深度学习在生物医药领域中的应用
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，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10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 24188 篇文献，本页显示第 8281 - 8300 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 8281 | 2025-01-28 |
Incorporating patient-specific prior clinical knowledge to improve clinical target volume auto-segmentation generalisability for online adaptive radiotherapy of rectal cancer: A multicenter validation
2025-Feb, Radiotherapy and oncology : journal of the European Society for Therapeutic Radiology and Oncology
IF:4.9Q1
DOI:10.1016/j.radonc.2024.110667
PMID:39675574
|
研究论文 | 本研究探讨了在直肠癌在线自适应放疗中，通过结合患者特定的临床先验知识来提高临床靶区自动分割的泛化能力 | 创新点在于使用治疗前的分割作为患者特定的先验知识，结合基于人群的分割变异，提高了深度学习模型在多中心数据上的泛化能力 | 研究仅针对直肠癌患者，且样本来自三个中心，可能限制了结果的广泛适用性 | 研究目的是提高在线自适应放疗中临床靶区自动分割的泛化能力 | 研究对象为中等风险或局部晚期直肠癌患者 | 数字病理 | 直肠癌 | 深度学习 | 深度学习模型 | MRI图像 | 来自三个中心的直肠癌患者 |
| 8282 | 2025-01-28 |
Harnessing Spectral Libraries From AVIRIS-NG Data for Precise PFT Classification: A Deep Learning Approach
2025-Jan-27, Plant, cell & environment
DOI:10.1111/pce.15393
PMID:39866067
|
研究论文 | 本研究利用AVIRIS-NG高光谱数据和机器学习技术，开发了一个包含130种植物物种的光谱库，用于精确分类植物功能类型（PFTs） | 通过高光谱数据生成光谱库，结合机器学习方法，显著提高了植物功能类型分类的准确性 | 研究仅限于Shoolpaneshwar野生动物保护区的植物物种，可能不适用于其他地区 | 推进植物功能类型（PFTs）的分类和监测 | Shoolpaneshwar野生动物保护区的130种植物物种 | 机器学习 | NA | AVIRIS-NG高光谱成像和ASD手持光谱辐射计 | Parzen Window (PW), Gradient Boosted Machine (GBM), Stochastic Gradient Descent (SGD) | 高光谱图像 | 130种植物物种 |
| 8283 | 2025-01-28 |
Identifying Primary Sites of Spinal Metastases: Expert-Derived Features vs. ResNet50 Model Using Nonenhanced MRI
2025-Jan-27, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.29720
PMID:39868626
|
研究论文 | 本研究旨在开发和验证使用非增强MRI的人工智能模型，以识别脊柱转移的原发部位，提高诊断效率 | 比较了基于专家特征的模型和ResNet50深度学习模型在非增强MRI上识别脊柱转移原发部位的性能，发现专家特征模型在多数情况下表现更优 | 研究为回顾性设计，可能存在选择偏差；样本量相对较小，尤其是罕见转移部位 | 提高脊柱转移原发部位的诊断效率 | 514名经病理证实的脊柱转移患者 | 医学影像分析 | 癌症 | 非增强MRI | ResNet50 | MRI图像 | 514名患者（360名用于开发，154名用于测试） |
| 8284 | 2025-01-28 |
Introduction to Memristive Mechanisms and Models
2025-Jan-24, Recent patents on nanotechnology
IF:2.0Q3
|
研究论文 | 本文介绍了忆阻系统的机制和模型，探讨了其在神经形态计算中的应用 | 本文结合了Chua开发的动态系统框架和统计物理学及渗流理论，提供了对忆阻系统复杂动态行为的深入理解，并探讨了其在深度学习方法中的成功应用 | 本文主要关注理论模型和框架，缺乏对实际硬件实现的详细讨论 | 探讨忆阻系统在神经形态计算中的应用，以应对人工智能发展带来的计算能力需求增长 | 忆阻系统及其在神经形态计算中的应用 | 机器学习 | NA | NA | 动态系统模型、渗流理论模型 | NA | NA |
| 8285 | 2025-01-28 |
Deep learning for kidney trauma detection: CT image algorithm performance and external validation: experimental study
