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 42805 篇文献，本页显示第 36321 - 36340 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 36321 | 2024-09-08 |
Deep learning approach for detecting tomato flowers and buds in greenhouses on 3P2R gantry robot
2024-09-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71013-1
PMID:39232065
|
研究论文 | 本文提出了一种基于深度学习的方法，用于在温室中的3P2R龙门机器人上检测番茄花和花蕾 | 本文首次将YOLOv8模型应用于番茄花和花蕾的检测，并展示了其在检测精度和速度上的优势 | 研究主要在实验室环境中进行，尚未在实际温室环境中验证其有效性 | 开发一种适用于机器人授粉的番茄花和花蕾检测方法 | 番茄花和花蕾 | 计算机视觉 | NA | 迁移学习 | YOLOv8 | 图像 | 使用了早晨和傍晚时段采集的图像数据集 | NA | NA | NA | NA |
| 36322 | 2024-09-08 |
Flying foxes optimization with reinforcement learning for vehicle detection in UAV imagery
2024-Sep-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71582-1
PMID:39232093
|
研究论文 | 本文提出了一种基于飞狐优化和强化学习的无人机图像车辆检测与分类模型 | 本文创新性地结合了飞狐优化算法和深度Q网络强化学习技术，用于优化车辆检测和分类模型 | 本文未详细讨论模型的计算复杂度和实时性能 | 研究目的是自动化并准确分类无人机图像中的车辆 | 研究对象是无人机图像中的车辆 | 计算机视觉 | NA | 深度学习 | YOLO-GD, DQN | 图像 | 使用了PSU和Stanford数据集进行性能验证 | NA | NA | NA | NA |
| 36323 | 2024-09-08 |
Computer-aided diagnosis for lung cancer using waterwheel plant algorithm with deep learning
2024-09-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71551-8
PMID:39232180
|
研究论文 | 本文介绍了一种利用水车植物算法和深度学习进行计算机辅助肺癌诊断的方法 | 本文创新性地结合了水车植物算法和深度学习技术，提出了一种新的计算机辅助肺癌诊断方法CADLC-WWPADL | 本文未详细讨论该方法在实际临床应用中的可行性和潜在挑战 | 开发一种能够通过CT扫描图像准确检测和分类肺癌的计算机辅助诊断方法 | 肺癌及其在CT扫描图像中的表现 | 计算机视觉 | 肺癌 | 深度学习 | MobileNet、对称自编码器（SAE） | 图像 | 基准CT图像数据集 | NA | NA | NA | NA |
| 36324 | 2024-09-08 |
Automated Association for Osteosynthesis Foundation and Orthopedic Trauma Association classification of pelvic fractures on pelvic radiographs using deep learning
2024-09-04, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71654-2
PMID:39232189
|
研究论文 | 本研究开发并评估了一种深度学习算法，用于根据AO/OTA分类系统对骨盆X光片上的骨盆骨折进行分类 | 本研究首次使用深度学习算法对骨盆骨折进行AO/OTA分类，提高了在急诊环境中的诊断效率 | 本研究仅在一个中心进行了回顾性分析，样本量有限，可能影响结果的普适性 | 开发一种能够在急诊环境中快速准确分类骨盆骨折的深度学习算法 | 骨盆骨折的分类 | 计算机视觉 | 骨盆骨折 | 深度学习 | 深度学习算法 | 图像 | 773名骨盆骨折患者和167名无骨盆骨折患者的骨盆X光片 | NA | NA | NA | NA |
| 36325 | 2024-09-08 |
Exploiting histopathological imaging for early detection of lung and colon cancer via ensemble deep learning model
2024-09-03, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-024-71302-9
PMID:39227664
|
研究论文 | 本文提出了一种基于集成深度学习模型的组织病理学影像用于早期检测肺癌和结肠癌的方法 | 本文创新性地使用了Wiener滤波进行噪声消除，并结合通道注意力残差网络（CA-ResNet50）和金枪鱼群优化（TSO）技术进行特征学习，最终通过集成三种分类器（ELM、CNNs和LSTM）实现癌症检测 | NA | 开发一种高效且有效的癌症识别方法，以提高肺癌和结肠癌的早期诊断准确性 | 肺癌和结肠癌的早期检测 | 数字病理学 | 肺癌 | Wiener滤波 | CA-ResNet50 | 图像 | 使用了一个基准数据集进行实验验证 | NA | NA | NA | NA |
