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 70 篇文献，本页显示第 41 - 60 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 41 | 2024-08-07 |
A deep learning based method for large-scale classification, registration, and clustering of in-situ hybridization experiments in the mouse olfactory bulb
2019-01-15, Journal of neuroscience methods
IF:2.7Q3
DOI:10.1016/j.jneumeth.2018.12.003
PMID:30529409
|
研究论文 | 本文开发了一种基于深度学习的方法，用于大规模分类、注册和聚类小鼠嗅球中的原位杂交实验图像 | 首次为小鼠嗅球构建了一个高质量的基因表达注册图谱，并通过非负矩阵分解揭示了典型的表达模式和层特异性标记基因 | NA | 利用深度学习技术处理小鼠嗅球中大量基因的原位杂交图像，以构建基因表达图谱并揭示其表达模式 | 小鼠嗅球的原位杂交实验图像 | 计算机视觉 | NA | 深度学习 | 卷积神经网络（CNN） | 图像 | 数千个脑组织切片 | NA | NA | NA | NA |
| 42 | 2024-08-07 |
The application of convolutional neural network to stem cell biology
2019, Inflammation and regeneration
IF:5.0Q1
DOI:10.1186/s41232-019-0103-3
PMID:31312276
|
研究论文 | 本文探讨了卷积神经网络（CNN）在诱导多能干细胞（iPSC）生物学研究中的应用 | 提出使用CNN自动从相位对比显微镜图像中识别细胞类型，无需分子标记 | NA | 探索CNN在干细胞生物学研究中的应用潜力 | 诱导多能干细胞（iPSC）及其分化后的特定细胞类型 | 机器学习 | NA | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 43 | 2024-08-07 |
Twitter mining using semi-supervised classification for relevance filtering in syndromic surveillance
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0210689
PMID:31318885
|
研究论文 | 本文研究利用Twitter数据进行综合症监测，并通过半监督分类技术筛选相关推文，以评估其增强现有综合症监测能力及更好地理解未直接寻求医疗建议的有症状人群的能力 | 提出了一种半监督方法用于症状相关推文的分类和相关性过滤，并探讨了使用表情符号和其他特殊特征捕捉推文语调以提高分类性能 | 尽管关键词数据收集，但许多收集的推文可能不相关，因为它们代表闲聊或意识讨论而非个人特定状况 | 评估Twitter数据在综合症监测中的应用，增强现有监测系统并更好地理解有症状但未直接寻求医疗建议的人群 | 特定综合症——哮喘/呼吸困难 | 自然语言处理 | NA | 半监督分类技术 | NA | 文本 | 大量推文数据 | NA | NA | NA | NA |
| 44 | 2024-08-07 |
Using distant supervision to augment manually annotated data for relation extraction
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0216913
PMID:31361753
|
研究论文 | 本文通过远监督方法增强人工标注数据，以改善自然语言处理任务中的关系抽取 | 采用远监督方法和迁移学习技术，提高了模型在人工标注数据集上的表现 | 远监督方法获取的数据通常存在噪声，需要通过启发式方法进行预处理 | 探索如何有效利用远监督数据增强人工标注数据集，以满足深度学习模型对大量标注数据的需求 | 自然语言处理任务中的关系抽取 | 自然语言处理 | NA | 远监督方法 | NA | 文本 | NA | NA | NA | NA | NA |
| 45 | 2024-08-07 |
A Full-Image Deep Segmenter for CT Images in Breast Cancer Radiotherapy Treatment
2019, Frontiers in oncology
IF:3.5Q2
DOI:10.3389/fonc.2019.00677
PMID:31403032
|
研究论文 | 本文提出了一种用于乳腺癌放疗治疗中CT图像的自动分割方法，该方法利用深度学习技术对女性乳房和心脏进行精确分割 | 新开发的深度神经网络在性能上优于当前最先进的神经网络，并将推理速度提高了近一个数量级 | NA | 开发一种自动分割解决方案，以提高乳腺癌放疗治疗中CT图像的分割准确性和速度 | 女性乳房和心脏的CT图像 | 计算机视觉 | 乳腺癌 | 深度学习 | 深度神经网络 | 图像 | NA | NA | NA | NA | NA |
