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 33008 篇文献，本页显示第 23761 - 23780 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 23761 | 2024-10-09 |
DGDRP: drug-specific gene selection for drug response prediction via re-ranking through propagating and learning biological network
2024, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2024.1441558
PMID:39371421
|
研究论文 | 本文提出了一种基于图神经网络（GNN）的药物特异性基因选择模型DGDRP，用于药物反应预测 | DGDRP通过路径知识增强的网络传播算法和GNN学习到的基因与药物目标嵌入相似性进行基因重排序，从而选择与药物机制相关的基因，提高了药物反应预测的准确性 | NA | 开发一种新的方法来提高药物反应预测的准确性，并发现有效的生物标志物 | 药物特异性基因的选择和药物反应预测 | 机器学习 | NA | 图神经网络（GNN） | GNN | 基因数据 | NA | NA | NA | NA | NA |
| 23762 | 2024-10-09 |
Deep learning-based Alzheimer's disease detection: reproducibility and the effect of modeling choices
2024, Frontiers in computational neuroscience
IF:2.1Q3
DOI:10.3389/fncom.2024.1360095
PMID:39371524
|
研究论文 | 本文研究了基于深度学习的阿尔茨海默病检测方法的再现性和建模选择的影响 | 本文探讨了数据增强技术和模型复杂度对阿尔茨海默病检测性能的影响，强调了这些常被忽视的因素的重要性 | 本文未详细讨论其他可能影响模型性能的因素，如数据质量和样本多样性 | 研究如何通过严格遵循最佳实践来确保机器学习在临床实践中的可靠性和再现性 | 阿尔茨海默病的检测 | 机器学习 | 阿尔茨海默病 | 磁共振成像 (MRI) | 3D卷积神经网络 (CNN) | 图像 | 使用了来自ADNI语料库的MRI数据进行二分类问题研究 | NA | NA | NA | NA |
| 23763 | 2024-10-09 |
Spiking representation learning for associative memories
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1439414
PMID:39371606
|
研究论文 | 本文介绍了一种新型脉冲神经网络（SNN），用于无监督表示学习和联想记忆操作 | 利用Hebbian突触和活动依赖的结构可塑性，结合Poisson脉冲发生器模型，实现了高效的表示学习和联想记忆操作 | NA | 解决人工脉冲神经网络在处理大规模现实数据集时的挑战 | 脉冲神经网络的表示学习和联想记忆操作 | 机器学习 | NA | Hebbian突触和活动依赖的结构可塑性 | 脉冲神经网络（SNN） | NA | NA | NA | NA | NA | NA |
| 23764 | 2024-10-09 |
The Deep Learning-Crop Platform (DL-CRoP): For Species-Level Identification and Nutrient Status of Agricultural Crops
2024, Research (Washington, D.C.)
DOI:10.34133/research.0491
PMID:39371687
|
研究论文 | 本文介绍了一种名为Deep Learning-Crop Platform (DL-CRoP)的深度学习平台，用于通过叶片、茎和根图像识别商业种植植物及其营养需求 | DL-CRoP平台通过卷积神经网络提取内在特征模式，并在识别任务中取得了显著成果。此外，通过引入多头注意力机制改进了氮缺乏分类的准确性 | 尽管DL-CRoP平台在多个案例中表现出色，但在某些情况下（如案例D）的准确率仍有提升空间 | 开发一种可靠的深度学习平台，用于精确识别农作物种类及其营养状态 | 商业种植的植物及其营养需求 | 计算机视觉 | NA | 卷积神经网络 | CNN | 图像 | 使用了Jammu University-Botany Image Database (JU-BID)中的植物图像数据集，具体样本数量未明确说明 | NA | NA | NA | NA |
| 23765 | 2024-10-09 |
A global model-agnostic rule-based XAI method based on Parameterized Event Primitives for time series classifiers
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1381921
PMID:39372662
|