2025-Jan-24, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000002221
PMID:39869390
|
研究论文 | 本研究开发并验证了一种用于检测肾脏创伤的深度学习算法，使用机构创伤数据和RSNA数据集进行外部验证 | 首次将深度学习技术应用于肾脏创伤的CT图像检测，并通过外部验证展示了其稳健性能 | 模型在外部验证中的阳性预测值较低，可能需要进一步优化图像分割和计算效率 | 开发并验证一种用于检测肾脏创伤的深度学习算法 | 肾脏创伤的CT图像 | 医学影像 | 肾脏创伤 | 深度学习 | RenoTrNet | CT图像 | 机构创伤数据和RSNA数据集中的随机选择病例 |
| 8286 | 2025-01-28 |
MythicVision: a deep learning powered mobile application for understanding Indian mythological deities using weight centric decision approach
2025-Jan-21, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-85922-2
PMID:39837968
|
研究论文 | 本文介绍了一个名为'MythicVision'的深度学习驱动的移动应用程序，旨在通过识别和解释印度神话神祇的图像，帮助外国游客更好地理解印度丰富的文化遗产 | 该应用程序采用了模型权重计算和权重中心决策机制，相比传统的多数投票方法，在多类图像分类中提供了更准确的结果 | NA | 开发一个能够识别和分类实时印度神祇图像，并为用户提供有关神祇的宝贵信息的应用程序 | 印度神话神祇的图像 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 10,970张印度神祇图像 |
| 8287 | 2025-01-28 |
Decoding the Functional Interactome of Non-Model Organisms with PHILHARMONIC
2025-Jan-14, bioRxiv : the preprint server for biology
DOI:10.1101/2024.10.25.620267
PMID:39553947
|
研究论文 | 本文介绍了一种名为PHILHARMONIC的计算方法，用于解码非模式生物的功能互作组 | PHILHARMONIC结合深度学习网络推理和鲁棒的无监督谱聚类算法，能够揭示非模式生物中的功能关系和高层次组织 | 方法依赖于预测的网络，可能存在噪声，且需要进一步的实验验证 | 研究目的是开发一种计算工具，用于预测和分析非模式生物的蛋白质-蛋白质相互作用网络 | 研究对象包括珊瑚、藻类共生体和果蝇等非模式生物 | 生物信息学 | NA | 深度学习、谱聚类算法、远程同源功能注释 | 深度学习网络 | 蛋白质序列数据 | 珊瑚、藻类共生体和果蝇的蛋白质组数据 |
| 8288 | 2025-01-28 |
ChromBPNet: bias factorized, base-resolution deep learning models of chromatin accessibility reveal cis-regulatory sequence syntax, transcription factor footprints and regulatory variants
2025-Jan-08, bioRxiv : the preprint server for biology
DOI:10.1101/2024.12.25.630221
PMID:39829783
|
研究论文 | 本文介绍了ChromBPNet，一种深度学习DNA序列模型，用于解析染色质可及性图谱，揭示调控序列的语法和遗传变异 | ChromBPNet能够检测、学习并分解特定实验的酶偏差，从而在不同实验和测序深度下发现紧凑的转录因子基序词典、协同基序语法和精确足迹 | NA | 研究染色质可及性的调控序列语法和遗传变异 | 染色质可及性图谱和转录因子结合位点 | 机器学习 | NA | 染色质可及性实验 | 深度学习模型 | DNA序列数据 | NA |
| 8289 | 2025-01-28 |
Non-Contact Optical Blood Pressure Biometry Using AI-Based Analysis of Non-Mydriatic Fundus Imaging
2025-Jan-07, medRxiv : the preprint server for health sciences
DOI:10.1101/2025.01.06.25320084
PMID:39830244
|
研究论文 | 本研究旨在开发一种基于机器学习的模型，通过非散瞳眼底成像来评估血压，其准确性与臂式袖带测量相当 | 使用深度学习模型从眼底图像中评估血压，相比传统臂式袖带测量，可能更能反映长期高血压状况 | 需要在临床环境中进行更多试验，并开展更多前瞻性研究以验证结果 | 开发一种基于机器学习的模型，通过非散瞳眼底成像来评估血压 | 血压（收缩压和舒张压） | 机器学习 | 高血压 | 深度学习 | 深度学习模型 | 眼底图像 | 基于UK Biobank数据集 |
| 8290 | 2025-01-28 |
Pose Analysis in Free-Swimming Adult Zebrafish, Danio rerio: "Fishy" Origins of Movement Design
