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 304 篇文献，本页显示第 241 - 260 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 241 | 2024-08-07 |
Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensing and Deep Learning
2019-05-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-44004-w
PMID:31142754
|
研究论文 | 本研究探讨了使用无处不在的传感技术和人工智能在重症监护室（ICU）中进行自主和细致监测的可行性 | 本研究展示了使用非侵入性系统对重症患者及其环境进行细致和自主监测的潜力 | 本研究为试点研究，样本量较小，需要进一步的大规模研究验证 | 研究在ICU中使用传感技术和人工智能进行自主监测的可行性 | 重症监护室中的患者及其环境 | 机器学习 | NA | 深度学习 | NA | 图像、声音、光强度 | 本研究未明确提及具体样本数量 | NA | NA | NA | NA |
| 242 | 2024-08-07 |
The Use of Deep Learning to Predict Stroke Patient Mortality
2019-05-28, International journal of environmental research and public health
DOI:10.3390/ijerph16111876
PMID:31141892
|
研究论文 | 本文利用深度神经网络通过医疗使用和健康行为数据预测中风患者的死亡率 | 采用量化缩放的主成分分析（PCA）从医疗记录中提取相关背景特征，并使用深度神经网络（DNN）进行预测 | NA | 研究如何通过医疗使用和健康行为数据预测中风患者的死亡率 | 中风患者 | 机器学习 | NA | 主成分分析（PCA） | 深度神经网络（DNN） | 医疗记录数据 | 15,099名中风患者 | NA | NA | NA | NA |
| 243 | 2024-08-07 |
A photometric stereo-based 3D imaging system using computer vision and deep learning for tracking plant growth
2019-05-01, GigaScience
IF:11.8Q1
DOI:10.1093/gigascience/giz056
PMID:31127811
|
研究论文 | 本文介绍了一种基于光度立体技术的低成本便携式3D植物表型平台PS-Plant，用于跟踪和预测不同环境下植物的生长表现 | 首次将光度立体技术应用于植物表型分析，并开发了定制的计算机视觉算法和深度神经网络架构 | NA | 提高自动化植物表型分析的准确性，并加速表型与基因型之间的联系 | 模型植物拟南芥在不同环境下的生长结构 | 计算机视觉 | NA | 光度立体技术 | 深度神经网络 | 图像 | 221个手动注释的拟南芥花序，共1,768张图像 | NA | NA | NA | NA |
| 244 | 2024-08-07 |
Deep Learning in Image Cytometry: A Review
2019-04, Cytometry. Part A : the journal of the International Society for Analytical Cytology
DOI:10.1002/cyto.a.23701
PMID:30565841
|
综述 | 本文综述了深度学习在细胞和组织样本显微图像数据中的应用 | 介绍了深度学习与传统图像数据信息提取方法的区别 | 未提供应用这些方法到自己数据的完整手册 | 旨在增加对深度学习方法的理解，并强调输入数据要求、计算资源、挑战和局限性 | 深度学习在图像细胞学中的应用 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | NA | NA | NA | NA | NA |
| 245 | 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 |
| 246 | 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 |
| 247 | 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 |
| 248 | 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 |
| 249 | 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 |
| 250 | 2024-08-07 |
Improving Sensitivity on Identification and Delineation of Intracranial Hemorrhage Lesion Using Cascaded Deep Learning Models
2019-06, Journal of digital imaging
IF:2.9Q2
DOI:10.1007/s10278-018-00172-1
PMID:30680471
|
