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 32372 篇文献，本页显示第 27941 - 27960 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 27941 | 2024-08-14 |
Accelerated 3D MR neurography of the brachial plexus using deep learning-constrained compressed sensing
2024-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-09996-0
PMID:37606664
|
研究论文 | 本研究探讨了深度学习约束的压缩感知（DLCS）在提高臂丛3D MRI图像质量和缩短采集时间方面的应用 | DLCS4x在信号噪声比和对比噪声比方面优于SENSE4x、CS4x和DLCS8x，且在未增强组中，DLCS4x在臂丛的各个段中评分均高于其他方法 | NA | 提高臂丛3D MRI的图像质量和缩短采集时间 | 臂丛的3D MRI图像 | 计算机视觉 | NA | 深度学习约束的压缩感知（DLCS） | CNN | 图像 | 54名接受增强成像的参与者和41名接受未增强成像的参与者 | NA | NA | NA | NA |
| 27942 | 2024-08-14 |
Automated, fast, robust brain extraction on contrast-enhanced T1-weighted MRI in presence of brain tumors: an optimized model based on multi-center datasets
2024-Feb, European radiology
IF:4.7Q1
DOI:10.1007/s00330-023-10078-4
PMID:37615767
|
研究论文 | 本文开发了一种基于nnU-Net的深度学习模型，用于在脑肿瘤存在的情况下自动提取对比增强T1加权MRI图像中的脑部结构 | 该模型能够自动处理包含脑肿瘤的MRI神经影像数据，提取包括重要浅表结构在内的脑部结构，为肿瘤分析提供更多信息 | 模型在脑膜瘤和前庭神经鞘瘤组中的性能略有下降，并且在肿瘤周围水肿组中存在显著差异 | 优化现有的脑部提取模型，以提供更多肿瘤分析所需的信息 | 对比增强T1加权MRI图像中的脑部结构提取 | 计算机视觉 | 脑肿瘤 | nnU-Net | 深度学习模型 | MRI图像 | 研究涉及920名患者，其中720例来自私人机构，200例来自公共数据集 | NA | NA | NA | NA |
| 27943 | 2024-08-14 |
Unfolded Proximal Neural Networks for Robust Image Gaussian Denoising
2024, IEEE transactions on image processing : a publication of the IEEE Signal Processing Society
IF:10.8Q1
DOI:10.1109/TIP.2024.3437219
PMID:39110565
|
研究论文 | 本文提出了一种基于双FB和原始对偶Chambolle-Pock算法的统一框架，用于构建用于高斯去噪任务的近端神经网络（PNNs），并探讨了其鲁棒性和去噪效率。 | 引入了加速惯性版本的算法，并在关联的神经网络层中实现了跳跃连接。 | NA | 改进图像去噪任务的估计质量。 | 高斯去噪任务和图像去模糊问题。 | 计算机视觉 | NA | 近端算法与深度学习策略结合 | 近端神经网络（PNNs） | 图像 | NA | NA | NA | NA | NA |
| 27944 | 2024-08-14 |
Deep learning-based elaiosome detection in milk thistle seed for efficient high-throughput phenotyping
2024, Frontiers in plant science
IF:4.1Q1
DOI:10.3389/fpls.2024.1395558
PMID:39129764
|
研究论文 | 本研究提出了一种基于深度学习的新方法，用于半自动检测和分割奶蓟种子中的油质体，以实现高效的高通量表型分析 | 使用Detectron2深度学习算法进行半自动图像标注和模型再训练，提高了检测和分割油质体的准确性 | NA | 开发一种高效的高通量表型分析方法，用于检测和分割奶蓟种子中的油质体 | 奶蓟种子中的油质体 | 计算机视觉 | NA | 深度学习 | Detectron2 | 图像 | 总共使用了6,000张标记图像进行训练 | NA | NA | NA | NA |
| 27945 | 2024-08-14 |
Diagnostic value of a deep learning-based hyoid bone tracking model for aspiration in patients with post-stroke dysphagia
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241271778
PMID:39130520
|
研究论文 | 本研究利用基于深度学习的甲状骨追踪模型，评估其在卒中后吞咽困难患者中预测吸入风险的诊断价值 | 采用基于BiFPN-U-Net(T)架构的深度学习模型，高效准确地测量甲状骨运动距离，并评估其在临床上的实用性 | NA | 旨在更高效准确地测量卒中后吞咽困难患者甲状骨运动距离，并确定该模型的临床有用性 | 卒中后吞咽困难患者的甲状骨运动 | 机器学习 | 卒中 | 深度学习 | BiFPN-U-Net(T) | 视频 | 85名卒中后吞咽困难患者，分为吸入组（35名）和非吸入组（50名） | NA | NA | NA | NA |
