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 32801 篇文献，本页显示第 25341 - 25360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 25341 | 2024-09-16 |
Observer studies of image quality of denoising reduced-count cardiac single photon emission computed tomography myocardial perfusion imaging by three-dimensional Gaussian post-reconstruction filtering and deep learning
2023-12, Journal of nuclear cardiology : official publication of the American Society of Nuclear Cardiology
IF:3.0Q2
DOI:10.1007/s12350-023-03295-3
PMID:37221409
|
研究论文 | 本研究评估了三维高斯后重建滤波和深度学习去噪对减少计数的心脏单光子发射计算机断层扫描心肌灌注成像图像质量的影响 | 本研究首次比较了三维高斯后重建滤波和深度学习去噪在减少计数情况下的性能 | 本研究未发现深度学习去噪在所研究的剂量水平和使用的深度学习网络下优于优化的三维高斯后重建滤波 | 评估减少计数情况下三维高斯后重建滤波和深度学习去噪对心肌灌注缺陷检测准确性的影响 | 心脏单光子发射计算机断层扫描心肌灌注成像图像 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习网络 | 图像 | 156名正常解读的患者 | NA | NA | NA | NA |
| 25342 | 2024-09-16 |
Lightweight deep CNN-based models for early detection of COVID-19 patients from chest X-ray images
2023-Aug-01, Expert systems with applications
IF:7.5Q1
DOI:10.1016/j.eswa.2023.119900
PMID:36969370
|
研究论文 | 本文提出了一种基于轻量级深度卷积神经网络（CNN）的模型，用于从胸部X光图像中早期检测COVID-19患者 | 开发了两个新的轻量级CNN模型，能够在减少计算资源需求的同时保持高准确率 | 未提及具体限制 | 开发适用于资源有限设备的轻量级模型，用于早期检测COVID-19患者 | COVID-19患者的胸部X光图像 | 计算机视觉 | COVID-19 | 卷积神经网络（CNN） | CNN | 图像 | 相对较大的胸部X光图像数据集 | NA | NA | NA | NA |
| 25343 | 2024-09-16 |
Transfer learning identifies sequence determinants of cell-type specific regulatory element accessibility
2023-Jun, NAR genomics and bioinformatics
IF:4.0Q1
DOI:10.1093/nargab/lqad026
PMID:37007588
|
研究论文 | 本文开发了一种名为ChromTransfer的迁移学习方法，用于识别细胞类型特异性调控元件可及性的序列决定因素 | ChromTransfer利用预训练的细胞类型无关模型作为基础，通过微调来学习细胞类型特异性染色质可及性，显著提高了模型性能 | 深度学习方法需要大量输入数据进行训练 | 理解DNA如何编码调控活性，以更好地理解疾病病因 | 细胞类型特异性染色质可及性的序列决定因素 | 机器学习 | NA | 迁移学习 | 深度学习模型 | DNA序列 | NA | NA | NA | NA | NA |
| 25344 | 2024-09-16 |
ChimeraNet: U-Net for Hair Detection in Dermoscopic Skin Lesion Images
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00740-6
PMID:36385676
|
研究论文 | 本文提出了一种新的深度学习技术ChimeraNet，用于检测皮肤镜图像中的毛发和标尺标记 | ChimeraNet采用预训练的EfficientNet作为编码器，并在解码器中使用挤压和激励残差结构，显著提高了毛发检测的准确性 | NA | 提高皮肤镜图像中毛发和标尺标记的检测准确性 | 皮肤镜图像中的毛发和标尺标记 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了公开的HAM10000皮肤病变数据集，并在25张额外的测试图像上进行了评估 | NA | NA | NA | NA |
| 25345 | 2024-09-16 |
Deep Learning-based Non-rigid Image Registration for High-dose Rate Brachytherapy in Inter-fraction Cervical Cancer
2023-04, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-022-00732-6
PMID:36417026
|
