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 32371 篇文献，本页显示第 31621 - 31640 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 31621 | 2024-08-07 |
AI model to detect contact relationship between maxillary sinus and posterior teeth
2024-May-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e31052
PMID:38799758
|
研究论文 | 本文提出了一种基于全景X光片的深度学习网络（MSF-MPTnet），用于自动评估上颌窦底与上颌后牙之间的关系，并比较了MSF-MPTnet与牙医和放射科医生识别接触关系的准确性 | 本文创新性地开发了MSF-MPTnet模型，提高了上颌窦底与上颌后牙之间关系的检测准确性，减少了伪接触关系的发生，并降低了CBCT的使用频率 | NA | 研究目的是建立一种新的深度学习网络，用于自动评估上颌窦底与上颌后牙之间的关系，并比较其与牙医和放射科医生的准确性 | 研究对象为上颌窦底与上颌后牙之间的关系 | 计算机视觉 | NA | 深度学习 | 深度学习网络（MSF-MPTnet） | 图像 | 共收集了1035张全景X光片和1035张锥形束计算机断层扫描（CBCT）图像，其中350张全景X光片作为测试数据集 | NA | NA | NA | NA |
| 31622 | 2024-08-07 |
Effective prediction of human skin cancer using stacking based ensemble deep learning algorithm
2024-May-28, Network (Bristol, England)
DOI:10.1080/0954898X.2024.2346608
PMID:38804548
|
研究论文 | 本文提出了一种基于堆叠集成深度学习算法的皮肤癌诊断模型 | 采用堆叠集成深度学习方法，结合LSTM作为元分类器，提高了皮肤癌诊断的准确性 | NA | 开发一种自动化的皮肤癌诊断方法 | 皮肤癌的诊断 | 计算机视觉 | 皮肤癌 | NA | CNN, DNN, LSTM | 图像 | NA | NA | NA | NA | NA |
| 31623 | 2024-08-07 |
Meta learning based residual network for industrial production quality prediction with limited data
2024-May-25, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-62174-0
PMID:38796529
|
研究论文 | 本文提出了一种基于元学习的残差网络模型（MLRN），用于在数据有限的情况下预测工业生产质量 | 引入了基于元学习的残差网络模型，并采用有效通道注意力（ECA）机制和多批次多任务数据输入方法，以提高模型在有限数据下的性能 | NA | 旨在解决在实际工业环境中收集大量生产质量数据困难的问题，并提高深度学习网络在训练过程中的模型性能 | 工业生产质量预测 | 机器学习 | NA | 元学习 | 残差网络（Residual Network） | 数值和图形数据 | 有限数据 | NA | NA | NA | NA |
| 31624 | 2024-08-07 |
Autophagy and machine learning: Unanswered questions
2024-May-25, Biochimica et biophysica acta. Molecular basis of disease
DOI:10.1016/j.bbadis.2024.167263
PMID:38801963
|
review | 本文综述了自噬与机器学习技术在生物学过程中的应用 | 讨论了深度学习领域的新进展为跨学科合作带来的新机遇 | 未提及具体的研究限制 | 促进自噬研究与计算机科学的联合努力 | 自噬在细胞生存、生物能量稳态、生物体发育和细胞死亡调控中的作用 | machine learning | cancers, neurodegenerative diseases | machine learning (ML) | NA | NA | NA | NA | NA | NA | NA |
| 31625 | 2024-08-07 |
Personalized Stress Detection Using Biosignals from Wearables: A Scoping Review
2024-May-18, Sensors (Basel, Switzerland)
DOI:10.3390/s24103221
PMID:38794074
|
综述 | 本文通过综述个性化压力检测模型使用可穿戴技术，系统分析了相关文献 | 综述展示了生物信号，特别是EDA和PPG，在多模态设置中用于压力检测的潜在可靠性，并发现了深度学习模型的趋势 | 文献中对深度学习模型与传统方法的比较有限，需要进一步研究；同时存在数据集代表性和实际部署可穿戴技术的挑战 | 探讨使用可穿戴技术进行个性化压力检测的方法和挑战 | 生物信号、人工智能方法、数据集、可穿戴设备及实际应用中的挑战 | NA | NA | 深度学习 | 深度学习模型 | 生物信号数据 | NA | NA | NA | NA | NA |
| 31626 | 2024-08-07 |
Estimate and compensate head motion in non-contrast head CT scans using partial angle reconstruction and deep learning