研究论文 | 本文提出了一种基于参数化事件原语的全局模型无关规则化XAI方法，用于时间序列分类器的解释 | 该方法通过生成决策树图和特定规则集，揭示了深度学习时间序列分类器推断背后的关键时间步，增强了模型的可解释性 | NA | 提高复杂时间序列分类模型的全局可解释性 | 时间序列分类器及其解释方法 | 机器学习 | NA | 决策树分类器 | 深度学习模型 | 时间序列数据 | 使用了来自UCR档案的多样化真实世界数据集进行实验 | NA | NA | NA | NA |
| 23766 | 2024-10-09 |
MLGCN: an ultra efficient graph convolutional neural model for 3D point cloud analysis
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1439340
PMID:39372661
|
研究论文 | 本文提出了一种超高效的图卷积神经网络模型MLGCN，用于3D点云分析 | MLGCN模型利用浅层图神经网络块在不同空间局部性级别提取特征，并通过预计算的KNN图共享GCN块，显著减少了计算开销和内存使用 | NA | 开发一种高效且适用于低内存和低CPU设备的3D点云分析模型 | 3D点云数据的对象分类和部分分割任务 | 计算机视觉 | NA | 图卷积神经网络（GCN） | 多级图卷积神经网络（MLGCN） | 3D点云数据 | NA | NA | NA | NA | NA |
| 23767 | 2024-10-09 |
Multicenter Integration of MR Radiomics, Deep Learning, and Clinical Indicators for Predicting Hepatocellular Carcinoma Recurrence After Thermal Ablation
2024, Journal of hepatocellular carcinoma
IF:4.2Q2
DOI:10.2147/JHC.S482760
PMID:39372710
|
研究论文 | 开发并验证了一种创新的预测模型，该模型整合了多序列磁共振（MR）放射组学、深度学习特征和临床指标，以准确预测肝细胞癌（HCC）在热消融后的复发情况 | 首次将多序列MR放射组学、深度学习特征和临床指标整合到一个预测模型中，以提高肝细胞癌复发预测的准确性 | 研究为回顾性多中心队列研究，样本量相对较小，且仅限于接受热消融治疗的肝细胞癌患者 | 开发和验证一种能够准确预测肝细胞癌在热消融后复发的综合模型 | 接受热消融治疗的肝细胞癌患者 | 计算机视觉 | 肝癌 | 磁共振成像（MRI） | 3D卷积神经网络（3D CNN） | 图像 | 535名患者，包括462名男性和43名女性 | NA | NA | NA | NA |
| 23768 | 2024-10-09 |
Brain tumor grade classification using the ConvNext architecture
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241284920
PMID:39372816
|
研究论文 | 本研究提出了一种使用ConvNext架构对脑肿瘤进行分级分类的方法 | 本研究采用了现代卷积神经网络ConvNext，并结合迁移学习技术，实现了对脑肿瘤的高精度分类 | NA | 开发一种非侵入性且准确的方法来对脑肿瘤进行分级诊断 | 脑肿瘤的分级分类 | 计算机视觉 | 脑肿瘤 | 卷积神经网络 | ConvNext | 图像 | 使用了BraTS 2019数据集，输入了三种MRI序列作为预训练CNN的三个通道 | NA | NA | NA | NA |
| 23769 | 2024-10-09 |
Classification of underlying paroxysmal supraventricular tachycardia types using deep learning of sinus rhythm electrocardiograms
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241281200
PMID:39372813
|
研究论文 | 本研究利用深度学习模型对窦性心律心电图进行分类，以区分房室结折返性心动过速和隐匿性房室折返性心动过速 | 本研究首次使用深度学习模型对窦性心律心电图进行分类，以区分不同类型的阵发性室上性心动过速 | 研究样本量有限，且深度学习模型在区分两种心律失常类型时的表现仍有提升空间 | 探索利用窦性心律心电图通过深度学习进行房室结折返性心动过速和隐匿性房室折返性心动过速的分类 | 房室结折返性心动过速和隐匿性房室折返性心动过速患者 | 机器学习 | 心血管疾病 | 深度学习 | ResNet-34 | 心电图 | 1179名患者，其中833名患有房室结折返性心动过速，346名患有隐匿性房室折返性心动过速 | NA | NA | NA | NA |
| 23770 | 2024-10-09 |
Deep Learning-Based Detection of Impacted Teeth on Panoramic Radiographs
2024, Biomedical engineering and computational biology
IF:2.3Q3
DOI:10.1177/11795972241288319
PMID:39372969
|
研究论文 | 本文通过改进预训练的MedSAM模型，实现了全景X光片中阻生牙的检测 | 本文对SAM模型进行了改进，通过聚焦牙齿中心来提高阻生牙检测的准确性 | 模型的准确性和选择仍有待进一步提高 | 通过改进模型提高阻生牙在X光片中的检测准确性，辅助牙科诊断 | 阻生牙的检测 | 计算机视觉 | NA | 深度学习 | MedSAM | 图像 | 1016张X光片，分为训练集、验证集和测试集，比例为16:3:1 | NA | NA | NA | NA |
