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 1265 篇文献，本页显示第 861 - 880 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 861 | 2024-12-13 |
Accelerated T2W Imaging with Deep Learning Reconstruction in Staging Rectal Cancer: A Preliminary Study
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01345-x
PMID:39663320
|
研究论文 | 本研究探讨了深度学习重建（DLR）在直肠癌分期中加速T2加权成像的可行性和图像质量 | 首次评估了DLR在直肠癌分期中加速采集的潜力，并展示了DLR_H在减少扫描时间的同时提高了图像质量和诊断性能 | 研究样本量较小，且仅限于直肠癌患者，未来需要更大规模的研究来验证结果 | 探索深度学习重建在直肠癌分期中加速T2加权成像的可行性和图像质量 | 直肠癌患者的T2加权成像 | 计算机视觉 | 直肠癌 | 深度学习重建 | NA | 图像 | 52名直肠癌患者 | NA | NA | NA | NA |
| 862 | 2024-12-13 |
Deep Learning-Based Body Composition Analysis for Cancer Patients Using Computed Tomographic Imaging
2024-Dec-11, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01373-7
PMID:39663321
|
研究论文 | 本文开发了一种基于深度学习的身体成分分析方法，用于癌症患者的CT影像分析 | 首次提出使用基于Transformer的深度学习模型Swin UNETR进行身体成分分析，并结合热图回归进行脊椎定位 | NA | 开发一种准确的身体成分分析方法，以早期检测癌症患者的营养不良并支持及时干预 | 癌症患者的腹部/骨盆CT扫描图像 | 计算机视觉 | NA | CT | Swin UNETR | 图像 | 200例癌症患者的腹部/骨盆CT扫描 | NA | NA | NA | NA |
| 863 | 2024-12-13 |
Vocal Biomarkers for Parkinson's Disease Classification Using Audio Spectrogram Transformers
2024-Dec-10, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.11.008
PMID:39665946
|
研究论文 | 本研究评估了音频频谱图Transformer（AST）模型在通过语音生物标志物检测帕金森病（PD）中的有效性 | 提出了使用音频频谱图Transformer模型，利用其自注意力机制更好地捕捉PD相关的语音障碍，相较于传统深度学习方法具有更高的分类性能 | 需要进一步在更多样化的人群中进行验证以实现临床应用 | 评估音频频谱图Transformer模型在通过语音生物标志物检测帕金森病中的有效性 | 帕金森病患者的语音生物标志物 | 机器学习 | 帕金森病 | 音频频谱图Transformer（AST）模型 | Transformer | 音频 | 150名参与者（PC-GITA数据集：50名PD患者，50名健康对照；ITA数据集：28名PD患者，22名健康对照） | NA | NA | NA | NA |
| 864 | 2024-12-13 |
Enhancing AI Research for Breast Cancer: A Comprehensive Review of Tumor-Infiltrating Lymphocyte Datasets
2024-Dec, Journal of imaging informatics in medicine
DOI:10.1007/s10278-024-01043-8
PMID:38806950
|
综述 | 本文综述了与肿瘤浸润淋巴细胞（TIL）相关的公开数据集，旨在为乳腺癌研究中的计算机辅助病理学（CAP）工具的训练和验证提供资源 | 本文的创新点在于系统地回顾了公开的TIL数据集，为TIL研究社区提供了宝贵的资源 | 本文的局限性在于仅限于公开可用的数据集，可能无法涵盖所有相关的TIL数据 | 本文的研究目的是为乳腺癌研究中的计算机辅助病理学工具的训练和验证提供资源 | 本文的研究对象是与肿瘤浸润淋巴细胞（TIL）相关的公开数据集 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 865 | 2024-12-13 |
Correlating Personality Traits With Acute Stress Responses in Earthquake Simulations: An HRV and RESP Analysis
2024-Dec, Stress and health : journal of the International Society for the Investigation of Stress
IF:3.0Q2
DOI:10.1002/smi.3510
PMID:39584748
|
