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 1136 篇文献，本页显示第 741 - 760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 741 | 2024-11-20 |
Time series-based machine learning for forecasting multivariate water quality in full-scale drinking water treatment with various reagent dosages
2024-Nov-09, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122777
PMID:39556984
|
研究论文 | 研究提出了一种优化的基于时间序列的机器学习方法，用于预测多元饮用水质量，特别考虑了试剂投加的时间依赖效应 | 研究通过特征工程构建了包含进水水质参数、试剂投加量和出水水质特征的时间序列数据集，并开发了七种预测模型进行评估，发现传统机器学习模型在时间特征工程的增强下，性能与深度学习模型相当，甚至优于深度学习模型 | 研究未详细说明模型的泛化能力和在不同水处理厂的适用性 | 旨在提高饮用水质量预测的准确性，以优化水处理过程和智能供水管理 | 研究对象为饮用水处理过程中的多元水质参数 | 机器学习 | NA | 机器学习 | XGBoost | 时间序列数据 | 来自全规模水处理厂的数据 | NA | NA | NA | NA |
| 742 | 2024-11-20 |
Deep convolutional neural network-based identification and biological evaluation of MAO-B inhibitors
2024-Nov, International journal of biological macromolecules
IF:7.7Q1
DOI:10.1016/j.ijbiomac.2024.136438
PMID:39389489
|
研究论文 | 本文开发了一种基于深度学习的虚拟筛选协议，用于识别和生物评估MAO-B抑制剂 | 利用卷积神经网络（ConvNet）进行图像分类技术，处理与MACCS指纹相关的两种独特图像数据集，筛选出有潜力的MAO-B抑制剂 | 需要进一步的结构优化以提高抑制剂的抑制效力和成为新型MAO-B抑制剂 | 开发一种新的方法来识别和评估MAO-B抑制剂，以应对帕金森病 | MAO-B抑制剂及其在帕金森病中的作用 | 机器学习 | 神经退行性疾病 | 卷积神经网络（ConvNet） | CNN | 图像 | Maybridge库中的化合物，最终筛选出11个化合物，其中4个被验证为有潜力的MAO-B抑制剂 | NA | NA | NA | NA |
| 743 | 2024-11-20 |
Chemical shift prediction in 13C NMR spectroscopy using ensembles of message passing neural networks (MPNNs)
2024-Nov, Journal of magnetic resonance (San Diego, Calif. : 1997)
DOI:10.1016/j.jmr.2024.107795
PMID:39481194
|
研究论文 | 本研究利用消息传递神经网络（MPNNs）预测小分子在13C NMR光谱中的化学位移 | 采用集成框架减少随机变异，并强调训练集大小和多样性的关键作用 | 较小数据集训练的集成模型泛化能力显著下降 | 开发一种深度学习方法来预测13C NMR光谱中的化学位移 | 小分子的13C NMR光谱化学位移 | 机器学习 | NA | 13C NMR光谱 | 消息传递神经网络（MPNNs） | 结构数据 | 约4000个标记结构和超过40,000个结构的数据集，以及约12,000个未见过的结构 | NA | NA | NA | NA |
| 744 | 2024-11-20 |
Super resolution reconstruction of fluorescence microscopy images by a convolutional network with physical priors
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.537589
PMID:39553859
|
研究论文 | 本文提出了一种基于物理先验的卷积超分辨率网络（PCSR），用于荧光显微镜图像的超分辨率重建 | PCSR结合了基于物理的损失项和基于维纳滤波的初始优化过程，能够直接使用低分辨率图像生成高质量的超分辨率图像 | PCSR的实验结果是在有限的数据集上训练得到的，其泛化能力需要进一步验证 | 提高荧光显微镜图像的空间分辨率，同时减少细胞光毒性照射 | 荧光显微镜图像的超分辨率重建 | 计算机视觉 | NA | 卷积神经网络 | 卷积神经网络 | 图像 | 有限的数据集 | NA | NA | NA | NA |
| 745 | 2024-11-20 |
Physics-guided deep learning-based real-time image reconstruction of Fourier-domain optical coherence tomography
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.538756
