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 24644 篇文献，本页显示第 13141 - 13160 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 13141 | 2024-11-06 |
Accuracy of TrUE-Net in comparison to established white matter hyperintensity segmentation methods: An independent validation study
2024-Jan, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2023.120494
PMID:38086495
|
研究论文 | 本文比较了TrUE-Net与六种已建立的白质高信号（WMH）分割方法的准确性 | TrUE-Net是一种基于深度学习的新型自动分割模型，具有低假阳性率和高可靠性 | TrUE-Net尚未经过严格的独立验证 | 验证TrUE-Net在白质高信号分割中的准确性 | 白质高信号（WMH）的自动分割方法 | 计算机视觉 | NA | 深度学习 | TrUE-Net | 图像 | NA |
| 13142 | 2024-11-07 |
Deep Learning Methods to Help Predict Properties of Molecules from SMILES
2024, Proceedings of the International Symposium on Intelligent Computing and Networking 2024 : (ISICN 2024). International Symposium on Intelligent Computing and Networking (1st : 2024 : San Juan, P.R.)
DOI:10.1007/978-3-031-67447-1_9
PMID:39493535
|
研究论文 | 本文提出了一种基于SMILES数据预测分子性质的深度学习框架 | 本文方法基于1-D卷积网络，无需复杂的特征工程，可以直接从基础数据中学习分子性质 | NA | 开发一种无需复杂特征工程的分子性质预测方法 | 分子性质，包括分子重量和XLogP | 机器学习 | NA | 1-D卷积网络 | CNN | 文本 | NA |
| 13143 | 2024-11-07 |
Research on the sentiment recognition and application of allusive words based on text semantic enhancement
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0308944
PMID:39495816
|
研究论文 | 本文提出了一种基于文本语义增强的典故词语情感识别与应用模型 | 首次将自动计算技术应用于典故资源，提出了一种基于文本语义增强的典故词语情感识别与应用模型 | NA | 探索典故词语的情感识别与应用 | 典故词语及其情感 | 自然语言处理 | NA | 深度学习 | ERNIE-RCNN | 文本 | 36,080个典故词语的解释文本 |
| 13144 | 2024-11-07 |
Redefining retinal vessel segmentation: empowering advanced fundus image analysis with the potential of GANs
2024, Frontiers in medicine
IF:3.1Q1
DOI:10.3389/fmed.2024.1470941
PMID:39497847
|
研究论文 | 本文提出了一种利用生成对抗网络（GANs）进行视网膜血管分割的新方法 | 本文的创新点在于采用了专门设计的GAN架构GANVesselNet，结合了自动编码器-解码器路径和UNet路径，以高效捕捉多尺度上下文信息，显著提高了血管分割的准确性 | NA | 本文的研究目的是通过利用GANs的潜力，提高视网膜血管分割的准确性，从而增强眼底图像分析和临床决策 | 本文的研究对象是视网膜血管的分割 | 计算机视觉 | NA | 生成对抗网络（GANs） | GANVesselNet | 图像 | 使用了公开的视网膜数据集，包括STARE和DRIVE |
| 13145 | 2024-11-07 |
Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices
2024, Frontiers in digital health
IF:3.2Q2
DOI:10.3389/fdgth.2024.1390622
PMID:39498098
|
研究论文 | 本文介绍了一个名为Biofuser的多源数据融合平台，用于整合发酵过程设备的异构数据 | Biofuser平台能够整合来自不同来源和格式的数据，并提供API支持机器学习和深度学习，从而促进发酵过程的优化 | NA | 开发一个能够整合和融合发酵过程设备异构数据的平台，以促进发酵过程的优化和智能化 | 发酵过程设备的异构数据 | 生物工程 | NA | 数据融合 | NA | 多源异构数据 | NA |
