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 33853 篇文献，本页显示第 22721 - 22740 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 22721 | 2024-11-17 |
Predicting an opaque bubble layer during small-incision lenticule extraction surgery based on deep learning
2024, Frontiers in cell and developmental biology
IF:4.6Q1
DOI:10.3389/fcell.2024.1487482
PMID:39539961
|
研究论文 | 本研究旨在利用深度学习技术预测飞秒激光小切口角膜基质透镜取出术（SMILE）中不透明气泡层（OBL）的形成 | 开发了一种基于SENet的残差回归深度神经网络模型，用于预测SMILE手术中的OBL形成 | 研究仅在一家大学医院进行，样本量有限，且仅使用了手术视频数据 | 预测飞秒激光SMILE手术中不透明气泡层的形成 | 不透明气泡层（OBL）的形成 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 视频 | 3271个训练样本，704个验证样本，467个内部验证样本 | NA | NA | NA | NA |
| 22722 | 2024-11-17 |
Facial emotion recognition using deep quantum and advanced transfer learning mechanism
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1435956
PMID:39539995
|
研究论文 | 本文提出了一种利用深度量子计算和高级迁移学习机制进行面部情感识别的系统设计 | 本文创新性地结合了量子计算和残差连接，显著减少了计算时间，并提高了面部情感识别的准确性 | NA | 开发一种高效准确的面部情感识别系统 | 面部表情和情感 | 计算机视觉 | NA | 量子计算 | ResNet-18 | 图像 | NA | NA | NA | NA | NA |
| 22723 | 2024-11-17 |
Retraction: Influence of the combination of big data technology on the Spark platform with deep learning on elevator safety monitoring efficiency
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0313640
PMID:39541288
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 22724 | 2024-11-17 |
Cancer genetics and deep learning applications for diagnosis, prognosis, and categorization
2024, Journal of biological methods
DOI:10.14440/jbm.2024.0016
PMID:39544183
|
研究论文 | 本文探讨了基因表达数据在癌症诊断、预后和分类中的应用，并介绍了深度学习技术在其中的作用 | 本文提出使用深度学习策略来增强基因表达数据集的维度，并通过合成样本来加强信息范围 | 基因表达数据集的样本数量有限，且癌症特征多样复杂 | 研究基因表达数据在癌症诊断、预后和分类中的应用，并探讨深度学习技术在其中的潜力 | 基因表达数据和癌症疾病 | 机器学习 | 癌症 | 基因表达微阵列 | 深度学习 | 基因表达数据 | 样本数量有限 | NA | NA | NA | NA |
| 22725 | 2024-11-17 |
LCGSC-YOLO: a lightweight apple leaf diseases detection method based on LCNet and GSConv module under YOLO framework
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1398277
PMID:39544536
|
研究论文 | 提出了一种基于LCNet和GSConv模块的轻量级苹果叶病害检测方法LCGSC-YOLO | 使用LCNet重建主干网络，引入GSConv和VOVGSCSP模块，并在模型尾部嵌入坐标注意力机制，以减少参数和计算量并提高检测精度 | NA | 开发一种轻量级且高效的苹果叶病害检测方法 | 苹果叶病害 | 计算机视觉 | NA | YOLO框架 | CNN | 图像 | Plant Pathology 2021 (FGVC8)和AppleLeaf9混合数据集 | NA | NA | NA | NA |
| 22726 | 2024-11-17 |
PyComplexHeatmap: a Python package to visualize multimodal genomics data
2023-Aug, iMeta
IF:23.7Q1
DOI:10.1002/imt2.115
PMID:38454967
|
研究论文 | 介绍了一个名为PyComplexHeatmap的Python库，用于多模态基因组数据的复杂热图可视化 | PyComplexHeatmap是基于matplotlib构建的，提供了一个模块化的接口，能够与Pandas、NumPy等Python数据科学工具以及Scanpy等基因组工具无缝集成 | NA | 开发一个能够满足多模态矩阵数据精细渲染需求的Python库 | 多模态基因组数据及其元数据 | 生物信息学 | NA | NA | NA | 矩阵数据 | NA | NA | NA | NA | NA |
| 22727 | 2024-11-17 |
Trends in artificial intelligence, machine learning, and chemometrics applied to chemical data
2021-Apr, Analytical science advances
IF:3.0Q2
DOI:10.1002/ansa.202000162
PMID:38716450
|
综述 | 本文综述了2020年化学数据中化学计量学、机器学习和深度学习的最新趋势 | 探讨了逆向建模、预处理方法和数据建模在光谱和图像数据中的应用 | NA | 旨在提高化学数据的应用潜力 | 化学和光谱数据 | 机器学习 | NA | 化学计量学 | 深度学习 | 光谱和图像数据 | NA | NA | NA | NA | NA |