| 23771 | 2024-10-09 |
DeepPBS: Geometric deep learning for interpretable prediction of protein-DNA binding specificity
2023-Dec-16, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.15.571942
PMID:38293168
|
研究论文 | 本文介绍了一种名为DeepPBS的几何深度学习模型，用于预测蛋白质-DNA结合特异性 | DeepPBS模型能够基于蛋白质-DNA结构预测跨蛋白质家族的结合特异性，并提供可解释的蛋白质重原子级别的重要性评分 | NA | 开发一种可解释的深度学习模型，用于预测蛋白质-DNA结合特异性，并指导实验选择和复杂设计 | 蛋白质-DNA结合特异性 | 机器学习 | NA | 几何深度学习 | 几何深度学习模型 | 蛋白质-DNA结构 | NA | NA | NA | NA | NA |
| 23772 | 2024-10-09 |
Large-scale annotation dataset for fetal head biometry in ultrasound images
2023-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2023.109708
PMID:38020431
|
数据集 | 本文介绍了一个大规模的胎儿头部超声图像标注数据集 | 该数据集提供了多种格式的兼容性，适用于多种计算机视觉任务，并经过严格的验证过程 | NA | 为医学影像和计算机视觉领域的研究提供一个高质量的标注数据集 | 胎儿头部超声图像及其解剖区域的标注 | 计算机视觉 | NA | NA | NA | 图像 | 3832张高分辨率超声图像 | NA | NA | NA | NA |
| 23773 | 2024-10-09 |
Multi-class deep learning architecture for classifying lung diseases from chest X-Ray and CT images
2023-11-08, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-46147-3
PMID:37938631
|
研究论文 | 本文提出了一种用于从胸部X光和CT图像中分类多种肺部疾病的自动化系统 | 本文提出了一种新的图像增强算法，使用k-符号Lerch超越函数模型，并结合定制的卷积神经网络（CNN）和两个预训练的深度学习模型（AlexNet和VGG16Net）进行图像分类 | NA | 开发一种自动化的系统，用于从胸部X光和CT图像中检测多种肺部疾病 | 胸部X光和CT图像中的肺部疾病 | 计算机视觉 | 肺部疾病 | 卷积神经网络（CNN） | CNN | 图像 | 公开可用的图像数据集（CT和X光图像数据集） | NA | NA | NA | NA |
| 23774 | 2024-10-09 |
Identification of hybrids between the Japanese giant salamander (Andrias japonicus) and Chinese giant salamander (Andrias cf. davidianus) using deep learning and smartphone images
2023-Nov, Ecology and evolution
IF:2.3Q2
DOI:10.1002/ece3.10698
PMID:37953985
|
研究论文 | 本研究利用深度学习和智能手机图像识别日本大鲵和中国大鲵的杂交个体 | 首次采用EfficientNetV2模型和智能手机图像进行杂交个体的识别 | 样本数量有限，仅包括11个日本大鲵和20个杂交个体的图像 | 开发一种基于深度学习的方法，用于识别日本大鲵和中国大鲵的杂交个体，以保护生物多样性 | 日本大鲵和中国大鲵的杂交个体 | 计算机视觉 | NA | 深度学习 | EfficientNetV2 | 图像 | 11个日本大鲵和20个杂交个体的图像 | NA | NA | NA | NA |
| 23775 | 2024-10-09 |
Super-resolution segmentation network for inner-ear tissue segmentation
2023-Oct, Simulation and synthesis in medical imaging : ... International Workshop, SASHIMI ..., held in conjunction with MICCAI ..., proceedings. SASHIMI (Workshop)
DOI:10.1007/978-3-031-44689-4_2
PMID:38560492
|
研究论文 | 本文提出了一种基于深度学习的超分辨率分割网络，用于内耳组织分割 | 本文提出的方法能够使用患者CT图像获得μCT级别的组织标签，并在内耳组织分割任务中表现优异 | NA | 研究如何使用深度学习方法从CT图像中提取高分辨率的内耳组织信息 | 内耳组织 | 计算机视觉 | NA | 深度学习 | 超分辨率分割网络 | 图像 | NA | NA | NA | NA | NA |
