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 43934 篇文献，本页显示第 39681 - 39700 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 39681 | 2024-08-14 |
Determining Chess Game State from an Image
2021-Jun-02, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7060094
PMID:39080882
|
研究论文 | 本文提出了一种新的国际象棋棋盘状态识别系统，结合传统计算机视觉技术和深度学习，通过合成的大型3D模型数据集进行训练，实现了从图像中准确识别棋盘配置 | 本文提出的系统通过结合传统计算机视觉技术和深度学习，实现了对棋盘状态的高精度识别，并且能够适应未见过的棋盘设置 | 当前方法受限于缺乏大型数据集，并且无法适应未见过的棋盘设置 | 帮助业余棋手通过自动计算机分析提高棋艺，无需手动输入棋子 | 从图像中识别国际象棋棋盘的配置 | 计算机视觉 | NA | RANSAC算法，卷积神经网络 | CNN | 图像 | 合成的大型3D模型数据集，比现有数据集大一个数量级 | NA | NA | NA | NA |
| 39682 | 2024-08-14 |
Automated coronary calcium scoring using deep learning with multicenter external validation
2021-Jun-01, NPJ digital medicine
IF:12.4Q1
DOI:10.1038/s41746-021-00460-1
PMID:34075194
|
研究论文 | 本文介绍了使用深度学习模型自动进行冠状动脉钙化评分的方法，并在多中心外部数据集上进行了验证 | 提出了两种深度学习模型，能够自动对冠状动脉钙化进行评分，适用于专门的冠状CT检查和常规非门控胸部CT检查 | 当前临床实践中，冠状动脉钙化评分的实施存在一些限制，如缺乏保险覆盖、需要昂贵的CT设备、专门的成像协议和认证的3D成像实验室等 | 开发一种自动化的冠状动脉钙化评分方法，以提高筛查效率和早期预防干预的可能性 | 冠状动脉钙化评分 | 计算机视觉 | 心血管疾病 | 深度学习 | 深度学习模型 | 图像 | 训练集包括341个样本，测试集包括42个斯坦福样本和46个MESA样本，外部验证集包括303个样本 | NA | NA | NA | NA |
| 39683 | 2024-08-14 |
Lessons Learned from the COVID-19 Pandemic: Emphasizing the Emerging Role and Perspectives from Artificial Intelligence, Mobile Health, and Digital Laboratory Medicine
2021-Jun, EJIFCC
PMID:34421492
|
研究论文 | 本文探讨了人工智能、移动健康和数字实验室医学在COVID-19大流行中的应用和挑战 | 文章强调了人工智能在疫情预防和控制中的重要作用，以及移动健康和物联网技术的应用 | NA | 研究旨在评估和应用人工智能、移动健康和数字实验室医学技术在COVID-19大流行中的作用 | COVID-19大流行中的人工智能、移动健康和数字实验室医学技术 | 机器学习 | NA | 人工智能 | 机器学习 | NA | NA | NA | NA | NA | NA |
| 39684 | 2024-08-14 |
Artificial intelligence for automatic cerebral ventricle segmentation and volume calculation: a clinical tool for the evaluation of pediatric hydrocephalus
2021-02-01, Journal of neurosurgery. Pediatrics
DOI:10.3171/2020.6.PEDS20251
PMID:33260138
|
研究论文 | 本文开发了一种全自动深度学习模型，用于儿童脑室分割和体积计算，旨在广泛应用于多所医院的临床评估中 | 该深度学习模型在脑室分割和体积计算方面比现有方法更准确和快速 | NA | 开发一种全自动深度学习模型，用于儿童脑室分割和体积计算，以促进临床决策 | 200名阻塞性脑积水儿童和199名对照组的脑室分割和体积计算 | 计算机视觉 | 儿童脑积水 | 深度学习 | 编码器-解码器卷积神经网络 | T2加权MRI图像 | 200名阻塞性脑积水儿童和199名对照组 | NA | NA | NA | NA |
| 39685 | 2024-08-14 |
An Evolutionary Approach for the Enhancement of Dermatological Images and Their Classification Using Deep Learning Models
2021, Journal of healthcare engineering
DOI:10.1155/2021/8113403
PMID:34326979
|