2024-May, Medical physics
IF:3.2Q1
DOI:10.1002/mp.17047
PMID:38569143
|
研究论文 | 本文开发了一种深度学习模型，能够直接从头部CT扫描的部分角度重建（PAR）图像中估计头部运动，并将估计的运动整合到迭代重建过程中以补偿运动 | 本文首次探索了部分角度重建技术在头部CT扫描中减少运动伪影的潜力，并提出了一种新的深度学习模型来实现头部运动的精确估计和补偿 | NA | 开发一种深度学习模型，能够直接从头部CT扫描的PAR图像中估计头部运动，并将其整合到迭代重建过程中以补偿运动 | 头部CT扫描中的患者头部运动 | 计算机视觉 | NA | 部分角度重建（PAR） | 卷积神经网络（CNN） | 图像 | 模拟研究和实体模型研究 | NA | NA | NA | NA |
| 31627 | 2024-08-07 |
Amalgamated Pharmacoinformatics Study to Investigate the Mechanism of Xiao Jianzhong Tang against Chronic Atrophic Gastritis
2024, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本研究利用网络药理学、深度学习蛋白质修复、分子对接、机器学习结合亲和力估计、分子动力学模拟和MM-PBSA结合自由能估计等方法，探讨了中药小建中汤治疗慢性萎缩性胃炎的作用机制 | 本研究整合了网络药理学、深度学习、分子对接、机器学习、分子动力学模拟和MM-PBSA结合自由能估计等多种技术，为解释中药复杂机制提供了强有力的方法 | NA | 旨在通过药理信息学方法揭示小建中汤治疗慢性萎缩性胃炎的潜在机制 | 中药小建中汤及其治疗慢性萎缩性胃炎的作用机制 | NA | 慢性萎缩性胃炎 | 网络药理学、分子对接、分子动力学模拟 | 深度学习 | 蛋白质 | 关键化合物包括山柰酚、甘草查尔酮A和柚皮素，关键靶点包括AKT1、MAPK1、MAPK14、RELA、STAT1和STAT3 | NA | NA | NA | NA |
| 31628 | 2024-08-07 |
Time for a full digital approach in nephropathology: a systematic review of current artificial intelligence applications and future directions
2024-01, Journal of nephrology
IF:2.7Q2
DOI:10.1007/s40620-023-01775-w
PMID:37768550
|
综述 | 本文回顾了人工智能在肾病理学中的应用历史，并探讨了未来的发展方向 | 探讨了深度学习在复杂组织病理学数据中的应用，以及混合和协作学习方法的使用 | 研究主要集中在相对简单的任务上，如单染色肾小球分割 | 回顾人工智能在肾病理学中的应用，并展望未来的发展 | 非肿瘤性肾脏组织学样本的自动化图像分析和人工智能算法应用 | 数字病理学 | NA | 深度学习 | NA | 图像 | 76篇原创研究文章 | NA | NA | NA | NA |
| 31629 | 2024-08-07 |
Melanoma identification and classification model based on fine-tuned convolutional neural network
2024 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076241253757
PMID:38798885
|
研究论文 | 本文提出了一种基于微调卷积神经网络的黑色素瘤识别与分类模型，旨在支持医疗物联网应用，通过图像分类技术实现黑色素瘤的早期检测 | 采用卷积神经网络和深度学习技术，通过分析公开的皮肤镜图像数据集，实现了对恶性与良性皮肤病变的高精度区分 | NA | 开发一种用于早期检测黑色素瘤的鲁棒图像分类模型，以支持医疗物联网应用 | 黑色素瘤，一种致命的皮肤癌 | 计算机视觉 | 皮肤癌 | 卷积神经网络 | CNN | 图像 | 包括DermIS的621张图像，DermQuest的1233张图像，以及ISIC2019的25000张图像 | NA | NA | NA | NA |
| 31630 | 2024-08-07 |
Validation and Feasibility of Ultrafast Cervical Spine MRI Using a Deep Learning-Assisted 3D Iterative Image Enhancement System
2024, Journal of multidisciplinary healthcare
IF:2.7Q2
DOI:10.2147/JMDH.S465002
PMID:38799011
|
研究论文 | 本研究旨在评估使用深度学习辅助的3D迭代图像增强系统（DL-3DIIE）进行超快速（2分钟）颈椎MRI协议的可行性，并与常规MRI协议（6分钟14秒）进行比较 | 采用DL-3DIIE系统，实现了67%的脊柱MRI扫描时间减少，同时获得至少等同于常规协议的图像质量和诊断结果 | NA | 评估超快速颈椎MRI协议的可行性 | 51名患者接受常规和超快速颈椎MRI协议，并由两位放射科医生独立评估图像质量 | 计算机视觉 | NA | MRI | DL-3DIIE系统 | 图像 | 51名患者 | NA | NA | NA | NA |
| 31631 | 2024-08-07 |
