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 23913 篇文献，本页显示第 19921 - 19940 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 19921 | 2024-08-04 |
Identifying recurrent and persistent landslides using satellite imagery and deep learning: A 30-year analysis of the Himalaya
2024-Apr-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.171161
PMID:38387570
|
研究论文 | 本论文介绍了一种基于遥感的方法，能够有效生成多时相滑坡清单并识别反复发生和持续存在的滑坡。 | 该研究开发了首个跨越30年的喜马拉雅地区滑坡多年代清单，利用深度学习模型实现了对滑坡事件的高精度识别。 | 研究仅基于公开的卫星数据，可能受到数据质量和可用性的影响。 | 研究旨在识别和分析喜马拉雅地区的重复和持续滑坡现象。 | 研究对象为1992年至2021年间的滑坡事件和区域。 | 数字路径学 | NA | 卷积神经网络模型 | CNN | 卫星影像 | >265,000 |
| 19922 | 2024-08-04 |
DeepKEGG: a multi-omics data integration framework with biological insights for cancer recurrence prediction and biomarker discovery
2024-Mar-27, Briefings in bioinformatics
IF:6.8Q1
DOI:10.1093/bib/bbae185
PMID:38678587
|
研究论文 | 提出了一种新的可解释的多组学数据集成方法DeepKEGG，用于癌症复发预测和生物标志物发现 | DeepKEGG结合了生物层次模块和路径自注意力模块，以揭示样本间的潜在关联和提高模型可解释性 | 当前方法在多组学数据集成中尚未充分考虑样本之间的潜在相关性 | 探索多组学数据集成中样本的潜在相关性并提供模型可解释性 | 癌症复发预测和生物标志物的发现 | 数字病理学 | 癌症 | 深度学习 | 多层神经网络 | 多组学数据 | NA |
| 19923 | 2024-08-04 |
PS2MS: A Deep Learning-Based Prediction System for Identifying New Psychoactive Substances Using Mass Spectrometry
2024-03-26, Analytical chemistry
IF:6.7Q1
DOI:10.1021/acs.analchem.3c05019
PMID:38488022
|
研究论文 | 该论文介绍了一种名为PSMS的基于深度学习的预测系统，用于识别新型精神活性物质。 | PSMS通过建立合成的NPS数据库，使用深度学习生成质谱和化学指纹，突破了传统方法的限制。 | 该研究可能在某些情况下面临识别新型毒品的准确性问题，特别是当数据集不够完整时。 | 研究旨在开发一种新系统以有效识别新型精神活性物质。 | 研究对象是新型精神活性物质及其相关衍生物。 | 数字病理学 | NA | 质谱 | 深度学习 | 质谱数据 | 在实际证据样本中识别了一些卡他酮衍生物 |
| 19924 | 2024-08-04 |
External Validation of Deep Learning-Based Cardiac Arrest Risk Management System for Predicting In-Hospital Cardiac Arrest in Patients Admitted to General Wards Based on Rapid Response System Operating and Nonoperating Periods: A Single-Center Study
2024-03-01, Critical care medicine
IF:7.7Q1
DOI:10.1097/CCM.0000000000006137
PMID:38381018
|
研究论文 | 本研究验证了基于深度学习的心脏骤停风险管理系统（DeepCARS）在不同快速反应系统运行状态下的预测性能 | 通过比较DeepCARS与传统早期预警系统，在不同RRS运行状态下展示了其优越的预测能力 | 研究仅在单一中心进行，结果可能不具普遍适用性 | 验证DeepCARS在医院心脏骤停预测中的有效性 | 入院于一般病房的成年患者 | 计算机视觉 | 心脏病 | 深度学习 | NA | 数据记录 | 分析了2019年9月1日至2020年8月31日期间入院的一般病房成年患者的数据记录 |
| 19925 | 2024-08-04 |
Folding-upon-binding pathways of an intrinsically disordered protein from a deep Markov state model