研究论文 | 本研究探讨了人格特质与地震模拟中急性应激反应（ASR）之间的关联，通过心率变异性（HRV）和呼吸信号分析，结合深度学习模型进行预测 | 本研究首次将人格特质与急性应激反应的预测相结合，提出了一种基于人格的地震应激管理新方法 | 研究样本量较小，且仅限于特定人格类型的参与者，未来需要更大规模的研究来验证结果 | 研究人格特质与急性应激反应之间的关联，并开发基于人格的应激反应预测模型 | 参与者的人格特质、心率变异性和呼吸信号在地震模拟中的变化 | 机器学习 | NA | 多变量方差分析（MANOVA）、Toeplitz逆协方差聚类方法、卷积神经网络（CNN）和长短期记忆网络（LSTM） | CNN-LSTM | 心率变异性（HRV）、呼吸信号 | 参与者数量未明确提及 | NA | NA | NA | NA |
| 866 | 2024-12-13 |
A patch-based deep learning MRI segmentation model for improving efficiency and clinical examination of the spinal tumor
2024-Dec, Journal of bone oncology
IF:3.1Q2
DOI:10.1016/j.jbo.2024.100649
PMID:39659517
|
研究论文 | 本研究提出了一种基于补丁的深度学习MRI分割模型，用于提高脊柱肿瘤的效率和临床检查 | 本研究的创新点在于提出了一种全自动的脊柱MRI图像分割方法，利用卷积-反卷积神经网络和基于补丁的深度学习技术，显著提高了分割效率和准确性 | NA | 本研究的目的是提出一种全自动的脊柱MRI图像分割方法，以提高分割效率，满足临床诊断和治疗计划的需求 | 本研究的研究对象是脊柱MRI图像中的肿瘤 | 计算机视觉 | 脊柱疾病 | 卷积神经网络 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 867 | 2024-12-12 |
The role of deep learning in myocardial perfusion imaging for diagnosis and prognosis: A systematic review
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111374
PMID:39654634
|
综述 | 本文综述了深度学习在心肌灌注成像中的应用，重点探讨了其在诊断和预后中的可解释性方法 | 本文总结了深度学习在心肌灌注成像中的最新应用，并强调了可解释性方法的重要性 | 本文主要讨论了现有研究的挑战和未来研究的方向，未提供具体的技术实现细节 | 总结深度学习在心肌灌注成像中的应用，并探讨其在诊断和预后中的可解释性方法 | 心肌灌注成像（MPI）及其在诊断和预后中的应用 | 计算机视觉 | 心血管疾病 | 深度学习（DL） | 卷积神经网络（CNN） | 图像 | NA | NA | NA | NA | NA |
| 868 | 2024-12-12 |
Examples of implementations and the future of AI in medical diagnostics
2024-Dec-10, Przeglad epidemiologiczny
DOI:10.32394/pe/195240
PMID:39660712
|
综述 | 本文介绍了人工智能在医疗诊断中的应用实例，并展望了未来的发展方向 | 探讨了深度学习算法的发展、5G技术与互联网的整合以及医疗个性化等潜在创新 | 提到了法律监管和数据管理适应的挑战 | 探讨人工智能在医疗诊断中的应用及未来发展 | 人工智能在医疗诊断中的应用实例及未来研究方向 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 869 | 2024-12-12 |
Focus on atrial fibrillation: role of atrioventricular node ablation, prediction by deep learning, and anticoagulation in device-detected arrhythmia
2024-Dec-07, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehae826
PMID:39657597
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 870 | 2024-12-12 |
Deep learning dives: Predicting anxiety in zebrafish through novel tank assay analysis
2024-Dec-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2024.114696
PMID:39293590
|
研究论文 | 本研究使用深度学习模型对斑马鱼在新环境中的焦虑行为进行分类 | 本研究首次使用DeepLabCut和InceptionV3等深度学习模型对斑马鱼的焦虑行为进行自动化分析，提供了一种高效且成本效益高的替代传统方法的方案 | 本研究的局限性在于仅使用了特定的深度学习模型进行分类，未探讨其他可能更适合的模型 | 开发一种自动化分析斑马鱼新环境潜水实验（NTD）的方法，以预测其焦虑水平 | 斑马鱼的焦虑行为 | 计算机视觉 | NA | 深度学习 | InceptionV3 | 图像 | 训练数据集包含图像帧 | NA | NA | NA | NA |