PMID:39553872
|
研究论文 | 本文介绍了一种基于物理引导的深度学习方法，用于实时重建傅里叶域光学相干断层扫描（FD-OCT）图像 | 该方法采用无监督学习，利用OCT成像物理原理引导神经网络，生成高质量图像并提供物理上合理的解决方案 | NA | 开发一种高质量、实时的FD-OCT图像重建方法 | FD-OCT图像重建 | 计算机视觉 | NA | 光学相干断层扫描（OCT） | 深度学习 | 图像 | 合成图像和实验图像 | NA | NA | NA | NA |
| 746 | 2024-11-20 |
Measurement of ocular aberration in noise based on deep learning with a Shack-Hartmann wavefront sensor
2024-Nov-01, Biomedical optics express
IF:2.9Q2
DOI:10.1364/BOE.541483
PMID:39553873
|
研究论文 | 本文提出了一种基于深度学习和Shack-Hartmann波前传感器的眼睛像差测量方法，通过建立包含噪声和角膜反射的模型，提高了测量精度 | 本文创新性地结合了深度学习和Shack-Hartmann波前传感器，并引入了角膜反射消除算法，显著提高了在噪声和角膜反射情况下的测量精度和速度 | NA | 提高眼睛像差测量的精度和速度 | 眼睛像差测量中的噪声和角膜反射问题 | 计算机视觉 | NA | Shack-Hartmann波前传感器 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 747 | 2024-11-20 |
Transforming Skin Cancer Diagnosis: A Deep Learning Approach with the Ham10000 Dataset
2024-Nov, Cancer investigation
IF:1.8Q3
DOI:10.1080/07357907.2024.2422602
PMID:39523747
|
研究论文 | 本文提出了一种基于深度学习的方法，利用HAM10000数据集自动分类皮肤病变，以辅助皮肤癌诊断 | 引入了多粒度增强深度级联森林（Mg-EDCF）模型，通过子采样多粒度扫描获取微特征，并使用两种随机森林创建输入特征，最终通过增强深度级联森林进行分类 | NA | 开发一种能够自动分类皮肤病变的深度学习系统，以提高皮肤癌早期诊断的准确性 | 皮肤病变分类，包括光化性角化病（AKIEC）、黑色素瘤（MEL）、良性角化病（BKL）、黑色素细胞痣（NV）、基底细胞癌（BCC）、皮肤纤维瘤（DF）和血管性皮肤病变（VASC） | 机器学习 | 皮肤癌 | 深度学习 | 多粒度增强深度级联森林（Mg-EDCF） | 图像 | 使用了HAM10000数据集进行训练和评估 | NA | NA | NA | NA |
| 748 | 2024-11-19 |
Decoding face identity: A reverse-correlation approach using deep learning
2024-Nov-16, Cognition
IF:2.8Q1
DOI:10.1016/j.cognition.2024.106008
PMID:39550877
|
研究论文 | 本研究采用反向相关方法，利用深度卷积神经网络（DCNN）识别面部识别中的关键面部特征 | 本研究创新性地使用反向相关方法和深度学习技术，客观地识别面部识别中的关键特征，而非依赖主观判断 | NA | 探索面部识别中关键面部特征的识别方法 | 面部识别中的关键面部特征 | 计算机视觉 | NA | 深度卷积神经网络（DCNN） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 749 | 2024-11-19 |
Computed tomography enterography-based deep learning radiomics to predict stratified healing in patients with Crohn's disease: a multicenter study
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01854-x
PMID:39546153
|
研究论文 | 本研究开发了一种基于基线CTE的深度学习放射组学模型，用于非侵入性预测克罗恩病患者的分层愈合情况 | 本研究首次将深度学习放射组学模型应用于基线CTE图像，以预测克罗恩病患者的分层愈合情况 | 本研究仅在三家医院的数据上进行了验证，未来需要在更多中心进行验证以确保模型的普适性 | 开发一种非侵入性方法，用于预测克罗恩病患者的分层愈合情况 | 克罗恩病患者在接受英夫利昔单抗治疗后的分层愈合情况 | 计算机视觉 | 消化系统疾病 | 深度学习放射组学 | 深度学习模型 | 图像 | 246名克罗恩病患者，分为训练组（141名）、测试组（61名）和验证组（44名） | NA | NA | NA | NA |
| 750 | 2024-11-19 |
Multimodality deep learning radiomics predicts pathological response after neoadjuvant chemoradiotherapy for esophageal squamous cell carcinoma
2024-Nov-15, Insights into imaging