研究论文 | 本文探讨了一种基于遗传算法（GA）的图像增强技术，用于改善从农村诊所接收到的低质量皮肤病学图像，并使用卷积神经网络（CNN）分类器对增强后的图像进行疾病识别 | 本文采用遗传算法增强图像，提高了分类准确率，并减少了由于手动诊断导致的分析时间和错误 | 研究范围仅限于运动模糊图像，这是最常见的图像捕捉问题之一 | 提高皮肤病学图像的质量和分类准确性，以辅助诊断 | 七种类型的皮肤疾病，包括黑色素瘤、黑素细胞痣、基底细胞癌、光化性角化病、良性角化病、血管病变和鳞状细胞癌 | 计算机视觉 | 皮肤疾病 | 遗传算法（GA） | 卷积神经网络（CNN） | 图像 | 涉及七种皮肤疾病的图像，使用ResNet-152模型进行分类，总体准确率为87.40%，使用GA增强图像后准确率提升至95.85% | NA | NA | NA | NA |
| 39686 | 2024-08-14 |
Deep learning in the cross-time frequency domain for sleep staging from a single-lead electrocardiogram
2018-12-21, Physiological measurement
IF:2.3Q3
DOI:10.1088/1361-6579/aaf339
PMID:30524025
|
研究论文 | 本研究使用心电图（ECG）中的节拍检测、时频域中的心肺耦合以及深度卷积神经网络（CNN）来分类睡眠阶段 | 提出的基于ECG的睡眠阶段分类方法在非脑电图数据上取得了最高报告结果，并使用了比先前研究大十倍的数据集 | NA | 从单导联心电图中分类睡眠阶段 | 睡眠阶段（清醒、快速眼动睡眠、非快速眼动浅睡眠和非快速眼动深睡眠） | 机器学习 | NA | 深度卷积神经网络（CNN） | CNN | 心电图（ECG）数据 | 使用了MIT-BIH多导睡眠图数据库（SLPDB）、PhysioNet/计算心脏病学挑战2018数据库（CinC2018）和睡眠心脏健康研究（SHHS）数据库 | NA | NA | NA | NA |
| 39687 | 2024-08-13 |
Magnitude and angle dynamics in training single ReLU neurons
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106435
PMID:38970945
|
研究论文 | 本研究深入探讨了单个ReLU神经元在平方损失下的梯度流w(t)的训练动态，将其分解为幅度‖w(t)‖和角度φ(t)两个部分，并建立了这些部分的上限和下限以阐明收敛动态 | 本研究首次详细分解并分析了单个ReLU神经元的权重向量动态，填补了该领域的知识空白 | 研究主要集中在单个ReLU神经元和两层多神经元网络上，尚未扩展到更深层次的网络 | 理解深度ReLU网络的训练动态 | 单个ReLU神经元的权重向量动态 | 机器学习 | NA | 梯度下降法 | ReLU神经元 | NA | NA | NA | NA | NA | NA |
| 39688 | 2024-08-13 |
Aligning the domains in cross domain model inversion attack
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106490
PMID:38968777
|
研究论文 | 本文研究了在跨域模型逆向攻击中对齐不同域分布的问题 | 提出了域对齐模型逆向攻击（DA-MIA）和带有辅助分类器的域对齐模型逆向攻击（DA-MIA-AC），以解决因域分布差异导致的特征向量和预测向量逆向重建难题 | 未提及具体限制 | 旨在改进跨域模型逆向攻击中的图像重建和分类准确性 | 跨域模型逆向攻击中的特征向量和预测向量 | 机器学习 | NA | 模型逆向攻击 | DA-MIA, DA-MIA-AC | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 39689 | 2024-08-13 |
When an extra rejection class meets out-of-distribution detection in long-tailed image classification
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106485
PMID:38959597
|
研究论文 | 本文提出了一种三分支训练框架，用于在长尾图像分类中进行异常检测，通过引入额外的拒绝类别和辅助异常训练数据来提高检测性能 | 提出了一种有效的三分支训练框架，结合了内部损失、异常损失和尾部类别原型诱导的监督对比损失（TSCL），以在一个网络中训练分布内分类器和异常检测器 | NA | 提高在长尾分布训练集上的异常检测性能 | 长尾图像分类中的异常检测 | 计算机视觉 | NA | NA | CNN | 图像 | NA | NA | NA | NA | NA |
| 39690 | 2024-08-13 |
A Semi-supervised Gaussian Mixture Variational Autoencoder method for few-shot fine-grained fault diagnosis
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106482
PMID:38945116
|
研究论文 | 提出了一种半监督高斯混合变分自编码器方法SeGMVAE，用于少样本细粒度故障诊断 | 引入高斯混合作为变分自编码器的多模态先验分布，并通过期望最大化算法动态优化，以构建任务和未标记样本的潜在表示，实现元学习 | NA | 解决实际工程中由于标记高质量故障样本稀缺导致的细粒度故障诊断难题 | 机械故障的细粒度诊断 | 机器学习 | NA | 变分自编码器 | 高斯混合变分自编码器 | 样本数据 | 少量标记样本 | NA | NA | NA | NA |
| 39691 | 2024-08-13 |
A topological description of loss surfaces based on Betti Numbers
