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 33776 篇文献，本页显示第 22421 - 22440 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22421 | 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 |
| 22422 | 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 |
| 22423 | 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 |
| 22424 | 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 |
| 22425 | 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 |
| 22426 | 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 |
| 22427 | 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 |
| 22428 | 2024-11-19 |
Molecular mechanism underlying effect of D93 and D289 protonation states on inhibitor-BACE1 binding: exploration from multiple independent Gaussian accelerated molecular dynamics and deep learning
2024-Oct, SAR and QSAR in environmental research
IF:2.3Q3
DOI:10.1080/1062936X.2024.2419911
PMID:39512118
|
研究论文 | 研究探讨了D93和D289质子化状态对抑制剂与BACE1结合的影响及其分子机制 | 整合了多重独立的高斯加速分子动力学模拟、深度学习和分子力学广义波恩表面积方法，揭示了D93和D289质子化对抑制剂结合的影响 | NA | 阐明D93和D289质子化对抑制剂与BACE1结合的影响及其分子机制，为阿尔茨海默病的药物设计提供理论支持 | BACE1蛋白、抑制剂OV6和4B2 | 分子动力学 | 阿尔茨海默病 | 高斯加速分子动力学模拟、深度学习、分子力学广义波恩表面积方法 | 深度学习 | 分子动力学轨迹 | NA | NA | NA | NA | NA |
| 22429 | 2024-11-19 |
Machine learning-based prediction of off-pump coronary artery bypass grafting-associated acute kidney injury
2024-Jul-30, Journal of thoracic disease
IF:2.1Q3
DOI:10.21037/jtd-24-711
PMID:39144311
|
研究论文 | 本研究旨在基于机器学习方法建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 本研究创新性地结合了术前和术中数据，通过迁移学习和特征融合，提高了预测模型的准确性 | 本研究的数据来源于单一医院，样本量有限，可能影响模型的普适性 | 建立预测非体外循环冠状动脉搭桥术相关急性肾损伤的模型 | 非体外循环冠状动脉搭桥术相关急性肾损伤 | 机器学习 | 心血管疾病 | 机器学习 | 梯度提升决策树（GBDT） | 时间序列数据 | 1,041名患者 | NA | NA | NA | NA |
| 22430 | 2024-11-19 |
Insights into the Interaction Mechanisms of Peptide and Non-Peptide Inhibitors with MDM2 Using Gaussian-Accelerated Molecular Dynamics Simulations and Deep Learning
2024-Jul-18, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29143377
PMID:39064955
|
研究论文 | 本研究结合高斯加速分子动力学模拟、深度学习和结合自由能计算，探讨了非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用机制 | 本研究首次将高斯加速分子动力学模拟与深度学习相结合，成功识别了MDM2的关键功能域，并揭示了抑制剂对MDM2结构灵活性和集体运动的影响 | 本研究主要基于模拟和计算，缺乏实验验证 | 探讨抑制剂与MDM2的相互作用机制，为癌症治疗提供理论支持 | 非肽类抑制剂K23和0Y7以及肽类抑制剂PDI6W和PDI与MDM2的相互作用 | 机器学习 | NA | 高斯加速分子动力学模拟、深度学习、分子力学-广义波恩表面积（MM-GBSA）和溶剂化相互作用能（SIE）计算 | 深度学习 | 分子动力学轨迹 | 4种抑制剂（K23、0Y7、PDI6W、PDI）与MDM2的相互作用 | NA | NA | NA | NA |
| 22431 | 2024-11-19 |
Deep Learning Models for Abdominal CT Organ Segmentation in Children: Development and Validation in Internal and Heterogeneous Public Datasets
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.30931
PMID:38691411
|
研究论文 | 本文开发并验证了用于儿童腹部CT器官分割的深度学习模型，包括肝脏、脾脏和胰腺的分割 | 本文的创新点在于在儿童数据上验证了深度学习模型，并使用迁移学习方法在异质性公共数据集上进行预训练，然后在机构内部数据上进行微调，取得了优于仅使用内部数据训练的模型和公开模型的效果 | 本文的局限性在于胰腺分割的性能相对较差，尤其是在存在胰腺炎的情况下 | 本文的研究目的是开发和验证用于儿童腹部CT检查中肝脏、脾脏和胰腺分割的深度学习模型 | 本文的研究对象是儿童腹部CT图像中的肝脏、脾脏和胰腺 | 计算机视觉 | NA | 深度学习 | SegResNet, DynUNet, SwinUNETR | 图像 | 1731例CT检查（1504例用于训练，221例用于测试），包括来自三个内部机构儿科数据集（≤18岁，483例）和三个公共数据集（包括儿科和成人检查，1248例） | NA | NA | NA | NA |
| 22432 | 2024-08-11 |
Editorial Comment: Using Appropriate Training Data in Deep Learning Tissue and Organ Segmentations on CT
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31345
PMID:38691412
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22433 | 2024-08-11 |
Editorial Comment: Usefulness of a Deep Learning Model for Pediatric Abdominal Organ Segmentation
2024-07, AJR. American journal of roentgenology
DOI:10.2214/AJR.24.31408
PMID:38748729
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22434 | 2024-11-19 |