| 46 | 2024-08-07 |
Segmentation of retinal fluid based on deep learning: application of three-dimensional fully convolutional neural networks in optical coherence tomography images
2019, International journal of ophthalmology
IF:1.9Q2
DOI:10.18240/ijo.2019.06.22
PMID:31236362
|
研究论文 | 本文探讨了一种基于深度学习的视网膜液体分割算法，以实现对视网膜液体患者的准确诊断和治疗 | 提出了一个三维全卷积神经网络用于视网膜OCT图像的分割，减少了类别不平衡的影响，并实现了端到端的体积图像分割 | NA | 探索基于深度学习的分割算法，以提高视网膜液体诊断的准确性 | 视网膜液体 | 计算机视觉 | NA | 全卷积神经网络 | CNN | 图像 | NA | NA | NA | NA | NA |
| 47 | 2024-08-07 |
Adversarial Learning of Knowledge Embeddings for the Unified Medical Language System
2019, AMIA Joint Summits on Translational Science proceedings. AMIA Joint Summits on Translational Science
PMID:31259009
|
研究论文 | 本文提出了一种使用生成对抗网络（GANs）从统一医学语言系统（UMLS）中的知识图谱学习知识嵌入的技术，并展示了其在临床预测模型中的应用 | 利用生成对抗网络学习UMLS嵌入，提高了临床预测模型的性能 | NA | 探索如何将UMLS中的知识整合到深度学习方法中 | UMLS中的知识图谱，包括Metathesaurus和Semantic Network | 机器学习 | NA | 生成对抗网络（GANs） | GAN | 知识图谱 | NA | NA | NA | NA | NA |
| 48 | 2024-08-07 |
Objective and Automated Detection of Diffuse White Matter Abnormality in Preterm Infants Using Deep Convolutional Neural Networks
2019, Frontiers in neuroscience
IF:3.2Q2
DOI:10.3389/fnins.2019.00610
PMID:31275101
|
研究论文 | 本文提出了一种使用深度卷积神经网络自动检测早产儿脑白质异常的方法 | 采用深度学习方法自动识别T1加权MRI图像上的脑白质异常区域，模型性能优于其他流行的机器学习模型 | NA | 开发一种客观且自动化的方法来准确识别早产儿的脑白质异常 | 早产儿的脑白质异常 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 95名早产儿用于交叉验证和保留验证，28名早产儿用于外部验证 | NA | NA | NA | NA |
| 49 | 2024-08-07 |
Convolutional Neural Networks for Recognition of Lymphoblast Cell Images
2019, Computational intelligence and neuroscience
DOI:10.1155/2019/7519603
PMID:31281337
|
研究论文 | 本文提出了一种使用卷积神经网络（CNN）识别急性淋巴细胞白血病（ALL）亚型的方法 | 采用深度学习方法自动提取特征，无需手工设计特征工程 | 未提及具体限制 | 探索深度学习方法在识别淋巴细胞和ALL亚型中的可行性 | 急性淋巴细胞白血病（ALL）的T-淋巴母细胞白血病（pre-T）和B-淋巴母细胞白血病（pre-B）亚型 | 计算机视觉 | 白血病 | 卷积神经网络（CNN） | CNN | 图像 | 未提及具体样本数量 | NA | NA | NA | NA |
| 50 | 2024-08-07 |
Fully Automated Segmentation of Lower Extremity Deep Vein Thrombosis Using Convolutional Neural Network
2019, BioMed research international
IF:2.6Q3
DOI:10.1155/2019/3401683
PMID:31281832
|
研究论文 | 本文提出了一种基于深度学习和对比增强磁共振成像的全自动下肢深静脉血栓分割方法 | 采用具有编码器-解码器架构的深度学习网络进行DVT分割，相比其他深度学习模型，该CNN模型在DVT分割中表现更优 | NA | 开发一种有效的全自动下肢深静脉血栓分割方法，以促进诊断和治疗 | 下肢深静脉血栓 | 计算机视觉 | 深静脉血栓 | 对比增强磁共振成像(CE-MRI) | CNN | 图像 | 58名新诊断的下肢深静脉血栓患者 | NA | NA | NA | NA |
| 51 | 2024-08-07 |