| 13146 | 2024-11-07 |
Advancements in the use of AI in the diagnosis and management of inflammatory bowel disease
2024, Frontiers in robotics and AI
IF:2.9Q2
DOI:10.3389/frobt.2024.1453194
PMID:39498116
|
研究论文 | 本文讨论了人工智能在炎症性肠病诊断和管理中的应用进展 | 本文介绍了基于深度学习和卷积神经网络的算法在结肠镜图像和视频中的应用，特别是用于检测和分类结直肠息肉 | 当前研究主要集中在评估溃疡性结肠炎的严重程度，且需要更多标注的结肠镜图像和视频来训练更可靠的AI算法 | 探讨人工智能在炎症性肠病早期检测中的当前挑战和未来改进方向 | 炎症性肠病（IBD）及其亚型克罗恩病（CD）和溃疡性结肠炎（UC） | 机器学习 | 炎症性肠病 | 深度学习（DL）和卷积神经网络（CNN） | 卷积神经网络（CNN） | 图像和视频 | NA |
| 13147 | 2024-11-07 |
Enzyme catalytic efficiency prediction: employing convolutional neural networks and XGBoost
2024, Frontiers in artificial intelligence
IF:3.0Q2
DOI:10.3389/frai.2024.1446063
PMID:39498388
|
研究论文 | 本文介绍了一种名为ECEP的新方法，利用深度学习技术预测酶催化效率，显著优于现有方法 | 本文提出了ECEP模型，结合卷积神经网络和XGBoost，通过多特征集成深度学习方法预测酶催化效率，显著提高了预测精度 | NA | 提高酶催化效率预测的准确性 | 酶催化效率 | 机器学习 | NA | 卷积神经网络、XGBoost | 卷积神经网络 | 序列数据 | NA |
| 13148 | 2024-11-07 |
Foundation model for cancer imaging biomarkers
2024, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-024-00807-9
PMID:38523679
|
研究论文 | 本文开发了一种用于癌症影像生物标志物发现的基石模型 | 通过自监督学习训练的卷积编码器，显著减少了下游应用中对训练样本的需求，并在有限训练数据集的情况下显著优于传统监督学习和现有最先进预训练模型 | 未提及 | 开发一种基石模型，用于癌症影像生物标志物的发现，并评估其在临床相关应用中的表现 | 癌症影像生物标志物 | 计算机视觉 | 癌症 | 自监督学习 | 卷积神经网络（CNN） | 影像 | 11,467个放射性病变样本 |
| 13149 | 2024-11-07 |
Prediction of immunotherapy response in idiopathic membranous nephropathy using deep learning-pathological and clinical factors
2024, Frontiers in endocrinology
IF:3.9Q2
DOI:10.3389/fendo.2024.1328579
PMID:38524629
|
研究论文 | 本研究利用深度学习结合病理和临床特征，建立并验证了一个模型，用于预测特发性膜性肾病（IMN）患者对免疫治疗的反应 | 本研究首次将深度学习应用于特发性膜性肾病的免疫治疗反应预测，并结合病理和临床特征进行模型训练 | 当模型中加入临床特征时，预测效果有所下降 | 建立并验证一个模型，用于评估特发性膜性肾病患者对免疫抑制治疗的反应 | 特发性膜性肾病患者对免疫治疗的反应 | 机器学习 | 肾病 | 深度学习 | 卷积神经网络 | 图像 | 291名患者，其中训练集219名，验证集72名 |
| 13150 | 2024-11-07 |
Editorial: Utilizing big data and deep learning to improve healthcare intelligence and biomedical service delivery
2024, Frontiers in big data
IF:2.4Q2
DOI:10.3389/fdata.2024.1502398
PMID:39502340
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 13151 | 2024-11-07 |
Predicting early breast cancer recurrence from histopathological images in the Carolina Breast Cancer Study
2023-Nov-11, NPJ breast cancer
IF:6.5Q1
DOI:10.1038/s41523-023-00597-0
PMID:37952058
|