Exploring the Role of Artificial Intelligence in Mental Healthcare: Current Trends and Future Directions - A Narrative Review for a Comprehensive Insight
2024, Risk management and healthcare policy
IF:2.7Q2
DOI:10.2147/RMHP.S461562
PMID:38799612
|
综述 | 本文通过叙述性综述探讨了人工智能在精神健康护理中的当前趋势和未来方向 | AI通过预测分析能力改进治疗计划，并能分析各种精神健康数据集以预测相关模式 | 当前研究在评估医疗专业人员与AI在提供精神健康护理方面的合作有限，且存在伦理问题、网络安全、数据分析多样性不足、文化敏感性和语言障碍等问题 | 旨在讨论AI在精神健康护理中的作用及其面临的挑战和前景 | 人工智能在精神健康护理中的应用，包括筛查、诊断和治疗 | 机器学习 | NA | 机器学习, 深度学习 | NA | 数据集 | 未来研究需要更大样本量和数据集 | NA | NA | NA | NA |
| 31632 | 2024-08-07 |
Hype or hope? Ketamine for the treatment of depression: results from the application of deep learning to Twitter posts from 2010 to 2023
2024, Frontiers in psychiatry
IF:3.2Q2
DOI:10.3389/fpsyt.2024.1369727
PMID:38800065
|
研究论文 | 通过分析2010年至2023年Twitter上的帖子，研究公众对氯胺酮用于抑郁症治疗的看法 | 使用深度学习和自然语言处理技术分析社交媒体数据，以了解公众对氯胺酮治疗抑郁症的态度 | 研究受限于Twitter用户的年龄和语言偏好，可能无法代表所有人群 | 调查公众对氯胺酮用于抑郁症治疗的看法 | Twitter上关于氯胺酮和抑郁症的帖子 | 自然语言处理 | 抑郁症 | 自然语言处理 | BERT | 文本 | 18,899条独特推文 | NA | NA | NA | NA |
| 31633 | 2024-08-07 |
A Novel Deep Learning Model for Drug-drug Interactions
2024, Current computer-aided drug design
IF:1.5Q3
|
研究论文 | 本文提出了一种新的深度学习模型，用于预测药物-药物相互作用（DDI） | 使用两个独立的消息传递神经网络（MPNN）模型，每个模型专注于一对药物中的一个药物，以提高DDI预测的准确性 | 需要进一步的研究和验证在更大数据集和实际场景中的通用性和实用性 | 提高药物-药物相互作用预测的准确性 | 药物-药物相互作用 | 机器学习 | NA | 消息传递神经网络（MPNN） | MPNN | 分子特征数据 | 一个综合数据集 | NA | NA | NA | NA |
| 31634 | 2024-08-07 |
Artificial intelligence for evaluating the risk of gastric cancer: reliable detection and scoring of intestinal metaplasia with deep learning algorithms
2023-12, Gastrointestinal endoscopy
IF:6.7Q1
DOI:10.1016/j.gie.2023.06.056
PMID:37392953
|
研究论文 | 本文研究使用深度学习算法评估胃癌风险，特别是通过深度卷积神经网络（DCNN）模型ResNet50检测和评分肠上皮化生（IM） | 开发了一种基于深度学习的AI系统，用于评估胃癌风险，该系统能够准确、可靠且重复地检测和评分肠上皮化生 | 该AI系统在识别小的肠上皮化生病灶方面存在局限 | 开发一种AI系统，用于准确评估胃癌风险 | 胃癌风险评估，特别是肠上皮化生的检测和评分 | 机器学习 | 胃癌 | 深度卷积神经网络（DCNN） | ResNet50 | 图像 | 5753张图像 | NA | NA | NA | NA |
| 31635 | 2024-08-07 |
Meaning maps detect the removal of local semantic scene content but deep saliency models do not
2022-Apr, Attention, perception & psychophysics
DOI:10.3758/s13414-021-02395-x
PMID:35138579
|
研究论文 | 本研究通过使用一种设计来移除图像区域意义同时保留其图像特征的微分同胚图像变换，测试了意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 本研究首次直接测试了意义地图和深度学习模型对语义内容损失的敏感性，并发现意义地图能够反映场景中的局部语义内容，而深度显着性模型则不能。 | 研究仅使用了三种最先进的深度学习模型，可能未能涵盖所有类型的深度学习模型。 | 验证意义地图是否能捕捉语义内容，以及深度学习模型是否仅表示语义中性的图像特征。 | 意义地图和三种最先进的深度学习模型对语义内容损失的敏感性。 | 计算机视觉 | NA | 微分同胚图像变换 | 深度学习模型 | 图像 | NA | NA | NA | NA | NA |
| 31636 | 2024-08-07 |