| 27946 | 2024-08-14 |
Design of Interoperable Electronic Health Record (EHR) Application for Early Detection of Lung Diseases Using a Decision Support System by Expanding Deep Learning Techniques
2024, The open respiratory medicine journal
|
研究论文 | 本研究旨在通过扩展深度学习技术，设计一个用于早期发现肺部疾病的互操作电子健康记录（EHR）应用程序，利用决策支持系统提高护理质量。 | 本研究通过开发一个Android应用程序，结合深度学习技术，实现了EHR系统的互操作性和早期肺部疾病的检测。 | 研究主要集中在肺部疾病的早期检测，未来工作可以扩展到其他疾病的早期检测。 | 实现一个互操作的EHR系统，通过决策支持系统在早期阶段识别肺部疾病，提高护理质量。 | 主要研究对象是肺部疾病，特别是肺癌的早期检测。 | 机器学习 | 肺部疾病 | 深度学习技术 | 深度学习模型 | 图像 | 实验过程中共考虑了316张图像，数据集分为80:20的训练和测试比例。 | NA | NA | NA | NA |
| 27947 | 2024-08-14 |
Prediction of PM2.5 concentration based on a CNN-LSTM neural network algorithm
2024, PeerJ
IF:2.3Q2
DOI:10.7717/peerj.17811
PMID:39131620
|
研究论文 | 本研究基于卷积神经网络长短期记忆（CNN-LSTM）模型，预测和分析了监测站的PM浓度 | 采用CNN-LSTM深度学习模型，结合CNN层提取空间特征和LSTM层学习时间依赖性，提高了PM浓度的预测准确性和泛化能力 | NA | 预测和分析PM浓度的空间分布，以便更好地追踪污染源并采取保护人类健康的措施 | 青岛市2020年的PM数据及气象因素（如温度、风速和气压） | 机器学习 | NA | CNN-LSTM | CNN-LSTM | 时间序列数据 | 青岛市2020年的PM数据及气象因素数据 | NA | NA | NA | NA |
| 27948 | 2024-08-14 |
Automatic Identification of Hate Speech - A Case-Study of alt-Right YouTube Videos
2024, F1000Research
DOI:10.12688/f1000research.147107.1
PMID:39131834
|
研究论文 | 本文研究了自动识别仇恨言论的方法，特别是针对alt-right YouTube视频的应用 | 提出了一种跨学科的混合方法，结合机器学习、深度学习和自然语言处理技术与传统的实证研究 | 自动识别或 moderation 仇恨言论无法适应间接象征意义的不断变化的背景 | 探讨自动识别仇恨言论的有效方法及其在alt-right YouTube视频中的应用 | alt-right YouTube视频中的仇恨言论 | 自然语言处理 | NA | 机器学习, 深度学习, 自然语言处理 (NLP) | NA | 视频 | 涉及alt-right YouTube视频的数据 | NA | NA | NA | NA |
| 27949 | 2024-08-14 |
XAI-TRIS: non-linear image benchmarks to quantify false positive post-hoc attribution of feature importance
2024, Machine learning
IF:4.3Q2
DOI:10.1007/s10994-024-06574-3
PMID:39132312
|
研究论文 | 本文提出了一种名为XAI-TRIS的非线性图像基准，用于量化事后归因于特征重要性的假阳性 | 本文设计了基准数据集和新的定量指标，用于评估不同深度学习模型架构下的XAI方法的解释性能 | 本文指出流行的XAI方法在非线性问题上往往无法显著超越随机性能基线和边缘检测方法，且不同模型架构的解释结果差异大，易导致误解 | 验证和评估XAI方法的理论和实证性能 | XAI方法在非线性分类问题中的解释性能 | 机器学习 | NA | 深度神经网络 | CNN | 图像 | 包含一个线性和三个不同非线性分类场景的基准数据集 | NA | NA | NA | NA |
| 27950 | 2024-08-14 |
Artificial Intelligence in Breast Imaging: Opportunities, Challenges, and Legal-Ethical Considerations
2023-Dec, The Eurasian journal of medicine
DOI:10.5152/eurasianjmed.2023.23360
PMID:39128072
|
综述 | 本文综述探讨了人工智能（AI）在乳腺影像中的变革性影响，特别是在全球乳腺癌病例增加的背景下 | AI通过深度学习技术在改进诊断流程方面展现出潜力，能够处理大量数据和多维信息，推动乳腺癌研究的精准医学发展 | AI的整合面临数据相关障碍、确保决策透明度和信任等挑战 | 探讨AI在乳腺影像中的应用及其法律和伦理考虑 | 人工智能在乳腺影像中的应用及其对乳腺癌诊断的影响 | 计算机视觉 | 乳腺癌 | 深度学习 | NA | 影像数据 | NA | NA | NA | NA | NA |
