深度学习在生物医药领域中的应用
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，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10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 23383 篇文献，本页显示第 21661 - 21680 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 21661 | 2024-08-05 |
Advancements in Artificial Intelligence for the Diagnosis of Multidrug Resistance and Extensively Drug-Resistant Tuberculosis: A Comprehensive Review
2024-May, Cureus
DOI:10.7759/cureus.60280
PMID:38872656
|
综述 | 本文全面回顾了人工智能在多药耐药结核病和广泛耐药结核病诊断中的最新进展 | 探讨了在结核病诊断中应用的各种人工智能算法及其比较性能 | 讨论了在结核病诊断中实施人工智能面临的数据可用性、算法可解释性和监管考虑等挑战和限制 | 研究人工智能在多药耐药结核病和广泛耐药结核病诊断中的应用 | 聚焦于多药耐药结核病和广泛耐药结核病的诊断技术 | 自然语言处理 | 结核病 | 人工智能 | 机器学习，深度学习，集成技术 | NA | NA |
| 21662 | 2024-08-05 |
UNNT: A novel Utility for comparing Neural Net and Tree-based models
2024-Apr, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1011504
PMID:38683879
|
研究论文 | 本研究开发了一个名为UNNT的开源库，用于比较神经网络和树模型在癌症药物反应中的效果 | 提出了UNNT工具，简化了深度学习模型和树模型比较的过程 | 尽管研究集中在癌症药物反应数据集上，但在其他领域的应用可能不够充分 | 探索树模型在单一药物反应模型中的适用性和优越性 | 比较神经网络与基于树的模型在药物反应问题上的表现 | 机器学习 | 癌症 | XGBoost | CNN | 数据集 | NA |
| 21663 | 2024-08-05 |
Impact of a deep learning sepsis prediction model on quality of care and survival
2024-Jan-23, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-023-00986-6
PMID:38263386
|
研究论文 | 本研究评估了一种深度学习模型（COMPOSER）对败血症患者结果的影响 | 首次在真实世界中评估深度学习模型对败血症早期预测的影响 | 限于在两个急诊科进行的准实验研究，可能影响结果的普遍适用性 | 评估深度学习模型对败血症患者的结果影响 | 6217名成年败血症患者 | 自然语言处理 | 败血症 | 深度学习 | NA | 样本数据 | 6217名成年败血症患者 |
| 21664 | 2024-08-05 |
Research on load clustering algorithm based on variational autoencoder and hierarchical clustering
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303977
PMID:38870191
|
研究论文 | 本研究提出了一种将变分自编码器和度量学习相结合的深度时间序列聚类新方法 | 创新性地将变分自编码器与度量学习整合，以提高聚类精度和可解释性 | 在特征表示的区分能力和实例重建与聚类目标之间的断裂等问题依然存在 | 探索时间序列数据的聚类分析方法 | 工业负载数据的时间序列聚类 | 机器学习 | NA | 变分自编码器 (VAE) | 门控递归单元 (GRU) | 时间序列数据 | 工业负载数据，样本量未具体提及 |
| 21665 | 2024-08-05 |
A deep learning method for classification of HNSCC and HPV patients using single-cell transcriptomics
2024, Frontiers in molecular biosciences
IF:3.9Q2
DOI:10.3389/fmolb.2024.1395721
PMID:38872916
|
研究论文 | 本研究开发了深度学习模型，用于利用单细胞转录组学分类头颈鳞状细胞癌（HNSCC）和人类乳头状瘤病毒（HPV）患者 | 提出了一个基于人工神经网络的模型，通过单细胞转录组学准确区分HNSCC与正常样本，并能够分类HPV阳性和阴性样本 | 研究样本量相对较小，仅使用了20个HNSCC样本和9个正常组织样本 | 旨在通过机器学习和深度学习技术提高HNSCC的早期检测效率 | 针对头颈鳞状细胞癌患者和正常样本进行分类 | 机器学习 | 头颈癌 | 单细胞转录组学 | 人工神经网络 | 基因表达数据 | 20个HNSCC样本（包括13个HPV阴性样本和7个HPV阳性样本），9个正常组织样本 |