Deep learning for photoacoustic tomography from sparse data
2019, Inverse problems in science and engineering
IF:1.1Q3
DOI:10.1080/17415977.2018.1518444
PMID:31057659
|
研究论文 | 本文针对光声断层扫描（PAT）中的稀疏数据问题，开发了一种基于深度学习的快速高效图像重建算法 | 提出了一种基于深度卷积神经网络（CNN）的直接且高效的重建算法，该算法在实际图像重建中仅需一次训练好的CNN评估，无需耗时的正向和伴随问题求解 | NA | 开发适用于光声断层扫描中稀疏数据问题的快速准确图像重建算法 | 光声断层扫描中的稀疏数据问题 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 基于一组训练数据调整权重 | NA | NA | NA | NA |
| 52 | 2024-08-07 |
An automatic diagnostic system based on deep learning, to diagnose hyperlipidemia
2019, Diabetes, metabolic syndrome and obesity : targets and therapy
DOI:10.2147/DMSO.S198547
PMID:31118725
|
研究论文 | 本文提出了一种基于深度学习算法的自动诊断系统，用于通过人体生理参数诊断高血脂症 | 该系统使用深度学习模型自动提取所有可用信息，而非人工减少原始数据，从而降低了劳动力成本 | NA | 开发一种高效的自动诊断系统，以提高临床诊断效率 | 高血脂症的自动诊断 | 机器学习 | NA | 深度学习 | 神经网络 | 生理参数 | 测试数据集 | NA | NA | NA | NA |
| 53 | 2024-08-07 |
Removing Confounding Factors Associated Weights in Deep Neural Networks Improves the Prediction Accuracy for Healthcare Applications
2019, Pacific Symposium on Biocomputing. Pacific Symposium on Biocomputing
PMID:30864310
|
研究论文 | 本文提出了一种有效方法，通过去除深度神经网络中与年龄或性别等混杂因素相关的权重，提高跨队列预测准确性 | 该方法仅需对基准模型架构进行最小改动，即可应用于大多数现有神经网络 | NA | 提高医疗应用中深度学习模型的预测准确性 | 深度神经网络中的混杂因素 | 机器学习 | NA | NA | CNN, LSTM | 图像 | 涉及CT扫描、MRA和EEG脑波数据 | NA | NA | NA | NA |
| 54 | 2024-08-07 |
DMfold: A Novel Method to Predict RNA Secondary Structure With Pseudoknots Based on Deep Learning and Improved Base Pair Maximization Principle
2019, Frontiers in genetics
IF:2.8Q2
DOI:10.3389/fgene.2019.00143
PMID:30886627
|
研究论文 | 提出了一种基于深度学习和改进碱基对最大化原则的新方法DMfold，用于预测包含假结的RNA二级结构 | DMfold方法通过学习已知结构中相似的RNA序列来预测二级结构，避免了多序列方法对高度同源序列的依赖，并通过深度学习自动提取折叠参数，避免了单序列方法中折叠参数的不足 | NA | 开发一种新的计算方法来预测包含假结的RNA二级结构 | RNA二级结构，特别是包含假结的结构 | 生物信息学 | NA | 深度学习 | 深度学习模型 | 序列数据 | NA | NA | NA | NA | NA |
| 55 | 2024-08-07 |
Embedded deep learning in ophthalmology: making ophthalmic imaging smarter
2019 Jan-Dec, Therapeutic advances in ophthalmology
IF:2.3Q2
DOI:10.1177/2515841419827172
PMID:30911733
|
review | 本文综述了深度学习在眼科影像设备中的嵌入应用，旨在通过自动图像采集提高图像质量，从而增强基于深度学习的临床诊断 | 探讨了深度学习系统在眼科影像设备中的嵌入能力，以及如何通过'主动采集'技术提高图像质量 | NA | 研究深度学习在眼科影像设备中的嵌入应用及其对临床诊断的影响 | 深度学习系统在眼科影像设备中的嵌入及图像质量提升 | computer vision | NA | deep learning | NA | image | NA | NA | NA | NA | NA |
| 56 | 2024-08-07 |
Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches
2019, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0214365
