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 43295 篇文献，本页显示第 32261 - 32280 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 32261 | 2024-11-19 |
Role of artificial intelligence in MS clinical practice
2022, NeuroImage. Clinical
DOI:10.1016/j.nicl.2022.103065
PMID:35661470
|
综述 | 本文讨论了人工智能在多发性硬化症临床实践中的潜在应用及其局限性 | 机器学习算法能够自动化重复任务，分析更多数据，并在准确性和可重复性方面超越人类 | 需要更好地理解AI算法选择的信息，进行多中心和纵向验证，并解决硬件和软件集成问题 | 探讨人工智能在多发性硬化症临床实践中的应用 | 多发性硬化症的诊断、预后、疾病和治疗监测，以及MRI协议的改进和病变组织的自动分割 | 机器学习 | 多发性硬化症 | 机器学习 (ML) 和深度学习 (DL) | NA | 影像数据 | NA | NA | NA | NA | NA |
| 32262 | 2024-11-18 |
Decoding lower-limb kinematic parameters during pedaling tasks using deep learning approaches and EEG
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03147-3
PMID:39028484
|
研究论文 | 本研究通过比较分析两种基于人工神经网络（ANN）的解码器，评估其在基于脑电图（EEG）的脑机接口（BCI）系统中估计下肢踏车任务中的运动学参数的能力 | 本研究首次使用深度学习方法（如LSTM）从EEG信号中重建下肢运动学参数，并展示了其在识别踏车和休息期方面的潜力 | 研究中发现踏车速度与解码器性能之间存在负线性相关，表明在较慢速度下运动学参数更容易估计 | 评估基于深度学习的解码器在脑机接口系统中估计下肢运动学参数的可行性 | 下肢踏车任务中的运动学参数，包括踝关节和膝关节在x轴和y轴的位置以及膝关节角度 | 机器学习 | NA | 脑电图（EEG） | 长短期记忆网络（LSTM） | 脑电信号 | NA | NA | NA | NA | NA |
| 32263 | 2024-11-18 |
DNN-BP: a novel framework for cuffless blood pressure measurement from optimal PPG features using deep learning model
2024-Dec, Medical & biological engineering & computing
IF:2.6Q3
DOI:10.1007/s11517-024-03157-1
PMID:38963467
|
研究论文 | 本文提出了一种基于深度神经网络（DNN）和光体积描记（PPG）信号的无袖带血压测量新框架 | 本文创新性地结合了深度神经网络和集成特征选择技术，显著提高了基于PPG信号的血压估计精度 | NA | 开发一种基于PPG信号的无袖带连续血压监测算法 | PPG信号和血压值 | 机器学习 | 心血管疾病 | 深度神经网络（DNN） | DNN | 信号 | 125名受试者的218条记录 | NA | NA | NA | NA |
| 32264 | 2024-11-18 |
Evaluation of Neonatal Cerebral Circulation Under Hypoxic Ischemic Risk Factors Based on Quantitative Analysis of Cerebral Veins with Magnetic Resonance Susceptibility Weighted Imaging
2024-Dec, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-024-01432-0
PMID:38922421
|
研究论文 | 本文通过磁共振磁敏感加权成像（SWI）和图像分割算法，量化分析了新生儿大脑深部髓静脉（DMVs）的数量、宽度和曲率，以评估新生儿在缺氧缺血风险下的脑循环自我调节能力 | 首次使用图像分割算法量化新生儿大脑深部髓静脉，为评估新生儿脑循环自我调节提供了新的方法 | 样本量有限，且仅限于特定风险因素下的新生儿 | 评估新生儿在缺氧缺血风险下的脑循环自我调节能力 | 新生儿大脑深部髓静脉的数量、宽度和曲率 | 医学影像 | NA | 磁共振磁敏感加权成像（SWI） | 图像分割算法 | 图像 | 317名新生儿 | NA | NA | NA | NA |
| 32265 | 2024-11-18 |
Hybrid deep learning based prediction for water quality of plain watershed
2024-Dec-01, Environmental research
IF:7.7Q1
DOI:10.1016/j.envres.2024.119911
PMID:39233036
|
研究论文 | 本文评估了传统机器学习模型与深度学习模型在预测平原流域水质方面的效果，并提出了一种新的混合深度学习模型以提高预测准确性 | 提出了混合Bayes-LSTM-GRU模型，显著提高了预测准确性，平均RMSE降低了18.1% | 未提及具体限制 | 评估不同模型在平原流域水质预测中的效果，并开发新的混合模型以提高预测准确性 | 平原流域的水质 | 机器学习 | NA | NA | LSTM, GRU | 时间序列数据 | 未提及具体样本数量 | NA | NA | NA | NA |
