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 1268 篇文献，本页显示第 701 - 720 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 701 | 2024-12-20 |
QM40, Realistic Quantum Mechanical Dataset for Machine Learning in Molecular Science
2024-Dec-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04206-y
PMID:39695146
|
研究论文 | 本文介绍了QM40数据集，这是一个用于分子科学中机器学习的真实量子力学数据集 | QM40数据集代表了88%的FDA批准药物化学空间，包含162,954个分子的16个关键量子力学参数，解决了高质量数据稀缺的问题 | NA | 解决机器学习和深度学习在科学领域应用中高质量数据集稀缺的问题 | 分子科学中的量子力学预测 | 机器学习 | NA | 量子力学计算（B3LYP/6-31G(2df,p)） | 图神经网络（GNNs）和生成模型 | 分子结构数据 | 162,954个分子，包含10到40个原子，由C、O、N、S、F、Cl等元素组成 | NA | NA | NA | NA |
| 702 | 2024-12-20 |
GF-1 WFV satellite images based forest cover mapping in China supported by open land use/cover datasets
2024-Dec-18, Scientific data
IF:5.8Q1
DOI:10.1038/s41597-024-04202-2
PMID:39695154
|
研究论文 | 本研究基于GF-1 WFV卫星图像和开放的土地利用/覆盖数据集，开发了中国2020年的16米分辨率森林覆盖图 | 提出了基于弱监督深度学习和开放数据集先验知识的森林分类框架，生成了高精度的中国森林覆盖图 | NA | 开发高精度的中国森林覆盖图，以支持生态研究和可持续管理 | 中国的森林覆盖 | 遥感 | NA | 弱监督深度学习 | NA | 图像 | 136,385个样本点 | NA | NA | NA | NA |
| 703 | 2024-12-20 |
DeepMiRBP: a hybrid model for predicting microRNA-protein interactions based on transfer learning and cosine similarity
2024-Dec-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-024-05985-2
PMID:39695955
|
研究论文 | 本文介绍了一种名为DeepMiRBP的新型混合深度学习模型，用于预测microRNA-蛋白质相互作用 | 首次针对小RNA与蛋白质之间的直接相互作用进行建模，结合了双向长短期记忆网络（Bi-LSTM）和卷积神经网络（CNN），并利用余弦相似度和转移学习来提高预测准确性 | NA | 开发一种高效的生物信息学工具，用于预测microRNA-蛋白质相互作用 | microRNA与RNA结合蛋白之间的相互作用 | 机器学习 | NA | 转移学习，余弦相似度 | 混合模型（Bi-LSTM和CNN） | RNA序列和蛋白质结构数据 | 使用了大量RNA-蛋白质结合位点的数据集，并通过三个案例研究验证了模型 | NA | NA | NA | NA |
| 704 | 2024-12-20 |
Segmentation for mammography classification utilizing deep convolutional neural network
2024-Dec-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01510-2
PMID:39696014
|
研究论文 | 本文提出了一种改进的transformer模型，用于乳腺癌预测和乳腺X线图像分类，通过分割技术准确识别受乳腺癌影响的区域 | 本文创新性地将transformer模型与分割技术结合，用于乳腺X线图像的乳腺癌分类，并提出了金字塔transformer（PTr）模型的架构改进 | 本文未详细讨论模型在不同数据集上的泛化能力以及模型的计算资源需求 | 研究如何利用改进的transformer模型提高乳腺X线图像中良性和恶性乳腺组织的分类准确性 | 乳腺X线图像中的良性和恶性乳腺组织 | 计算机视觉 | 乳腺癌 | 深度学习 | transformer | 图像 | 使用了Mendeley数据仓库中的INbreast数据集，包含良性和恶性乳腺类型 | NA | NA | NA | NA |