PMID:30917171
|
研究论文 | 本研究旨在通过机器学习和标准生存模型预测早死风险，并比较两者的预测效果 | 机器学习算法在预测早死风险方面比传统方法有显著改进 | NA | 开发新的预测算法，预测早死风险 | 502,628名40-69岁的参与者 | 机器学习 | NA | 深度学习, 随机森林, Cox回归 | 深度学习, 随机森林, Cox回归 | 人口统计、生物测量、临床和生活方式数据 | 502,628名参与者 | NA | NA | NA | NA |
| 57 | 2024-08-07 |
Recurrent residual U-Net for medical image segmentation
2019-Jan, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.6.1.014006
PMID:30944843
|
研究论文 | 本文提出了一种基于深度学习的医学图像分割方法，包括循环U-Net模型（RU-Net）和循环残差U-Net模型（R2U-Net），并验证了其在多个基准数据集上的优越性能 | 结合了U-Net、残差网络和循环卷积神经网络的优势，通过残差单元和循环残差卷积层的特征累积，实现了更好的特征表示和性能提升 | NA | 提高医学图像分割任务的性能 | 医学图像的分类、分割和检测 | 计算机视觉 | NA | 深度学习 | U-Net, 残差网络, 循环卷积神经网络 | 图像 | 三个基准数据集，包括视网膜图像中的血管分割、皮肤癌分割和肺部病变分割 | NA | NA | NA | NA |
| 58 | 2024-08-07 |
Optimization of a Deep-Learning Method Based on the Classification of Images Generated by Parameterized Deep Snap a Novel Molecular-Image-Input Technique for Quantitative Structure-Activity Relationship (QSAR) Analysis
2019, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2019.00065
PMID:30984753
|
研究论文 | 本文优化了一种基于参数化DeepSnap生成图像分类的深度学习方法，用于定量结构-活性关系（QSAR）分析，以预测化学化合物的潜在毒性。 | 开发了一种新的深度学习技术DeepSnap，用于QSAR分析，无需提取描述符即可预测多种化学物质对各种受体的潜在毒性。 | DeepSnap方法的多个参数尚未优化，本研究评估了这些参数对深度学习预测模型性能的影响。 | 优化DeepSnap方法的参数，以提高深度学习预测模型的性能，用于评估化学化合物的风险。 | 化学化合物的潜在毒性预测及其对各种受体的影响。 | 机器学习 | NA | 深度学习 | 深度学习预测模型 | 图像 | 使用64张图像构建化学化合物CAR激动剂的预测模型 | NA | NA | NA | NA |
| 59 | 2024-08-07 |
A Technical Review of Convolutional Neural Network-Based Mammographic Breast Cancer Diagnosis
2019, Computational and mathematical methods in medicine
DOI:10.1155/2019/6509357
PMID:31019547
|
综述 | 本研究综述了卷积神经网络（CNN）在乳腺X线摄影乳腺癌诊断（MBCD）领域的应用技术 | 探讨了三种基于CNN的MBCD模型：设计浅层或修改现有模型以降低时间和训练实例成本；利用迁移学习和微调优化预训练CNN；以及利用CNN模型进行特征提取并通过机器学习分类器区分恶性与良性病变 | CNN在MBCD领域的应用仍处于早期阶段，实现深度学习工具辅助临床实践的目标还有很长的路要走 | 旨在为如何使用CNN进行相关任务提供线索 | 乳腺X线摄影乳腺癌诊断 | 计算机视觉 | 乳腺癌 | 卷积神经网络（CNN） | CNN | 图像 | NA | NA | NA | NA | NA |
| 60 | 2024-08-07 |
A feasibility study for predicting optimal radiation therapy dose distributions of prostate cancer patients from patient anatomy using deep learning
2019-01-31, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-018-37741-x
PMID:30705354
|
研究论文 | 本文通过深度学习方法，利用患者解剖图像轮廓预测前列腺癌患者的最佳放疗剂量分布 | 修改了用于分割目的的卷积深度网络模型U-net，用于从计划靶体积（PTV）和危及器官（OAR）的患者图像轮廓预测剂量 | NA | 通过准确预测剂量分布，指导临床计划优化，节省时间并保持高质量计划 | 前列腺癌患者的放疗剂量分布 | 机器学习 | 前列腺癌 | 深度学习 | U-net | 图像 | 前列腺癌患者 | NA | NA | NA | NA |