| 27951 | 2024-08-14 |
Non-Metastatic Axillary Lymph Nodes Have Distinct Morphology and Immunophenotype in Obese Breast Cancer patients at Risk for Metastasis
2023-Apr-17, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.04.14.23288545
PMID:37131732
|
研究论文 | 本研究开发了一个深度学习框架，用于识别肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学差异 | 首次使用深度学习框架分析肥胖乳腺癌患者中非转移性腋窝淋巴结的形态学和免疫表型差异 | NA | 探索肥胖乳腺癌患者中淋巴结脂肪组织与乳腺癌淋巴结转移之间的潜在机制 | 肥胖乳腺癌患者的非转移性腋窝淋巴结 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 27952 | 2024-08-14 |
Performance of high-resolution CT for detection and discrimination tasks related to stenotic lesions - A phantom study using model observers
2023-Apr, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16194
PMID:36583447
|
研究论文 | 本研究通过使用模型观察者对狭窄病变进行高分辨率CT检测和鉴别任务的性能进行了比较 | 使用高分辨率CT模式和正常分辨率模式在同一CT扫描仪上进行比较，并引入了深度学习算法AiCE以提高检测性能 | 研究仅限于使用模型观察者和特定的CT扫描仪，未涉及临床实际应用 | 评估高分辨率CT在检测和鉴别狭窄病变中的性能 | 狭窄病变模拟体 | 计算机视觉 | 心血管疾病 | 高分辨率CT扫描 | 非预白化模型观察者 | 图像 | 三个丙烯酸圆柱体，每个直径15.0厘米，厚度1.3厘米，包含一系列不同直径和狭窄严重程度的孔洞 | NA | NA | NA | NA |
| 27953 | 2024-08-14 |
Preoperative Prediction and Identification of Extracapsular Extension in Head and Neck Cancer Patients: Progress and Potential
2023-Feb, Cureus
DOI:10.7759/cureus.34769
PMID:36909098
|
研究论文 | 本研究旨在展示术前识别头颈部癌症患者淋巴结外扩展的潜力和发展进展 | 开发了一种利用多层梯度映射引导的可解释网络架构的深度学习模型，并采用梯度加权类激活映射方法生成解剖区域的热图 | 热图结果对某些患者可能有用，但对其他患者可能会产生误导，需要进一步训练 | 术前识别头颈部癌症患者淋巴结外扩展 | 头颈部癌症患者 | 计算机视觉 | 头颈部癌症 | 深度学习 | CNN | CT影像 | NA | NA | NA | NA | NA |
| 27954 | 2024-08-14 |
Machine Learning-Based Personalized Prediction of Hepatocellular Carcinoma Recurrence After Radiofrequency Ablation
2022, Gastro hep advances
DOI:10.1016/j.gastha.2021.09.003
PMID:39129938
|
研究论文 | 本研究旨在开发一种机器学习模型，用于预测接受射频消融治疗后的肝细胞癌患者复发风险 | 开发了一种新的机器学习模型，用于个性化预测肝细胞癌复发风险，并能输出每个患者的个性化累积复发预测曲线 | NA | 开发机器学习模型以预测肝细胞癌复发风险 | 接受射频消融治疗的肝细胞癌患者 | 机器学习 | 肝细胞癌 | 射频消融 | 梯度提升决策树（GBDT） | 临床数据 | 1778名患者 | NA | NA | NA | NA |
| 27955 | 2024-08-14 |
Deep Learning for Automatic Identification and Characterization of the Bleeding Potential of Enteric Protruding Lesions in Capsule Endoscopy
2022, Gastro hep advances
DOI:10.1016/j.gastha.2022.04.008
PMID:39131843
|
研究论文 | 本文开发了一种基于卷积神经网络（CNN）的算法，用于自动检测和表征胶囊内镜中的小肠突出性病变及其出血潜力 | 本文首次开发了一种基于CNN的算法，能够自动检测和表征小肠突出性病变的多样性形态，并评估其出血潜力 | NA | 开发一种自动检测小肠突出性病变的算法，以提高胶囊内镜的诊断效率 | 小肠突出性病变 | 计算机视觉 | NA | 卷积神经网络（CNN） | CNN | 图像 | 2565名患者的21,320张胶囊内镜图像 | NA | NA | NA | NA |
| 27956 | 2024-08-14 |
Protein structure prediction by AlphaFold2: are attention and symmetries all you need?