研究论文 | 本文评估了基于深度学习的图像分析方法在预测早期乳腺癌复发中的应用 | 利用深度学习从组织病理学图像中提取信息，提供了一种新的早期乳腺癌复发预测方法 | 预测准确率为62.4%，略低于肿瘤分级和ER状态的预测准确率 | 开发一种快速识别高风险早期乳腺癌复发患者的方法 | 来自卡罗莱纳乳腺癌研究的202名患者的704张1毫米肿瘤核心H&E染色图像 | 数字病理学 | 乳腺癌 | 深度学习 | 深度学习模型 | 图像 | 202名患者，其中101名复发，101名未复发，每名患者2-4个核心样本 |
| 13152 | 2024-11-07 |
Novel Muscle Sensing by Radiomyography (RMG) and Its Application to Hand Gesture Recognition
2023-Sep, IEEE sensors journal
IF:4.3Q2
DOI:10.1109/jsen.2023.3294329
PMID:38510062
|
研究论文 | 本文提出了一种新的肌肉感应技术——放射肌电图（RMG），并将其应用于手势识别 | RMG技术能够连续监测肌肉活动，捕捉浅层和深层肌肉群，并可实现可穿戴或无接触式监测 | NA | 开发一种新的肌肉感应技术并验证其在手势识别中的应用 | 手势识别、眼部和腿部肌肉监测 | 计算机视觉 | NA | 放射肌电图（RMG） | 视觉变换器（ViT） | 时间-频率谱图 | 8名受试者 |
| 13153 | 2024-11-07 |
ChromaFold predicts the 3D contact map from single-cell chromatin accessibility
2023-Jul-28, bioRxiv : the preprint server for biology
DOI:10.1101/2023.07.27.550836
PMID:37546906
|
研究论文 | 本文介绍了一种名为ChromaFold的深度学习模型，用于从单细胞染色质可及性数据中预测3D接触图和调控相互作用 | ChromaFold能够仅使用单细胞ATAC测序数据来预测3D接触图和调控相互作用，这在当前的3C技术无法在小样本量下解析相互作用的情况下具有创新性 | ChromaFold的性能依赖于高质量的单细胞ATAC测序数据和CTCF ChIP-seq数据，且在复杂组织中的应用仍需进一步验证 | 开发一种能够从单细胞染色质可及性数据中预测3D接触图和调控相互作用的深度学习模型 | 单细胞染色质可及性数据和3D接触图 | 机器学习 | NA | 单细胞ATAC测序 | 深度学习模型 | 单细胞数据 | 涉及人类和小鼠的多种细胞类型 |
| 13154 | 2024-11-06 |
Determination of antioxidant capacity and phenolic content of haskap berries (Lonicera caerulea L.) by attenuated total reflectance-Fourier transformed-infrared spectroscopy
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141283
PMID:39293384
|
研究论文 | 研究使用衰减全反射-傅里叶变换红外光谱（ATR-FTIR）分析不同地区栽培的蓝靛果（Lonicera caerulea L.）的总酚含量（TPC）和抗氧化能力（TAC） | 开发了基于FT-IR光谱的偏最小二乘回归（PLSR）和深度学习模型，用于预测蓝靛果的总酚含量和抗氧化能力，并发现深度学习模型具有更好的预测能力 | 研究样本量较小，仅使用了22个蓝靛果样本 | 探索使用ATR-FTIR光谱技术快速评估蓝靛果的总酚含量和抗氧化能力 | 蓝靛果的总酚含量和抗氧化能力 | NA | NA | 衰减全反射-傅里叶变换红外光谱（ATR-FTIR） | 偏最小二乘回归（PLSR）和深度学习模型 | 光谱数据 | 22个蓝靛果样本 |
| 13155 | 2024-11-06 |
Rapid determination of total phenolic content and antioxidant capacity of maple syrup using Raman spectroscopy and deep learning
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141289
PMID:39303472
|
研究论文 | 使用拉曼光谱和深度学习快速测定枫糖浆的总酚含量和抗氧化能力 | 结合便携式拉曼光谱仪和深度学习模型，实现了对枫糖浆抗氧化特性的现场快速分析 | NA | 开发一种快速、准确的方法来测定枫糖浆的总酚含量和抗氧化能力 | 枫糖浆的总酚含量和抗氧化能力 | 机器学习 | NA | 拉曼光谱 | 深度学习模型 | 光谱数据 | 36种不同颜色的枫糖浆样本，共收集了360个光谱数据 |
| 13156 | 2024-11-06 |
Adulteration detection of multi-species vegetable oils in camellia oil using Raman spectroscopy: Comparison of chemometrics and deep learning methods
