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 602 篇文献，本页显示第 181 - 200 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 181 | 2024-09-25 |
Replay in Deep Learning: Current Approaches and Missing Biological Elements
2021-10-12, Neural computation
IF:2.7Q3
DOI:10.1162/neco_a_01433
PMID:34474476
|
研究论文 | 本文比较了哺乳动物大脑中的重放机制与人工神经网络中的重放机制，并探讨了如何利用生物重放机制改进人工神经网络 | 首次全面比较了哺乳动物大脑中的重放机制与人工神经网络中的重放机制，并提出了改进人工神经网络的假设 | NA | 探讨生物重放机制在人工神经网络中的应用潜力 | 哺乳动物大脑中的重放机制与人工神经网络中的重放机制 | 机器学习 | NA | NA | 人工神经网络 | NA | NA |
| 182 | 2024-09-25 |
On Clinical Agreement on the Visibility and Extent of Anatomical Layers in Digital Gonio Photographs
2021-09-01, Translational vision science & technology
IF:2.6Q2
DOI:10.1167/tvst.10.11.1
PMID:34468695
|
研究论文 | 本文量化评估了眼科医生在数字前房角照片上描绘解剖层轮廓的注释者间变异性，为自动化分析算法的验证提供了基准 | 本文首次系统地评估了眼科医生在前房角照片上描绘解剖层轮廓的一致性，为深度学习模型的验证提供了基础 | 研究样本量较小，仅包含20张图像，可能影响结果的普适性 | 评估眼科医生在数字前房角照片上描绘解剖层轮廓的一致性，为自动化分析算法的验证提供基准 | 眼科医生在前房角照片上描绘的解剖层轮廓 | 计算机视觉 | NA | NA | NA | 图像 | 20张前房角照片，由5名经验丰富的眼科医生进行注释 |
| 183 | 2024-09-25 |
Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future
2021-Jul-12, Sensors (Basel, Switzerland)
DOI:10.3390/s21144758
PMID:34300498
|
综述 | 本文综述了基于图的深度学习在医疗诊断和分析中的应用 | 探讨了图神经网络在处理不规则和无序生理记录数据中的潜力 | 现有技术主要集中在网格状数据上，难以处理不规则数据 | 探讨机器学习和深度学习方法在医疗数据分析中的应用 | 图神经网络及其在医疗领域的应用 | 机器学习 | NA | 图神经网络 | 图神经网络 | 生理记录数据 | NA |
| 184 | 2024-09-25 |
Map3D: Registration-Based Multi-Object Tracking on 3D Serial Whole Slide Images
2021-07, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2021.3069154
PMID:33780334
|
研究论文 | 本文提出了一种名为Map3D的新方法，用于在3D连续全切片图像上进行基于配准的多目标跟踪，以实现肾脏病理学中大规模肾小球的自动识别和关联 | 创新点包括将大规模肾小球关联视为新的多目标跟踪视角，提出质量感知的全系列配准方法以提供亲和力估计和自动肾脏质量保证，以及提出双路径关联方法以应对跟踪过程中的大变形、缺失组织和伪影 | NA | 实现肾脏病理学中大规模肾小球的自动识别和关联 | 3D连续全切片图像中的肾小球 | 数字病理学 | 肾脏疾病 | 全切片成像（WSI） | 多目标跟踪（MOT） | 图像 | 大规模肾小球 |
| 185 | 2024-09-25 |
A three-stage, deep learning, ensemble approach for prognosis in patients with Parkinson's disease
2021-Jun-07, EJNMMI research
IF:3.1Q1
DOI:10.1186/s13550-021-00795-6
PMID:34100134
|
研究论文 | 本文提出了一种三阶段深度学习集成方法，用于帕金森病患者的预后预测 | 该研究结合了深度学习和集成方法，利用多模态数据（DaTscan图像和临床运动症状测量）进行预后预测，展示了成像和非成像信息的协同作用 | 研究使用了回顾性数据，且样本量相对较小，未来需要在前瞻性研究和更大样本量中验证其有效性 | 开发一种三阶段深度学习集成方法，用于帕金森病患者的预后预测 | 帕金森病患者的预后预测 | 计算机视觉 | 神经退行性疾病 | 深度学习 | 深度神经网络 | 图像和临床数据 | 198名帕金森病患者 |
| 186 | 2024-09-25 |
An imageomics and multi-network based deep learning model for risk assessment of liver transplantation for hepatocellular cancer
2021-04, Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society
IF:5.4Q1
|
研究论文 | 本文开发了一种结合临床数据和定量组织学及放射组学特征的深度学习模型，用于评估肝细胞癌患者肝移植的风险 | 本文的创新点在于开发了一种结合多尺度组织病理学和放射组学图像特征的深度学习模型，用于发现超出肿瘤大小和生物标志物分析的复发风险因素 | NA | 本文的研究目的是开发一种能够更客观评估肝细胞癌患者肝移植风险的深度学习模型 | 本文的研究对象是接受肝移植的肝细胞癌患者 | 计算机视觉 | 肝癌 | 深度学习 | 多层感知器 | 图像 | 共109名患者（训练组87名，测试组22名），其中20名患者出现癌症复发 |
| 187 | 2024-09-23 |
Hyperspectral Microscopic Imaging for the Detection of Head and Neck Squamous Cell Carcinoma on Histologic Slides
2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2581970