2021-Aug-01, Acta crystallographica. Section D, Structural biology
DOI:10.1107/S2059798321007531
PMID:34342271
|
研究论文 | 本文探讨了AlphaFold2在蛋白质结构预测中的应用，特别是其使用注意力机制、对称性和端到端可微性框架的关键特征 | AlphaFold2利用深度学习技术，通过注意力机制和Transformer模型捕捉长程依赖关系，以及利用对称性原则在三维空间中推理蛋白质结构，展示了深度学习在结构预测中的强大能力 | 文章讨论了AlphaFold2不明确依赖物理原则进行结构预测的潜在影响，暗示了可能存在的局限性 | 研究蛋白质结构预测的新方法，特别是深度学习在生物信息学中的应用 | 蛋白质的3D结构及其从初级序列中的计算预测 | 生物信息学 | NA | 深度学习 | Transformer | 蛋白质序列数据 | NA | NA | NA | NA | NA |
| 27957 | 2024-08-14 |
Deep Learning Method to Accelerate Discovery of Hybrid Polymer-Graphene Composites
2021-Jul-23, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-94085-9
PMID:34301976
|
research paper | 本文开发了一种基于电子结构计算和大数据挖掘的多学科综合方法，用于设计吸附在石墨烯和二氧化硅上的混合聚合物。 | 本文利用密度泛函理论和机器学习结合神经网络和统计分析，创新性地设计了基于少量简单分子构建块的1D/2D聚合物。 | NA | 旨在通过理解纳米尺度分子间相互作用，从底层设计分子器件。 | 研究对象为吸附在石墨烯和二氧化硅上的聚合物薄层的界面编码性质。 | machine learning | NA | 密度泛函理论 (DFT), 机器学习 (ML) | 神经网络 (NN) | NA | 少量简单分子构建块 | NA | NA | NA | NA |
| 27958 | 2024-08-14 |
Neural-ODE for pharmacokinetics modeling and its advantage to alternative machine learning models in predicting new dosing regimens
2021-Jul-23, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2021.102804
PMID:34308294
|
研究论文 | 本文提出了一种基于神经常微分方程（neural-ODE）的深度学习方法，用于预测个体患者的药代动力学（PK），并测试了其在不同给药方案下的泛化能力 | 首次将神经常微分方程应用于药代动力学建模，并在预测未测试的给药方案时表现出更高的准确性 | NA | 开发一种新的深度学习方法，以提高药代动力学模型在不同给药方案下的预测准确性 | 药代动力学模型及其在不同给药方案下的预测能力 | 机器学习 | NA | neural-ODE | neural-ODE | 数据 | 使用了两种不同治疗方案的药代动力学数据 | NA | NA | NA | NA |
| 27959 | 2024-08-14 |
Genomic Selection for End-Use Quality and Processing Traits in Soft White Winter Wheat Breeding Program with Machine and Deep Learning Models
2021-Jul-20, Biology
DOI:10.3390/biology10070689
PMID:34356544
|
研究论文 | 研究利用机器学习和深度学习模型预测软白冬小麦育种计划中的终端使用质量和加工特性 | 本研究首次探索了机器学习和深度学习模型在冬小麦育种中预测十四种终端使用质量特性的潜力，发现深度学习模型在所有预测场景中优于传统的岭回归最佳线性无偏预测（RRBLUP）和贝叶斯模型 | 研究仅在两个地点（Pullman和Lind, WA, USA）进行了五年（2015-19）的筛选，可能需要更多地点和更长时间的验证 | 旨在提高小麦育种计划中终端使用质量和加工特性的预测准确性 | 软白冬小麦的终端使用质量和加工特性 | 机器学习 | NA | 机器学习和深度学习 | 卷积神经网络（CNN）和多层感知器（MLP） | 基因组数据 | 666个小麦基因型 | NA | NA | NA | NA |
| 27960 | 2024-08-14 |
Identification of Neurodegenerative Diseases Based on Vertical Ground Reaction Force Classification Using Time-Frequency Spectrogram and Deep Learning Neural Network Features
2021-Jul-08, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci11070902
PMID:34356136
|
研究论文 | 本研究开发了一种基于深度学习方法的新型识别算法，用于根据垂直地面反作用力（vGRF）信号分类神经退行性疾病（NDDs） | 本研究通过将时间域vGRF信号转换为时间-频率谱图，并利用连续小波变换（CWT）和主成分分析（PCA）进行特征增强，创新地提高了NDDs的分类准确性 | NA | 帮助医生在早期检测NDDs，制定有效的治疗计划，并监测疾病进展 | 神经退行性疾病（NDDs）的分类 | 机器学习 | 神经退行性疾病 | 连续小波变换（CWT），主成分分析（PCA） | 卷积神经网络（CNN） | 时间-频率谱图 | 五分钟的垂直地面反作用力信号被分为10、30和60秒的连续时间窗口 | NA | NA | NA | NA |