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 168 篇文献，本页显示第 61 - 80 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 61 | 2024-09-26 |
Accuracy of deep learning-based computed tomography diagnostic system for COVID-19: A consecutive sampling external validation cohort study
2021, PloS one
IF:2.9Q1
DOI:10.1371/journal.pone.0258760
PMID:34735458
|
研究论文 | 评估基于深度学习的CT诊断系统Ali-M3在检测COVID-19中的准确性及其临床价值 | 首次对Ali-M3进行外部验证，评估其在日本三级医疗机构中的表现 | Ali-M3的特异性表现较低，尤其是在症状出现后的前5天内 | 评估Ali-M3在检测COVID-19中的准确性并讨论其临床价值 | 617名有症状的患者及其COVID-19感染概率 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | 617名有症状的患者，其中289名RT-PCR阳性 | NA | NA | NA | NA |
| 62 | 2024-09-23 |
Lung parenchymal characterization via thoracic dynamic MRI in normal children and pediatric patients with TIS
2021, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2581708
PMID:35465442
|
研究论文 | 本文展示了通过胸腔动态MRI评估正常儿童和TIS患儿肺实质特征的方法 | 首次提供了一种定量的动态功能方法，用于在动态MRI上分析健康儿童和TIS患儿的潮气呼吸期间肺实质 | NA | 评估胸腔不足综合征（TIS）患儿的治疗效果 | 正常儿童和TIS患儿的肺实质特征 | 数字病理 | 胸腔不足综合征 | 动态磁共振成像（dMRI） | 深度学习 | 图像 | 11名TIS患儿（每名患儿有术前和术后扫描）和23名健康儿童的45次dMRI扫描 | NA | NA | NA | NA |
| 63 | 2024-09-20 |
Enhanced bat algorithm for COVID-19 short-term forecasting using optimized LSTM
2021, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06075-8
PMID:34393647
|
研究论文 | 本文提出了一种优化的长短期记忆网络（LSTM）用于COVID-19病例的短期预测，并使用增强的蝙蝠算法（BA）进行优化 | 本文提出了一种增强的蝙蝠算法，通过使用高斯自适应惯性权重和替换随机漫步为高斯漫步来解决过早收敛和局部最小值问题 | NA | 提高COVID-19病例预测的准确性，帮助控制疫情 | COVID-19病例的短期预测 | 机器学习 | COVID-19 | 蝙蝠算法 | LSTM | 时间序列数据 | NA | NA | NA | NA | NA |
| 64 | 2024-09-19 |
Machine and Deep Learning towards COVID-19 Diagnosis and Treatment: Survey, Challenges, and Future Directions
2021-01-27, International journal of environmental research and public health
DOI:10.3390/ijerph18031117
PMID:33513984
|
综述 | 本文综述了基于人工智能的机器学习和深度学习方法在COVID-19诊断和治疗中的应用 | 总结了现有的最先进方法及其在COVID-19中的应用，并提供了未来研究方向 | NA | 探讨人工智能技术在COVID-19诊断和治疗中的应用及其未来发展方向 | COVID-19的诊断和治疗 | 机器学习 | COVID-19 | 机器学习 (ML) 和深度学习 (DL) | NA | NA | NA | NA | NA | NA | NA |
| 65 | 2024-09-17 |
Using Deep Learning to Identify High-Risk Patients with Heart Failure with Reduced Ejection Fraction
2021, Journal of health economics and outcomes research
IF:2.3Q2
DOI:10.36469/jheor.2021.25753
PMID:34414250
|
研究论文 | 本研究利用深度学习模型预测心力衰竭伴射血分数降低患者的心力衰竭住院、恶化事件及30天和90天再入院 | 本研究首次采用双向长短期记忆网络（Bi-LSTM）模型，并展示了其在预测心力衰竭相关结果方面的优越性 | 缺乏详细的临床数据以及样本量和样本不平衡问题可能限制了模型的性能 | 开发和部署预测工具以识别高风险的心力衰竭伴射血分数降低患者 | 心力衰竭伴射血分数降低患者的住院、恶化事件及再入院 | 机器学习 | 心血管疾病 | 深度学习 | 双向长短期记忆网络（Bi-LSTM） | 电子健康记录 | 共纳入47,498名心力衰竭伴射血分数降低患者，其中9,427名至少有一次心力衰竭住院 | NA | NA | NA | NA |