2024-02-06, Proceedings of the National Academy of Sciences of the United States of America
IF:9.4Q1
DOI:10.1073/pnas.2313360121
PMID:38294935
|
研究论文 | 本文研究了一个内在无序蛋白质在与其生理相互作用伙伴结合时的折叠路径 | 采用深度学习的马尔可夫状态建模方法，揭示了折叠与结合的多步诱导适配机制，与传统的典型构象选择路径有所不同 | 未能找到典型的构象选择路径的证据 | 研究内在无序蛋白质的结合机制及其折叠过程 | 麻疹病毒核蛋白N与麻疹病毒磷蛋白复合物的X域的结合 | 计算生物学 | NA | 深度学习, 马尔可夫状态建模 | NA | 分子动态模拟数据 | NA |
| 19926 | 2024-08-04 |
DeepDate: A deep fusion model based on whale optimization and artificial neural network for Arabian date classification
2024, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0305292
PMID:39078864
|
研究论文 | 本文提出了一种基于鲸鱼优化和人工神经网络的阿拉伯枣分类深度融合模型。 | 提出了一种新的深度融合模型DeepDate，结合了鲸鱼优化技术和人工神经网络，显著提高了分类准确性。 | 未提及具体的局限性 | 研究旨在提高阿拉伯枣的分类准确性和效率。 | 研究对象为五类枣果图像（Barhi, Khalas, Meneifi, Naboot Saif, Sullaj）。 | 计算机视觉 | NA | 深度学习算法 | 人工神经网络 | 图像 | 五类枣果图像 |
| 19927 | 2024-08-04 |
Design and Development of Hypertuned Deep learning Frameworks for Detection and Severity Grading of Brain Tumor using Medical Brain MR images
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文旨在创建基于深度学习的CAD框架，用于脑肿瘤的自动检测和严重程度分级 | 研究工作的新颖之处在于深度学习框架的架构设计，并进行了超参数调整以优化模型性能 | NA | 研究的目的是开发自动检测和分级脑肿瘤的深度学习模型 | 研究对象为脑部MRI图像中的脑肿瘤及其分类 | 计算机视觉 | 脑肿瘤 | 深度学习 | CNN | 医学图像 | 使用BraTs数据集进行测试，包含多个脑肿瘤样本 |
| 19928 | 2024-08-04 |
Clinical Application of Automatic Assessment of Scoliosis Cobb Angle Based on Deep Learning
2024, Current medical imaging
IF:1.1Q3
|
研究论文 | 本文探讨了一种基于深度学习的脊柱侧弯科布角度自动评估模型在临床中的应用价值。 | 该研究首次对深度学习模型进行临床应用验证，并与传统手动测量方法进行了比较。 | 外部验证仍然缺乏，且样本主要来源于开放和私人数据集，可能影响结果的普适性。 | 本研究旨在探索自动评估模型在临床实践中的应用价值。 | 进行了对481个脊柱X光片进行深度学习模型与手动测量方法的比较。 | 数字病理学 | 脊柱侧弯 | 深度学习 | VFLDN和Seg4Reg | 影像 | 481个脊柱X光片作为训练和验证集，119个脊柱X光片作为测试集 |
| 19929 | 2024-08-04 |
LST-AI: A deep learning ensemble for accurate MS lesion segmentation
2024, NeuroImage. Clinical
DOI:10.1016/j.nicl.2024.103611
PMID:38703470
|
研究论文 | 本文介绍了LST-AI，一个用于多发性硬化症（MS）白质病变的深度学习分割工具 | LST-AI是基于LST的先进深度学习扩展，采用三种3D U-Net的集成方法，并解决了白质病变与非病变白质之间的不平衡 | 缺乏对比于当前最新的多发性硬化症检查结果的外部验证 | 旨在提高多发性硬化症白质病变的自动分割准确性 | 491对来自3T MRI扫描仪的T1加权和FLAIR图像进行的多发性硬化症病例 | 计算机视觉 | 多发性硬化症 | 深度学习 | 3D U-Net | 图像 | 491对图像样本 |
| 19930 | 2024-08-04 |
Deep learning in terrestrial conservation biology
2023-Dec, Biologia futura
IF:1.8Q3
DOI:10.1007/s42977-023-00200-4
PMID:38227170