IF:4.1Q1
DOI:10.1186/s13244-024-01851-0
PMID:39546168
|
研究论文 | 本研究开发并验证了一种利用CT、T2和DWI图像的深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 本研究创新性地结合了传统和深度学习放射组学特征，开发了一种多模态深度学习放射组学模型，显著提高了预测病理完全缓解的准确性 | 本研究仅在三个机构的患者数据上进行了验证，未来需要在更多样化的患者群体中进行进一步验证 | 开发和验证一种深度学习放射组学模型，用于预测食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 食管鳞状细胞癌患者在接受新辅助放化疗后的病理完全缓解 | 机器学习 | 食管癌 | 深度学习放射组学 | 深度学习模型 | 图像 | 151名食管鳞状细胞癌患者，其中63名达到病理完全缓解 | NA | NA | NA | NA |
| 751 | 2024-11-19 |
Study on intelligent recognition of urban road subgrade defect based on deep learning
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-72580-z
PMID:39548115
|
研究论文 | 研究基于深度学习的城市道路路基缺陷智能识别 | 采用Faster R-CNN深度学习算法进行路基缺陷图像的目标检测、识别和分类，并通过比较不同改进版本的Faster R-CNN算法，确定最适合的版本 | NA | 实现城市道路路基病害的智能识别 | 城市道路路基缺陷 | 计算机视觉 | NA | 地质雷达 | Faster R-CNN | 图像 | 多层复合结构模型和现场测量数据 | NA | NA | NA | NA |
| 752 | 2024-11-19 |
Deep active learning for multi label text classification
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79249-7
PMID:39548182
|
研究论文 | 本文提出了一种基于贝叶斯深度学习和期望置信度的深度主动学习方法，用于多标签文本分类 | 本文首次将主动学习应用于深度多标签分类模型，并提出了一种新的基于期望置信度的获取函数 | NA | 提高多标签文本分类模型的训练效率 | 多标签文本分类模型 | 自然语言处理 | NA | 贝叶斯深度学习 | BERT | 文本 | NA | NA | NA | NA | NA |
| 753 | 2024-11-19 |
A highly efficient tunnel lining crack detection model based on Mini-Unet
2024-Nov-15, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-79919-6
PMID:39548331
|
研究论文 | 本文提出了一种基于Mini-Unet的高效隧道衬砌裂缝检测模型 | 通过改进Unet架构并使用深度可分离卷积（DSConv）替代部分标准卷积层，实现了轻量级且高效的裂缝检测 | NA | 提高隧道衬砌裂缝检测的准确性和效率 | 隧道衬砌裂缝 | 计算机视觉 | NA | 深度学习 | Mini-Unet | 图像 | NA | NA | NA | NA | NA |
| 754 | 2024-11-19 |
Integrating radiomic and 3D autoencoder-based features for Non-Small Cell Lung Cancer survival analysis
2024-Nov-08, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108496
PMID:39551025
|
研究论文 | 本研究旨在开发一种基于放射组学和深度学习的生存分析特征，用于非小细胞肺癌患者的生存预测 | 本研究创新性地结合了放射组学特征和基于3D卷积自编码器的深度学习特征，用于非小细胞肺癌患者的生存分析 | 本研究仅使用了“Lung1”数据集中的422名患者数据，样本量有限，可能影响结果的泛化能力 | 开发一种新的生存分析特征，用于提高非小细胞肺癌患者的生存预测准确性 | 非小细胞肺癌患者的生存分析 | 计算机视觉 | 肺癌 | 3D卷积自编码器 | 自编码器 | 图像 | 422名非小细胞肺癌患者 | NA | NA | NA | NA |
| 755 | 2024-11-19 |
Deep learning to capture leaf shape in plant images: Validation by geometric morphometrics
2024-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.17053
PMID:39383323
|
研究论文 | 本文研究了使用深度学习捕捉植物叶片形状，并通过几何形态测量法进行验证 | 本文结合了几何形态测量法和深度学习，评估了深度学习在捕捉叶片形状变化方面的有效性 | 深度学习模型固有的“黑箱”问题使得捕捉叶片变化的重复性具有挑战性 | 评估深度学习在捕捉叶片形状方面的有效性，并结合几何形态测量法提供形状信息的深入见解 | Ranunculus auricomus 叶片的形状变化 | 计算机视觉 | NA | 几何形态测量法 | 神经网络 | 图像 | Ranunculus auricomus 叶片的原位和压制后的图像数据集 | NA | NA | NA | NA |