| 36326 | 2024-09-08 |
Unsupervised speckle noise reduction technique for clinical ultrasound imaging
2024-Sep, Ultrasonography (Seoul, Korea)
DOI:10.14366/usg.24005
PMID:39155463
|
研究论文 | 本文介绍了一种无监督的深度学习框架，用于超声图像中的散斑噪声抑制 | 提出了一个名为speckle-to-speckle (S2S)的无监督深度学习框架，无需干净的参考图像即可完成训练 | NA | 探索深度学习在超声图像处理中的应用，特别是散斑噪声的抑制 | 超声图像中的散斑噪声 | 计算机视觉 | NA | 深度学习 | 深度学习网络 | 图像 | NA | NA | NA | NA | NA |
| 36327 | 2024-09-08 |
Machine Learning, Deep Learning, and Data Preprocessing Techniques for Detecting, Predicting, and Monitoring Stress and Stress-Related Mental Disorders: Scoping Review
2024-Aug-21, JMIR mental health
IF:4.8Q1
DOI:10.2196/53714
PMID:39167782
|
综述 | 本文综述了用于检测、预测和监测压力及其相关精神障碍的机器学习和深度学习技术 | 本文综述了最新的机器学习算法、预处理技术和数据类型在压力和压力相关精神障碍中的应用 | 本文指出了当前研究中的重要空白，并提出了未来的研究方向 | 调查机器学习方法在检测、预测和分析压力及其相关精神障碍中的应用范围 | 压力及其相关精神障碍 | 机器学习 | 精神障碍 | 机器学习算法 | 支持向量机、神经网络、随机森林 | 生理参数数据 | 98篇同行评审出版物 | NA | NA | NA | NA |
| 36328 | 2024-09-08 |
Concepts and applications of digital twins in healthcare and medicine
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101028
PMID:39233690
|
综述 | 本文讨论了数字孪生（DT）在医疗和医学中的概念、实现要求及其当前和潜在的应用 | 本文提出了医疗数字孪生系统的五个标志性特征，以推动该领域的研究 | 技术障碍、生物异质性和伦理考虑是实现医疗数字孪生的主要挑战 | 探讨数字孪生在医疗和医学中的应用及其潜在影响 | 数字孪生技术及其在医疗领域的应用 | NA | NA | 多模态深度学习方法、具身AI代理和元宇宙 | NA | NA | NA | NA | NA | NA | NA |
| 36329 | 2024-09-08 |
How deep can we decipher protein evolution with deep learning models
2024-Aug-09, Patterns (New York, N.Y.)
DOI:10.1016/j.patter.2024.101043
PMID:39233697
|
研究论文 | 本文探讨了基于进化理论的深度学习模型在蛋白质进化研究中的应用 | 本文展示了基于进化的深度生成模型，特别是变分自编码器，能够在层次化的潜在空间中组织SH3同源物，并有效区分特定的Sho1域 | NA | 探索深度学习模型在蛋白质进化研究中的潜力 | 蛋白质进化中的SH3同源物和Sho1域 | 机器学习 | NA | 深度学习 | 变分自编码器 | 蛋白质序列 | NA | NA | NA | NA | NA |
| 36330 | 2024-09-08 |
Artificial Intelligence and Deep Learning in Revolutionizing Brain Tumor Diagnosis and Treatment: A Narrative Review
2024-Aug, Cureus
DOI:10.7759/cureus.66157
PMID:39233936
|
综述 | 本文综述了人工智能和深度学习在脑肿瘤诊断和治疗中的应用 | 深度学习模型如脑肿瘤分类模型和Inception-Resnet V2，以及结合支持向量机和k近邻的混合技术，能够实时决策并增强术前规划 | 将人工智能整合到临床实践中仍面临挑战，需要进一步研究以实现深度学习在改善这些结果中的潜力 | 探讨人工智能和深度学习在脑肿瘤诊断和治疗中的应用及其潜力 | 脑肿瘤的诊断和治疗 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 36331 | 2024-09-08 |
Screening antimicrobial peptides and probiotics using multiple deep learning and directed evolution strategies