研究论文 | 本文提出了一种用于局部晚期宫颈癌（LACC）的跨分次器官变形模拟框架，结合了深度学习技术进行非刚性图像配准 | 本文提出了一种基于深度学习的非刚性图像配准方法，用于高剂量率近距离放射治疗中的跨分次宫颈癌治疗，该方法优于传统算法 | NA | 研究目的是开发一种用于局部晚期宫颈癌的跨分次器官变形模拟框架，以提高高剂量率近距离放射治疗的精度 | 研究对象包括57名局部晚期宫颈癌患者的CT扫描数据，以及膀胱、宫颈和直肠等关键器官的分割数据 | 计算机视觉 | 宫颈癌 | 深度学习 | 卷积神经网络（CNN） | 图像 | 57名局部晚期宫颈癌患者的CT扫描数据，共7202张2D切片，分为训练集（42名患者）和测试集（15名患者） | NA | NA | NA | NA |
| 25346 | 2024-09-16 |
Novel prediction models for hyperketonemia using bovine milk Fourier-transform infrared spectroscopy
2023-Apr, Preventive veterinary medicine
IF:2.2Q1
DOI:10.1016/j.prevetmed.2023.105860
PMID:36724618
|
研究论文 | 本文研究了使用牛乳傅里叶变换红外光谱（FTIR）预测酮症的新模型 | 本文评估了更多样化的建模选项，如深度学习、梯度提升机模型和模型集成，用于酮症分类 | NA | 评估不同建模选项在预测奶牛酮症中的表现 | 奶牛酮症 | 机器学习 | NA | 傅里叶变换红外光谱（FTIR） | 卷积神经网络（CNN） | 光谱数据 | 大量异质数据集，包括牛奶FTIR和同时采集的血液样本 | NA | NA | NA | NA |
| 25347 | 2024-09-16 |
Preparing for the Artificial Intelligence Revolution in Nuclear Cardiology
2023-Apr, Nuclear medicine and molecular imaging
IF:1.3Q3
DOI:10.1007/s13139-021-00733-3
PMID:36998588
|
研究论文 | 本文探讨了人工智能在核心脏病学中的应用，特别是深度学习在减少注射剂量、图像重建和过滤、SPECT衰减校正、特征提取和功能测量等方面的进展 | 本文介绍了深度学习和机器学习在核心脏病学中的多种创新应用，如减少注射剂量、图像重建、SPECT衰减校正等 | 尽管这些应用具有显著潜力，但大多数尚未广泛商业化，主要由于其开发时间较短 | 探讨人工智能在核心脏病学中的应用，并准备迎接即将到来的AI革命 | 核心脏病学中的深度学习和机器学习应用 | 机器学习 | 心血管疾病 | 深度学习 (DL), 机器学习 (ML) | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 25348 | 2024-09-16 |
An integrative machine learning framework for classifying SEER breast cancer
2023-04-01, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-32029-1
PMID:37005484
|
研究论文 | 本文提出了一种集成机器学习框架，用于分类SEER乳腺癌数据集中的生存和死亡状态 | 采用两步特征选择方法（方差阈值和主成分分析）来选择特征，并使用多种监督和集成学习技术进行分类 | 未提及具体限制 | 分类乳腺癌患者的生存和死亡状态 | SEER乳腺癌数据集 | 机器学习 | 乳腺癌 | 机器学习和深度学习 | 决策树 | 数据集 | 未提及具体样本数量 | NA | NA | NA | NA |
| 25349 | 2024-09-16 |
Electron transfer rules of minerals under pressure informed by machine learning
2023-Mar-31, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-023-37384-1
PMID:37002237
|
研究论文 | 本文通过机器学习模型预测了96种元素在任意压力下的电负性，并推导出一个统一的公式来量化电负性与压力和电子构型之间的关系 | 首次将电子转移规则应用于高压环境，并提出了一个统一的公式来量化电负性与压力和电子构型的关系 | NA | 研究高压环境下元素及其化合物的基本物理化学性质 | 96种元素在任意压力下的电负性及其与压力和电子构型的关系 | 机器学习 | NA | 机器学习 | 深度学习模型 | 数值数据 | 96种元素 | NA | NA | NA | NA |
| 25350 | 2024-09-16 |
Predicting COVID-19 positivity and hospitalization with multi-scale graph neural networks
2023-03-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-023-31222-6
PMID:37002271
|
研究论文 | 本文提出了一种基于多尺度图神经网络的方法，用于预测COVID-19的阳性病例和住院人数 | 首次利用高分辨率时空数据进行多尺度分析，并结合疫苗接种率和人口流动数据 | 未提及 | 分析COVID-19传播的时空特征，并预测阳性病例和住院人数 | COVID-19的阳性病例和住院人数 | 机器学习 | COVID-19 | 图神经网络 | 多尺度图神经网络 | 时空数据 | 涉及数千居民的精细地理区域 | NA | NA | NA | NA |