2025-Jan-15, Food chemistry
IF:8.5Q1
DOI:10.1016/j.foodchem.2024.141314
PMID:39303476
|
研究论文 | 本文比较了化学计量学和深度学习方法在检测山茶油中多种植物油掺假方面的应用 | 深度学习模型在掺假水平定量预测方面优于化学计量学方法 | 不同掺假山茶油之间存在误分类 | 比较化学计量学和深度学习方法在山茶油掺假检测中的应用 | 山茶油中的多种植物油掺假 | 机器学习 | NA | 拉曼光谱 | ConvLSTM | 光谱数据 | 不同掺假水平的山茶油样本 |
| 13157 | 2024-11-06 |
A comprehensive annotated image dataset for real-time fish detection in pond settings
2024-Dec, Data in brief
IF:1.0Q3
DOI:10.1016/j.dib.2024.111007
PMID:39493532
|
研究论文 | 本文介绍了一个用于池塘环境中实时鱼类检测的综合注释图像数据集 | 该数据集包含了在多种计算机视觉挑战下捕获的橙色铬鲈鱼种，为鱼类检测提供了宝贵的资源 | 数据集仅限于橙色铬鲈鱼种，且采集环境为特定池塘 | 开发一个高效的鱼类检测系统，以促进小型水产养殖业的发展 | 橙色铬鲈鱼种在池塘环境中的检测 | 计算机视觉 | NA | NA | NA | 图像 | 包含多种计算机视觉挑战下的橙色铬鲈鱼种图像 |
| 13158 | 2024-11-06 |
Automatic Landmark Detection for Preoperative Planning of High Tibial Osteotomy Using Traditional Feature Extraction and Deep Learning Methods
2024-Dec, The international journal of medical robotics + computer assisted surgery : MRCAS
DOI:10.1002/rcs.70006
PMID:39497376
|
研究论文 | 本文提出了一种新的自动检测高胫骨截骨术（HTO）标志点的方法，结合了优化后的热图偏移聚合方法和传统特征提取技术，用于术前规划 | 本文的创新点在于将优化后的热图偏移聚合方法与传统特征提取技术相结合，提高了HTO标志点检测的鲁棒性 | 由于HTO数据集数量有限，现有方法在处理不同畸形患者时不如传统手动规划方法稳健，限制了其在临床实践中的应用 | 研究目的是提高高胫骨截骨术术前规划的效率和标准化程度 | 研究对象是高胫骨截骨术的标志点检测 | 计算机视觉 | NA | 热图偏移聚合方法、传统特征提取 | NA | 图像 | 具体样本数量未在摘要中提及 |
| 13159 | 2024-11-06 |
Elucidating and forecasting the organochlorine pesticides in suspended particulate matter by a two-stage decomposition based interpretable deep learning approach
2024-Nov-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122315
PMID:39217646
|
研究论文 | 研究提出了一种结合CEEMDAN、VMD和LSTM的深度学习模型，用于精确预测悬浮颗粒物中的有机氯农药浓度 | 研究创新性地结合了CEEMDAN、VMD和LSTM三种技术，提出了一种两阶段分解的深度学习模型，显著提高了有机氯农药浓度的预测精度 | 研究未详细讨论模型的计算复杂性和实际应用中的可行性 | 研究旨在开发一种高精度模型，用于预测和解释悬浮颗粒物中有机氯农药的浓度变化 | 研究对象为悬浮颗粒物中的有机氯农药浓度 | 机器学习 | NA | CEEMDAN、VMD、LSTM | LSTM | 时间序列数据 | 研究未明确提及样本数量 |
| 13160 | 2024-11-06 |
Detecting floating litter in freshwater bodies with semi-supervised deep learning
2024-Nov-15, Water research
IF:11.4Q1
DOI:10.1016/j.watres.2024.122405
PMID:39265217
|
研究论文 | 本文提出了一种基于半监督深度学习的淡水体漂浮垃圾检测方法 | 采用SwAV自监督学习方法预训练ResNet50模型，并在有限标注数据下进行微调，显著提高了模型在新地点的泛化能力 | 需要进一步扩展数据和计算资源以应对全球范围内的漂浮垃圾监测挑战 | 开发一种有效的半监督学习方法，用于检测淡水体中的漂浮垃圾 | 淡水体中的漂浮垃圾 | 计算机视觉 | NA | 半监督学习 | Faster R-CNN | 图像 | 约10万张未标注图像和约1.8千张标注图像 |