| 21666 | 2024-08-05 |
Enhancing the potential of phenomic and genomic prediction in winter wheat breeding using high-throughput phenotyping and deep learning
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1410249
PMID:38872880
|
研究论文 | 本研究探讨了结合高通量表型分析和深度学习在冬小麦育种中的应用 | 提出了将无人机辅助的高通量表型数据与深度学习相结合以提高冬小麦粒产、测试重量和蛋白质含量的预测准确性 | 未提到具体的样本数量和数据集多样性，可能影响结果的普适性 | 提高高产和抗逆小麦品种的育种效率 | 冬小麦在不同生长阶段的农业性状与高通量表型性状的相关性 | 数字病理学 | NA | 高通量表型分析（HTP）和深度学习（DL） | 深度神经网络（DNN） | 图像 | NA |
| 21667 | 2024-08-05 |
FaceTouch: Detecting hand-to-face touch with supervised contrastive learning to assist in tracing infectious diseases
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0288670
PMID:38870182
|
研究论文 | 本文介绍了一种名为FaceTouch的计算机视觉框架，用于检测手与脸的接触以协助追踪传染病 | 引入了一种基于监督对比学习的深度学习模型，可以在复杂场景中检测手对脸的接触，克服了面部部分遮挡的问题 | 缺乏其他基准数据集的支持，训练依赖于我们收集的数据集 | 旨在提供一种自动检测手与脸接触的方法，以减少传染病传播 | 检测在城市环境中或室内人们的手对脸的接触 | 计算机视觉 | NA | 深度学习 | 监督对比学习 | 视频 | 基于我们收集的数据集，样本数量未明确给出 |
| 21668 | 2024-08-05 |
Enhancing bladder cancer diagnosis through transitional cell carcinoma polyp detection and segmentation: an artificial intelligence powered deep learning solution
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1406806
PMID:38873177
|
研究论文 | 本研究探讨了通过深度学习模型在膀胱癌的诊断中进行移行细胞癌息肉检测与分割的可行性 | 提出了一种新方法，通过使用深度学习架构在低质量的膀胱镜图像上对移行细胞癌息肉进行精准分割 | 使用的数据集是低质量的膀胱镜图像，可能影响模型的准确性 | 目标是提高移行细胞癌息肉的早期诊断率和紧急治疗的时效性 | 研究对象为移行细胞癌息肉在膀胱镜图像中的检测与分割 | 计算机视觉 | 膀胱癌 | 深度学习 | Unetplusplus_vgg19, Unet_vgg11, FPN_resnet34 | 图像 | 低质量的标注膀胱镜图像数据集 |
| 21669 | 2024-08-05 |
Rapid segmentation of computed tomography angiography images of the aortic valve: the efficacy and clinical value of a deep learning algorithm
2024, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2024.1285166
PMID:38872900
|
研究论文 | 本研究探讨了一种基于深度学习的快速、准确的主动脉瓣CT血管造影图像自动分割的可靠性和临床价值 | 首次实现了利用深度学习工具快速自动分割主动脉根部，提升了模型重建的时间效率 | 未提及模型在不同患者或病理状态下的适应性和广泛验证 | 探索基于深度学习工具的主动脉根部的自动分割技术的临床价值 | 183名接受经导管主动脉瓣置换手术的患者的CT血管造影扫描数据 | 计算机视觉 | 心血管疾病 | 深度学习 | NA | 图像 | 183个患者的CT扫描数据 |
| 21670 | 2024-08-05 |
STM-ac4C: a hybrid model for identification of N4-acetylcytidine (ac4C) in human mRNA based on selective kernel convolution, temporal convolutional network, and multi-head self-attention
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1408688
PMID:38873109
|