| 32266 | 2024-11-18 |
Conv-RGNN: An efficient Convolutional Residual Graph Neural Network for ECG classification
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108406
PMID:39241329
|
研究论文 | 本文提出了一种用于心电图分类的高效卷积残差图神经网络（Conv-RGNN） | 该方法通过将12导联心电图映射到图结构中，同时提取时间序列和空间特征，解决了传统方法忽略导联间空间关系的问题 | NA | 提高心血管疾病诊断的自动化水平 | 12导联心电图信号 | 机器学习 | 心血管疾病 | 卷积神经网络，图神经网络 | Conv-RGNN | 时间序列数据 | 涉及两个多标签数据集和一个单标签数据集 | NA | NA | NA | NA |
| 32267 | 2024-11-18 |
ViT-MAENB7: An innovative breast cancer diagnosis model from 3D mammograms using advanced segmentation and classification process
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108373
PMID:39276667
|
研究论文 | 本文提出了一种基于3D乳腺X光图像的创新性乳腺癌诊断模型ViT-MAENB7，通过先进的分割和分类过程实现肿瘤的准确检测 | 本文创新性地结合了Vision Transformer和Multiscale Adaptive EfficientNetB7模型，并使用Modified Garter Snake Optimization Algorithm优化参数，显著提高了乳腺癌诊断的准确性 | NA | 开发一种高精度的乳腺癌诊断模型，以提高早期乳腺癌检测的准确性和患者的生存率 | 3D乳腺X光图像中的肿瘤检测 | 计算机视觉 | 乳腺癌 | Adaptive Thresholding with Region Growing Fusion Model (AT-RGFM), Modified Garter Snake Optimization Algorithm (MGSOA) | Vision Transformer-based Multiscale Adaptive EfficientNetB7 (ViT-MAENB7) | 图像 | 从互联网收集的3D乳腺X光图像 | NA | NA | NA | NA |
| 32268 | 2024-11-18 |
Optimizing graph neural network architectures for schizophrenia spectrum disorder prediction using evolutionary algorithms
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108419
PMID:39293231
|
研究论文 | 本文提出了一种基于进化算法的图神经网络架构搜索方法，用于精神分裂谱系障碍的预测 | 采用进化算法自动搜索高性能的图神经网络架构，并使用GNNExplainer提高模型的可解释性 | NA | 提高精神分裂谱系障碍的诊断准确性 | 精神分裂谱系障碍患者的功能磁共振成像数据 | 机器学习 | 精神疾病 | 进化算法 | 图神经网络 | 图像 | 多站点数据集 | NA | NA | NA | NA |
| 32269 | 2024-11-18 |
Stress-induced overeating behaviors explained from a (transitory) relief-learning perspective
2024-Dec-01, Physiology & behavior
IF:2.4Q2
DOI:10.1016/j.physbeh.2024.114707
PMID:39349091
|
评论 | 本文提出了一种基于缓解学习的新模型，旨在解释压力诱导的过度饮食行为，并试图将情感饮食理论与激励敏感化理论结合起来 | 提出了一个新的基于缓解学习的模型，旨在整合情感饮食理论和激励敏感化理论，以更好地理解压力诱导的过度饮食行为 | 目前缺乏对压力诱导过度饮食行为深层机制的深入理解，且现有理论存在内部理论和方法上的不足 | 探讨压力诱导的过度饮食行为的深层机制，并提出一个新的整合模型 | 压力诱导的过度饮食行为及其临床表现 | NA | 肥胖 | NA | NA | NA | NA | NA | NA | NA | NA |
| 32270 | 2024-11-18 |
ECG classification based on guided attention mechanism
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108454
PMID:39369585
|
研究论文 | 本研究通过引入两种新的引导注意力机制，提升了心电图异常分类的性能和可解释性 | 提出了两种新的引导注意力机制，即Guided Spatial Attention (GSA)和CAM-based spatial guided attention mechanism (CGAM)，并基于临床知识创建了不同的注意力引导标签 | 未提及具体限制 | 提升心电图异常分类的性能和可解释性 | 心电图异常分类任务，包括ST段改变检测、早搏识别、Wolf-Parkinson-White综合征分类和房颤检测 | 机器学习 | 心血管疾病 | 引导注意力机制 | NA | 心电图 | 未提及具体样本数量 | NA | NA | NA | NA |