研究论文 | 本文提出了一种级联深度学习模型，用于提高颅内出血病变的识别和勾画灵敏度 | 使用级联卷积神经网络（CNN）和双全卷积网络（FCN）模型，结合两种不同的窗口设置进行图像预处理，以提高分类和分割性能 | NA | 提高颅内出血检测的敏感性和特异性，以支持急诊室的诊断和治疗决策 | 颅内出血及其亚型病变的识别和勾画 | 计算机视觉 | NA | 卷积神经网络（CNN），全卷积网络（FCN） | CNN，FCN | 图像 | 135,974张CT图像，其中33,391张标记为出血 | NA | NA | NA | NA |
| 251 | 2024-08-07 |
Genetic Diversity in Stomatal Density among Soybeans Elucidated Using High-throughput Technique Based on an Algorithm for Object Detection
2019-05-20, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-44127-0
PMID:31110228
|
研究论文 | 本文开发了一种基于深度学习对象检测算法的高通量技术，用于评估和阐明大豆中气孔密度的变异 | 引入单次多框检测器算法，实现对微观图像中气孔的高通量自动识别 | NA | 开发高通量技术评估大豆气孔密度并阐明其变异 | 大豆的气孔密度 | 计算机视觉 | NA | 单次多框检测器 | CNN | 图像 | 90种大豆品系 | NA | NA | NA | NA |
| 252 | 2024-08-07 |
DEEPred: Automated Protein Function Prediction with Multi-task Feed-forward Deep Neural Networks
2019-05-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-43708-3
PMID:31089211
|
研究论文 | 本文提出了一种名为DEEPred的多任务前馈深度神经网络，用于基于基因本体（GO）的蛋白质功能预测 | DEEPred通过严格的超参数测试优化，并使用三种类型的蛋白质描述符、不同大小的训练数据集和不同级别的GO术语进行基准测试。此外，还探索了使用更大但可能含有噪声的数据进行训练对性能的影响 | NA | 开发一种自动化的蛋白质功能预测方法，以改进对未表征蛋白质序列的注释 | 蛋白质功能预测 | 机器学习 | NA | 深度学习 | 多任务前馈深度神经网络 | 蛋白质描述符、GO术语 | 使用CAFA2和CAFA3挑战数据集进行性能评估 | NA | NA | NA | NA |
| 253 | 2024-08-07 |
Detection and classification the breast tumors using mask R-CNN on sonograms
2019-May, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000015200
PMID:31083152
|
研究论文 | 本研究利用Mask R-CNN技术在超声图像上自动检测、分割和分类乳腺肿瘤 | 开发了一种基于深度学习的技术，使用Mask R-CNN进行肿瘤检测和良恶性区分 | NA | 构建一个模型，用于超声图像上乳腺肿瘤的自动检测、分割和分类 | 乳腺肿瘤 | 计算机视觉 | 乳腺癌 | Mask R-CNN | CNN | 图像 | NA | NA | NA | NA | NA |
| 254 | 2024-08-07 |
Computer vision enables short- and long-term analysis of Lophelia pertusa polyp behaviour and colour from an underwater observatory
2019-04-29, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-41275-1
PMID:31036904
|
研究论文 | 本研究利用固定水下观测站上的高清摄像头和其他传感器，监测了2015年4月至11月期间Lofoten-Vesterålen地区的冷温珊瑚（Lophelia pertusa）礁，通过图像处理和深度学习技术分析珊瑚颜色和珊瑚虫活动的变化 | 本研究展示了通过有效的综合计算方法，图像时间序列是理解和监测水下环境动态的新颖且丰富的信息来源，得益于固定水下观测站的高时间分辨率和覆盖范围 | NA | 研究珊瑚虫行为和颜色的短期和长期变化 | Lophelia pertusa珊瑚礁的珊瑚虫行为和颜色变化 | 计算机视觉 | NA | 图像处理和深度学习 | 深度学习模型 | 图像 | 2015年4月至11月期间的数据 | NA | NA | NA | NA |
| 255 | 2024-08-07 |
Machine learning accurately classifies age of toddlers based on eye tracking
2019-04-18, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-019-42764-z
PMID:31000762
|
研究论文 | 本研究利用机器学习方法（支持向量机和深度学习）分析眼动追踪数据，以准确分类幼儿的年龄 | 采用数据驱动的方法，通过机器学习模型揭示了影响年龄相关注视模式变化的因素 | NA | 探索机器学习在理解幼儿注视模式随年龄变化中的应用 | 幼儿的注视行为和年龄分类 | 机器学习 | NA | 支持向量机（SVM）和深度学习（DL） | 支持向量机（SVM）和深度学习（DL） | 眼动追踪数据 | 未明确提及具体样本数量 | NA | NA | NA | NA |