| 705 | 2024-12-20 |
Novel neural network classification of maternal fetal ultrasound planes through optimized feature selection
2024-Dec-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01453-8
PMID:39696025
|
研究论文 | 本文提出了一种基于深度学习的自动化分类方法，用于母体胎儿超声平面的分类，通过优化的特征选择和新型径向基函数神经网络（RBFNN）提高检测效率和诊断准确性 | 本文引入了混合优化技术进行特征选择，并提出了新型径向基函数神经网络（RBFNN）用于母体胎儿超声平面的分类 | NA | 提高母体胎儿超声平面分类的效率和诊断准确性 | 母体胎儿超声平面 | 机器学习 | NA | 深度学习 | 径向基函数神经网络（RBFNN） | 图像 | 从公开来源收集的大量母体胎儿筛查超声图像，分为六个类别 | NA | NA | NA | NA |
| 706 | 2024-12-20 |
Shape-based disease grading via functional maps and graph convolutional networks with application to Alzheimer's disease
2024-Dec-18, BMC medical imaging
IF:2.9Q2
DOI:10.1186/s12880-024-01513-z
PMID:39696064
|
研究论文 | 本文通过功能映射和图卷积网络的方法，提出了一种基于形状的疾病分级方法，并应用于阿尔茨海默病的诊断 | 本文引入了功能映射的概念，并结合图卷积网络进行形状分析，以解决传统形状空间方法在处理不完全和拓扑变化形状时的局限性 | NA | 本文旨在通过改进形状分析方法，提高疾病分级的准确性 | 本文的研究对象是阿尔茨海默病患者的形状特征 | 计算机视觉 | 阿尔茨海默病 | 图卷积网络 | 图卷积网络 | 形状 | 使用了来自ADNI数据库的样本 | NA | NA | NA | NA |
| 707 | 2024-12-20 |
Evaluation of modified essay questions (MEQs) as an assessment tool in third-year medical students' modular summative assessment
2024-Dec-18, BMC medical education
IF:2.7Q1
DOI:10.1186/s12909-024-06469-w
PMID:39696207
|
研究论文 | 本研究评估了基于案例的修改论文问题（MEQs）作为医学课程中三年级医学生模块化总结性评估工具的有效性 | 本研究首次系统性地比较了MEQs和多项选择题（MCQs）在医学生总结性评估中的表现，并探讨了其在特殊情况下的可靠性 | 研究仅限于内分泌模块，且样本仅涵盖四年的数据，可能无法全面代表所有医学课程和更长时间跨度的情况 | 评估基于案例的MEQs在医学生总结性评估中的表现及其与MCQs的比较 | 三年级医学生在内分泌模块中的MEQs和MCQs表现 | NA | NA | NA | NA | NA | 四年间（2018/2019至2021/2022）的三年级医学生 | NA | NA | NA | NA |
| 708 | 2024-12-20 |
MolNexTR: a generalized deep learning model for molecular image recognition
2024-Dec-18, Journal of cheminformatics
IF:7.1Q1
DOI:10.1186/s13321-024-00926-w
PMID:39696616
|
研究论文 | 提出了一种名为MolNexTR的深度学习模型，用于分子图像识别，能够将分子图像转换为机器可读的SMILES字符串 | MolNexTR结合了ConvNext和Vision-Transformer的优点，能够同时预测原子和键，并理解它们的布局规则，还引入了化学符号原理来识别手性和解析缩写结构 | NA | 开发一种能够处理化学文献中不同绘图风格和惯例的分子图像识别模型 | 分子图像及其转换为SMILES字符串的过程 | 计算机视觉 | NA | 深度学习 | ConvNext和Vision-Transformer | 图像 | 测试集中的分子图像 | NA | NA | NA | NA |
| 709 | 2024-12-20 |
Preoperative assessment of tertiary lymphoid structures in stage I lung adenocarcinoma using CT radiomics: a multicenter retrospective cohort study