2024-Dec-16, Brain, behavior and evolution
DOI:10.1159/000543081
PMID:39681106
|
研究论文 | 本文研究了成年斑马鱼自由游泳时的姿势分析，探讨了运动设计的进化 | 使用无标记跟踪和深度学习工具DeepLabCut进行姿势估计，结合无监督多变量时间序列分析，识别出斑马鱼自由游泳时的典型姿势 | 研究仅基于12只斑马鱼的数据，样本量较小 | 探讨运动设计的进化，特别是如何通过最小化主动控制来优化运动效率 | 成年斑马鱼（Danio rerio） | 计算机视觉 | NA | DeepLabCut（DLC）和B-SOiD机器学习软件 | 深度学习 | 视频 | 12只成年斑马鱼 |
| 8291 | 2025-01-28 |
An explainable language model for antibody specificity prediction using curated influenza hemagglutinin antibodies
2024-10-08, Immunity
IF:25.5Q1
DOI:10.1016/j.immuni.2024.07.022
PMID:39163866
|
研究论文 | 本文介绍了一种基于序列的抗体特异性预测的轻量级记忆B细胞语言模型（mBLM），并利用超过5,000个流感血凝素（HA）抗体数据集进行训练 | 开发了一种新的轻量级记忆B细胞语言模型（mBLM），用于基于序列的抗体特异性预测，并通过模型可解释性分析识别了HA干区抗体的关键序列特征 | 数据集主要来源于研究出版物和专利，可能存在数据偏差 | 预测抗体特异性，并提高对流感病毒抗体反应的分子理解 | 流感血凝素（HA）抗体 | 自然语言处理 | 流感 | 语言模型 | mBLM | 序列数据 | 超过5,000个流感血凝素（HA）抗体 |
| 8292 | 2025-01-28 |
Potential Use and Limitation of Artificial Intelligence to Screen Diabetes Mellitus in Clinical Practice: A Literature Review
2024-Oct, Acta medica Indonesiana
IF:0.7Q3
PMID:39865054
|
文献综述 | 本文综述了人工智能在临床实践中筛查糖尿病的潜在应用及其局限性 | 强调了人工智能技术（如机器学习和深度学习）在提高糖尿病筛查准确性方面的潜力，特别是在低资源环境中的应用 | 指出了当前临床实践中基于血液或实验室检测的糖尿病筛查方法的局限性，包括访问和成本问题 | 探讨人工智能技术在减少未诊断糖尿病负担中的应用 | 全球未诊断糖尿病的个体，特别是低收入和中等收入国家（如印度尼西亚）的人群 | 机器学习 | 糖尿病 | 机器学习和深度学习 | NA | NA | NA |
| 8293 | 2025-01-28 |
Status and future trends in wastewater management strategies using artificial intelligence and machine learning techniques
2024-Aug, Chemosphere
IF:8.1Q1
|
综述 | 本文综述了利用人工智能和机器学习技术进行水和废水管理的最新趋势 | 结合AI、深度学习和物联网技术，提出了高效的水管理框架 | 未具体说明数据来源和样本量，案例研究和统计评估的细节不足 | 探讨智能水管理机制，以满足不同用途的水质要求 | 水和废水管理策略 | 机器学习 | NA | 人工智能（AI）、深度学习（DL）、物联网（IoT） | NA | 多种形式的数据 | NA |
| 8294 | 2025-01-28 |
MambaTab: A Plug-and-Play Model for Learning Tabular Data
2024-Aug, Proceedings. IEEE Conference on Multimedia Information Processing and Retrieval
DOI:10.1109/mipr62202.2024.00065
PMID:39850741
|
研究论文 | 本文介绍了一种基于结构化状态空间模型（SSM）的创新方法MambaTab，用于处理表格数据 | MambaTab利用新兴的SSM变体Mamba，为表格数据提供端到端的监督学习，相比现有方法在性能上更优且参数更少 | NA | 开发一种高效、可扩展且通用的表格数据处理模型 | 表格数据 | 机器学习 | NA | 结构化状态空间模型（SSM） | Mamba | 表格数据 | 多样化的基准数据集 |
| 8295 | 2025-01-28 |
Beyond Size and Class Balance: Alpha as a New Dataset Quality Metric for Deep Learning
2024-Jul-31, ArXiv
PMID:39830079
|
研究论文 | 本文提出了一种新的数据集质量度量指标——α，用于改进深度学习在医学影像中的性能 | 引入了生态学中的多样性度量框架，提出了一种新的数据集质量度量指标α，超越了传统的数据集大小和类别平衡的度量方法 | 研究仅限于医学影像数据集，未验证在其他类型数据集上的适用性 | 探索如何通过最大化数据集多样性来改进深度学习模型在图像分类任务中的性能 | 医学影像数据集 | 计算机视觉 | NA | NA | 深度学习模型 | 图像 | 七个医学数据集的数千个子集 |
| 8296 | 2025-01-28 |