| 871 | 2024-12-12 |
Efficient deep learning surrogate method for predicting the transport of particle patches in coastal environments
2024-Dec, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.117251
PMID:39547071
|
研究论文 | 本文提出了一种用于预测沿海环境中颗粒团残留运输的深度学习代理模型方法 | 通过仅使用相关强迫条件，训练深度学习模型来预测颗粒团的位移和扩散，并将其与简化的拉格朗日模型结合，以获得更长时间的预测 | NA | 开发一种高效的预测沿海环境中污染物运输的代理模型 | 沿海环境中颗粒团的运输 | 机器学习 | NA | 深度学习模型 | DLM | 颗粒团数据 | NA | NA | NA | NA | NA |
| 872 | 2024-12-12 |
Identifying and quantifying multiple pollution sources in estuaries using fluorescence spectra and gradient-based deep learning
2024-Dec, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.117254
PMID:39551020
|
研究论文 | 本研究开发了一种智能方法，用于识别和量化河口地区的水污染源 | 提出了结合激发-发射矩阵（EEM）荧光光谱和梯度输入的深度学习模型，以提高分类和定量精度 | 随着混合污染源数量的增加，模型精度有所下降 | 开发一种智能方法来识别和量化河口地区的水污染源 | 河口地区的七种污染源，包括海水、雨水和五种典型污染源 | 机器学习 | NA | 深度学习 | 深度学习模型 | 荧光光谱 | 七种污染源的激发-发射矩阵（EEM）荧光光谱数据 | NA | NA | NA | NA |
| 873 | 2024-12-12 |
Deep learning-based classification of alfalfa varieties: A comparative study using a custom leaf image dataset
2024-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2024.103051
PMID:39650117
|
研究论文 | 本研究利用深度学习技术对苜蓿品种进行分类，并通过自定义的叶片图像数据集比较了几种先进模型的性能 | 本研究引入了包含1214张苜蓿品种图像的独特数据集，并比较了几种先进深度学习模型在不同超参数配置下的性能，突出了迁移学习在植物分类任务中的优越性 | NA | 研究深度学习技术在苜蓿品种分类中的应用 | 苜蓿品种（Bilensoy-80、Diana和Nimet）的分类 | 计算机视觉 | NA | 深度学习 | MobileNetV3, InceptionV3, Xception, VGG19, DenseNet121, ResNet101, EfficientNetB3 | 图像 | 1214张苜蓿品种图像 | NA | NA | NA | NA |
| 874 | 2024-12-12 |
iResNetDM: An interpretable deep learning approach for four types of DNA methylation modification prediction
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.006
PMID:39650332
|
研究论文 | 本文提出了一种名为iResNetDM的可解释深度学习模型，用于预测四种DNA甲基化修饰 | 首次将DNA甲基化修饰预测任务作为多类分类问题，并引入了结合残差网络和自注意力机制的深度学习模型，能够区分四种DNA甲基化修饰类型 | 之前的模型仅限于二元预测，无法全面分析不同修饰类型之间的关系，且缺乏对模型决策过程的充分解释 | 开发一种能够区分多种DNA甲基化修饰类型并具有解释性的深度学习模型 | 四种DNA甲基化修饰类型及其相互关系 | 机器学习 | NA | 深度学习 | ResNet | DNA序列 | NA | NA | NA | NA | NA |
| 875 | 2024-12-12 |
Effect of shear rate on early Shewanella oneidensis adhesion dynamics monitored by deep learning
2024-Dec, Biofilm
IF:5.9Q1
DOI:10.1016/j.bioflm.2024.100240
PMID:39650339
|
研究论文 | 研究了剪切率对早期Shewanella oneidensis粘附动力学的影响，并通过深度学习进行监测 | 首次使用深度学习方法（YOLOv8）在个体水平上追踪早期粘附细菌的动态行为，并量化了不同剪切率对细菌粘附和定殖的影响 | 研究仅限于单一细菌种类（MR-1）和特定的剪切率范围，未来研究可以扩展到其他细菌种类和更广泛的剪切率范围 | 评估剪切率对早期细菌粘附动力学的影响，以更好地理解细菌定殖过程并制定相应的控制策略 | Shewanella oneidensis细菌在不同剪切率下的早期粘附行为 | 计算机视觉 | NA | 深度学习 | YOLOv8 | 图像 | 超过20,000个细菌样本 | NA | NA | NA | NA |