| 66 | 2024-09-14 |
Breast tumor segmentation in 3D automatic breast ultrasound using Mask scoring R-CNN
2021-Jan, Medical physics
IF:3.2Q1
DOI:10.1002/mp.14569
PMID:33128230
|
研究论文 | 本文开发了一种基于深度学习的方法，使用Mask scoring R-CNN进行3D自动乳腺超声中的乳腺肿瘤自动分割 | 本文提出了一种新颖的Mask scoring R-CNN方法，用于自动分割3D自动乳腺超声图像中的乳腺肿瘤 | NA | 开发一种基于深度学习的方法，用于3D自动乳腺超声中的乳腺肿瘤自动分割 | 3D自动乳腺超声图像中的乳腺肿瘤 | 计算机视觉 | 乳腺癌 | Mask scoring R-CNN | R-CNN | 图像 | 70名经针刺活检确诊的乳腺癌患者，其中40名用于五折交叉验证，30名用于保留测试 | NA | NA | NA | NA |
| 67 | 2024-09-11 |
A Novel Block Imaging Technique Using Nine Artificial Intelligence Models for COVID-19 Disease Classification, Characterization and Severity Measurement in Lung Computed Tomography Scans on an Italian Cohort
2021-Jan-26, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-021-01707-w
PMID:33496876
|
研究论文 | 本文提出了一种基于九种人工智能模型的新型块状图像技术，用于COVID-19疾病的分类、特征化和严重程度测量 | 本文创新性地使用了九种人工智能模型，包括深度学习模型和迁移学习模型，以及块状图像技术来评估COVID-19的严重程度 | 本文的局限性在于仅使用了意大利的一个患者队列，可能存在样本偏差 | 研究目的是开发和验证一种新型的人工智能技术，用于COVID-19疾病的分类和严重程度评估 | 研究对象是COVID-19患者的肺部CT扫描图像 | 计算机视觉 | COVID-19 | 深度学习 | CNN, VGG16, DenseNet121, DenseNet169, DenseNet201, MobileNet, ANN, DT, RF | 图像 | 60名患者（包括30名COVID-19患者和30名对照组），共1695张切片 | NA | NA | NA | NA |
| 68 | 2024-09-11 |
Intelligent system for COVID-19 prognosis: a state-of-the-art survey
2021, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-020-02102-7
PMID:34764577
|
综述 | 本文综述了智能系统在COVID-19预后中的应用现状 | 本文探讨了机器学习和深度学习在COVID-19预后中的应用及其效率和影响 | 本文主要集中在现有方法的综述，未提出新的解决方案 | 探讨智能系统在COVID-19预后中的应用及其未来挑战 | COVID-19的预后和诊断 | 机器学习 | COVID-19 | 机器学习 (ML) 和深度学习 (DL) | NA | 复杂大数据 | NA | NA | NA | NA | NA |
| 69 | 2024-09-11 |
Pre-clinical undergraduate students' perspectives on the adoption of virtual and augmented reality to their dental learning experience: A one-group pre- and post-test design protocol
2021, F1000Research
DOI:10.12688/f1000research.53059.2
PMID:36703700
|
研究论文 | 研究评估虚拟现实（VR）和增强现实（AR）技术在牙科预临床学习中的应用对学生感知的影响 | 探讨了VR和AR技术在牙科预临床学习中的应用，以改善学生的学习体验 | 研究采用单一组别的前后测试设计，可能存在偏差 | 评估VR和AR技术在牙科预临床学习中的应用对学生感知的影响 | 牙科预临床学生 | NA | NA | 虚拟现实（VR）和增强现实（AR） | NA | 问卷调查 | 一组牙科预临床学生 | NA | NA | NA | NA |
| 70 | 2024-09-10 |
Integrative analysis for COVID-19 patient outcome prediction
2021-01, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2020.101844
PMID:33091743
|