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106465
PMID:38943863
|
研究论文 | 本文通过贝蒂数对深度学习模型中的损失函数表面进行拓扑描述，以更好地理解基于梯度下降的训练方法 | 提供了一种拓扑度量方法来评估多层神经网络中损失函数的复杂性 | NA | 旨在通过拓扑方法更好地理解深度学习模型的训练过程 | 多层神经网络的损失函数复杂性 | 机器学习 | NA | NA | 多层神经网络 | NA | NA | NA | NA | NA | NA |
| 39692 | 2024-08-13 |
Spiking generative adversarial network with attention scoring decoding
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106423
PMID:38906053
|
研究论文 | 本文构建了一种能够处理复杂图像并具有更高性能的尖峰生成对抗网络，通过引入地球移动距离和基于注意力的加权解码方法，解决了尖峰生成对抗网络中的域外不一致性和时间不一致性问题 | 首次构建了能够处理复杂图像的尖峰生成对抗网络，并引入了地球移动距离和基于注意力的加权解码方法，显著提高了算法在多个数据集上的性能 | NA | 探索和改进基于尖峰神经网络的生成模型性能 | 尖峰生成对抗网络及其在复杂图像和事件数据上的应用 | 机器学习 | NA | 尖峰神经网络 | 生成对抗网络（GAN） | 图像 | 包括MNIST、FashionMNIST、CIFAR10和CelebA等多个数据集 | NA | NA | NA | NA |
| 39693 | 2024-08-13 |
A syntactic evidence network model for fact verification
2024-Oct, Neural networks : the official journal of the International Neural Network Society
IF:6.0Q1
DOI:10.1016/j.neunet.2024.106424
PMID:38875934
|
研究论文 | 本文提出了一种结合实体关键词、句法信息和句子注意力的句法证据网络（SENet）模型，用于事实验证 | SENet模型通过提取实体关键词和使用预训练的句法依赖解析器来提取相应的句法句子结构，并将提取的句法信息融入注意力机制，以实现语言驱动的词表示 | NA | 提高事实验证任务的准确性 | 事实验证任务中的句法信息和注意力机制 | 自然语言处理 | NA | 注意力机制 | SENet | 文本 | 在FEVER和UKP Snopes数据集上进行了实验 | NA | NA | NA | NA |
| 39694 | 2024-08-13 |
Deep Learning-Based Segmentation and Risk Stratification for Gastrointestinal Stromal Tumors in Transabdominal Ultrasound Imaging
2024-Sep, Journal of ultrasound in medicine : official journal of the American Institute of Ultrasound in Medicine
IF:2.1Q2
DOI:10.1002/jum.16489
PMID:38822195
|
研究论文 | 本文开发了一种基于深度神经网络的系统，用于胃肠道间质瘤（GISTs）在经腹超声图像中的自动分割和风险分层预测 | 本文采用了五种深度学习分割网络和ResNet 18分类网络，通过比较选出最佳网络组合，实现了GISTs的自动分割和风险分层预测 | NA | 开发一种自动分割和风险分层预测胃肠道间质瘤的深度神经网络系统 | 胃肠道间质瘤（GISTs） | 计算机视觉 | 胃肠道间质瘤 | 深度学习 | SegNeXt-ResNet18 | 超声图像 | 回顾性收集了245名GIST患者的980张超声图像，前瞻性收集了47名GIST患者的188张超声图像 | NA | NA | NA | NA |
| 39695 | 2024-08-13 |
Developing a Computer Vision Model to Automate Quantitative Measurement of Hip-Knee-Ankle Angle in Total Hip and Knee Arthroplasty Patients
2024-Sep, The Journal of arthroplasty
IF:3.4Q1
DOI:10.1016/j.arth.2024.04.062
PMID:38679347
|
研究论文 | 本文开发了一种基于深度学习的计算机视觉模型，用于自动化测量全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度（HKAA）。 | 该研究提出了一种基于检测的深度学习算法，能够高精度地计算HKAA，即使在股骨头难以区分的情况下也能有效识别。 | NA | 研究目的是开发一种自动化工具，以减轻骨科医生的负担，并提高髋膝踝角度测量的准确性。 | 全髋关节和膝关节置换术患者的长腿X光片中的髋膝踝角度。 | 计算机视觉 | NA | 深度学习 | DL算法 | 图像 | 1379张长腿X光片，其中1221张用于模型开发，158张被认为是‘困难’样本。 | NA | NA | NA | NA |
| 39696 | 2024-08-13 |
