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 941 - 960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 941 | 2024-11-09 |
Interpretable Fine-Grained Phenotypes of Subcellular Dynamics via Unsupervised Deep Learning
2024-Nov, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202403547
PMID:39239705
|
研究论文 | 本文介绍了一种用于细粒度可解释表型的自训练深度学习框架，用于揭示活细胞动态的细粒度表型 | 提出了一种基于自编码器正则化的自训练深度学习框架，能够增强特征的区分能力并保留分子扰动的异质性 | NA | 揭示健康和疾病生物过程中异质性的细粒度表型 | 迁移上皮细胞的异质性突起动态及其对药物扰动的特定反应 | 机器学习 | NA | 深度学习 | 深度神经网络 (DNN) | 细胞动态数据 | NA | NA | NA | NA | NA |
| 942 | 2024-11-09 |
Advancements in synthetic CT generation from MRI: A review of techniques, and trends in radiation therapy planning
2024-Nov, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14499
PMID:39325781
|
综述 | 本文综述了从MRI生成合成CT（sCT）的最新技术进展及其在放射治疗计划（RTP）中的应用 | 本文重点介绍了基于机器学习和深度学习的sCT生成技术，这些技术有望提高RTP的效率和准确性 | 本文指出sCT生成技术在图像质量、剂量计算准确性和临床接受度方面仍存在挑战 | 旨在概述从MRI生成sCT的最新进展，并探讨其在RTP中的应用，强调技术、性能评估、临床应用、未来研究趋势和领域内的开放挑战 | 从MRI生成sCT的技术及其在RTP中的应用 | 计算机视觉 | NA | 机器学习（ML）和深度学习（DL） | NA | 图像 | NA | NA | NA | NA | NA |
| 943 | 2024-11-09 |
Brain tumor segmentation by combining MultiEncoder UNet with wavelet fusion
2024-Nov, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14527
PMID:39284311
|
研究论文 | 本文提出了一种结合多编码器UNet和小波融合的脑肿瘤分割网络 | 采用晚期融合策略和3D离散小波变换特征融合模块，提取多模态MRI间的互补信息，并引入3D全局上下文感知模块捕捉肿瘤体素的长程依赖关系 | 未提及具体局限性 | 提高脑肿瘤从多模态MRI中的分割精度，辅助临床诊断和手术干预 | 脑肿瘤的多模态MRI图像 | 计算机视觉 | 脑肿瘤 | 多模态MRI | UNet | 图像 | BraTS2018和BraTS2021数据集 | NA | NA | NA | NA |
| 944 | 2024-11-09 |
Revising Reflection Assignments to Align With Clinical Judgment Measurement Model Language: Maximizing Critical Thinking, Feedback, and Measurement in Simulation
2024 Nov-Dec 01, Nursing education perspectives
IF:0.9Q3
DOI:10.1097/01.NEP.0000000000001149
PMID:37255453
|
研究论文 | 本文探讨了如何通过修订反思作业模板，使其与临床判断测量模型（CJMM）的语言相一致，从而最大化模拟中的批判性思维、反馈和测量 | 本文创新性地将临床判断测量模型（CJMM）的语言融入到模拟反思作业中，以促进学生对临床判断的深入理解和自我评估 | 本文仅在初步质量改进试点研究中验证了改进效果，尚未在大规模应用中进行验证 | 研究目的是通过修订反思作业模板，提升学生在模拟中的批判性思维和临床判断能力 | 研究对象为护理专业的学生及其在模拟中的反思作业 | NA | NA | NA | NA | NA | 初步质量改进试点研究中的学生数量未明确提及 | NA | NA | NA | NA |
| 945 | 2024-11-08 |
[Research progress on the development of myopia prediction models and their predictive performance]
2024-Nov-11, [Zhonghua yan ke za zhi] Chinese journal of ophthalmology
|
综述 | 本文综述了近年来近视预测模型及其预测性能的研究进展 | 介绍了结合环境因素和遗传因素的近视预测模型，以及人工智能在近视预测中的应用 | 未提及具体模型的局限性 | 探讨近视预测模型的研究进展及其预测性能，为建立更准确的近视预测模型提供参考 | 近视预测模型及其预测性能 | NA | 眼科疾病 | 机器学习、深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 946 | 2024-11-08 |
Exploring coronavirus sequence motifs through convolutional neural network for accurate identification of COVID-19