| 23776 | 2024-10-09 |
Assessment of Risk Factors and Clinical Importance of Enlarged Perivascular Spaces by Whole-Brain Investigation in the Multi-Ethnic Study of Atherosclerosis
2023-04-03, JAMA network open
IF:10.5Q1
|
研究论文 | 本研究通过全脑调查评估了扩大血管周围间隙（ePVSs）的风险因素及其在多民族动脉粥样硬化研究中的临床重要性 | 首次在全脑范围内研究ePVSs，并使用深度学习算法自动量化ePVSs的体积 | 这是一项横断面研究，无法确定因果关系 | 评估ePVSs的风险因素及其在全脑范围内的临床重要性 | 扩大血管周围间隙（ePVSs）及其与年龄、种族、血压等因素的关系 | NA | NA | 磁共振成像（MRI） | 深度学习算法 | 图像 | 1026名参与者 | NA | NA | NA | NA |
| 23777 | 2024-10-09 |
Deep Learning Based Detection of Enlarged Perivascular Spaces on Brain MRI
2023-Mar, Neuroimage. Reports
DOI:10.1016/j.ynirp.2023.100162
PMID:37035520
|
研究论文 | 研究提出了一种基于深度学习的框架，用于检测脑MRI中的扩大血管周围间隙（ePVS），并寻找最佳的MRI序列组合以支持深度学习量化 | 研究引入了一种轻量级U-Net模型，专门用于ePVS检测，并探讨了不同MRI序列组合对检测准确性的影响 | 研究主要集中在MRI序列的选择和组合上，未涉及其他可能影响检测的因素 | 旨在通过深度学习技术提高脑MRI中ePVS的检测准确性和效率 | 研究对象为脑MRI图像中的扩大血管周围间隙（ePVS） | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | NA | NA | NA | NA | NA |
| 23778 | 2024-10-09 |
Predictive Diagnostic Approach to Dementia and Dementia Subtypes Using Wireless and Mobile Electroencephalography: A Pilot Study
2022-Mar, Bioelectricity
IF:1.6Q4
DOI:10.1089/bioe.2021.0030
PMID:39372226
|
研究论文 | 本研究探讨了使用无线和移动脑电图（wmEEG）对痴呆及其亚型进行预测性诊断的可行性 | 首次使用无线和移动脑电图技术对痴呆及其亚型进行预测性诊断，并展示了其在不同任务下的分类准确性 | 本研究为初步研究，样本量较小，需要进一步验证和扩大样本以提高结果的普适性 | 开发一种用于老年人群轻度认知障碍筛查的方法，并基于此方法早期干预痴呆的进展 | 痴呆患者及其亚型与非痴呆对照组 | 神经科学 | 老年疾病 | 无线和移动脑电图（wmEEG） | 深度学习 | 脑电图数据 | 101名痴呆患者和非痴呆对照组 | NA | NA | NA | NA |
| 23779 | 2024-10-09 |
Enhancing deep-learning training for phase identification in powder X-ray diffractograms
2021-May-01, IUCrJ
IF:2.9Q3
DOI:10.1107/S2052252521002402
PMID:33953927
|
研究论文 | 本文提出了一种生成合成粉末X射线衍射图谱的方法，用于增强深度学习模型在相位识别任务中的训练 | 开发了一种生成合成XRD扫描图谱的框架，模拟真实测量中的典型效应，用于训练机器或深度学习模型 | 需要数千个训练样本才能使模型达到可靠性能，但可用样本不足 | 提高深度学习模型在粉末X射线衍射图谱相位识别任务中的性能 | 铁矿石和水泥化合物 | 机器学习 | NA | 粉末X射线衍射（XRD） | 卷积神经网络（CNN） | 衍射图谱 | 数千个合成XRD扫描图谱 | NA | NA | NA | NA |
| 23780 | 2024-10-09 |
Machine learning and deep learning to predict mortality in patients with spontaneous coronary artery dissection
2021-04-26, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-88172-0
PMID:33903608
|
研究论文 | 本文探讨了机器学习和深度学习技术在预测自发性冠状动脉夹层患者住院期间死亡率中的应用 | 首次应用深度神经网络模型从电子健康记录中提取信息，预测自发性冠状动脉夹层患者的住院死亡率，并展示了该模型在预测准确性和区分能力上优于传统的机器学习模型 | 研究样本量较小，且仅限于一个城市健康系统的数据，可能影响模型的普适性 | 探索机器学习和深度学习技术在预测自发性冠状动脉夹层患者死亡率中的应用价值 | 自发性冠状动脉夹层患者 | 机器学习 | 心血管疾病 | 机器学习 (ML) 和深度学习 (DL) | 深度神经网络 | 电子健康记录 (EHR) | 375名自发性冠状动脉夹层患者 | NA | NA | NA | NA |