| 876 | 2024-12-12 |
Automatic classification of fungal-fungal interactions using deep leaning models
2024-Dec, Computational and structural biotechnology journal
IF:4.4Q2
DOI:10.1016/j.csbj.2024.11.027
PMID:39655263
|
研究论文 | 本文开发了一种基于深度神经网络的AI自动化图像分类方法，用于自动分类真菌-真菌相互作用 | 本文首次引入了使用深度学习自动分类真菌-真菌相互作用的方法，并可轻松适应其他真菌物种 | NA | 开发一种自动化的方法来分类真菌-真菌相互作用，以克服传统方法耗时且难以复制的缺点 | 植物病原体与来自38,400个真菌菌株的单个分离物的相互作用 | 机器学习 | NA | 深度学习 | DenseNet121 | 图像 | 38,400个真菌菌株 | NA | NA | NA | NA |
| 877 | 2024-12-11 |
Deep learning-based hyperspectral image correction and unmixing for brain tumor surgery
2024-Dec-20, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2024.111273
PMID:39628576
|
研究论文 | 本文提出了两种基于深度学习的模型，用于校正和解混高光谱图像，以改善脑肿瘤手术中的荧光引导 | 本文的创新点在于提出了两种深度学习模型，能够有效捕捉组织的光学和几何特性的异质性，并展示了半监督模型在人类数据上的更好泛化能力 | 本文的局限性在于仅在幻影和猪脑数据上进行了评估，尚未在人类临床试验中验证 | 本文的研究目的是改进高光谱成像在荧光引导脑肿瘤切除中的应用，以提高手术的准确性和患者预后 | 本文的研究对象是脑肿瘤手术中的高光谱图像校正和解混 | 计算机视觉 | 脑肿瘤 | 深度学习 | 深度学习模型 | 高光谱图像 | 幻影和猪脑数据 | NA | NA | NA | NA |
| 878 | 2024-12-11 |
Deep Learning for Generating Phase-Conditioned Infrared Spectra
2024-Dec-10, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.4c04786
PMID:39575882
|
研究论文 | 本文提出了一种高效的相位感知机器学习方法，用于从二维分子结构生成相位条件下的红外光谱 | 本文首次提出了一种能够生成真实世界复杂分子相位条件下红外光谱的方法，并设计了相位感知的图神经网络与transformer解码器的结合 | NA | 加速红外光谱分析，解决现有方法忽略红外光谱相位依赖性的问题 | 红外光谱的生成与分析 | 机器学习 | NA | 图神经网络，transformer解码器 | 图神经网络，transformer | 分子结构，红外光谱 | 包含11,546个实验测量红外光谱的10,288个独特分子的基准数据集 | NA | NA | NA | NA |
| 879 | 2024-12-11 |
Data-Quality-Navigated Machine Learning Strategy with Chemical Intuition to Improve Generalization
2024-Dec-10, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.4c00969
PMID:39589234
|
研究论文 | 本文提出了一种基于化学直觉的数据质量导航机器学习策略，以提高有机半导体重组能预测任务的泛化能力 | 本文创新性地提出了基于化学直觉的数据质量导航策略，包括数据多样性评估、可靠性评估、数据过滤和分割技术，并构建了集成深度学习模型框架 | 本文未详细讨论该策略在其他领域的适用性和扩展性 | 提高机器学习模型在实际应用中的泛化能力 | 有机半导体分子的重组能预测 | 机器学习 | NA | 深度学习 | 集成框架 | 分子结构数据 | 15,989个有机半导体分子 | NA | NA | NA | NA |
| 880 | 2024-12-11 |
Prognostic Modeling for Liver Cirrhosis Mortality Prediction and Real-Time Health Monitoring from Electronic Health Data
2024-Dec-09, Big data
IF:2.6Q2
DOI:10.1089/big.2024.0071
PMID:39651607
|
研究论文 | 本研究旨在利用电子健康数据构建预测肝硬化患者死亡率的模型，并进行实时健康监测 | 提出了一种基于深度学习的人工神经网络模型，旨在超越现有的终末期肝病模型（MELD）的预测能力 | 在处理不平衡数据集时，模型在精确度和召回率之间存在权衡问题 | 提高肝硬化相关死亡率的预测准确性，并改进应对这一挑战的方法 | 肝硬化患者的死亡率预测和健康监测 | 机器学习 | 肝病 | 深度学习 | 人工神经网络 | 电子健康数据 | 使用了不同比例的训练数据集（70%、80%和90%）进行模型训练和评估 | NA | NA | NA | NA |