| 32271 | 2024-11-18 |
Bootstrap each lead's latent: A novel method for self-supervised learning of multilead electrocardiograms
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108452
PMID:39393284
|
研究论文 | 本文提出了一种新的自监督学习方法BELL，用于多导联心电图的自动检测，以减少对标签的依赖并提升模型性能 | BELL是BYOL的一个变体，利用多导联心电图的特性，通过预训练学习先验知识，并在下游任务中受益 | NA | 减少深度学习模型对心电图标签的依赖，提升模型在各种任务中的性能，特别是在训练数据不足的情况下 | 多导联心电图 | 机器学习 | 心血管疾病 | 自监督学习 | BELL | 心电图 | NA | NA | NA | NA | NA |
| 32272 | 2024-11-18 |
Concept-based AI interpretability in physiological time-series data: Example of abnormality detection in electroencephalography
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108448
PMID:39395304
|
研究论文 | 本文探讨了在生理时间序列数据中使用基于概念的解释方法（TCAV）来提高深度学习模型的可解释性，特别是针对脑电图（EEG）中的异常检测 | 本文引入了TCAV方法，通过人类可理解的抽象概念来解释模型行为，并应用于多通道生理时间序列数据 | 需要进一步开发和验证概念定义的策略，以更好地从概念敏感性分数中提取临床相关信息 | 提高深度学习模型在生理时间序列数据中的可解释性，并检测数据中的潜在偏差 | 脑电图（EEG）中的异常检测 | 机器学习 | NA | TCAV（测试概念激活向量） | XceptionTime | 时间序列数据 | 使用额外的标记EEG数据和医院数据进行评估 | NA | NA | NA | NA |
| 32273 | 2024-11-18 |
MG-Net: A fetal brain tissue segmentation method based on multiscale feature fusion and graph convolution attention mechanisms
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108451
PMID:39395303
|
研究论文 | 本文提出了一种基于多尺度特征融合和图卷积注意力机制的胎儿脑组织分割方法 | 引入了新的双膨胀注意力块（DDAB）、多尺度可变形变换器（MSDT）和基于图卷积注意力（GCAB）的解码器块，以增强特征提取和分割效果 | NA | 开发一种能够高效准确分割胎儿脑组织的自动化分割模型，以提高医疗专业人员的工作流程 | 胎儿脑组织 | 计算机视觉 | NA | 深度学习 | MG-Net | 图像 | 使用了FeTA 2021和FeTA 2022数据集进行训练和测试 | NA | NA | NA | NA |
| 32274 | 2024-11-18 |
Assessing the impact of ultrasound image standardization in deep learning-based segmentation of carotid plaque types
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108460
PMID:39426138
|
研究论文 | 研究超声图像标准化对基于深度学习的颈动脉斑块类型分割的影响 | 提出了三种逐步预处理方案，以发现最优的超声图像标准化方法，并评估每种预处理对不同斑块类型分割性能的影响 | 研究中未涵盖所有斑块类型，特别是均匀回声斑块或具有声影的严重钙化斑块 | 评估超声图像标准化对基于深度学习的颈动脉斑块类型分割的影响 | 颈动脉斑块类型的分割 | 计算机视觉 | 心血管疾病 | 深度学习 | CFPNet-M | 图像 | 276张超声图像，来自三个医疗中心 | NA | NA | NA | NA |
| 32275 | 2024-11-18 |
DEDUCE: Multi-head attention decoupled contrastive learning to discover cancer subtypes based on multi-omics data
2024-Dec, Computer methods and programs in biomedicine
IF:4.9Q1
DOI:10.1016/j.cmpb.2024.108478
PMID:39504713
|
研究论文 | 本文提出了一种基于对称多头注意力编码器（SMAE）的无监督对比学习模型DEDUCE，用于分析多组学癌症数据并识别癌症亚型 | 引入了基于多头注意力机制的亚型解耦对比学习方法，同时从多组学数据中学习特征并进行聚类，以识别癌症亚型 | NA | 开发一种新的模型来分析多组学癌症数据，以识别和表征癌症亚型 | 多组学癌症数据和急性髓系白血病（AML）的亚型 | 机器学习 | 血液肿瘤 | 多头注意力机制 | 对称多头注意力编码器（SMAE） | 多组学数据 | 模拟多组学数据集、单细胞多组学数据集和癌症多组学数据集，以及AML的六个亚型 | NA | NA | NA | NA |
