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 29441 - 29460 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 29441 | 2024-08-05 |
A multi-label transformer-based deep learning approach to predict focal visual field progression
2024-Jul, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06393-1
PMID:38334809
|
研究论文 | 该研究旨在开发和评估一种深度学习模型，以预测视野区域的进展。 | 该研究首次探索了使用深度学习模型预测视野进行性变化的方法。 | 研究只限于使用特定数量的视野检查数据进行训练，可能影响模型的通用性。 | 该研究的目的是通过深度学习预测青光眼患者的视野进展。 | 研究对象为1283名患者的2430只眼睛，这些眼睛进行了四次或更多次的视野检查。 | 计算机视觉 | 青光眼 | 深度学习 | 多标签变压器网络 (MTN) | 视野数据 | 2430只眼睛，1283名患者 | NA | NA | NA | NA |
| 29442 | 2024-08-05 |
Segmentation, feature extraction and classification of leukocytes leveraging neural networks, a comparative study
2024-Jul, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.24832
PMID:38420862
|
研究论文 | 本文比较了多种机器学习和深度学习模型在白细胞分割、特征提取和分类中的表现 | 首次进行不同机器学习和深度学习模型的白细胞分类比较研究 | 未提及数据集的多样性和模型的可泛化性 | 提高白细胞分类的自动化准确性 | 白细胞的分割、特征提取和分类 | 计算机视觉 | NA | 深度学习 | U-Net, U-Net + ResNet18, U-Net + ResNet34, AlexNet, VGG16, ResNet18 | 图像 | 两个数据集CellaVision和BCCD的样本 | NA | NA | NA | NA |
| 29443 | 2024-08-05 |
An enumerative pre-processing approach for retinopathy severity grading using an interpretable classifier: a comparative study
2024-Jul, Graefe's archive for clinical and experimental ophthalmology = Albrecht von Graefes Archiv fur klinische und experimentelle Ophthalmologie
DOI:10.1007/s00417-024-06396-y
PMID:38400856
|
研究论文 | 本文提出了一种枚举预处理方法，用于使用可解释分类器对糖尿病视网膜病变的严重程度进行分级。 | 该研究使用了一种独特的枚举预处理方法，与多种预训练模型进行比较，以提高糖尿病视网膜病变分级的准确性。 | 虽然使用了多个优化算法进行比较，但具体的局限性未在摘要中提及 | 旨在开发和实施一种高效的糖尿病视网膜病变筛查系统，以改善临床诊断结果。 | 研究对象为糖尿病视网膜病变的严重程度评估，通过深度学习模型进行分析。 | 机器学习 | 糖尿病视网膜病变 | 深度学习 | K1-K2-K3-DFNN-LOA | 图像 | MESSIDOR 数据集 | NA | NA | NA | NA |
| 29444 | 2024-08-05 |
A variational autoencoder trained with priors from canonical pathways increases the interpretability of transcriptome data
2024-Jul, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1011198
PMID:38959284
|
研究论文 | 本文探讨了如何利用变分自编码器(VAE)提高转录组数据的可解释性 | 提出了一种新型的VAE，利用生物数据的先验知识引导网络学习基于生物概念的转录组表示 | 简单的全连接自编码器性能优秀，但缺乏直接可解释的潜在维度 | 研究转录组数据的可解释性与深度学习技术的结合 | 转录组数据及其隐变量表示 | 机器学习 | NA | 变分自编码器 (VAE) | 变分自编码器 | 转录组数据 | NA | NA | NA | NA | NA |
| 29445 | 2024-08-05 |
The Multiscale Surface Vision Transformer
2024-Jun-11, ArXiv
PMID:36994163
|