2024-Dec-18, Cancer imaging : the official publication of the International Cancer Imaging Society
IF:3.5Q1
DOI:10.1186/s40644-024-00813-5
PMID:39696659
|
研究论文 | 本研究开发了一种基于术前CT放射组学特征的多模态预测模型RAITS，用于识别I期肺腺癌患者的三级淋巴结构，并评估其在预后分层和个性化治疗指导中的潜力 | 创新点在于开发了基于术前CT放射组学特征的多模态预测模型RAITS，并展示了其在识别三级淋巴结构方面的优越性能 | 本研究为回顾性多中心队列研究，未来需要进一步的前瞻性研究来验证RAITS模型的临床应用价值 | 开发和评估一种基于术前CT放射组学特征的多模态预测模型，用于识别I期肺腺癌患者的三级淋巴结构 | I期肺腺癌患者的三级淋巴结构 | 数字病理学 | 肺癌 | 放射组学、卷积神经网络 | 3D U-Net | 图像 | 多个中心的I期肺腺癌患者的术前CT薄层扫描和术后苏木精-伊红染色病理切片 | NA | NA | NA | NA |
| 710 | 2024-12-20 |
Quasi-Newton optimised Kolmogorov-Arnold Networks for wind farm power prediction
2024-Dec-15, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e40799
PMID:39698096
|
研究论文 | 本研究使用Kolmogorov-Arnold Networks (KAN) 和 Multilayer Perceptron (MLP) 模型预测中国六个风电场的额定功率，并采用准牛顿优化技术LBFGS进行参数优化 | 本研究创新性地使用Kolmogorov-Arnold Networks (KAN) 替代传统的MLP模型，并采用准牛顿优化技术LBFGS进行参数优化，同时使用IQR技术处理异常值和基于聚类的K-Nearest Neighbor (KNN) 插值法处理缺失值 | NA | 预测风电场的额定功率，以提高风能预测的准确性和有效性 | 中国六个风电场的额定功率 | 机器学习 | NA | Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP), 准牛顿优化技术LBFGS, IQR技术, K-Nearest Neighbor (KNN) 插值法 | Kolmogorov-Arnold Networks (KAN), Multilayer Perceptron (MLP) | 数值数据 | 六个风电场的数据 | NA | NA | NA | NA |
| 711 | 2024-12-20 |
Porkolor: A deep learning framework for pork color classification
2024-Dec-12, Meat science
IF:5.7Q1
DOI:10.1016/j.meatsci.2024.109731
PMID:39693826
|
研究论文 | 本文提出了一种基于深度学习的猪肉颜色分类框架Porkolor，通过图像预处理和分类模块提高分类准确性 | 设计了标准化的猪肉图像采集设备，并提出了基于SAM的图像预处理模块和基于ResNet-101的猪肉颜色分类模块 | 模型在外部验证数据集上的准确性略低于内部数据集，可能需要进一步优化 | 开发一种客观且稳定的猪肉颜色分类方法，以替代传统的人眼观察方法 | 猪肉颜色的分类 | 计算机视觉 | NA | 深度学习 | ResNet-101 | 图像 | 1707张高质量猪肉图像 | NA | NA | NA | NA |
| 712 | 2024-12-20 |
St-RegSeg: an unsupervised registration-based framework for multimodal magnetic resonance imaging stroke lesion segmentation
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-725
PMID:39698611
|
研究论文 | 本文提出了一种基于无监督配准的框架St-RegSeg，用于多模态磁共振成像的卒中病变分割 | 创新点在于结合了无监督配准模型ConvNXMorph和分割模型nnUNet-v2，解决了多模态MRI图像之间的语义内容漂移问题，提高了分割精度和计算效率 | NA | 提出一种有效的框架用于多模态MRI图像的配准和分割，以提高卒中病变分割的准确性和效率 | 多模态磁共振成像中的卒中病变 | 计算机视觉 | 卒中 | 磁共振成像（MRI） | ConvNXMorph（配准模型）和nnUNet-v2（分割模型） | 图像 | 来自三个中心的ISLES'22数据集 | NA | NA | NA | NA |