|
评论 | 本文对保护生物学中深度学习技术的应用进行了回顾 | 强调了深度学习在保护生物学中的潜力和当前技术先进性 | 提出了当前技术在数据处理方面的缓慢问题 | 探索有效的方式监测生物多样性变化 | 涉及保护生物学中的生物数据监测 | 机器学习 | NA | 深度学习 | NA | 生物数据 | NA |
| 19931 | 2024-08-04 |
A hybrid method of correcting CBCT for proton range estimation with deep learning and deformable image registration
2023-Jul-31, Physics in medicine and biology
IF:3.3Q1
DOI:10.1088/1361-6560/ace754
PMID:37442128
|
研究论文 | 本研究旨在开发一种新的方法，通过深度学习和可变形图像配准从腹部/盆腔的锥束CT生成合成CT，以促进质子范围的估算 | 提出了将无监督深度学习（CycleGAN）与可变形图像配准（DIR）结合的混合方法，分别生成几何加权和强度加权的合成CT成分 | 研究的样本量相对较小，仅限于81名儿科患者，且只评估了在特定条件下的方法有效性 | 探索一种准确的合成CT生成方法，以便在质子治疗中提高质子束穿透气体区域的范围估算 | 使用81名儿科患者的锥束CT、同日重复CT和规划CT数据进行训练、验证和测试 | 数字病理学 | NA | 深度学习（CycleGAN）、可变形图像配准（DIR） | CycleGAN | CT图像 | 81名儿科患者的CT数据（训练60，验证6，测试15） |
| 19932 | 2024-08-07 |
Applications of Artificial Intelligence and Deep Learning in Glaucoma: Erratum
2023 Jul-Aug 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000628
PMID:37523439
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 19933 | 2024-08-04 |
Polypoidal Choroidal Vasculopathy: Updates on Risk Factors, Diagnosis, and Treatments
2023 Mar-Apr 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000573
PMID:36728294
|
研究论文 | 该文章介绍了关于囊状脉络膜血管病（PCV）的风险因素、诊断与治疗的最新进展 | 文章探讨了深度学习模型在无需靛蓝绿血管造影的情况下，用于从不同类型的视网膜成像中检测PCV的应用 | 尽管有研究发现新抗VEGF药物可能提供更持久的治疗效果，但尚不清楚它们是否能更有效地闭合囊状病变 | 研究囊状脉络膜血管病（PCV）的风险因素、诊断方法以及治疗方案 | 文章关注于男性和吸烟等系统性因素以及与PCV相关的影像学和生物标志物 | 数字病理学 | NA | 深度学习 | NA | 图像 | 涉及的样本数量及类型未明确说明 |
| 19934 | 2024-08-04 |
Applications of Artificial Intelligence and Deep Learning in Glaucoma
2023 Jan-Feb 01, Asia-Pacific journal of ophthalmology (Philadelphia, Pa.)
DOI:10.1097/APO.0000000000000596
PMID:36706335
|
研究论文 | 本文探讨了人工智能和深度学习在青光眼诊断和进展检测中的应用 | 提出了结合多种成像模态来改善青光眼评估的新的人工智能工具开发思路 | 目前大多数算法仅基于单一成像模态，且缺乏对治疗反应预测的相关研究 | 旨在改进青光眼的诊断和监测方式 | 研究目的是青光眼的诊断进程和算法的开发 | 计算机视觉 | 青光眼 | 人工智能 | 深度学习 | 图像 | NA |
| 19935 | 2024-08-07 |
Machine Learning in Drug Metabolism Study
2022, Current drug metabolism
IF:2.1Q3
|
综述 | 本文综述了机器学习在药物代谢研究中的应用，特别是其在预测药物-药物相互作用、药物-靶点相互作用、临床药物反应等方面的应用 | 利用机器学习算法如朴素贝叶斯、逻辑回归、k-最近邻、决策树、各种提升和集成方法、支持向量机及人工神经网络增强的深度学习，来全面研究药物开发过程中药物候选物的代谢命运 | NA | 探讨机器学习在药物代谢研究中的应用，以加速药物开发过程并帮助医疗实践 | 药物代谢及其在药物过量毒性、不良药物反应和药物效能降低中的作用 | 机器学习 | NA | 机器学习算法 | 朴素贝叶斯、逻辑回归、k-最近邻、决策树、提升和集成方法、支持向量机、人工神经网络 | 药物代谢数据 | NA |