| 756 | 2024-11-19 |
DMFGAN: a multifeature data augmentation method for grape leaf disease identification
2024-Nov, The Plant journal : for cell and molecular biology
DOI:10.1111/tpj.17042
PMID:39446313
|
研究论文 | 提出了一种深度可分离多特征生成对抗网络（DMFGAN）用于增强葡萄叶病害数据 | 设计了基于四通道特征融合策略的多特征提取块（MFEB），改进了生成图像质量；设计了基于深度的D-判别器，提高了判别能力并减少了模型参数；使用SeLU激活函数替代DCGAN激活函数，解决了DCGAN激活函数无法充分拟合葡萄叶病害图像数据的问题；提出了带有梯度惩罚项的MFLoss函数，减少了生成对抗网络训练过程中的模式崩溃 | NA | 增强葡萄叶病害数据，提高病害识别的准确性和多样性 | 葡萄叶病害图像数据 | 计算机视觉 | 葡萄病害 | 生成对抗网络（GAN） | 深度可分离多特征生成对抗网络（DMFGAN） | 图像 | NA | NA | NA | NA | NA |
| 757 | 2024-11-19 |
InterLabelGO+: unraveling label correlations in protein function prediction
2024-Nov-01, Bioinformatics (Oxford, England)
DOI:10.1093/bioinformatics/btae655
PMID:39499152
|
研究论文 | 本文介绍了一种名为InterLabelGO+的混合方法，用于改进蛋白质功能预测 | InterLabelGO+结合了深度学习方法和基于比对的方法，并引入了一种新的损失函数来处理标签依赖性和不平衡问题 | NA | 开发自动化计算方法以提高蛋白质功能预测的准确性 | 蛋白质功能预测 | 机器学习 | NA | 深度学习 | 深度学习模型 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 758 | 2024-11-18 |
Kruskal Szekeres generative adversarial network augmented deep autoencoder for colorectal cancer detection
2024-Nov-16, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2426580
PMID:39550608
|
研究论文 | 本文介绍了一种用于早期结直肠癌检测的Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA） | 引入了Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA），通过数据增强和深度自编码器图像分割提高检测性能 | NA | 提高早期结直肠癌检测的准确性和效率 | 结直肠癌的早期检测 | 计算机视觉 | 结直肠癌 | 生成对抗网络（GAN），深度自编码器 | Kruskal Szekeres生成对抗网络增强深度自编码器（KSGANA-DA） | 图像 | NA | NA | NA | NA | NA |
| 759 | 2024-11-18 |
Application of deep learning for the analysis of stomata: a review of current methods and future directions
2024-Nov-15, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/erae207
PMID:38716775
|
综述 | 本文综述了深度学习在气孔分析中的应用现状及未来方向 | 介绍了深度学习模型在植物表型分析任务中的潜力，特别是气孔分析 | 主要关注数据集共享和模型泛化，以及利用图像数据推断生理功能的局限性 | 促进深度学习方法在植物表型分析任务中的应用，并指出未来优化的需求 | 气孔的形态、密度及其在气体交换中的作用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 涉及多种植物物种 | NA | NA | NA | NA |
| 760 | 2024-11-18 |
AI Prediction for Post-Lower Blepharoplasty Age Reduction
2024-Nov-15, Aesthetic surgery journal
IF:3.0Q1
DOI:10.1093/asj/sjae182
PMID:39163263
|
研究论文 | 本研究利用人工智能评估下眼睑整形手术后的年龄变化 | 首次使用深度学习模型客观评估下眼睑整形手术的美容效果 | 样本量较小，仅包括150名患者 | 提供下眼睑整形手术美容效果的客观评估 | 下眼睑整形手术后的年龄变化 | 计算机视觉 | NA | 卷积神经网络 (CNN) | 卷积神经网络 (CNN) | 图像 | 150名接受下眼睑整形手术的患者 | NA | NA | NA | NA |