研究论文 | 本文介绍了一种基于深度学习的模型STM-ac4C，用于预测人类mRNA上的ac4C修饰位点 | STM-ac4C模型结合了选择性核卷积、时间卷积网络和多头自注意力机制，能够有效提取和整合RNA序列的多级特征 | 尽管STM-ac4C在准确性和泛化能力上有所改进，但深度学习模型在某些复杂生物序列数据上仍存在局限性 | 本文旨在提高对人类mRNA上ac4C修饰位点的预测准确性，以揭示其在疾病中的作用 | 研究对象为人类mRNA中的N4-乙酰胞苷(ac4C)修饰位点 | 机器学习 | 癌症 | 深度学习 | STM-ac4C | 序列数据 | 独立测试数据集的具体样本数量未提及，涉及平衡和不平衡数据集 |
| 21671 | 2024-08-05 |
Investigating molecular descriptors in cell-penetrating peptides prediction with deep learning: Employing N, O, and hydrophobicity according to the Eisenberg scale
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305253
PMID:38870192
|
研究论文 | 本研究探讨了用于细胞穿透肽预测的分子描述符，结合深度学习技术。 | 提出了使用ConvBoost-CPP的创新方法，该方法结合了改进的卷积神经网络和XGBoost模型，以提高分类器的准确性 | 未提及具体的局限性 | 研究细胞穿透肽的分子描述符对膜渗透性的预测能力 | 细胞穿透肽以及与之相关的分子描述符，如氮、氧和疏水性 | 机器学习 | NA | 深度学习 | ConvBoost-CPP | NA | NA |
| 21672 | 2024-08-05 |
Deep learning based ECG segmentation for delineation of diverse arrhythmias
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303178
PMID:38870233
|
研究论文 | 本文研究了心电图中关键波形的准确描绘，特别是在不同心律失常情况下的表现 | 提出了一种类似U-Net的心电图分割模型，重点关注多样化的心律失常并开发后处理算法 | 在标准基准上的高表现模型在稀有心律失常下性能较差 | 旨在提高心电图分割在不同心律失常情况下的性能 | 多种心律失常的心电图数据 | 数字病理学 | 心脏病 | 深度学习 | U-Net | 心电图（ECG） | 在多样化数据集上训练并在LUDB和QTDB数据集上评估 |
| 21673 | 2024-08-05 |
Stable tensor neural networks for efficient deep learning
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1363978
PMID:38873283
|
研究论文 | 该文章提出了一种基于张量的神经网络，用于高效地学习高维数据 | 引入了张量神经网络（t-NNs），作为传统全连接网络的扩展，以更高效的参数空间进行训练 | 本文没有具体提到实验的限制条件或潜在的应用局限性 | 研究旨在通过张量表示和处理来提高深度神经网络的训练效率 | 研究对象是高维数据及其在深度学习中的应用 | 机器学习 | NA | 深度神经网络 | 张量神经网络（t-NNs） | 图像 | 使用了MNIST和CIFAR-10两个基准图像数据集 |
| 21674 | 2024-08-05 |
Prediction of miRNAs and diseases association based on sparse autoencoder and MLP
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1369811
PMID:38873111
|
研究论文 | 该研究提出了一种新的稀疏自编码器和多层感知器方法（SPALP）来预测miRNA与疾病之间的关联 | 采用稀疏自编码器和多层感知器结合的深度学习技术来提高miRNA-疾病关联预测的准确性 | NA | 旨在揭示miRNA与疾病之间的关联以探讨病理机制和治疗方法 | miRNA和多种老年疾病的关联数据 | 计算机视觉 | 老年疾病 | 深度学习，稀疏自编码器和多层感知器 | 多层感知器 | 生物信息学数据 | 在研究中验证了与五种老年疾病相关的miRNA共30个，具体包括狼疮红斑、急性髓性白血病、心血管、卒中、糖尿病 |
| 21675 | 2024-08-05 |
Identification of biological indicators for human exposure toxicology in smart cities based on public health data and deep learning
2024, Frontiers in public health
IF:3.0Q2
DOI:10.3389/fpubh.2024.1361901
PMID:38873314
|
研究论文 | 本研究提出了一种基于公共健康数据和深度学习的方法，以识别智能城市中人类暴露的毒理生物指标 | 创新之处在于结合公共健康数据和深度学习，建立环境监测数据与健康指标之间的关联模型 | 研究可能受到传感器数据准确性和公共健康数据完整性影响 | 旨在通过识别毒理生物指标，准确评估和管理城市环境暴露风险 | 研究对象为城市公共健康数据与环境监测数据采集的污染物类型和浓度 | 计算机视觉 | 呼吸系统疾病与心血管疾病 | 深度学习 | 卷积神经网络 | 环境监测数据 | 涉及的样本数量及类型为通过智能城市基础设施收集的环境监测数据 |