研究论文 | 本文提出了一种多尺度表面视觉变换器（MS-SiT），用于表面深度学习的框架结构 | 引入了局部网格窗口内的自注意力机制以及移位窗口策略，能够实现高分辨率数据采样并改善窗口间的信息共享 | 在深度预测任务中，自注意力操作的二次成本仍然是一个障碍 | 研究表面网格在进行深度学习分析时的应用 | 基于Developing Human Connectome Project (dHCP) 数据集进行新生儿表型预测的任务 | 计算机视觉 | NA | 深度学习 | 变换器 | 表面网格数据 | 使用了Developing Human Connectome Project (dHCP) 数据集进行表型预测 | NA | NA | NA | NA |
| 29446 | 2024-08-05 |
Unveiling Conformational States of CDK6 Caused by Binding of Vcyclin Protein and Inhibitor by Combining Gaussian Accelerated Molecular Dynamics and Deep Learning
2024-Jun-05, Molecules (Basel, Switzerland)
DOI:10.3390/molecules29112681
PMID:38893554
|
研究论文 | 本文通过结合高斯加速分子动力学和深度学习，揭示了CDK6因Vcyclin蛋白和抑制剂结合而导致的构象状态 | 创新点在于使用高斯加速分子动力学、深度学习和自由能景观分析识别CDK6的构象转变 | 研究可能局限于特定的抑制剂和构象状态，未考虑所有可能的外部因素 | 研究CDK6的构象变化及其在癌症治疗中的作用 | 主要研究对象为CDK6、Vcyclin蛋白及其抑制剂的结合 | 数字病理学 | 癌症治疗 | Gaussian加速分子动力学 | 深度学习 | 计算数据 | NA | NA | NA | NA | NA |
| 29447 | 2024-08-05 |
Feasibility of remote monitoring for fatal coronary heart disease using Apple Watch ECGs
2024-Jun, Cardiovascular digital health journal
IF:2.6Q2
DOI:10.1016/j.cvdhj.2024.03.007
PMID:38989042
|
研究论文 | 本研究开发了一种基于单导联ECG的深度学习模型，用于预测致命冠心病（FCHD）的风险 | 首次使用可穿戴设备获取的ECG数据进行FCHD风险预测的人工智能模型 | 研究主要依赖于特定的数据集，可能限制了结果在更广泛人群中的适用性 | 评估可穿戴设备ECG在FCHD风险预测中的可行性 | 使用167,662个ECG记录和243个参与者的配对ECG数据进行研究 | 数字病理学 | 冠心病 | ECG-AI | 深度学习模型 | ECG数据 | 167,662个ECG记录，50,132名患者，243名参与者的配对ECG | NA | NA | NA | NA |
| 29448 | 2024-08-05 |
Multitask deep learning for prediction of microvascular invasion and recurrence-free survival in hepatocellular carcinoma based on MRI images
2024-Jun, Liver international : official journal of the International Association for the Study of the Liver
IF:6.0Q1
DOI:10.1111/liv.15870
PMID:38436551
|
研究论文 | 本研究开发了一种多任务深度学习模型，用于基于MRI扫描预测肝细胞癌中的微血管侵袭和无复发生存期 | 该研究结合了多任务学习和变换器架构，能够同时预测微血管侵袭和无复发生存期 | 尚需前瞻性研究来评估该模型在临床应用中的实用性 | 提高肝细胞癌的个体化管理 | 725名肝细胞癌患者的MRI扫描数据 | 数字病理学 | 肝癌 | 深度学习 | 变换器 | 影像 | 725名HCC患者的回顾性数据集，包括234名训练患者和58名内部验证患者，以及三个独立的外部验证集（n=212, 111, 110） | NA | NA | NA | NA |
| 29449 | 2024-08-05 |
Deep Learning and Likelihood Approaches for Viral Phylogeography Converge on the Same Answers Whether the Inference Model Is Right or Wrong
2024-May-27, Systematic biology
IF:6.1Q1
DOI:10.1093/sysbio/syad074
PMID:38189575
|
研究论文 | 本研究扩大和比较了基于深度学习的无似然推断方法与传统的似然方法在病毒系统地理学中的表现 | 提出了一种基于深度学习的无似然推断方法，与传统的贝叶斯推断方法在准确性和鲁棒性上接近，同时在训练后显著提高了计算速度 | 模型的精确度较低，且在模型失配的敏感度上有一定的保守性 | 探讨深度学习方法在病毒传播的系统地理学推断中的应用 | 使用模拟爆发的系统树和SARS-Cov-2大流行的真实数据 | 计算机视觉 | NA | 深度学习 | 深度神经网络 | 树形结构数据 | 来自5个地点的模拟爆发数据 | NA | NA | NA | NA |