| 25351 | 2024-09-16 |
Automated segmentation of long and short axis DENSE cardiovascular magnetic resonance for myocardial strain analysis using spatio-temporal convolutional neural networks
2023-03-30, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance
IF:4.2Q1
DOI:10.1186/s12968-023-00927-y
PMID:36991474
|
研究论文 | 本文开发了一种时空卷积神经网络模型，用于自动分割DENSE心血管磁共振图像中的左心室心肌，以进行心肌应变分析 | 本文提出了一个时空深度学习模型，用于自动分割DENSE图像中的左心室心肌，解决了传统方法依赖用户输入的问题 | NA | 开发一种自动化的方法来分割DENSE图像中的左心室心肌，以提高心肌应变分析的准确性和可重复性 | 左心室心肌的分割和心肌应变分析 | 计算机视觉 | 心血管疾病 | DENSE | 时空卷积神经网络 | 图像 | 360个短轴切片和124个长轴切片，来自健康受试者和患有不同心脏疾病的患者 | NA | NA | NA | NA |
| 25352 | 2024-09-16 |
Model-based whole-brain perturbational landscape of neurodegenerative diseases
2023-03-30, eLife
IF:6.4Q1
DOI:10.7554/eLife.83970
PMID:36995213
|
研究论文 | 本文结合深度学习和模型重现了阿尔茨海默病和行为变异额颞叶痴呆患者的全脑功能连接，并通过扰动模型揭示了从病理状态到健康状态的过渡关键区域 | 本文首次将深度学习与全脑模型结合，揭示了神经退行性疾病中脑萎缩的动态特征，并通过扰动模型展示了从病理状态到健康状态的过渡关键区域 | 本文主要集中在阿尔茨海默病和行为变异额颞叶痴呆两种疾病，未涵盖其他神经退行性疾病 | 研究神经退行性疾病的全脑扰动景观，探索通过外部刺激控制疾病进展的可能性 | 阿尔茨海默病和行为变异额颞叶痴呆患者 | 机器学习 | 神经退行性疾病 | 深度学习 | 变分自编码器 | 功能连接 | NA | NA | NA | NA | NA |
| 25353 | 2024-09-16 |
3DProtDTA: a deep learning model for drug-target affinity prediction based on residue-level protein graphs
2023-Mar-27, RSC advances
IF:3.9Q2
DOI:10.1039/d3ra00281k
PMID:37006369
|
研究论文 | 本文提出了一种基于残基级蛋白质图的深度学习模型3DProtDTA，用于预测药物-靶点亲和力 | 利用AlphaFold的蛋白质结构预测结果和蛋白质图表示，提出了一种新的深度学习DTA模型3DProtDTA | NA | 提高药物-靶点亲和力预测的准确性，加速药物开发过程并降低成本 | 药物-靶点亲和力 | 机器学习 | NA | 深度学习技术，图神经网络 | 3DProtDTA | 蛋白质结构数据 | NA | NA | NA | NA | NA |
| 25354 | 2024-09-16 |
ST-CenterNet: Small Target Detection Algorithm with Adaptive Data Enhancement
2023-Mar-16, Entropy (Basel, Switzerland)
DOI:10.3390/e25030509
PMID:36981396
|
研究论文 | 提出了一种名为ST-CenterNet的新型深度学习模型，用于小目标检测，并通过自适应数据增强技术提高检测性能 | 引入了选择性小目标复制算法（SSTRA）和目标适应特征提取模块（TAFEM），结合ResNet和自适应特征金字塔网络（AFPN）进行双向特征提取 | NA | 解决小目标检测中样本不足和特征信息提取不完整的问题 | 自动驾驶中的远距离标志和行人检测，以及医学早期病变的肿瘤检测 | 计算机视觉 | NA | 深度学习 | CenterNet | 图像 | NA | NA | NA | NA | NA |
| 25355 | 2024-09-16 |
Camera- and Viewpoint-Agnostic Evaluation of Axial Postural Abnormalities in People with Parkinson's Disease through Augmented Human Pose Estimation
2023-Mar-16, Sensors (Basel, Switzerland)
DOI:10.3390/s23063193
PMID:36991904
|
研究论文 | 本文介绍了一种通过增强的人体姿态估计来评估帕金森病患者轴向姿势异常的软件 | 该软件通过计算机视觉后处理原语增强了从RGB图像中提取的人体骨骼，以准确评估姿势 | 标准人体姿态估计平台的关键点与评估轴向姿势异常所需的关键点不一致，且对相机和场景敏感 | 开发一种自动工具，用于测量和分析帕金森病患者在不同治疗条件和任务下的轴向姿势异常 | 帕金森病患者的轴向姿势异常 | 计算机视觉 | 神经退行性疾病 | 计算机视觉后处理 | NA | 图像 | 76张RGB图像，来自55名不同程度的帕金森病患者 | NA | NA | NA | NA |