2024-Aug, Acta pharmaceutica Sinica. B
DOI:10.1016/j.apsb.2024.05.003
PMID:39234615
|
研究论文 | 本文开发并改进了抗菌肽预测模型，结合多种深度学习和定向进化策略，提高了预测准确性和应用价值 | 使用COMDEL算法改进了抗菌肽预测模型，结合高通量筛选和定向进化方法，显著提高了抗菌肽的产量和筛选效率 | NA | 提高抗菌肽预测模型的准确性和应用价值 | 抗菌肽和益生菌 | 机器学习 | NA | 深度学习 | COMDEL | 多组学数据 | 35种可食用益生菌 | NA | NA | NA | NA |
| 36332 | 2024-09-08 |
DeepIRES: a hybrid deep learning model for accurate identification of internal ribosome entry sites in cellular and viral mRNAs
2024-Jul-25, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae439
PMID:39234953
|
研究论文 | 本文介绍了一种名为DeepIRES的混合深度学习模型，用于准确识别细胞和病毒mRNA中的内部核糖体进入位点（IRES） | DeepIRES结合了膨胀1D卷积神经网络块、双向门控循环单元和自注意力模块，能够捕捉序列特征与预测结果之间的更深层次关系 | NA | 开发一种高效的生物信息学工具，用于准确预测内部核糖体进入位点（IRES），以理解其机制并寻找相关疾病的潜在治疗策略 | 细胞和病毒mRNA中的内部核糖体进入位点（IRES） | 机器学习 | NA | 深度学习 | 混合模型（膨胀1D卷积神经网络、双向门控循环单元、自注意力模块） | 序列 | NA | NA | NA | NA | NA |
| 36333 | 2024-09-08 |
Predicting overall survival and prophylactic cranial irradiation benefit in small-cell lung cancer with CT-based deep learning: A retrospective multicenter study
2024-06, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110221
PMID:38479441
|
研究论文 | 开发基于CT的深度学习模型，预测小细胞肺癌患者的总生存期并识别可能从预防性颅脑放疗中受益的患者 | 首次使用基于CT的深度学习模型预测小细胞肺癌患者的总生存期，并评估预防性颅脑放疗的受益情况 | 研究为回顾性多中心研究，样本量有限，需进一步前瞻性研究验证 | 开发和验证基于CT的深度学习模型，以预测小细胞肺癌患者的总生存期并评估预防性颅脑放疗的受益情况 | 小细胞肺癌患者及其总生存期和预防性颅脑放疗的受益情况 | 计算机视觉 | 肺癌 | 深度学习 | 全连接神经网络 | CT影像 | 556名小细胞肺癌患者，其中训练集309例，内部验证集133例，外部验证集114例 | NA | NA | NA | NA |
| 36334 | 2024-09-08 |
Deep match: A zero-shot framework for improved fiducial-free respiratory motion tracking
2024-05, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110179
PMID:38403025
|
研究论文 | 提出了一种基于深度学习的模板匹配算法Deep Match，用于改进无标记的呼吸运动跟踪 | Deep Match是一种零样本学习网络，无需在患者数据上进行训练，能够显著提高无标记跟踪的性能 | NA | 旨在改进肺部立体定向放疗中的无标记呼吸运动跟踪 | 肺部肿瘤及其在X射线图像中的运动跟踪 | 计算机视觉 | 肺部疾病 | 深度学习 | 深度学习网络 | 图像 | 10名患者，共38次治疗，2661张图像 | NA | NA | NA | NA |
| 36335 | 2024-09-08 |
Deep5hmC: Predicting genome-wide 5-Hydroxymethylcytosine landscape via a multimodal deep learning model
2024-Mar-06, bioRxiv : the preprint server for biology
DOI:10.1101/2024.03.04.583444
PMID:38496575
|
研究论文 | 本文介绍了一种名为Deep5hmC的多模态深度学习框架，用于预测全基因组范围内的5-羟甲基胞嘧啶修饰 | Deep5hmC通过整合DNA序列和组蛋白修饰信息，显著提高了5hmC修饰的定性和定量预测能力 | NA | 开发一种能够准确预测全基因组范围内5-羟甲基胞嘧啶修饰的深度学习模型 | 5-羟甲基胞嘧啶修饰及其在基因表达调控中的作用 | 机器学习 | 阿尔茨海默病 | 深度学习 | 多模态深度学习模型 | DNA序列和组蛋白修饰数据 | 在四个时间点的前脑类器官发育和17种人体组织中收集的5hmC测序数据 | NA | NA | NA | NA |
| 36336 | 2024-09-08 |