| 29450 | 2024-08-05 |
An adult and pediatric size-based contrast administration reduction phantom study for single and dual-energy CT through preservation of contrast-to-noise ratio
2024-May, Journal of applied clinical medical physics
IF:2.0Q3
DOI:10.1002/acm2.14340
PMID:38605540
|
研究论文 | 本文提供了一个定量框架，用于在降低碘对比剂剂量的同时保持碘CNR | 创新性地通过单能CT和双能CT的不同扫描条件，减少碘对比剂的使用 | 未详细探讨不同患者群体对结果的影响 | 研究如何在CT检查中通过降低对比剂的剂量来保持图像质量 | 使用不同直径的模拟物进行CT扫描 | 数字病理学 | NA | CT | 深度学习重建 | 影像 | 四种不同直径的模拟物（9.7, 15.9, 21.1, 28.5 cm 和 20, 29.5, 34.6, 39.7 cm） | NA | NA | NA | NA |
| 29451 | 2024-08-05 |
Triple-0: Zero-shot denoising and dereverberation on an end-to-end frozen anechoic speech separation network
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0301692
PMID:39012881
|
研究论文 | 本研究提出了一种新颖的方法，通过一个端到端的冻结双耳无回声语音分离网络进行语音去噪和去混响。 | 该网络无需对新任务进行任何架构更改或微调，展示了在零样本测试条件下的有效性。 | 预训练模型在其训练期间从未遇到过噪声和混响条件，可能影响其在极端情况下的表现。 | 研究旨在改进语音增强技术，尤其是在噪声和混响环境中的非监督学习能力。 | 研究对象为被淹没在噪声和回声中的目标语音信号。 | 自然语言处理 | NA | 深度学习 | NA | 音频 | 使用了不同数据集上的语音样本进行测试，具体样本数量未说明 | NA | NA | NA | NA |
| 29452 | 2024-08-05 |
ArabBert-LSTM: improving Arabic sentiment analysis based on transformer model and Long Short-Term Memory
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1408845
PMID:39015364
|
研究论文 | 本文提出了一种基于变压器模型和长短期记忆网络(LSTM)的阿拉伯语情感分析模型。 | 创新之处在于结合了变压器模型和LSTM以处理阿拉伯语情感分析的复杂性。 | 本文未提及特定的限制条件。 | 本研究旨在提高阿拉伯语情感分析的准确性和可靠性。 | 研究对象为阿拉伯语文本中的情感分类。 | 自然语言处理 | NA | 变压器模型 | LSTM | 文本 | 四个阿拉伯语基准数据集 | NA | NA | NA | NA |
| 29453 | 2024-08-05 |
Comparison of deep learning architectures for predicting amyloid positivity in Alzheimer's disease, mild cognitive impairment, and healthy aging, from T1-weighted brain structural MRI
2024, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2024.1387196
PMID:39015378
|
研究论文 | 本文比较了多种深度学习架构在预测阿尔茨海默病、轻度认知障碍和健康老龄化中的β-淀粉样蛋白阳性。 | 提出了一种将经典机器学习算法与深度学习模型相结合的新方法，能够从T1加权MRI中推断β-淀粉样蛋白阳性 | 需要在更多样化的数据上进行进一步测试以验证结果 | 研究旨在从非侵入性的脑部扫描中预测β-淀粉样蛋白阳性，以帮助早期筛查阿尔茨海默病 | 参与者包括1847名老年人，包含健康对照组、轻度认知障碍者和痴呆患者 | 计算机视觉 | 阿尔茨海默病 | MRI | CNN, 3D Vision Transformers | 影像 | 1847名老年参与者（包括661名健康对照，889名轻度认知障碍者和297名痴呆患者） | NA | NA | NA | NA |
| 29454 | 2024-08-05 |
Prospective Role of Foundation Models in Advancing Autonomous Vehicles
2024, Research (Washington, D.C.)