| 25356 | 2024-09-16 |
Deep Learning-Based Prediction of Diabetic Retinopathy Using CLAHE and ESRGAN for Enhancement
2023-Mar-15, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare11060863
PMID:36981520
|
研究论文 | 本文提出了一种基于深度学习的糖尿病视网膜病变诊断模型，通过CLAHE和ESRGAN进行图像增强，提高了诊断准确性 | 本文创新性地结合了CLAHE和ESRGAN进行图像增强，显著提高了深度学习模型在糖尿病视网膜病变诊断中的准确性 | 本文仅比较了两种情况下的模型性能，未探讨其他可能的图像增强方法 | 开发一种能够更准确诊断糖尿病视网膜病变的深度学习模型 | 糖尿病视网膜病变的五个阶段 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | Inception-V3 | 图像 | 使用了Asia Pacific Tele-Ophthalmology Society (APTOS)数据集 | NA | NA | NA | NA |
| 25357 | 2024-09-16 |
Synthesizing Complex-Valued Multicoil MRI Data from Magnitude-Only Images
2023-Mar-14, Bioengineering (Basel, Switzerland)
DOI:10.3390/bioengineering10030358
PMID:36978749
|
研究论文 | 本文提出了一种从仅包含幅值信息的MRI图像中合成复杂值多线圈MRI数据的方法 | 使用条件生成对抗网络（GAN）框架从输入的幅值图像生成合成相位图像，并结合ESPIRiT方法生成多线圈数据，从而在MRI重建中使用临床影像档案中的多样化数据 | 尚未提及 | 解决大规模多样化MRI数据集构建的挑战，促进MRI技术的临床转化 | MRI图像重建和数据合成 | 计算机视觉 | NA | 生成对抗网络（GAN）、ESPIRiT | 生成对抗网络（GAN）、变分网络（Variational Network） | 图像 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 25358 | 2024-09-16 |
Artificial Intelligence: A Next-Level Approach in Confronting the COVID-19 Pandemic
2023-Mar-14, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare11060854
PMID:36981511
|
综述 | 本文综述了人工智能在应对COVID-19大流行中的作用 | 探讨了AI及其子领域机器学习和深度学习在遏制疫情中的应用 | NA | 评估近期文献中AI在应对COVID-19大流行中的作用 | COVID-19感染、次级感染检测、技术辅助防护、全球AI法规及疫情对公众生活的影响 | 机器学习 | COVID-19 | NA | NA | NA | NA | NA | NA | NA | NA |
| 25359 | 2024-09-16 |
Detection of Corona Faults in Switchgear by Using 1D-CNN, LSTM, and 1D-CNN-LSTM Methods
2023-Mar-14, Sensors (Basel, Switzerland)
DOI:10.3390/s23063108
PMID:36991819
|
研究论文 | 本文系统分析了三种深度学习技术（1D-CNN、LSTM和1D-CNN-LSTM混合模型）用于检测开关设备中的电晕故障，并确定最有效的模型 | 本文提出了1D-CNN-LSTM混合模型，该模型在时间和频率域中均表现出高准确性，优于单独使用1D-CNN或LSTM | NA | 研究如何利用深度学习技术有效检测开关设备中的电晕故障 | 开关设备中的电晕故障 | 机器学习 | NA | 深度学习 | 1D-CNN, LSTM, 1D-CNN-LSTM | 声音波形 | 训练、验证和测试阶段的样本数量未明确提及 | NA | NA | NA | NA |
| 25360 | 2024-09-16 |
An Analysis of Deep Learning Models in SSVEP-Based BCI: A Survey
2023-Mar-13, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci13030483
PMID:36979293
|
综述 | 本文综述了基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）中深度学习模型的应用 | 提供了最新的设计指南，帮助研究人员使用深度学习模型分类SSVEP信号 | 深度学习模型的设计差异很大，许多超参数对模型性能的影响难以预测 | 分析和总结用于分类SSVEP信号的深度学习模型的设计方面 | 31种用于分类SSVEP信号的深度学习模型 | 机器学习 | NA | 深度学习 | 深度学习模型 | 信号 | 31种模型（2011-2023年） | NA | NA | NA | NA |