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 7 篇文献。
| 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2025-10-05 |
Leveraging word embeddings and medical entity extraction for biomedical dataset retrieval using unstructured texts
2017-Jan-01, Database : the journal of biological databases and curation
DOI:10.1093/database/bax091
PMID:31725862
|
研究论文 | 提出一种利用词嵌入和医学实体提取的生物医学数据集检索系统 | 结合最先进的信息检索模型、医学命名实体提取技术、基于深度学习的查询扩展和重排序策略 | NA | 解决生物医学领域数据集检索的挑战 | bioCADDIE数据集检索挑战中的生物医学数据集 | 自然语言处理 | NA | 医学命名实体提取 | 深度学习 | 文本 | bioCADDIE数据集检索挑战数据集 | NA | NA | 推理平均精度, 推理标准化折损累计增益 | NA |
| 2 | 2025-10-07 |
A deep learning framework for financial time series using stacked autoencoders and long-short term memory
2017, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0180944
PMID:28708865
|
研究论文 | 提出一种结合小波变换、堆叠自编码器和长短期记忆网络的深度学习框架用于股价预测 | 首次将堆叠自编码器用于分层提取深度特征并应用于股价预测 | NA | 开发深度学习框架以提高股价预测的准确性和盈利能力 | 六个市场指数及其对应的指数期货 | 机器学习 | NA | 小波变换 | 堆叠自编码器,长短期记忆网络 | 金融时间序列数据 | 六个市场指数及其指数期货 | NA | 堆叠自编码器,LSTM | 预测准确性,盈利能力表现 | NA |
| 3 | 2025-10-07 |
Single subject prediction of brain disorders in neuroimaging: Promises and pitfalls
2017-01-15, NeuroImage
IF:4.7Q1
DOI:10.1016/j.neuroimage.2016.02.079
PMID:27012503
|
综述 | 本文系统综述了基于神经影像的脑疾病个体预测研究现状，分析该领域的挑战与未来发展方向 | 提供了迄今为止最全面的神经影像个体预测脑疾病研究综述，并从机器学习角度系统分析了研究中的主要缺陷 | 样本量有限是该领域的主要瓶颈，研究结果的可推广性仍需验证 | 评估神经影像技术在脑疾病个体预测中的应用潜力与局限性 | 精神分裂症、轻度认知障碍、阿尔茨海默病、抑郁症、自闭症谱系障碍和注意缺陷多动障碍患者 | 医学影像分析 | 神经精神疾病 | 结构MRI、功能MRI、扩散MRI | 机器学习、深度学习 | 神经影像数据 | 综述了200多篇研究报告的样本数据 | NA | NA | 准确率 | NA |
| 4 | 2024-08-05 |
Multi-categorical deep learning neural network to classify retinal images: A pilot study employing small database
2017, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0187336
PMID:29095872
|
研究论文 | 这项研究使用深度学习卷积神经网络自动检测多种视网膜疾病 | 首次将转移学习与集成分类器结合，提升了多类别视网膜疾病的分类性能 | 由于数据集规模较小，本研究中的深度学习技术难以应用于临床 | 探讨深度学习在多种视网膜疾病检测中的应用 | 视网膜图像的多类别分类 | 计算机视觉 | 视网膜疾病 | 深度学习 | CNN | 图像 | 使用来自STARE数据库的10个类别的有限样本 | NA | NA | NA | NA |
| 5 | 2024-08-05 |
A deep convolutional neural network-based automatic delineation strategy for multiple brain metastases stereotactic radiosurgery
2017, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0185844
PMID:28985229
|
研究论文 | 本研究提出了一种基于深度卷积神经网络的自动化脑转移瘤轮廓绘制策略。 | 开发了用于对比增强T1加权磁共振成像数据集进行脑转移瘤分割的深度学习卷积神经网络算法，并将其集成到自动化分割工作流中。 | 在患者案例的分割结果中，DICE系数平均值略低，可能需要进一步优化算法。 | 旨在提升立体定向放射外科（SRS）的治疗规划效率和效果。 | 针对脑转移瘤进行目标 delineation 的自动化流程。 | 数字病理学 | 脑部疾病 | 磁共振成像(MRI) | CNN | 图像 | BRATS数据及临床患者数据 | NA | NA | NA | NA |
| 6 | 2024-08-05 |
A DEEP LEARNING APPROACH FOR CANCER DETECTION AND RELEVANT GENE IDENTIFICATION
2017, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
DOI:10.1142/9789813207813_0022
PMID:27896977
|
研究论文 | 本文提出了一种深度学习方法用于癌症检测和乳腺癌关键基因识别 | 使用堆叠去噪自编码器深入提取高维基因表达特征，并通过监督分类模型验证其在癌症检测中的有效性 | 未提及具体的样本数量和数据集来源，可能影响结果的普遍适用性 | 研究癌症检测及乳腺癌诊断所需的基因识别 | 乳腺癌相关的基因及其在临床诊断中的作用 | 数字病理学 | 乳腺癌 | 深度学习 | 堆叠去噪自编码器(SDAE) | 基因表达数据 | NA | NA | NA | NA | NA |
| 7 | 2024-08-05 |
Protein Function Prediction Using Deep Restricted Boltzmann Machines
2017, BioMed research international
IF:2.6Q3
DOI:10.1155/2017/1729301
PMID:28744460
|
研究论文 | 本文探讨了使用深层限制玻尔兹曼机预测部分注释蛋白质的缺失功能注释 | 首次将深层限制玻尔兹曼机应用于蛋白质功能注释的预测 | 未提及具体的实验样本规模和数据集的详细信息 | 研究深度学习技术在蛋白质功能预测中的应用 | 部分注释的蛋白质 | 机器学习 | NA | 深层限制玻尔兹曼机 | 深层限制玻尔兹曼机 | 图像, 文本 | NA | NA | NA | NA | NA |