A deep learning-guided automated workflow in LipidOz for detailed characterization of fungal fatty acid unsaturation by ozonolysis
2024-Sep, Journal of mass spectrometry : JMS
IF:1.9Q2
DOI:10.1002/jms.5078
PMID:39132905
|
研究论文 | 本文通过应用Ozone-induced dissociation mass spectrometry（OzID-MS）和LipidOz软件，分析了转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株的复杂脂质，以确定产生的特定不饱和脂质 | 本文通过重新训练深度学习（DL）模型作为预筛选工具，优先处理自动化分析的目标，减少了手动验证的时间和计算资源 | 由于DL模型最初是使用哺乳动物脂质提取物训练的，因此在酵母衍生数据上的预测准确性降低 | 研究真菌脂质生物学和代谢，以发现抗真菌靶点 | Saccharomyces cerevisiae酵母菌株的脂质 | 机器学习 | NA | Ozone-induced dissociation mass spectrometry（OzID-MS） | 深度学习模型（DL） | 脂质数据 | 转化自Histoplasma capsulatum的不同脂肪酸去饱和酶的Saccharomyces cerevisiae酵母菌株 | NA | NA | NA | NA |
| 39697 | 2024-08-13 |
Stable Europium(III) Metal-Organic Framework Fluorescence Probe for Intelligent Visualization Detection of Gossypol and Nitrofuran Antibiotics in Real Samples
2024-Aug-12, Inorganic chemistry
IF:4.3Q1
DOI:10.1021/acs.inorgchem.4c02232
PMID:39074382
|
研究论文 | 本文合成了一种新的三维金属有机框架（MOF）{[Eu(L)(HCOO)(HO)]·2HO·2DMF}，用于智能可视化检测水体中的棉酚（Gsp）和硝基呋喃抗生素 | 该研究结合了荧光探针与机器学习及逻辑判断，提供了一种高灵敏度和实用性的水中有机污染物检测新思路 | NA | 开发一种新型荧光探针，用于准确有效地检测水体中的有机污染物 | 棉酚（Gsp）和硝基呋喃抗生素 | 机器学习 | NA | 金属有机框架（MOF）合成 | 深度学习模型 | 荧光图像 | NA | NA | NA | NA | NA |
| 39698 | 2024-08-13 |
A New Fingerprint and Graph Hybrid Neural Network for Predicting Molecular Properties
2024-Aug-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00586
PMID:39052623
|
研究论文 | 本文介绍了一种结合改进的图注意力网络和多层感知器的混合模型，用于预测分子属性 | 引入了特征选择算法来解决指纹维度问题，并在图注意力网络中使用循环神经网络来捕获协作信息 | NA | 加速药物发现过程中分子属性的准确预测 | 分子属性预测 | 机器学习 | NA | 图注意力网络 (GAT) | 混合神经网络 | 分子指纹和分子图 | 13个公共数据集和14个乳腺细胞系 | NA | NA | NA | NA |
| 39699 | 2024-08-13 |
HydraScreen: A Generalizable Structure-Based Deep Learning Approach to Drug Discovery
2024-Aug-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00481
PMID:39037942
|
研究论文 | 提出了一种名为HydraScreen的深度学习框架，用于安全且高效的药物发现，该框架利用先进的3D卷积神经网络来有效表示分子结构和蛋白质-配体结合中的相互作用 | 引入了新的交互分析方法，旨在检测模型和数据集中的潜在偏差，增强了方法的解释性和公正性 | NA | 旨在开发一种可泛化的结构基础深度学习方法，用于加速药物发现 | 蛋白质-配体复合物的结构和相互作用 | 机器学习 | NA | 3D卷积神经网络 | CNN | 分子结构数据 | 使用了CASF-2016核心集的公开基准进行评估 | NA | NA | NA | NA |
| 39700 | 2024-08-13 |
Identifying Synergistic Components of Botanical Fungicide Formulations Using Interpretable Graph Neural Networks
2024-Aug-12, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.4c00128
PMID:39031079
|
研究论文 | 本文提出了一种新的深度学习方法，用于预测植物性农药和渗透增强剂的协同作用 | 使用加权组合的成分特征向量来表示输入混合物，使模型能够处理可变数量的成分并解释每个成分对协同作用的贡献 | NA | 开发一种能够预测植物性农药和渗透增强剂协同作用的新型深度学习方法 | 植物性农药和渗透增强剂的协同作用 | 机器学习 | NA | 深度学习 | 图神经网络 | 体外实验数据 | NA | NA | NA | NA | NA |