| 21676 | 2024-08-05 |
MRET: Modified Recursive Elimination Technique for ranking author assessment parameters
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0303105
PMID:38870157
|
研究论文 | 本文提出了一种修改的递归消除技术，通过深度学习对作者评估参数进行排名 | 创新点在于结合多层感知器分类器和修改递归消除技术来评估和排名作者影响力参数 | 限制在于仅针对数学领域的数据进行分析，可能不适用于其他领域的参数评估 | 研究的目的是识别和优先排序最有效的作者评估指标 | 研究对象包括525个尚未获奖的个体和525个被认为是潜在获奖者的个体 | 自然语言处理 | NA | 深度学习 | 多层感知器 (MLP) | 数据集 | 共1050个个体，包括525个未获奖个体和525个潜在获奖个体 |
| 21677 | 2024-08-05 |
Clinical concept and relation extraction using prompt-based machine reading comprehension
2023-08-18, Journal of the American Medical Informatics Association : JAMIA
IF:4.7Q1
DOI:10.1093/jamia/ocad107
PMID:37316988
|
研究论文 | 开发了一种自然语言处理系统，用于临床概念提取和关系提取 | 提出了一种统一的基于提示的机器阅读理解架构，具有良好的跨机构应用的通用性 | NA | 解决临床概念提取和关系提取的问题 | 临床概念和社交决定健康关系的提取 | 自然语言处理 | NA | 机器阅读理解（MRC） | 变压器模型 | 文本 | 使用了两个基准数据集（药物和不良药物事件；健康的社会决定因素关系） |
| 21678 | 2024-08-05 |
A deep learning approach for automatic delineation of clinical target volume in stereotactic partial breast irradiation (S-PBI)
2023-05-11, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/accf5e
PMID:37084739
|
研究论文 | 本研究提出了一种基于深度学习的方法，以自动划定立体部分乳腺照射中的临床靶区。 | 本研究通过模仿医生的划定实践，使用多通道输入的3D U-Net架构来实现CTV分割，展示了学习到的扩展规则和解剖边界。 | 研究限于对35名患者的回顾性数据，样本量较小，可能影响模型的泛化能力。 | 旨在提高乳腺癌术后放疗中临床靶区的划定效率和准确性。 | 研究对象为35名接受5次部分乳腺照射的术后乳腺癌患者的CT图像。 | 数字病理学 | 乳腺癌 | CT图像和肿瘤床体积（TBV）掩膜的深度学习方法 | 3D U-Net | 图像 | 175张来自35名患者的CT图像 |
| 21679 | 2024-08-05 |
Deep Learning for Automated Liver Segmentation to Aid in the Study of Infectious Diseases in Nonhuman Primates
2021-11, Academic radiology
IF:3.8Q1
DOI:10.1016/j.acra.2020.08.023
PMID:32943333
|
研究论文 | 本研究探讨了深度学习在非人类灵长类动物感染疾病研究中自动肝脏分割的应用 | 首次在非人类灵长类动物的全身CT图像中应用先进的CNN算法进行肝脏分割 | 主要集中在非人类灵长类动物上，可能不适用于其他物种 | 提升对感染性疾病中肝脏的准确分割和分析能力 | 37只非人类灵长类动物的82个CT扫描图像 | 数字病理学 | 感染性疾病 | 深度学习 | CNN，FPN、VNet和UNet | 图像 | 37只动物的82个扫描 |
| 21680 | 2024-08-05 |
Converting tabular data into images for deep learning with convolutional neural networks
2021-05-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-90923-y
PMID:34059739
|
研究论文 | 本研究提出了一种新算法IGTD，将表格数据转换为图像，以便使用卷积神经网络进行深度学习 | 开发了一种新的算法，能够通过优化特征与像素位置的赋值，将表格数据转换为图像 | 未提及具体的局限性 | 研究如何将表格数据有效地转换为图像以供深度学习使用 | 将癌细胞系的基因表达谱和药物的分子描述符作为研究对象 | 计算机视觉 | 癌症 | 卷积神经网络(CNN) | 卷积神经网络(CNN) | 图像 | 使用了基因表达谱和药物分子描述符的多个样本，但具体数量未提供 |