研究论文 | 本文提出了一种综合分析方法，结合影像学和非影像学特征来预测COVID-19患者的预后 | 首次使用包括影像和非影像数据的全面信息进行患者预后预测 | NA | 提高COVID-19患者预后预测的准确性，以辅助临床决策 | COVID-19患者的预后预测 | 计算机视觉 | COVID-19 | 深度学习 | NA | 影像和非影像数据 | 295名COVID-19阳性患者 | NA | NA | NA | NA |
| 71 | 2024-09-06 |
Machine learning meets mechanistic modelling for accurate prediction of experimental activation energies
2021-Jan-21, Chemical science
IF:7.6Q1
DOI:10.1039/d0sc04896h
PMID:36299676
|
研究论文 | 本文构建了结合传统过渡态模型和机器学习的混合模型，用于准确预测反应能垒 | 提出了一种结合传统过渡态模型和机器学习的混合模型，显著提高了反应能垒预测的准确性 | 模型在低数据情况下表现良好，但在数据量较大的情况下可能需要进一步优化 | 开发一种能够准确预测化学反应能垒的混合模型 | 核芳香亲核取代反应的实验动力学数据 | 机器学习 | NA | 高斯过程回归 | 混合模型 | 实验数据 | 100-150个速率常数 | NA | NA | NA | NA |
| 72 | 2024-09-04 |
Compressible Latent-Space Invertible Networks for Generative Model-Constrained Image Reconstruction
2021, IEEE transactions on computational imaging
IF:4.2Q2
DOI:10.1109/tci.2021.3049648
PMID:35989942
|
研究论文 | 本文提出了一种基于可压缩潜在空间可逆网络的图像重建框架，用于从欠采样测量中重建图像 | 引入了一种新的正则化策略，利用某些可逆神经网络的多尺度架构，提高了重建性能 | NA | 开发能够从欠采样测量中生成诊断有用图像的图像重建方法 | 磁共振成像（MRI）中的图像重建 | 计算机视觉 | NA | 可逆神经网络 | GAN | 图像 | NA | NA | NA | NA | NA |
| 73 | 2024-09-02 |
Towards the sustainable development of smart cities through mass video surveillance: A response to the COVID-19 pandemic
2021-Jan, Sustainable cities and society
IF:10.5Q1
DOI:10.1016/j.scs.2020.102582
PMID:33178557
|
研究论文 | 本文提出了一种基于深度学习的智能城市可持续发展框架，通过大规模视频监控系统应对COVID-19疫情，实现人群社交距离监控 | 开发了一种能够监控和执行人群社交距离的主动监控系统，有效减缓病毒传播 | COVID-19疫情揭示了现有智能城市部署的局限性 | 开发能够提供快速有效机制以限制病毒进一步传播的系统和架构 | 智能城市的可持续发展及通过视频监控应对COVID-19疫情 | 计算机视觉 | NA | 深度学习 | CNN | 视频 | 使用了一个真实世界的视频监控数据集进行系统性能验证 | NA | NA | NA | NA |
| 74 | 2024-09-01 |
Shedding Light on the Black Box: Explaining Deep Neural Network Prediction of Clinical Outcomes
2021-Jan-04, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-020-01701-8
PMID:33404886
|
研究论文 | 本研究开发了一种深度神经网络模型，用于预测心血管手术后的临床结果，并引入了一种新的解释方法，通过定义影响分数来关联临床观察与结果 | 本研究引入了影响分数这一新解释方法，有助于揭示深度神经网络模型的预测机制 | 影响分数与逻辑回归模型的对数优势比之间的相关性仅为中等，可能限制了其解释的准确性 | 旨在解释深度神经网络模型在临床结果预测中的应用，并提高其可解释性 | 心血管手术后的临床结果 | 机器学习 | 心血管疾病 | 深度神经网络 | 深度神经网络模型 | 图像 | 使用过往病史的时间图像表示作为输入，具体样本数量未提及 | NA | NA | NA | NA |
| 75 | 2024-08-31 |
Automatic Screening of COVID-19 Using an Optimized Generative Adversarial Network
2021-Jan-25, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09785-7
PMID:33520007
|
研究论文 | 本文提出了一种使用优化生成对抗网络（GAN）进行COVID-19自动筛查的方法 | 采用鲸鱼优化算法（WOA）优化GAN生成器的超参数，提高了模型的性能 | NA | 开发一种自动筛查COVID-19的方法，减轻医疗系统的负担 | COVID-19和非COVID-19的CT图像 | 计算机视觉 | COVID-19 | 生成对抗网络（GAN） | GAN | 图像 | 使用了包含COVID-19和非COVID-19图像的SARS-CoV-2 CT-Scan数据集 | NA | NA | NA | NA |