DOI:10.34133/research.0399
PMID:39015204
|
研究论文 | 本文综述了基础模型在自动驾驶中的应用及未来趋势 | 探讨了基础模型在场景理解、推理及提升自动驾驶安全性方面的潜力 | 目前尚未详细说明在实际驾驶中的具体应用及验证情况 | 研究基础模型在自动驾驶领域的应用潜力 | 基础模型及其在自动驾驶中的应用 | 计算机视觉 | NA | 自监督学习 | 基础模型 | 语言和视觉数据 | NA | NA | NA | NA | NA |
| 29455 | 2024-08-07 |
Exploring infection clinicians' perceptions of bias in Large Language Models (LLMs) like ChatGPT: A deep learning study
2023-12, The Journal of infection
IF:14.3Q1
DOI:10.1016/j.jinf.2023.09.006
PMID:37743022
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 29456 | 2024-08-05 |
Stroke-GFCN: ischemic stroke lesion prediction with a fully convolutional graph network
2023-Jul, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.4.044502
PMID:37465592
|
研究论文 | 本研究提出了一种几何深度学习模型，用于缺血性脑卒中的病灶分割。 | 本文创新性地使用了全卷积图网络，并结合样条卷积和图结构特征来改进缺血性脑卒中病灶的预测。 | 本研究没有使用优化的训练方法，如数据增强或补丁处理，这可能影响模型表现的进一步提升。 | 研究旨在提高缺血性脑卒中病灶的分割准确性，以便为临床干预提供支持。 | 研究对象为缺血性脑卒中病灶的CT灌注参数图像数据。 | 计算机视觉 | 脑卒中 | CT灌注参数 | 全卷积图网络 | 图像 | NA | NA | NA | NA | NA |
| 29457 | 2024-08-07 |
Deep Learning to Predict Traumatic Brain Injury Outcomes in the Low-Resource Setting
2022-08, World neurosurgery
IF:1.9Q2
DOI:10.1016/j.wneu.2022.02.097
PMID:35247613
|
研究论文 | 本文旨在开发首个用于预测低资源环境下创伤性脑损伤（TBI）结果的深度学习模型，并将其性能与较简单的算法进行比较 | 首次使用深度学习进行TBI预测，特别是在低收入和中等收入国家（LMICs）中，这些地区对决策支持系统有迫切需求 | 深度学习并非万能，最佳算法选择取决于特定的临床环境 | 增强LMICs中TBI的分类管理 | TBI患者的预后预测 | 机器学习 | 创伤性脑损伤 | 深度神经网络 | 深度神经网络、浅层神经网络和弹性网正则化逻辑回归模型 | 临床变量 | 2164名患者，其中12%有不良预后 | NA | NA | NA | NA |
| 29458 | 2024-08-07 |
Highly accelerated multishot echo planar imaging through synergistic machine learning and joint reconstruction
2019-10, Magnetic resonance in medicine
IF:3.0Q2
DOI:10.1002/mrm.27813
PMID:31106902
|
研究论文 | 本文介绍了一种结合机器学习（ML）和物理基础的图像重建框架，实现了无需导航器的高加速多重回波平面成像（msEPI），并展示了其在高分辨率结构和扩散成像中的应用 | 利用深度学习获取具有最小伪影的临时图像，并结合联合虚拟线圈灵敏度编码（JVC-SENSE）重建技术，提高了图像质量 | NA | 开发一种新的图像重建框架，以实现高加速的多重回波平面成像 | 高分辨率结构和扩散成像 | 机器学习 | NA | 多重回波平面成像（msEPI） | 深度学习网络 | 图像 | 使用2次EPI拍摄实现8倍平面内加速和2倍多频带加速，以及使用5次拍摄实现9倍平面内加速和2倍多频带加速 | NA | NA | NA | NA |
| 29459 | 2024-08-07 |
Deep Learning Techniques for Medical Image Segmentation: Achievements and Challenges
2019-08, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-019-00227-x
PMID:31144149
|
research paper | 本文对利用深度学习技术进行医学图像分割的流行方法进行了关键性评估，并总结了最常见的挑战及可能的解决方案 | NA | NA | 评估深度学习技术在医学图像分割中的应用 | 医学图像分割的深度学习方法及其挑战 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 29460 | 2024-08-07 |
ORCA-SPOT: An Automatic Killer Whale Sound Detection Toolkit Using Deep Learning
2019-07-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-47335-w
PMID:31358873
|
研究论文 | 本文介绍了一种使用深度学习自动检测虎鲸声音的工具包ORCA-SPOT | ORCA-SPOT工具包能够自动从大型生物声学数据库中提取虎鲸声音，提高了处理效率和准确性 | NA | 旨在通过自动识别虎鲸的通信模式来增进对非人类动物种内通信的理解 | 虎鲸（Orcinus orca）的声音和环境噪音 | 机器学习 | NA | 深度神经网络 | 深度学习模型 | 声音 | 11,509个虎鲸信号和34,848个噪音片段 | NA | NA | NA | NA |