An automated multi-layer perceptron discriminative neural network based on Bayesian optimization achieves high-precision one-source single-snapshot direction-of-arrival estimation
2024-May-05, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-60798-w
PMID:38704397
|
研究论文 | 本文提出了一种基于贝叶斯优化的自动化多层感知器判别神经网络，用于高精度单源单快照方向到达估计 | 首次将自动化机器学习算法应用于高精度稀疏水下方向到达估计，并将其视为分类预测任务 | NA | 开发一种高精度单源单快照方向到达估计方法 | 水下稀疏采样方向到达估计问题 | 机器学习 | NA | 贝叶斯优化 | 多层感知器判别神经网络 | 时间域信号 | NA | NA | NA | NA | NA |
| 22435 | 2024-11-19 |
Deep learning reduces data requirements and allows real-time measurements in imaging FCS
2024-03-19, Biophysical journal
IF:3.2Q2
DOI:10.1016/j.bpj.2023.11.3403
PMID:38050354
|
研究论文 | 本文介绍了两种卷积神经网络FCSNet和ImFCSNet，用于荧光相关光谱成像中的相关性和强度轨迹分析，显著减少了数据需求并实现了实时测量 | 提出了两种卷积神经网络FCSNet和ImFCSNet，显著减少了荧光相关光谱成像中的数据需求，并实现了实时评估 | NA | 减少荧光相关光谱成像中的数据需求，并实现实时测量 | 荧光相关光谱成像中的相关性和强度轨迹分析 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 模拟数据 | NA | NA | NA | NA |
| 22436 | 2024-11-19 |
Deep learning-based automatic scoring models for the disease activity of rheumatoid arthritis based on multimodal ultrasound images
2024-03-01, Rheumatology (Oxford, England)
DOI:10.1093/rheumatology/kead366
PMID:37471602
|
研究论文 | 研究基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 开发了基于ResNet结构的四种深度学习模型，用于多模态超声图像的类风湿性关节炎活动评分，并在两个独立测试集上进行了评估，结果显示这些模型在图像级别上的表现与经验丰富的放射科医生相当 | NA | 探讨基于多模态超声图像的深度学习模型在量化类风湿性关节炎活动中的价值 | 多模态超声图像（静态灰度、动态灰度、静态功率多普勒和动态功率多普勒） | 计算机视觉 | 类风湿性关节炎 | 深度学习 | ResNet | 图像 | 1244张图像用于模型训练，152张和354张分别用于两个测试集 | NA | NA | NA | NA |
| 22437 | 2024-11-19 |
MMV_Im2Im: an open-source microscopy machine vision toolbox for image-to-image transformation
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad120
PMID:38280188
|
研究论文 | 介绍了一个名为MMV_Im2Im的开源显微镜机器视觉工具箱，用于生物成像应用中的图像到图像变换 | 提出了一个通用的图像到图像变换框架，适用于多种任务，并利用了先进的机器学习工程技术 | 未提及具体限制 | 开发一个开源工具箱，帮助研究人员在生物医学图像分析中应用深度学习技术 | 生物医学图像分析中的图像到图像变换任务 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 超过10种不同的生物医学问题 | NA | NA | NA | NA |
| 22438 | 2024-11-19 |
Evaluation of Swin Transformer and knowledge transfer for denoising of super-resolution structured illumination microscopy data
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giad109
PMID:38217407
|
研究论文 | 本文评估了Swin Transformer在超分辨率结构化照明显微镜（SR-SIM）数据去噪中的应用，并探讨了知识迁移策略的效果 | 首次全面研究了Swin Transformer在SR-SIM图像去噪中的应用，并比较了直接迁移和微调两种知识迁移策略的效果 | 目前公开的SR-SIM数据集稀缺，限制了对深度学习方法性能和泛化能力的探索 | 评估Swin Transformer在SR-SIM图像去噪中的性能，并探讨知识迁移策略的有效性 | 超分辨率结构化照明显微镜（SR-SIM）图像的去噪 | 计算机视觉 | NA | 深度学习 | Swin Transformer | 图像 | 四个数据集，涵盖两种细胞结构（微管和囊泡结构），不同噪声水平 | NA | NA | NA | NA |
| 22439 | 2024-11-19 |
IPEV: identification of prokaryotic and eukaryotic virus-derived sequences in virome using deep learning
2024-01-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae018
PMID:38649300
|
研究论文 | 本文介绍了一种名为IPEV的新方法，用于在病毒组中区分原核和真核病毒，该方法结合了三核苷酸对相对距离和频率的二维卷积神经网络 | IPEV在独立测试集上显著提高了F1分数，相比现有方法提升了约22%，并且在海洋和肠道病毒组样本的准确性上优于其他方法 | NA | 开发一种高性能工具，用于在病毒组中准确识别和分类原核和真核病毒 | 原核和真核病毒的识别与分类 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 序列数据 | NA | NA | NA | NA | NA |
| 22440 | 2024-11-19 |
Deep learning links localized digital pathology phenotypes with transcriptional subtype and patient outcome in glioblastoma
2024-Jan-02, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giae057
PMID:39185700
|
研究论文 | 本文利用深度学习技术将胶质母细胞瘤的局部数字病理表型与转录亚型及患者预后联系起来 | 本文创新性地应用Xception卷积神经网络，通过数字病理图像准确映射转录亚型和预测预后区域 | NA | 研究胶质母细胞瘤的基因型-表型相关性，并探索深度学习在脑癌中的应用 | 胶质母细胞瘤的数字病理图像和分子亚型 | 数字病理 | 脑癌 | 深度学习 | Xception卷积神经网络 | 图像 | 276个数字苏木精-伊红（H&E）切片用于发现集，178个病例用于独立验证 | NA | NA | NA | NA |