2024-Nov-07, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2024.2404149
PMID:39508163
|
研究论文 | 本文利用深度学习方法中的卷积神经网络来识别和区分新冠病毒与其他冠状病毒 | 本文提出了DeepCoV方法，通过卷积神经网络识别新冠病毒，并能定位与新冠病毒相关的各种基序，显示出CNN的透明性 | NA | 快速识别由新病毒或已知疾病引起的疫情 | 新冠病毒与其他冠状病毒的区分 | 机器学习 | NA | 卷积神经网络 | CNN | 序列 | 使用了2019nCoVR数据集 | NA | NA | NA | NA |
| 947 | 2024-11-08 |
Inverse Design of Multistructured Terahertz Metamaterial Sensors Based on Improved Conditional Generative Network
2024-Nov-06, ACS applied materials & interfaces
IF:8.3Q1
DOI:10.1021/acsami.4c10921
PMID:39438282
|
研究论文 | 提出了一种基于改进的条件生成对抗网络的多结构太赫兹超材料传感器逆向设计模型 | 结合自注意力生成对抗网络和Wasserstein生成对抗网络，提出了一种新的逆向设计模型SACW-GAN | NA | 简化太赫兹超材料传感器的设计过程 | 太赫兹超材料传感器 | 计算机视觉 | NA | 生成对抗网络 | SACW-GAN | 图像 | NA | NA | NA | NA | NA |
| 948 | 2024-11-08 |
Computer vision applications for the detection or analysis of tuberculosis using digitised human lung tissue images - a systematic review
2024-Nov-05, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01443-w
PMID:39497049
|
综述 | 本文对使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用进行了系统性综述 | 本文介绍了使用μCT扫描仪获取软组织图像对比度的新方法，以及使用多分辨率CT分析人类肺部3D结构的技术 | 当前技术在检测结核病方面存在挑战和局限性 | 促进开发更高效和准确的结核病检测或分析算法，并提高对早期检测重要性的认识 | 使用数字化人类肺部组织图像进行结核病检测或分析的计算机视觉应用 | 计算机视觉 | 肺结核 | 图像处理和深度学习 | 机器学习模型 | 图像 | 10项研究使用了人类组织（主要是肺部），其中5项研究提出了用于检测结核杆菌的机器学习模型，另外5项研究使用了CT扫描的人类肺部组织 | NA | NA | NA | NA |
| 949 | 2024-11-08 |
Explainable fully automated CT scoring of interstitial lung disease for patients suspected of systemic sclerosis by cascaded regression neural networks and its comparison with experts
2024-11-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-78393-4
PMID:39496802
|
研究论文 | 本文开发了一种深度学习框架，用于自动化系统性硬化症相关间质性肺病（SSc-ILD）的CT评分，并与专家评分进行比较 | 提出了一个由两个神经网络组成的级联框架，用于自动化SSc-ILD评分，并引入了热图方法来解释网络输出 | 未来研究需要确认模型的泛化能力 | 开发一种自动化系统性硬化症相关间质性肺病的CT评分方法 | 系统性硬化症相关间质性肺病（SSc-ILD）患者的CT扫描图像 | 计算机视觉 | 间质性肺病 | 深度学习 | 级联回归神经网络 | 图像 | NA | NA | NA | NA | NA |
| 950 | 2024-11-08 |
Novel large empirical study of deep transfer learning for COVID-19 classification based on CT and X-ray images
2024-11-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-76498-4
PMID:39489731
|
研究论文 | 本文通过大规模实验研究了基于CT和X光图像的COVID-19分类的深度迁移学习模型 | 首次扩展模型空间并从10,000个构建的深度迁移学习模型中识别出性能更好的模型 | NA | 开发基于AI的模型以加速COVID-19的诊断过程 | COVID-19和非COVID-19患者的CT和X光图像 | 计算机视觉 | COVID-19 | 深度迁移学习 | ConvNeXt, EfficientNetV2, DenseNet121, ResNet34 | 图像 | 4481张CT和X光图像 | NA | NA | NA | NA |
| 951 | 2024-11-08 |
Ultrasensitive Wearable Pressure Sensors with Stress-Concentrated Tip-Array Design for Long-Term Bimodal Identification
2024-Nov, Advanced materials (Deerfield Beach, Fla.)
