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 30741 - 30760 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 30741 | 2024-08-05 |
Machine learning and deep learning for brain tumor MRI image segmentation
2023-11, Experimental biology and medicine (Maywood, N.J.)
DOI:10.1177/15353702231214259
PMID:38102956
|
综述 | 文章综述了用于脑肿瘤MRI图像分割的常用机器学习和深度学习技术 | 结合两种或更多技术的趋势是当前的创新点 | 讨论了所述机器学习和深度学习方法的局限性和优点 | 研究脑肿瘤MRI图像分割的技术 | 脑肿瘤的MRI图像 | 计算机视觉 | 脑肿瘤 | MRI | 机器学习和深度学习技术 | 图像 | NA | NA | NA | NA | NA |
| 30742 | 2024-08-07 |
Protein structural alignment using deep learning
2023-10, Nature genetics
IF:31.7Q1
DOI:10.1038/s41588-023-01543-3
PMID:37816889
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 30743 | 2024-08-05 |
Study on breast cancerization and isolated diagnosis in situ by HOF-ATR-MIR spectroscopy with deep learning
2024-Oct-15, Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
DOI:10.1016/j.saa.2024.124546
PMID:38824755
|
研究论文 | 本研究探讨了通过HOF-ATR-MIR光谱与深度学习对乳腺癌的分类与诊断 | 首次建立了基于1D-CNN的三类分类模型，能够有效区分正常、癌旁及癌变乳腺组织 | 并未明确提到具体的样本数量及研究局限性 | 旨在利用深度学习技术提高乳腺组织的分类与诊断准确性 | 研究对象为不同类型的乳腺组织，包括正常组织、癌旁组织和癌变组织 | 数字病理学 | 乳腺癌 | HOF-ATR-MIR光谱 | 1D-CNN | 光谱数据 | NA | NA | NA | NA | NA |
| 30744 | 2024-08-05 |
Learning active subspaces and discovering important features with Gaussian radial basis functions neural networks
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106335
PMID:38733793
|
研究论文 | 提出了一种改进的径向基函数神经网络模型，旨在提高预测性能并增强可解释性 | 通过可学习的精度矩阵修改了传统的径向基函数神经网络模型，使其能够提取关键特征和主动子空间 | 未提及具体的局限性 | 旨在通过提高模型的可预测性和可解释性来解决机器学习中的主要挑战 | 对回归、分类和特征选择任务进行数值实验 | 机器学习 | NA | 高斯径向基函数神经网络 | NA | 表格数据 | NA | NA | NA | NA | NA |
| 30745 | 2024-08-05 |
Towards complex dynamic physics system simulation with graph neural ordinary equations
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106341
PMID:38692189
|
研究论文 | 本文提出了一种新模型GNSTODE，用于模拟复杂的粒子系统 | 引入了图网络与时空神经常微分方程的结合，以处理粒子系统中的时空依赖性 | 未提及具体的局限性 | 旨在理解和模拟复杂物理系统中的粒子交互行为 | 复杂粒子系统的模拟 | 机器学习 | NA | 神经常微分方程 | 图网络 | 观测数据 | 在两个真实世界的粒子系统中进行评估，未具体说明样本数量 | NA | NA | NA | NA |
| 30746 | 2024-08-05 |
Which images to label for few-shot medical image analysis?
2024-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103200
PMID:38801797
|
研究论文 | 该文章提出了一种新颖的模板选择策略，以在少量标记医疗图像分析中选择值得标记的图像 | 提出了一种新颖的模板选择策略（TECP），优先选择适合标注的图像以改善模型性能 | 该研究未提及TECP在不同类型数据集上的适用性分析 | 旨在通过改进标注策略来提升少样本医疗图像分析的效果 | 涉及多种少样本医疗任务，包括标志检测、解剖检测和解剖分割 | 计算机视觉 | NA | 深度学习 | NA | 医学图像 | 多个公共数据集 | NA | NA | NA | NA |
| 30747 | 2024-08-05 |
CMAN: Cascaded Multi-scale Spatial Channel Attention-guided Network for large 3D deformable registration of liver CT images
2024-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103212
PMID:38830326
|
研究论文 | 提出了一种新的CNN基础的无监督学习配准方法CMAN，用于处理肝脏CT图像的大变形。 | 创新点在于采用双重粗到细的配准方法，结合空间通道注意力模块，有效提高大变形域的配准精度。 | 缺乏对更多复杂形状器官或其他医学图像的适应性验证。 | 研究旨在开发一种能够高效处理大变形图像配准的深度学习网络。 | 研究对象为肝脏CT图像。 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了两个公开数据集进行训练，并在另一个公共数据集和一个私人数据集上进行了评估 | NA | NA | NA | NA |
| 30748 | 2024-08-05 |
Local spatial and temporal relation discovery model based on attention mechanism for traffic forecasting