| 713 | 2024-12-20 |
Automatic deep learning method for analysis and prediction of neonatal hyperbilirubinemia in magnetic resonance imaging
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1050
PMID:39698615
|
研究论文 | 本研究通过对比分析不同程度新生儿高胆红素血症的新生儿，探讨磁共振成像（MRI）图像特征与血清胆红素水平之间的关系，并提出基于深度学习的自动分类系统用于预测新生儿高胆红素血症 | 本研究引入了基于图注意力机制的图卷积网络（GCN）进行新生儿高胆红素血症的分析和分类，取得了优于其他先进模型的结果 | 本研究为回顾性研究，样本量有限，且仅在西安第四医院的数据上进行了验证 | 探讨MRI图像特征与血清胆红素水平之间的关系，并开发自动分类系统预测新生儿高胆红素血症 | 新生儿高胆红素血症的MRI图像特征与血清胆红素水平 | 机器学习 | 新生儿疾病 | 磁共振成像（MRI） | 图卷积网络（GCN） | 图像 | 606名新生儿，包括273例患者和333例正常对照 | NA | NA | NA | NA |
| 714 | 2024-12-20 |
Novel study on the prediction of BI-RADS 4A positive lesions in mammography using deep learning technology and clinical factors
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1075
PMID:39698623
|
研究论文 | 本研究利用深度学习技术和临床因素，开发了一种预测乳腺X线摄影中BI-RADS 4A阳性病变的分类模型 | 本研究的创新点在于结合深度学习技术和临床因素，构建了一个更准确的BI-RADS 4A阳性病变预测模型 | 本研究的局限性在于其为回顾性分析，且样本仅来自两家医院 | 本研究的目的是提高乳腺X线摄影中BI-RADS 4A阳性病变的分类预测准确性 | 本研究的研究对象为在深圳人民医院和深圳罗湖人民医院诊断为BI-RADS 4A的590名患者 | 计算机视觉 | 乳腺癌 | 深度学习 | 多因素逻辑回归模型 | 图像和临床数据 | 590名患者 | NA | NA | NA | NA |
| 715 | 2024-12-20 |
Research trends of artificial intelligence and radiomics in lung cancer: a bibliometric analysis
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-1316
PMID:39698627
|
meta-analysis | 本文通过文献计量分析方法，探讨了人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势 | 本文首次通过文献计量分析方法，系统地总结了人工智能和放射组学在肺癌领域的研究热点和未来趋势 | 本文主要依赖于文献计量分析，未涉及具体的技术实现和实验验证 | 探讨人工智能和放射组学在肺癌应用中的研究现状、热点和未来趋势 | 人工智能和放射组学在肺癌中的应用研究 | machine learning | lung cancer | NA | NA | text | 2989篇相关文献，其中2804篇为研究论文，185篇为综述 | NA | NA | NA | NA |
| 716 | 2024-12-20 |
Deep learning-based low count whole-body positron emission tomography denoising incorporating computed tomography priors
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-489
PMID:39698633
|
研究论文 | 本研究提出了一种基于深度学习的低计数全身正电子发射断层扫描（PET）去噪方法，结合计算机断层扫描（CT）先验信息以进一步降低剂量水平 | 本研究的创新点在于提出了一种结合CT先验信息的深度学习方法，用于低计数PET图像的去噪，相比传统方法在更低剂量水平下表现更优 | 本研究的局限性在于样本量较小，且为回顾性非连续性招募，可能影响结果的普适性 | 本研究旨在提出一种结合CT先验信息的深度学习方法，以提高低计数PET图像的质量和定量准确性，并进一步降低剂量水平 | 本研究的研究对象为50名接受常规全身18F-FDG PET/CT扫描的患者 | 计算机视觉 | NA | 深度学习 | U-Net, cGAN | 图像 | 50名患者 | NA | NA | NA | NA |