DOI:10.1002/adma.202406235
PMID:39007254
|
研究论文 | 本文介绍了一种超灵敏的可穿戴压力传感器，通过引入应力集中尖端阵列设计和自粘性界面来提高检测限 | 设计了一种双金字塔微结构，将机械传递效率从72.6%提高到98.4%，并通过增加模量差异将灵敏度提高到8.5 V kPa，检测限为0.14 Pa | NA | 提高现有可穿戴压力传感器的传感性能和界面粘附性 | 可穿戴压力传感器的设计和性能优化 | NA | NA | NA | 深度学习双模态融合网络 | 信号 | NA | NA | NA | NA | NA |
| 952 | 2024-11-08 |
An Artificial Intelligence-assisted Diagnostic System Improves Upper Urine Tract Cytology Diagnosis
2024 Nov-Dec, In vivo (Athens, Greece)
DOI:10.21873/invivo.13785
PMID:39477382
|
研究论文 | 评估基于深度学习的人工智能工具AIxURO系统在提高上尿路细胞学诊断准确性和可靠性方面的效果 | AIxURO系统能够精确检测非典型尿路上皮细胞，减少评估中的主观性，显著提高诊断准确性和一致性 | NA | 评估AIxURO系统在诊断上尿路癌症中的效果 | 上尿路细胞学样本 | 计算机视觉 | 泌尿系统癌症 | 深度学习 | NA | 图像 | 185个上尿路细胞学样本，包括168个非高级别尿路上皮癌（NHGUC）、14个非典型尿路上皮细胞（AUC）、2个疑似高级别尿路上皮癌（SHGUC）和1个高级别尿路上皮癌（HGUC） | NA | NA | NA | NA |
| 953 | 2024-11-07 |
Classification of EEG evoked in 2D and 3D virtual reality: traditional machine learning versus deep learning
2024-Nov-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad89c5
PMID:39437806
|
研究论文 | 本文比较了传统机器学习和深度学习在2D和3D虚拟现实诱发脑电图分类中的表现 | 首次使用EEGNet深度学习模型在2D和3D虚拟现实诱发脑电图分类中取得了显著优于传统机器学习方法的性能 | NA | 研究不同机器学习方法在2D和3D虚拟现实诱发脑电图分类中的效果 | 2D和3D虚拟现实诱发的脑电图信号 | 机器学习 | NA | 脑电图(EEG) | 卷积神经网络(CNN) | 脑电图信号 | 56通道脑电图记录 | NA | NA | NA | NA |
| 954 | 2024-11-07 |
An improved AlexNet deep learning method for limb tumor cancer prediction and detection
2024-Nov-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad89c7
PMID:39437809
|
研究论文 | 本文介绍了一种改进的AlexNet深度学习方法，用于滑膜肉瘤的预测和检测 | 本文提出了一个改进的AlexNet架构，增加了卷积层和调整输入图像大小，显著提高了模型的性能 | NA | 提高滑膜肉瘤的诊断准确性 | 滑膜肉瘤的数字病理图像 | 计算机视觉 | 肿瘤 | 卷积神经网络 | AlexNet | 图像 | NA | NA | NA | NA | NA |
| 955 | 2024-11-07 |
MCI Net: Mamba- Convolutional lightweight self-attention medical image segmentation network
2024-Nov-05, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ad8acb
PMID:39447592
|
研究论文 | 提出了一种名为MCI-Net的轻量级自注意力医学图像分割网络，通过减少模型参数和计算复杂度，提高了分割效率 | MCI-Net通过线性建模永久标记有效特征并过滤无关信息，有效捕捉局部-全局信息，减少了参数数量并利用注意力计算实现模型轻量化 | NA | 开发一种轻量级、高效的医学图像分割网络，减少诊断时间和计算复杂度 | 医学图像分割 | 计算机视觉 | NA | 自注意力机制 | 卷积神经网络 | 图像 | 五个公共数据集：X射线、肺部、ISIC-2016、ISIC-2018和胶囊内窥镜及胃肠分割 | NA | NA | NA | NA |
| 956 | 2024-11-07 |
Bidirectional dynamic frame prediction network for total-body [68Ga]Ga-PSMA-11 and [68Ga]Ga-FAPI-04 PET images
2024-Nov-04, EJNMMI physics
IF:3.0Q2
DOI:10.1186/s40658-024-00698-0
PMID:39489859