The cytoarchitectonic landscape revealed by deep learning method facilitated precise positioning in mouse neocortex
2024-06-04, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae229
PMID:38836835
|
研究论文 | 本文开发了一种细胞结构标志物识别流程，利用荧光显微光学断层扫描技术成像小鼠全脑，并通过快速3D卷积网络分割整个新皮层的神经元体，揭示了新皮层的细胞结构景观 | 开发了一种新的细胞结构标志物识别流程，结合荧光显微光学断层扫描和快速3D卷积网络，实现了新皮层神经元的三维分割和分析 | 研究主要集中在小鼠新皮层，未涉及其他物种或更广泛的脑区 | 提高对新皮层结构的理解，特别是皮层区域的精确定位 | 小鼠新皮层 | 计算机视觉 | NA | 荧光显微光学断层扫描 | 3D卷积网络 | 图像 | 小鼠全脑 |
| 8297 | 2025-01-28 |
Exploring intricate connectivity patterns for cognitive functioning and neurological disorders: incorporating frequency-domain NC method into fMRI analysis
2024-05-02, Cerebral cortex (New York, N.Y. : 1991)
DOI:10.1093/cercor/bhae195
PMID:38741270
|
研究论文 | 本研究将频域新因果方法应用于功能磁共振成像分析，以探索认知功能和神经系统疾病的复杂连接模式 | 将频域新因果方法引入功能磁共振成像分析，构建了多种因果关联模型，并利用深度学习模型分析脑区拓扑变化特征 | 研究主要基于模拟信号和特定患者群体，可能无法完全反映真实世界的复杂性 | 探索认知功能和神经系统疾病的复杂连接模式 | 1,252组不同认知障碍程度的个体 | 神经影像分析 | 阿尔茨海默病 | 功能磁共振成像（fMRI） | 深度学习模型 | 功能磁共振成像数据 | 1,252组个体 |
| 8298 | 2025-01-28 |
Pose analysis in free-swimming adult zebrafish, Danio rerio : "fishy" origins of movement design
2024-Jan-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.12.31.573780
PMID:38260397
|
研究论文 | 本文通过无标记跟踪和深度学习技术，研究了成年斑马鱼自由游泳时的典型姿势，并分析了其运动设计的进化意义 | 利用DeepLabCut和B-SOiD机器学习软件进行无标记跟踪和多变量时间序列分析，揭示了斑马鱼运动中的稳定目标姿势和过渡姿势 | 研究仅基于12只斑马鱼的数据，样本量较小，可能限制了结果的普适性 | 研究斑马鱼自由游泳时的姿势，以验证运动设计中最小化主动控制的假设 | 成年斑马鱼（Danio rerio） | 计算机视觉 | NA | DeepLabCut（深度学习姿势估计工具包），B-SOiD（无监督多变量时间序列分析软件） | 深度学习 | 视频 | 12只成年斑马鱼，14,000帧连续视频 |
| 8299 | 2025-01-28 |
Multi-task deep learning-based survival analysis on the prognosis of late AMD using the longitudinal data in AREDS
2021, AMIA ... Annual Symposium proceedings. AMIA Symposium
PMID:35308963
|
研究论文 | 本研究利用AREDS的纵向数据和深度学习技术，预测晚期年龄相关性黄斑变性（AMD）的发展 | 结合历史数据和深度学习技术，提高了预测晚期AMD的准确性，并证明深度学习提取的图像特征比临床医生提取的特征更具信息性 | 仅使用当前访问的数据时，复杂特征的预测效果不如结合纵向数据 | 预测晚期AMD的发展 | 年龄相关性黄斑变性（AMD）患者 | 数字病理学 | 年龄相关性黄斑变性 | 深度学习 | 卷积神经网络（CNN） | 图像 | AREDS研究中的纵向数据 |
| 8300 | 2025-01-27 |
Regional PM2.5 prediction with hybrid directed graph neural networks and Spatio-temporal fusion of meteorological factors
2025-Feb-01, Environmental pollution (Barking, Essex : 1987)
DOI:10.1016/j.envpol.2024.125404
PMID:39613176
|
研究论文 | 本文提出了一种基于深度学习的混合有向图神经网络方法，用于预测区域PM2.5浓度，并考虑了相邻城市之间的区域传输相互作用 | 结合图神经网络（GNN）和长短期记忆网络（LSTM）进行时空编码，显著提高了PM浓度预测的准确性，并在华北平原的48小时预测中表现出色 | 模型主要应用于华北平原，可能在其他地区的适用性需要进一步验证 | 优化空气质量预测和管理 | 区域PM2.5浓度 | 机器学习 | NA | 深度学习 | 混合有向图神经网络（GNN + LSTM） | 时空数据 | NA |