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106365
PMID:38739964
|
研究论文 | 提出了一种基于注意机制的局部空间和时间关系发现模型，旨在提高交通预测的准确性 | 引入了局部注意机制来建模历史输入数据的异步依赖性，并使用皮尔逊相关系数提取邻近道路历史交通条件对目标道路未来状态的影响 | 深度学习方法的属性使得其解释显式时空关系存在挑战 | 提高智能交通系统中交通预测的准确性 | 交通数据，通过深度学习方法建模交通状态演变模式 | 机器学习 | NA | 深度学习 | 注意机制模型 | 交通数据 | 多个数据集的实验结果 | NA | NA | NA | NA |
| 30749 | 2024-08-05 |
Improved weight initialization for deep and narrow feedforward neural network
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106362
PMID:38733795
|
研究论文 | 提出了一种新的权重初始化方法，以解决RELU激活函数在深度神经网络中的‘死亡RELU’问题 | 提出了新的权重初始化方法，能有效解决深度和窄的前馈神经网络中的信号传播问题 | 尚未提及方法在极端情况下的表现和适用性 | 解决RELU激活函数导致的深度神经网络训练困难问题 | 深度和窄的前馈神经网络 | 机器学习 | NA | NA | 前馈神经网络 | NA | 通过一系列实验进行比较，样本大小未具体说明 | NA | NA | NA | NA |
| 30750 | 2024-08-05 |
Unsupervised mutual transformer learning for multi-gigapixel Whole Slide Image classification
2024-Aug, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2024.103203
PMID:38810517
|
研究论文 | 提出了一种基于互变换学习的全无人监督的WSI分类算法 | 创新性地提出了一种完全无人监督的WSI分类算法，并通过互变换学习生成伪标签 | 未提及具体的局限性 | 研究WSI分类中的无人监督学习方法 | 多千兆像素的全幻灯片图像 | 计算病理学 | 癌症 | 变换学习 | 变换器 | 图像 | 在四个公开可用的数据集上进行了大量实验 | NA | NA | NA | NA |
| 30751 | 2024-08-05 |
Learning shared template representation with augmented feature for multi-object pose estimation
2024-Aug, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106352
PMID:38713968
|
研究论文 | 本研究提出了一种共享模板表示学习方法，结合增强语义特征以解决多对象姿态估计中的问题 | 通过学习共享模板表示并使用增强语义特征，提高了模型的泛化性能和匹配精度 | 未具体说明在更复杂或未见数据集上的表现 | 旨在简化多对象姿态估计中的模板表示学习过程 | 多对象姿态估计任务中的模板表示 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 经过Linemo, Linemod-Occluded和TLESS数据集的广泛实验验证 | NA | NA | NA | NA |
| 30752 | 2024-08-05 |
Advanced deep learning algorithm for instant discriminating of tea leave stress symptoms by smartphone-based detection
2024-Jul, Plant physiology and biochemistry : PPB
IF:6.1Q1
DOI:10.1016/j.plaphy.2024.108769
PMID:38797010
|
研究论文 | 本研究提出了一种基于智能手机的深度学习模型，用于快速检测茶叶的压力症状。 | 提出了一种便携式智能手机检测方法，并适应YOLOv5m和YOLOv8m算法，实现了高精度区分茶叶压力症状。 | 研究未提及可能的环境因素对检测结果的影响 | 旨在开发一种在复杂自然环境中快速监测茶叶压力的技术 | 开发了一个包含10000多张茶园冠层图像的数据库 | 计算机视觉 | NA | 深度学习 | YOLOv8m | 图像 | 超过10000张图像 | NA | NA | NA | NA |
| 30753 | 2024-08-05 |
Marine oil spill detection and segmentation in SAR data with two steps Deep Learning framework
2024-Jul, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2024.116549
PMID:38850755
|
研究论文 | 本研究开发了一种基于深度学习的海洋油污检测和分割方法 | 探索了九十种CNN配置，并创建了新的Sentinel-1图像数据集 | 未提及具体的局限性 | 旨在提高海洋油污分类和分割的准确性 | 使用Sentinel-1 SAR图像进行油污检测 | 计算机视觉 | NA | 深度学习 | CNN, MLP, U-Net | 图像 | NA | NA | NA | NA | NA |
| 30754 | 2024-08-05 |
Radiomics and deep learning models for CT pre-operative lymph node staging in pancreatic ductal adenocarcinoma: A systematic review and meta-analysis
2024-Jul, European journal of radiology
IF:3.2Q1
DOI:10.1016/j.ejrad.2024.111510
PMID:38781919
|
系统评价与 meta 分析 | 评估 CT 基于放射组学算法和深度学习模型在胰腺导管腺癌患者中术前识别淋巴结转移的诊断准确性 | 本研究通过元分析显示了 CT 基于放射组学和深度学习模型在预测胰腺导管腺癌患者淋巴结转移方面的良好表现 | 研究中未发现研究类型（放射组学 vs 深度学习）或数据集大小对诊断比值比（DOR）有显著影响 | 探讨 CT 基于放射组学和深度学习模型的诊断准确性 | 针对胰腺导管腺癌患者的淋巴结转移进行的相关研究 | 数字病理学 | 胰腺癌 | CT 扫描 | 放射组学和深度学习模型 | 影像 | 共纳入 485 名患者（213 名用于放射组学研究，272 名用于深度学习研究） | NA | NA | NA | NA |