| 22728 | 2024-11-15 |
Characterizing the concentration of ethanol-water solutions by oblique-incidence reflectivity difference combined with deep learning algorithms
2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125069
PMID:39241400
|
研究论文 | 本文利用斜入射反射率差分法结合深度学习算法，研究了乙醇-水溶液浓度的检测 | 本文创新性地将斜入射反射率差分法与多种深度学习算法结合，实现了乙醇-水溶液浓度的快速、非破坏性、准确和可靠的检测 | NA | 研究乙醇-水溶液浓度的检测方法 | 乙醇-水溶液的浓度 | 机器学习 | NA | 斜入射反射率差分法 | 多层感知器（MLP）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、CNN + BiLSTM + Attention | 信号 | 体积浓度为0-95%的乙醇-水溶液 | NA | NA | NA | NA |
| 22729 | 2024-11-15 |
Rapid elimination of scattering in three-dimensional fluorescence spectra via deep learning
2025-Jan-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.125121
PMID:39299067
|
研究论文 | 本文提出了一种基于深度学习CycleGAN模型的三维荧光光谱散射快速消除方法 | 利用深度学习CycleGAN模型自动批量消除三维荧光光谱中的散射效应 | NA | 开发一种能够自动批量消除三维荧光光谱中散射效应的方法 | 三维荧光光谱中的散射效应 | 机器学习 | NA | 深度学习 | CycleGAN | 光谱 | 大量模拟的三维荧光光谱数据和两组未见过的真实实验三维荧光光谱数据 | NA | NA | NA | NA |
| 22730 | 2024-11-15 |
Deep learning and feature reconstruction assisted vis-NIR calibration method for on-line monitoring of key growth indicators during kombucha production
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141411
PMID:39332357
|
研究论文 | 本文提出了一种基于深度学习和特征重构的可见近红外光谱校准方法，用于实时监测康普茶生产中的关键生长指标 | 本文创新性地结合了深度学习技术和可见近红外光谱技术，通过特征重构和多种神经网络模型的比较，实现了对康普茶生产过程中残糖和细菌浓度的实时监测 | 本文未详细讨论模型的泛化能力和在不同生产条件下的适用性 | 研究目的是开发一种能够实时监测康普茶生产过程中关键生长指标的方法，以确保产品质量 | 研究对象是康普茶生产过程中的残糖和细菌浓度 | 机器学习 | NA | 可见近红外光谱技术 | 卷积神经网络（1DCNN和2DCNN） | 光谱数据 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 22731 | 2024-11-15 |
A multi-verse optimizer-based CNN-BiLSTM pixel-level detection model for peanut aflatoxins
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141393
PMID:39342735
|
研究论文 | 本研究开发了一种基于多宇宙优化器的CNN-BiLSTM融合模型，用于高光谱图像中花生黄曲霉毒素的像素级检测 | 本研究创新性地使用了多宇宙优化器算法优化CNN-BiLSTM模型，显著提高了黄曲霉毒素检测的准确性和召回率 | NA | 提高高光谱图像中黄曲霉毒素像素级检测的准确性 | 花生中的黄曲霉毒素 | 计算机视觉 | NA | 多宇宙优化器 | CNN-BiLSTM | 高光谱图像 | 不同浓度的黄曲霉毒素光谱数据 | NA | NA | NA | NA |
| 22732 | 2024-11-15 |
Application of machine vision in food computing: A review
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141238
PMID:39368204
|
综述 | 本文基于实际应用案例，综述了机器视觉在食品计算中的研究现状和前景 | 探讨了基于传统机器学习和深度学习方法的图像识别技术在食品计算中的应用 | NA | 为食品行业与人工智能技术的融合和交叉提供坚实的理论基础和技术指导 | 食品计算中的图像识别技术 | 计算机视觉 | NA | 机器视觉 | 传统机器学习方法和深度学习方法 | 图像 | NA | NA | NA | NA | NA |
| 22733 | 2024-11-15 |
Integrating different detection techniques and data analysis methods for comprehensive food authenticity verification
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141471
PMID:39368208
|
综述 | 本文综述了用于食品真实性验证的先进检测技术和数据分析方法的整合 | 强调了复杂数据处理方法和多种技术整合在增强食品真实性测试中的关键作用 | 未具体提及 | 评估不同数据处理技术的优缺点，并探讨其潜在协同作用 | 食品真实性检测技术及其数据处理方法 | 机器学习 | NA | 机器学习和深度学习 | NA | 数据 | NA | NA | NA | NA | NA |
| 22734 | 2024-11-15 |
Image quality improvement in single plane-wave imaging using deep learning
2025-Jan, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107479
PMID:39366205
|