| 19936 | 2024-08-07 |
ChainLineNet: Deep-Learning-Based Segmentation and Parameterization of Chain Lines in Historical Prints
2021-Jul-19, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7070120
PMID:39080908
|
研究论文 | 提出一种基于深度学习的端到端可训练方法，用于分割和参数化历史印刷品中的链线 | 使用条件生成对抗网络和多任务损失函数进行链线分割和参数化，并提出一个完全可微分的流水线进行链线坐标估计 | NA | 实现历史印刷品中链线的自动检测，以替代耗时的手动测量 | 历史印刷品中的链线 | 计算机视觉 | NA | 深度学习 | 条件生成对抗网络 | 图像 | 一个包含高分辨率透射光图像和手动链线坐标标注的历史印刷品数据集 |
| 19937 | 2024-08-07 |
A Deep Learning Ensemble Method to Assist Cytopathologists in Pap Test Image Classification
2021-Jul-09, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7070111
PMID:39080899
|
研究论文 | 本文提出了一种深度学习集成方法，用于辅助细胞病理学家对宫颈涂片图像进行细胞分类 | 本文采用了10种深度卷积神经网络，并提出了三种最佳架构的集成方法，以提高细胞分类的准确性，并引入了六类分类结果 | NA | 旨在提高宫颈癌预防测试中细胞分类的准确性，并减轻细胞病理学家的工作负担 | 宫颈涂片图像中的细胞核 | 计算机视觉 | 宫颈癌 | 深度学习 | CNN | 图像 | 实验中使用的数据集来自细胞识别和检查中心（CRIC）的可搜索图像数据库 |
| 19938 | 2024-08-07 |
How Can a Deep Learning Algorithm Improve Fracture Detection on X-rays in the Emergency Room?
2021-Jun-25, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7070105
PMID:39080893
|
研究论文 | 本研究评估了一种深度学习算法在急诊室中用于常规X光片骨折检测的性能 | 深度学习算法在急诊室中骨折检测的敏感性和特异性较高，且无需本地数据训练 | 研究样本量较小，且未涉及算法在不同医院或不同数据集上的泛化能力 | 探讨深度学习算法在急诊室中骨折检测的应用价值 | 评估深度学习算法在急诊室中常规X光片骨折检测的性能 | 计算机视觉 | NA | 深度学习 | NA | 图像 | 125名因肢体创伤就诊于Louis Mourier急诊室的患者 |
| 19939 | 2024-08-07 |
Exposing Manipulated Photos and Videos in Digital Forensics Analysis
2021-Jun-24, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7070102
PMID:39080890
|
研究论文 | 本文提出了一种基于支持向量机（SVM）的机器学习方法，用于区分真实和伪造的多媒体文件，特别是数字照片和视频，这些文件可能包含深度伪造内容 | 该方法通过离散傅里叶变换（DFT）提取简单特征，并在5折交叉验证中取得了优于文献中SVM方法的平均F1分数 | 尽管卷积神经网络（CNN）的表现超过了提出的DFT-SVM复合方法，但DFT-SVM的竞争力结果和显著减少的处理时间使其适合嵌入到Autopsy模块中 | 开发一种自动化工具，帮助刑事调查人员检测篡改的多媒体内容 | 真实和伪造的数字照片及视频 | 计算机视觉 | NA | 支持向量机（SVM），离散傅里叶变换（DFT） | 支持向量机（SVM） | 图像，视频 | 使用了包含合法和伪造照片及视频帧的大型数据集，以及Celeb-DFv1数据集中的590个原始视频 |
| 19940 | 2024-08-07 |
Breast Cancer Risk Assessment: A Review on Mammography-Based Approaches
2021-Jun-12, Journal of imaging
IF:2.7Q3
DOI:10.3390/jimaging7060098
PMID:39080886
|
综述 | 本文综述了从乳腺X线照片中提取纹理特征并与机器学习算法结合用于评估乳腺癌风险的研究，以及旨在实现相同目标的深度学习方法 | 机器学习和深度学习方法在风险分析领域提供了有前景的结果，无论是风险分层还是风险评分预测 | 未来的研究应考虑将这些方法在临床实践中实施的可能性 | 综述基于乳腺X线照片的乳腺癌风险评估方法 | 乳腺癌风险评估方法及其在临床实践中的应用 | 机器学习 | 乳腺癌 | NA | 机器学习算法，深度学习方法 | 乳腺X线照片 | NA |