| 76 | 2024-08-31 |
DRISTI: a hybrid deep neural network for diabetic retinopathy diagnosis
2021, Signal, image and video processing
DOI:10.1007/s11760-021-01904-7
PMID:33897905
|
研究论文 | 本文提出了一种名为DRISTI的混合深度神经网络模型，用于糖尿病视网膜病变（DR）的诊断和分类 | DRISTI模型结合了VGG16和胶囊网络，相较于现有技术，在性能上有了显著提升 | NA | 旨在通过深度学习技术提高糖尿病视网膜病变的诊断准确性 | 糖尿病视网膜病变（DR）的诊断和分类 | 计算机视觉 | 糖尿病视网膜病变 | 深度学习 | 混合深度神经网络（VGG16和胶囊网络） | 图像 | 使用了扩增的APTOS数据集进行训练和验证 | NA | NA | NA | NA |
| 77 | 2024-08-31 |
Convolutional neural networks for the classification of chest X-rays in the IoT era
2021, Multimedia tools and applications
IF:3.0Q2
DOI:10.1007/s11042-021-10907-y
PMID:34155434
|
研究论文 | 本文提出两种基于深度学习的方法，用于快速自动分类胸片图像，以检测胸部疾病 | 引入了基于AlexNet和VGGNet16的支持向量机方法，这些方法在胸片图像分类任务中表现优于传统的AlexNet和VGG16深度学习方法 | NA | 开发自动化的人工智能系统，帮助放射科医生更准确和快速地检测肺部疾病 | 胸片图像 | 计算机视觉 | 肺部疾病 | 深度学习 | CNN | 图像 | 十二种胸片疾病 | NA | NA | NA | NA |
| 78 | 2024-08-30 |
CondenseNet with exclusive lasso regularization
2021, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06222-0
PMID:34219978
|
研究论文 | 本文开发了CondenseNet-elasso，通过应用exclusive lasso正则化来消除不同卷积组之间的特征相关性，从而缓解神经网络的过拟合问题 | 引入exclusive lasso正则化，鼓励不同卷积组使用不同的输入通道子集，学习更多样化的特征 | NA | 提高计算效率并缓解神经网络的过拟合问题 | CondenseNet-elasso模型及其在图像分类任务中的性能 | 机器学习 | NA | group convolution | CNN | image | CIFAR10, CIFAR100和Tiny ImageNet数据集 | NA | NA | NA | NA |
| 79 | 2024-08-30 |
Deep neural networks for COVID-19 detection and diagnosis using images and acoustic-based techniques: a recent review
2021, Soft computing
IF:3.1Q2
DOI:10.1007/s00500-021-06137-x
PMID:34456618
|
综述 | 本文综述了使用图像和声学技术基于深度学习算法进行COVID-19检测和诊断的方法 | 讨论了不同方法的优势和劣势，并介绍了基于深度学习的COVID-19检测的数据库和主要未来挑战 | 未具体提及 | 探讨基于深度学习的COVID-19早期诊断和检测方法，以加快治疗过程并防止病毒传播 | COVID-19的早期检测和诊断 | 计算机视觉 | COVID-19 | 深度学习算法 | 深度神经网络 | 图像 | 未具体提及 | NA | NA | NA | NA |
| 80 | 2024-08-30 |
Automated diagnosis of COVID-19 with limited posteroanterior chest X-ray images using fine-tuned deep neural networks
2021, Applied intelligence (Dordrecht, Netherlands)
DOI:10.1007/s10489-020-01900-3
PMID:34764554
|
研究论文 | 本文提出了一种使用后前位胸X光图像和微调深度神经网络来自动诊断COVID-19的方法 | 采用随机过采样和加权类别损失函数方法，以实现无偏微调学习，并应用于多种先进的深度学习模型 | 研究使用的数据集样本有限，主要关注COVID-19阳性病例 | 开发一种更稳健和替代的COVID-19诊断技术 | COVID-19的自动诊断和肺部感染的识别 | 机器学习 | 呼吸系统疾病 | 深度学习 | NASNetLarge, ResNet, Inception-v3, Inception ResNet-v2, DenseNet169 | 图像 | 公开数据集中包含的COVID-19阳性患者的后前位胸X光图像有限 | NA | NA | NA | NA |