| 256 | 2024-08-07 |
Deep learning in radiology: An overview of the concepts and a survey of the state of the art with focus on MRI
2019-04, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.26534
PMID:30575178
|
综述 | 本文概述了深度学习在放射学中的应用，特别是MRI领域，并调查了该领域的最新技术 | 深度学习算法在图像相关任务中展现出突破性性能，经常达到或超过人类表现 | 简要讨论了将深度学习融入未来放射学实践的机会和挑战 | 探讨深度学习在放射学中的应用机会，并介绍深度学习的基本概念 | 放射学领域，特别是MRI | 计算机视觉 | NA | 深度学习 | 卷积神经网络 | 图像 | NA | NA | NA | NA | NA |
| 257 | 2024-08-07 |
Deep convolutional models improve predictions of macaque V1 responses to natural images
2019-04, PLoS computational biology
IF:3.8Q1
DOI:10.1371/journal.pcbi.1006897
PMID:31013278
|
研究论文 | 本文测试了两种基于深度学习的方法——从物体识别训练的人工神经网络的迁移学习和端到端训练在大规模神经元群体上的数据驱动卷积神经网络模型——预测清醒猕猴V1区对自然图像反应的能力 | 多层卷积神经网络（CNNs）为预测灵长类V1区对自然图像的神经反应设定了新的技术水平，并且用于物体识别的深度特征比所有先前的滤波器组理论更好地解释了V1计算 | NA | 测试基于深度学习的方法预测清醒猕猴V1区对自然图像反应的能力 | 清醒猕猴V1区的神经反应 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 大规模神经元群体 | NA | NA | NA | NA |
| 258 | 2024-08-07 |
Analyzing and Visualizing Knowledge Structures of Health Informatics from 1974 to 2018: A Bibliometric and Social Network Analysis
2019-Apr, Healthcare informatics research
IF:2.3Q3
DOI:10.4258/hir.2019.25.2.61
PMID:31131140
|
综述 | 本文通过定量文献回顾分析，对健康信息学的知识结构进行理论澄清，并绘制科学网络图谱 | 本文利用文本挖掘和文献计量学方法，分析了健康信息学领域的知识结构和科学网络模式 | NA | 旨在通过定量分析揭示健康信息学领域的知识结构和科学网络模式 | 健康信息学领域的文献和科学网络 | 健康信息学 | NA | 文本挖掘和文献计量学 | NA | 文本 | 30,115篇健康信息学主题的文章 | NA | NA | NA | NA |
| 259 | 2024-08-07 |
Predicting ischemic stroke tissue fate using a deep convolutional neural network on source magnetic resonance perfusion images
2019-Apr, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.6.2.026001
PMID:31131293
|
研究论文 | 本文利用深度卷积神经网络（CNN）在磁共振灌注成像上预测缺血性脑卒中的组织命运 | 提出了一种改进特征学习的深度CNN架构，并在曲线下面积上超越了现有的组织命运模型 | NA | 开发一种新的方法来预测急性脑卒患者的梗死体积，以辅助临床治疗决策 | 缺血性脑卒中的组织命运 | 计算机视觉 | 心血管疾病 | 磁共振灌注成像 | CNN | 图像 | NA | NA | NA | NA | NA |
| 260 | 2024-08-07 |
Automatic Pulmonary Nodule Detection Applying Deep Learning or Machine Learning Algorithms to the LIDC-IDRI Database: A Systematic Review
2019-Mar-07, Diagnostics (Basel, Switzerland)
DOI:10.3390/diagnostics9010029
PMID:30866425
|
综述 | 本研究旨在概述应用于LIDC-IDRI数据库的机器学习算法在胸部CT扫描中检测肺结节的情况 | 机器学习和深度学习算法能够以高准确度、敏感性和特异性检测肺结节 | 对于评估机器学习算法效率的方法尚未达成共识 | 提供关于应用于LIDC-IDRI数据库的机器学习算法在肺结节检测中的文献综述 | 机器学习和深度学习算法在LIDC-IDRI数据库中的应用 | 机器学习 | 肺部疾病 | NA | 机器学习算法和深度学习算法 | CT扫描图像 | 41篇研究文章 | NA | NA | NA | NA |