和非黄曲霉素产生菌污染的花生仁时面临挑战 | 提高食品质量和安全领域中黄曲霉菌污染的检测准确性和速度 | 受黄曲霉菌污染的花生仁 | 计算机视觉 | NA | 高光谱成像 | 多尺度注意力变换器（MSAT） | 图像 | NA | NA | NA | NA | NA |
| 1134 | 2024-08-18 |
Quantitative modelling of Plato and total flavonoids in Qingke wort at mashing and boiling stages based on FT-IR combined with deep learning and chemometrics
2024-Oct-30, Food chemistry: X
DOI:10.1016/j.fochx.2024.101673
PMID:39148529
|
研究论文 | 本研究首次使用傅里叶变换红外光谱（FT-IR）结合深度学习方法，对青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量进行建模和分析，并与传统化学计量学方法进行比较 | 首次将FT-IR与深度学习结合用于啤酒酿造过程中的质量控制分析 | NA | 探索深度学习在啤酒酿造质量控制分析中的应用 | 青稞啤酒在糖化和煮沸阶段的Plato度和总黄酮含量 | 机器学习 | NA | FT-IR | LSTM | 红外光谱数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 1135 | 2024-08-16 |
AFFnet - a deep convolutional neural network for the detection of atypical femur fractures from anteriorposterior radiographs
2024-Oct, Bone
IF:3.5Q2
DOI:10.1016/j.bone.2024.117215
PMID:39074569
|
research paper | 本研究开发了一种基于深度学习模型的AI应用，特别是卷积神经网络（CNNs），用于从前瞻性X光片中检测非典型股骨骨折（AFFs） | 本研究开发了AFFnet模型，使用预训练的ResNet-50主干和创新的Box Attention Guide（BAG）模块，以增强模型的学习能力 | NA | 研究AI技术在非典型股骨骨折诊断中的应用 | 非典型股骨骨折（AFFs）的检测 | computer vision | 骨科疾病 | 卷积神经网络（CNNs） | ResNet-50 | image | 训练数据包括213例完整AFF、49例不完整AFF、394例典型股骨骨折和1359例非骨折股骨X光片；外部验证数据包括733例典型股骨骨折和290例AFF图像 | NA | NA | NA | NA |
| 1136 | 2024-08-16 |
Modelling future bone mineral density: Simplicity or complexity?
2024-Oct, Bone
IF:3.5Q2
DOI:10.1016/j.bone.2024.117178
PMID:38972532
|
研究论文 | 本文比较了两种方法（简单统计方法和深度学习方法）在预测未来骨密度方面的效果 | 开发了一种基于深度学习的复杂方法来处理多维纵向数据，并结合了从患者历史DXA扫描中提取的变量和ZBM方法的特征 | 深度学习模型在男性中的表现不如简单统计模型 | 探索预测未来骨密度的有效方法，以辅助临床决策 | 使用纵向DXA数据的白人成年患者 | NA | 骨质疏松症 | DXA扫描 | 深度学习模型 | 纵向数据 | 2948名40-90岁的白人成年人，其中2652名女性和296名男性 | NA | NA | NA | NA |
| 1137 | 2024-08-13 |
Magnitude and angle dynamics in training single ReLU neurons
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106435
PMID:38970945
|
研究论文 | 本研究深入探讨了单个ReLU神经元在平方损失下的梯度流w(t)的训练动态，将其分解为幅度‖w(t)‖和角度φ(t)两个部分，并建立了这些部分的上限和下限以阐明收敛动态 | 本研究首次详细分解并分析了单个ReLU神经元的权重向量动态，填补了该领域的知识空白 | 研究主要集中在单个ReLU神经元和两层多神经元网络上，尚未扩展到更深层次的网络 | 理解深度ReLU网络的训练动态 | 单个ReLU神经元的权重向量动态 | 机器学习 | NA | 梯度下降法 | ReLU神经元 | NA | NA | NA | NA | NA | NA |
| 1138 | 2024-08-13 |
Aligning the domains in cross domain model inversion attack
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106490
PMID:38968777
|
研究论文 | 本文研究了在跨域模型逆向攻击中对齐不同域分布的问题 | 提出了域对齐模型逆向攻击（DA-MIA）和带有辅助分类器的域对齐模型逆向攻击（DA-MIA-AC），以解决因域分布差异导致的特征向量和预测向量逆向重建难题 | 未提及具体限制 | 旨在改进跨域模型逆向攻击中的图像重建和分类准确性 | 跨域模型逆向攻击中的特征向量和预测向量 | 机器学习 | NA | 模型逆向攻击 | DA-MIA, DA-MIA-AC | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 1139 | 2024-08-13 |
When an extra rejection class meets out-of-distribution detection in long-tailed image classification
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106485
PMID:38959597
|
研究论文 | 本文提出了一种三分支训练框架，用于在长尾图像分类中进行异常检测，通过引入额外的拒绝类别和辅助异常训练数据来提高检测性能 | 提出了一种有效的三分支训练框架，结合了内部损失、异常损失和尾部类别原型诱导的监督对比损失（TSCL），以在一个网络中训练分布内分类器和异常检测器 | NA | 提高在长尾分布训练集上的异常检测性能 | 长尾图像分类中的异常检测 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | NA | NA | NA |
| 1140 | 2024-08-13 |
A Semi-supervised Gaussian Mixture Variational Autoencoder method for few-shot fine-grained fault diagnosis
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106482
PMID:38945116
|
研究论文 | 提出了一种半监督高斯混合变分自编码器方法SeGMVAE，用于少样本细粒度故障诊断 | 引入高斯混合作为变分自编码器的多模态先验分布，并通过期望最大化算法动态优化，以构建任务和未标记样本的潜在表示，实现元学习 | NA | 解决实际工程中由于标记高质量故障样本稀缺导致的细粒度故障诊断难题 | 机械故障的细粒度诊断 | 机器学习 | NA | 变分自编码器 | 高斯混合变分自编码器 | 样本数据 | 少量标记样本 | NA | NA | NA | NA |