Deep Neural Network for Scleral Spur Detection in Anterior Segment OCT Images: The Chinese American Eye Study
2020-03, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.9.2.18
PMID:32818079
|
研究论文 | 开发一种深度神经网络用于检测前段光学相干断层扫描（AS-OCT）图像中的巩膜突 | 使用基于ResNet-18架构的卷积神经网络（CNN）自动检测巩膜突，其性能与人类专家相当 | NA | 开发一种能够检测AS-OCT图像中巩膜突的深度神经网络 | AS-OCT图像中的巩膜突 | 计算机视觉 | NA | 光学相干断层扫描（AS-OCT） | 卷积神经网络（CNN） | 图像 | 训练数据集包含17,704张图像，测试数据集包含921张图像 | NA | NA | NA | NA |
| 31637 | 2024-08-07 |
Relevance of deep learning to facilitate the diagnosis of HER2 status in breast cancer
2017-04-05, Scientific reports
IF:3.8Q1
DOI:10.1038/srep45938
PMID:28378829
|
研究论文 | 本文开发了一种基于深度学习的计算方法，用于自动评估乳腺癌中的HER2生物标志物，以辅助病理学家的诊断。 | 利用深度学习技术自动评分HER2，以减少病理学家之间的解释差异，提高诊断准确性。 | 研究样本量较小，仅包括71个乳腺癌切除样本。 | 探索深度学习在乳腺癌HER2状态诊断中的应用，以提高诊断的一致性和准确性。 | 乳腺癌中的HER2生物标志物。 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | 71个乳腺癌肿瘤切除样本 | NA | NA | NA | NA |
| 31638 | 2024-08-07 |
Dermatological disease prediction and diagnosis system using deep learning
2024-Jun, Irish journal of medical science
IF:1.7Q2
DOI:10.1007/s11845-023-03578-1
PMID:38036757
|
研究论文 | 本文开发了一种利用机器学习和深度学习算法准确识别多达20种不同皮肤疾病的预测系统 | 采用Xception, Inception-v3, Resnet50, DenseNet121和Inception-ResNet-v2等深度学习算法，能够准确分类疾病图像，且系统无内在偏见，平等对待所有类别 | NA | 开发一种高效且准确的皮肤疾病预测系统 | 多达20种不同的皮肤疾病 | 机器学习 | 皮肤疾病 | 深度学习算法 | Xception, Inception-v3, Resnet50, DenseNet121, Inception-ResNet-v2 | 图像 | 超过10,000张照片 | NA | NA | NA | NA |
| 31639 | 2024-08-07 |
Improved detection of cholesterol gallstones using quasi-material decomposition images generated from single-energy computed tomography images via deep learning
2024-Jun, Radiological physics and technology
IF:1.7Q3
DOI:10.1007/s12194-024-00783-0
PMID:38393491
|
研究论文 | 本研究开发了一种利用深度卷积神经网络（DCNN）从单能量计算机断层扫描（SECT）图像生成准物质分解（quasi-MD）图像的方法，旨在提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用 | 本研究展示了使用DCNN训练的高端计算机断层扫描系统获得的DECT图像可以提高SECT图像的病变检测能力 | NA | 提高胆固醇胆结石的检测并确定quasi-MD图像的临床效用 | 胆固醇胆结石的检测 | 计算机视觉 | 胆结石 | 计算机断层扫描（CT） | 深度卷积神经网络（DCNN） | 图像 | 4000对虚拟单色图像（70 keV）和MD图像（脂肪/水）用于训练DCNN，70名患者（40名有胆结石，30名无胆结石）的SECT图像用于测试 | NA | NA | NA | NA |
| 31640 | 2024-08-07 |
Intra and inter-regional functional connectivity of the human brain due to Task-Evoked fMRI Data classification through CNN & LSTM
2024-Jun, Journal of neuroradiology = Journal de neuroradiologie
DOI:10.1016/j.neurad.2024.02.006
PMID:38408721
|
研究论文 | 本研究通过CNN和LSTM模型对任务诱发fMRI数据进行分类，分析人类大脑的区域内和区域间功能连接 | 首次详细研究嗅觉fMRI数据，使用CNN-LSTM架构结合ResNet模型进行分类 | NA | 评估嗅觉功能在fMRI数据中的表现，并使用深度学习模型进行分类 | 健康人群和嗅觉障碍患者的嗅觉功能 | 机器学习 | NA | fMRI | CNN, LSTM | fMRI数据 | 两组不同健康状况和嗅觉障碍的受试者 | NA | NA | NA | NA |