|
研究论文 | 本文提出了一种双向动态帧预测网络，用于减少全身PET成像的扫描时间 | 本文的创新点在于提出了一种基于深度学习技术的双向动态帧预测网络，用于减少全身PET成像的扫描时间，从而提高患者舒适度和图像质量 | 本文的局限性在于仅在特定的PET成像数据上进行了验证，未来需要在更多类型的数据上进行验证 | 本文的研究目的是通过深度学习技术减少全身PET成像的扫描时间，提高成像效率和患者舒适度 | 本文的研究对象是全身动态PET成像数据，特别是[68Ga]Ga-PSMA-11和[68Ga]Ga-FAPI-04 PET图像 | 计算机视觉 | NA | 深度学习技术 | 双向动态帧预测网络 | 图像 | 13名接受[68Ga]Ga-FAPI-04的患者和24名接受[68Ga]Ga-PSMA-11的患者 | NA | NA | NA | NA |
| 957 | 2024-11-07 |
Accurate and robust ammonia level forecasting of aeration tanks using long short-term memory ensembles: A comparative study of Adaboost and Bagging approaches
2024-Nov-04, Journal of environmental management
IF:8.0Q1
DOI:10.1016/j.jenvman.2024.123173
PMID:39500158
|
研究论文 | 本文比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果 | 本文首次全面比较了AdaBoost和Bagging两种集成学习算法在LSTM网络中用于曝气池氨浓度预测的效果，并展示了AdaBoost-LSTM模型在多步预测中的优势 | 本文仅比较了AdaBoost和Bagging两种集成学习算法，未探讨其他可能的集成方法 | 研究如何通过集成学习提升LSTM网络在曝气池氨浓度预测中的准确性和鲁棒性 | 曝气池中的氨浓度 | 机器学习 | NA | LSTM网络 | LSTM | 数值数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 958 | 2024-11-07 |
A hybrid classification and evaluation method based on deep learning for decoration and renovation waste in view of recycling
2024-Nov-04, Waste management (New York, N.Y.)
DOI:10.1016/j.wasman.2024.10.027
PMID:39500212
|
研究论文 | 本文提出了一种基于深度学习的混合分类和评估方法，用于装饰和装修废物的回收 | 结合实例分割深度学习模型和形态学机器学习模型，自动化分类和评估装饰和装修废物 | NA | 提高装饰和装修废物中高价值材料的回收率 | 装饰和装修废物的成分和质量 | 机器学习 | NA | 深度学习 | 混合模型 | 图像 | 53,000个单独的颗粒 | NA | NA | NA | NA |
| 959 | 2024-11-07 |
A spatiotemporal correlation and attention-based model for pipeline deformation prediction in foundation pit engineering
2024-Nov-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-77601-5
PMID:39488572
|
研究论文 | 提出了一种基于时空相关性和注意力机制的模型，用于基坑工程中管道变形预测 | 引入了注意力机制来调整预测中提取的时空特征的可训练权重，并利用卷积神经网络提取监测点之间的空间依赖性，以及双向长短期记忆网络提取时间特征 | 未提及 | 提高基坑工程中邻近管道变形预测的准确性 | 基坑工程中的管道变形 | 机器学习 | NA | 卷积神经网络、双向长短期记忆网络 | CNN、LSTM | 时间序列 | 一个真实世界的地铁项目 | NA | NA | NA | NA |
| 960 | 2024-11-07 |
A deep learning approach for ovarian cancer detection and classification based on fuzzy deep learning
2024-11-02, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-75830-2
PMID:39488573
|
研究论文 | 本文提出了一种基于模糊深度学习的卵巢癌检测和分类系统 | 结合深度学习和模糊逻辑进行卵巢癌分类 | NA | 开发一种自动化且标准化的系统，用于早期检测和分类卵巢癌 | 卵巢癌的病理全切片图像 | 计算机视觉 | 卵巢癌 | 深度学习 | ResNet-50 | 图像 | 288张苏木精-伊红染色（H&E）全切片图像，来自78名患者 | NA | NA | NA | NA |