| 717 | 2024-12-20 |
Development of a machine learning model in prediction of the rapid progression of interstitial lung disease in patients with idiopathic inflammatory myopathy
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-595
PMID:39698644
|
研究论文 | 本研究旨在基于定量计算机断层扫描（QCT）和临床特征，开发并验证一种机器学习（ML）模型，用于预测特发性炎症性肌病相关间质性肺疾病（IIM-ILD）患者的快速进展性间质性肺疾病（RP-ILD） | 本研究首次将定量计算机断层扫描（QCT）与临床特征结合，利用机器学习技术预测IIM-ILD患者的RP-ILD，并验证了其预测性能优于单独使用QCT或临床特征的模型 | 本研究为回顾性研究，样本量相对较小，且仅在中国-日本友好医院进行，可能存在样本偏倚 | 开发并验证一种机器学习模型，用于预测IIM-ILD患者的RP-ILD | 特发性炎症性肌病相关间质性肺疾病（IIM-ILD）患者的快速进展性间质性肺疾病（RP-ILD） | 机器学习 | 间质性肺疾病 | 定量计算机断层扫描（QCT），高分辨率计算机断层扫描（HRCT） | 逻辑回归 | 图像，临床数据 | 514名患者，其中249名患有RP-ILD | NA | NA | NA | NA |
| 718 | 2024-12-20 |
Deep learning-based reconstruction: a reliability assessment in preoperative magnetic resonance imaging for primary rectal cancer
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-907
PMID:39698686
|
研究论文 | 本研究评估了深度学习重建（DLR）方法在直肠癌术前磁共振成像（MRI）中的可靠性 | 首次系统评估了DLR方法在直肠癌术前MRI中的可靠性，并展示了其在图像质量和诊断性能上的优势 | 样本量较小，且仅在一家医院进行研究，可能限制了结果的普适性 | 评估深度学习重建方法在直肠癌术前MRI检查中的可靠性 | 直肠癌患者的术前MRI图像 | 计算机视觉 | 直肠癌 | 深度学习重建（DLR） | NA | 图像 | 61名患者 | NA | NA | NA | NA |
| 719 | 2024-12-20 |
Robust thoracic CT image registration with environmental adaptability using dynamic Welsch's function and hierarchical structure-awareness strategy
2024-Dec-05, Quantitative imaging in medicine and surgery
IF:2.9Q2
DOI:10.21037/qims-24-596
PMID:39698683
|
研究论文 | 本文提出了一种基于动态Welsch函数和层次结构感知策略的鲁棒胸腔CT图像配准算法 | 创新性地使用了Welsch函数来控制损失值的惩罚分布，并设计了动态Welsch参数更新策略，以适应不同噪声水平和滑动运动 | NA | 开发一种鲁棒的胸腔CT图像配准算法，以解决采集过程中运动、高密度物体和噪声对配准的影响 | 胸腔CT图像 | 计算机视觉 | NA | NA | NA | 图像 | 使用了公开的DIR-Lab 4DCT和COPD数据集，包括有噪声和无噪声的情况 | NA | NA | NA | NA |
| 720 | 2024-12-20 |
Bone metastasis scintigram generation using generative adversarial learning with multi-receptive field learning and two-stage training
2024-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17368
PMID:39225550
|
研究论文 | 本文提出了一种基于生成对抗学习的骨转移闪烁扫描图像生成模型BMS-Gen | 采用多感受野学习和两阶段训练策略，生成逼真且多样化的骨转移闪烁扫描图像 | NA | 开发一种自动化的数据生成方法，以扩充SPECT骨闪烁扫描图像的数据集 | SPECT骨闪烁扫描图像 | 计算机视觉 | NA | 生成对抗学习 | 生成对抗网络（GAN） | 图像 | 临床数据集 | NA | NA | NA | NA |