研究论文 | 本文提出了一种利用深度学习技术在单平面波成像中提高图像质量的方法 | 本文提出了一种新的方法，通过考虑单平面波的射频信号特性，使用1D U-Net、2D U-Net及其组合的编码器-解码器模型，生成高质量的超声图像 | 本文未提及具体的研究局限性 | 提高单平面波成像中的空间分辨率和对比度 | 超声图像的质量 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了一个公开的大规模SPWI/CPWC数据集 | NA | NA | NA | NA |
| 22735 | 2024-11-15 |
Reconstruction of reflection ultrasound computed tomography with sparse transmissions using conditional generative adversarial network
2025-Jan, Ultrasonics
IF:3.8Q1
DOI:10.1016/j.ultras.2024.107486
PMID:39426346
|
研究论文 | 本文提出了一种基于条件生成对抗网络（UCT-GAN）的深度学习框架，用于从稀疏传输数据中高效重建反射超声计算机断层扫描（UCT）图像 | 利用条件生成对抗网络（UCT-GAN）从稀疏传输数据中高效重建高质量的反射UCT图像 | NA | 提高反射超声计算机断层扫描（UCT）图像重建的效率和质量 | 反射UCT图像 | 计算机视觉 | 乳腺癌 | 超声计算机断层扫描（UCT） | 条件生成对抗网络（GAN） | 图像 | 使用8次传输的数据进行实验，结果与512次传输的数据重建图像相当 | NA | NA | NA | NA |
| 22736 | 2024-11-15 |
GNN-DDAS: Drug discovery for identifying anti-schistosome small molecules based on graph neural network
2024-Dec-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27490
PMID:39189298
|
研究论文 | 提出了一种基于图神经网络的深度学习框架GNN-DDAS，用于发现抗血吸虫小分子药物 | 利用图神经网络提取分子图的结构特征，并通过多层感知机从SMILES序列中提取序列特征，最终通过全连接网络预测活性抗血吸虫小分子 | 未提及具体限制 | 开发一种新的计算机辅助方法，以提高发现活性抗血吸虫小分子的准确性 | 抗血吸虫小分子药物 | 机器学习 | 寄生虫病 | 图神经网络 | 图神经网络 | 分子图 | 未提及具体样本数量 | NA | NA | NA | NA |
| 22737 | 2024-11-15 |
Enhancing protein-ligand binding affinity prediction through sequential fusion of graph and convolutional neural networks
2024-Dec-15, Journal of computational chemistry
IF:3.4Q2
DOI:10.1002/jcc.27499
PMID:39223071
|
研究论文 | 本文提出了一种通过顺序融合图神经网络（GNN）和卷积神经网络（CNN）来预测蛋白质-配体结合亲和力的模型 | 通过将GNN的中间输出与CNN的输入特征连接，显著提高了模型在CASF-2016基准测试中的性能，并在虚拟筛选任务中展示了其优势 | NA | 提高蛋白质-配体结合亲和力预测的准确性 | 蛋白质-配体结合亲和力 | 机器学习 | NA | 图神经网络（GNN）、卷积神经网络（CNN） | GNN和CNN的融合模型 | 结构数据 | 涉及CASF-2016基准测试数据集和PI5P4Kα目标的虚拟筛选任务 | NA | NA | NA | NA |
| 22738 | 2024-11-15 |
Imaging pollen using a Raspberry Pi and LED with deep learning
2024-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.177084
PMID:39433221
|
研究论文 | 本文展示了使用树莓派和LED灯结合深度学习技术进行花粉成像的方法 | 利用低成本的树莓派相机和LED灯捕捉花粉的散射模式，并通过深度学习将其转换为20倍显微镜放大等效图像 | NA | 开发低成本的小型成像传感器，用于全球花粉监测，以缓解花粉热症状 | 花粉颗粒及其散射模式 | 计算机视觉 | NA | 深度学习 | 神经网络 | 图像 | 涉及未在训练中见过的植物花粉 | NA | NA | NA | NA |
| 22739 | 2024-11-15 |
Improved PM2.5 prediction with spatio-temporal feature extraction and chemical components: The RCG-attention model
2024-Dec-10, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.177183
PMID:39471939
|
研究论文 | 提出了一种新的深度学习模型RCG-Attention，用于提取时空特征和化学成分，以提高PM2.5浓度的预测精度 | 结合了残差神经网络和卷积门控循环网络，并通过多头注意力机制融合时空特征，显著提高了PM2.5浓度的预测性能 | 未提及具体限制 | 提高PM2.5浓度的预测精度 | PM2.5浓度的时空特征和化学成分 | 机器学习 | NA | 深度学习 | RCG-Attention模型 | 时空数据和化学成分数据 | 多个监测站点的数据 | NA | NA | NA | NA |
| 22740 | 2024-11-15 |
Identification of histopathological classification and establishment of prognostic indicators of gastric adenocarcinoma based on deep learning algorithm
2024-Dec, Medical molecular morphology
IF:1.2Q3
DOI:10.1007/s00795-024-00399-8
PMID:39088070
|
研究论文 | 本研究旨在基于深度学习算法建立胃腺癌的病理分类预测模型 | 使用深度学习算法对胃腺癌的病理亚型进行准确预测，并结合DL特征分析免疫浸润和患者预后的差异 | 样本量相对较小，外部验证集数量有限 | 建立胃腺癌的病理分类和预后指标 | 胃腺癌患者的病理类型和预后 | 数字病理 | 胃癌 | 深度学习算法 | DL模型 | 图像 | 356例胃腺癌患者的病理图像，80例外部验证的H&E染色全切片图像 | NA | NA | NA | NA |