| 32276 | 2024-11-18 |
Application of deep learning for the analysis of stomata: a review of current methods and future directions
2024-Nov-15, Journal of experimental botany
IF:5.6Q1
DOI:10.1093/jxb/erae207
PMID:38716775
|
综述 | 本文综述了深度学习在气孔分析中的应用现状及未来方向 | 介绍了深度学习模型在植物表型分析任务中的潜力，特别是气孔分析 | 主要关注数据集共享和模型泛化，以及利用图像数据推断生理功能的局限性 | 促进深度学习方法在植物表型分析任务中的应用，并指出未来优化的需求 | 气孔的形态、密度及其在气体交换中的作用 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 涉及多种植物物种 | NA | NA | NA | NA |
| 32277 | 2024-11-18 |
iACP-DFSRA: Identification of Anticancer Peptides Based on a Dual-channel Fusion Strategy of ResCNN and Attention
2024-Nov-15, Journal of molecular biology
IF:4.7Q1
DOI:10.1016/j.jmb.2024.168810
PMID:39362624
|
研究论文 | 提出了一种基于深度学习的模型iACP-DFSRA，用于识别抗癌肽 | 采用双通道融合策略，结合ResCNN和Attention机制提取局部和全局特征，并通过Attention机制进行深度融合 | NA | 开发一种准确且成本效益高的方法来识别抗癌肽 | 抗癌肽的识别 | 机器学习 | 癌症 | 深度学习 | ResCNN, Attention | 蛋白质序列 | NA | NA | NA | NA | NA |
| 32278 | 2024-11-18 |
An Artificial Intelligence-Assisted Flexible and Wearable Mechanoluminescent Strain Sensor System
2024-Nov-15, Nano-micro letters
IF:31.6Q1
DOI:10.1007/s40820-024-01572-5
PMID:39542976
|
研究论文 | 开发了一种人工智能辅助的无线、柔性和可穿戴的机械发光应变传感器系统 | 整合了基于深度学习神经网络的颜色数据处理系统与三明治结构的柔性机械发光传感器薄膜，解决了传统柔性应变传感器在实际应用中的复杂布线、数据采集设备笨重以及现场数据解释困难的问题 | NA | 解决柔性应变传感器在实际应用中的限制，推动其从实验室研究走向消费市场 | 柔性机械发光应变传感器及其在人体手势识别中的应用 | 机器学习 | NA | 深度学习神经网络 | NA | 颜色数据 | NA | NA | NA | NA | NA |
| 32279 | 2024-11-18 |
Early detection of verticillium wilt in eggplant leaves by fusing five image channels: a deep learning approach
2024-Nov-15, Plant methods
IF:4.7Q1
DOI:10.1186/s13007-024-01291-3
PMID:39543664
|
研究论文 | 本文研究了通过融合五个图像通道的深度学习方法早期检测茄子叶片上的黄萎病 | 本文创新性地结合了低成本多光谱相机和深度学习技术，建立了五通道图像信息融合模型，实现了对茄子黄萎病的早期诊断 | 本文的局限性在于传统多光谱病害成像设备的高成本和复杂操作，以及低成本设备的信息覆盖不足 | 本研究的目的是利用低成本多光谱相机和深度学习技术有效检测茄子早期黄萎病 | 本研究的对象是茄子叶片上的黄萎病 | 计算机视觉 | 植物病害 | 多光谱成像 | VGG16-triplet attention | 图像 | 48小时和72小时的数据 | NA | NA | NA | NA |
| 32280 | 2024-11-18 |
Mental Health Diagnosis From Voice Data Using Convolutional Neural Networks and Vision Transformers
2024-Nov-15, Journal of voice : official journal of the Voice Foundation
IF:2.5Q1
DOI:10.1016/j.jvoice.2024.10.010
PMID:39550322
|
研究论文 | 本研究利用卷积神经网络和视觉变换器分析语音数据，以识别心理健康状况 | 本研究首次将卷积神经网络和视觉变换器结合应用于语音分析，显著提高了心理健康识别的准确性 | 本研究仅在孟加拉国的精神健康机构收集数据，可能限制了模型的普适性 | 利用深度学习技术提高心理健康诊断的准确性 | 人类语音数据，包括稳定和不稳定状态 | 计算机视觉 | NA | 卷积神经网络和视觉变换器 | 卷积神经网络和视觉变换器 | 语音 | 来自孟加拉国多个精神健康机构的语音数据 | NA | NA | NA | NA |