An open-source toolbox for measuring vocal tract shape from real-time magnetic resonance images
2024-03, Behavior research methods
IF:4.6Q1
DOI:10.3758/s13428-023-02171-9
PMID:37507650
|
研究论文 | 本文介绍了一种从实时磁共振图像中测量声道形状的开源工具箱 | 提出了一个信号处理流程，能够从唇部到喉部的实时磁共振图像中生成声道轮廓，量化声道的动态形态 | 该方法依赖于研究者指定的感兴趣区域，且尚未完全自动化 | 开发一种能够从实时磁共振图像中量化声道形态的工具 | 实时磁共振图像中的声道形态 | 计算机视觉 | NA | 实时磁共振成像 (rtMRI) | NA | 图像 | 涵盖了多种行为的数据集，如说话、夸张的语音、笑声和口哨声 | NA | NA | NA | NA |
| 36337 | 2024-09-08 |
Characterisation of quantitative imaging biomarkers for inflammatory and fibrotic radiation-induced lung injuries using preclinical radiomics
2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110106
PMID:38253201
|
研究论文 | 本研究利用放射组学技术，通过定量影像生物标志物识别急性炎症和晚期纤维化放射性肺损伤的预后和预测标志物 | 首次在临床前模型中应用深度学习放射组学技术，建立了急性炎症和晚期肺损伤的预测模型 | 研究仅限于小鼠模型，尚未在人类中验证 | 识别与放射性肺损伤相关的放射组学特征，并建立预测模型 | C3H/HeN和C57BL6小鼠的放射性肺损伤 | 数字病理学 | 肺损伤 | 放射组学 | 随机森林分类器 | 影像 | C3H/HeN和C57BL6小鼠各若干只 | NA | NA | NA | NA |
| 36338 | 2024-09-08 |
Evaluating AI-generated CBCT-based synthetic CT images for target delineation in palliative treatments of pelvic bone metastasis at conventional C-arm linacs
2024-03, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110110
PMID:38272314
|
研究论文 | 评估基于AI生成的CBCT合成CT图像在常规C臂直线加速器上进行骨盆骨转移姑息治疗中的靶区勾画和治疗计划的可行性 | 利用深度学习模型生成CBCT合成CT图像，以提高常规C臂直线加速器上姑息治疗中靶区勾画的准确性 | 部分合成CT图像质量不足，需要通过增加PTV边距来补偿 | 评估AI生成的CBCT合成CT图像在姑息放射治疗中的靶区勾画和治疗计划的可行性 | 22名骨盆骨转移的女性患者 | 计算机视觉 | 骨转移 | 深度学习 | 深度学习模型 | 图像 | 22名女性患者，23个靶区 | NA | NA | NA | NA |
| 36339 | 2024-09-08 |
ParaPET: non-invasive deep learning method for direct parametric brain PET reconstruction using histoimages
2024-Jan-30, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-024-01072-y
PMID:38289518
|
研究论文 | 提出了一种基于深度学习的非侵入性方法，用于直接从时间飞行PET数据生成的histoimages重建高质量的脑部参数图像 | 无需侵入性动脉采样、MRI扫描或标准视野扫描仪的配对训练数据，显著提高了参数图像的估计质量 | NA | 开发一种非侵入性的深度学习方法，用于直接重建高质量的脑部参数PET图像 | 脑部参数图像的重建 | 计算机视觉 | NA | 深度学习 | 深度学习模型 | 图像 | 模拟幻影和五名接受18F-FDG-PET脑部扫描的肿瘤患者 | NA | NA | NA | NA |
| 36340 | 2024-09-08 |
Detecting pediatric appendicular fractures using artificial intelligence
2024, Revista da Associacao Medica Brasileira (1992)
DOI:10.1590/1806-9282.20240523
PMID:39230068
|
研究论文 | 评估深度学习人工智能模型在急诊科检测儿童四肢骨折的诊断准确性 | 开发了一种基于深度学习的人工智能模型，用于检测儿童四肢骨折，并评估其对急诊医生诊断能力的辅助支持效果 | NA | 评估人工智能模型在检测儿童急性四肢骨折中的诊断准确性，并研究其对急诊医生诊断能力的影响 | 儿童四肢骨折的检测 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 5150张X光片，其中850张显示骨折，4300张未显示骨折 | NA | NA | NA | NA |