| 30755 | 2024-08-05 |
Potential rapid intraoperative cancer diagnosis using dynamic full-field optical coherence tomography and deep learning: A prospective cohort study in breast cancer patients
2024-Jun-15, Science bulletin
IF:18.8Q1
DOI:10.1016/j.scib.2024.03.061
PMID:38702279
|
研究论文 | 本研究结合动态全景光学相干断层成像和深度学习，提供了一种快速的乳腺癌术中自动化诊断工作流程 | 本研究创新性地使用动态全景光学相干断层成像(D-FFOCT)与深度学习相结合，实现了无标签的快速肿瘤诊断 | 研究可能未覆盖所有类型的乳腺肿瘤样本 | 研究旨在提高乳腺癌术中诊断的速度和准确性 | 乳腺癌患者的良性与恶性组织 | 数字病理学 | 乳腺癌 | 动态全景光学相干断层成像(D-FFOCT) | 深度学习模型 | 图像 | 建模组包含182例样本，独立测试组包含42例样本 | NA | NA | NA | NA |
| 30756 | 2024-08-05 |
Recurrent quantum embedding neural network and its application in vulnerability detection
2024-Jun-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-63021-y
PMID:38871946
|
研究论文 | 本论文提出了一种递归量子嵌入神经网络用于漏洞检测。 | 创新点在于结合了递归量子嵌入神经网络与自然语言处理，显著减少了内存消耗和参数数量。 | 没有提到具体的局限性。 | 研究旨在提高漏洞检测任务的性能和资源利用效率。 | 研究对象为漏洞检测任务中的量子自然语言处理方法。 | 自然语言处理 | NA | 量子计算 | 递归量子嵌入神经网络 | NA | NA | NA | NA | NA | NA |
| 30757 | 2024-08-05 |
Topological regression as an interpretable and efficient tool for quantitative structure-activity relationship modeling
2024-Jun-13, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-024-49372-0
PMID:38871711
|
研究论文 | 本文提出了一种基于相似性的回归框架，拓扑回归（TR），用于定量构效关系建模，且易于解释和计算快速 | 提出了一种拓扑回归方法，其能够实现与深度学习QSAR模型相当甚至更好的性能，并提供更直观的解释能力 | 在比较上只有530个ChEMBL人类靶点活性数据集，可能对其它数据集的适用性没有充分验证 | 提高QSAR模型的可解释性与计算效率，以推动药物发现 | 530个ChEMBL人类靶点活性数据集 | 机器学习 | NA | NA | 拓扑回归（TR） | 数据集 | 530 | NA | NA | NA | NA |
| 30758 | 2024-08-05 |
Phenotyping grapevine resistance to downy mildew: deep learning as a promising tool to assess sporulation and necrosis
2024-Jun-13, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01220-4
PMID:38872155
|
研究论文 | 该研究利用深度学习评估患有霜霉病的葡萄vine叶片的症状和抗性。 | 提出了一种高通量机器学习表型分析方法来识别葡萄对霜霉病抗性的新的基因位点 | 该方法可能依赖于特定的图像数据集，可能不适用于所有毒病系统 | 开发一种新的方法以快速、准确评估葡萄品种对霜霉病的抗性 | 受霜霉病影响的葡萄vine叶片 | 机器学习 | NA | 深度学习 | Swin Transformer | 图像 | 感染P. viticola的葡萄vine叶片圆盘的图像 | NA | NA | NA | NA |
| 30759 | 2024-08-05 |
Robust diagnosis and meta visualizations of plant diseases through deep neural architecture with explainable AI
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64601-8
PMID:38871765
|
研究论文 | 本文提出了一种深度卷积神经网络模型，用于快速准确地识别植物疾病 | 引入了一种深度、可解释的神经架构，专门用于植物疾病识别，并应用于最大标准植物村数据集 | 由于基础设施和技术有限，植物疾病的准确识别具有挑战性 | 通过深度学习技术提高植物疾病的早期识别和分类精度 | 使用标准植物村数据集中38个类别的植物样本进行实验 | 计算机视觉 | 植物疾病 | 深度学习 | 深度卷积神经网络 | 图像 | 38个类别的最大标准植物村数据集 | NA | NA | NA | NA |
| 30760 | 2024-08-05 |
Applying deep learning on social media to investigate cultural ecosystem services in protected areas worldwide
2024-06-13, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-64115-3
PMID:38871754
|
研究论文 | 本文探讨了全球保护区中文化生态系统服务的变异性 | 首次将深度学习与社交媒体数据结合，系统分类和分析全球保护区的文化生态系统服务 | 研究仅基于Flickr平台的照片，可能无法全面反映所有保护区的情况 | 旨在揭示全球保护区中文化生态系统服务的分布和互动模式 | 全球范围内的2873个保护区及其在社交媒体上的照片 | 机器学习 | NA | 卷积神经网络 | 混合效应模型 | 图像 | 总计87,090张照片，涉及2813个保护区，来自207个国家 | NA | NA | NA | NA |