PMID:35783088
|
研究论文 | 研究使用高光谱显微成像和深度学习方法自动检测头颈部鳞状细胞癌 | 首次将高光谱显微成像与基于Inception的二维卷积神经网络结合用于头颈部鳞状细胞癌的自动检测 | 样本量较小，仅涉及18名患者 | 探索高光谱显微成像和深度学习方法在头颈部鳞状细胞癌自动检测中的应用 | 头颈部鳞状细胞癌的病理切片 | 数字病理学 | 头颈部鳞状细胞癌 | 高光谱成像 | 二维卷积神经网络 | 图像 | 18名患者 |
| 188 | 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 |
| 189 | 2024-09-21 |
Advancing Eosinophilic Esophagitis Diagnosis and Phenotype Assessment with Deep Learning Computer Vision
2021-Feb, Biomedical engineering systems and technologies, international joint conference, BIOSTEC ... revised selected papers. BIOSTEC (Conference)
DOI:10.5220/0010241900002865
PMID:34046649
|
研究论文 | 本文提出了一种利用深度学习计算机视觉技术自动量化嗜酸性粒细胞以诊断嗜酸性食管炎（EoE）并评估疾病严重程度和进展的方法 | 首次利用深度学习计算机视觉技术进行EoE诊断，并提供了一种自动化的疾病严重程度和进展跟踪过程 | NA | 寻找可能指导新患者在疾病初始诊断时治疗计划的关联 | 嗜酸性食管炎（EoE）的诊断和疾病严重程度及进展评估 | 计算机视觉 | 消化系统疾病 | 深度学习 | U-Net | 图像 | NA |
| 190 | 2024-09-20 |
Evaluation of Ischemic Penumbra in Stroke Patients Based on Deep Learning and Multimodal CT
2021, Journal of healthcare engineering
DOI:10.1155/2021/3215107
PMID:39290779
|
研究论文 | 本文提出了一种基于改进的全局注意力上采样U-Net模型的主次路径注意力补偿网络结构，用于急性缺血性卒中患者的缺血半暗带和核心梗死体积的分割 | 提出了主次路径注意力补偿网络结构，通过辅助路径网络生成松散的辅助注意力补偿系数，弥补主路径网络中可能的注意力系数错误 | 文章未明确提及具体的局限性 | 研究多模态CT在急性缺血性卒中患者中对侧支循环、缺血半暗带、核心梗死体积的定量评估及其在静脉溶栓治疗中的预后评估价值 | 急性缺血性卒中患者的缺血半暗带、核心梗死体积及静脉溶栓治疗的预后 | 计算机视觉 | 脑血管疾病 | 深度学习 | U-Net | 图像 | 未明确提及具体样本数量 |
| 191 | 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 |
| 192 | 2024-09-19 |
Classification of COVID-19 pneumonia from chest CT images based on reconstructed super-resolution images and VGG neural network
2021-Dec, Health information science and systems
IF:4.7Q1
DOI:10.1007/s13755-021-00140-0
PMID:33643612
|
研究论文 | 本文提出了一种基于超分辨率重建图像和VGG神经网络的COVID-19肺炎胸部CT图像分类辅助诊断算法 | 使用SRGAN神经网络对胸部CT图像进行超分辨率重建，然后通过VGG16神经网络对COVID-19和非COVID-19图像进行分类 | NA | 提高COVID-19肺炎胸部CT图像分类的准确性和性能 | COVID-19肺炎和非COVID-19肺炎的胸部CT图像 | 计算机视觉 | 肺部疾病 | 超分辨率重建 | SRGAN和VGG16 | 图像 | 使用公开的COVID-CT数据集进行验证 |
| 193 | 2024-09-19 |
Blockchain-Federated-Learning and Deep Learning Models for COVID-19 Detection Using CT Imaging
2021-Jul-15, IEEE sensors journal
IF:4.3Q2
DOI:10.1109/JSEN.2021.3076767
PMID:35789224
|
研究论文 | 本文提出了一种利用区块链联邦学习和深度学习模型进行COVID-19检测的框架 | 提出了基于区块链的联邦学习框架，解决了数据异质性和隐私保护问题，并使用了胶囊网络进行分割和分类 | NA | 开发一种有效的COVID-19诊断方法，解决测试试剂短缺和数据共享隐私问题 | COVID-19患者的CT影像数据 | 计算机视觉 | COVID-19 | 区块链技术，联邦学习 | 胶囊网络 | CT影像 | 来自不同医院的少量COVID-19患者数据 |
| 194 | 2024-09-19 |
Deep Learning-Based COVID-19 Detection Using CT and X-Ray Images: Current Analytics and Comparisons
2021-May-01, IT professional
IF:2.2Q3
DOI:10.1109/MITP.2020.3036820
PMID:35582037
|
研究论文 | 本文利用深度学习方法基于CT和X光图像进行COVID-19检测，并分析其全球传播情况 | 本文提出了基于深度学习的COVID-19检测方法，并结合数据分析全球传播情况 | NA | 研究COVID-19的检测方法及其全球传播情况 | COVID-19病毒及其传播 | 计算机视觉 | COVID-19 | 深度学习 | NA | 图像 | NA |
| 195 | 2024-09-19 |
A Novel Method for COVID-19 Diagnosis Using Artificial Intelligence in Chest X-ray Images
2021-Apr-29, Healthcare (Basel, Switzerland)
DOI:10.3390/healthcare9050522
PMID:33946809
|
研究论文 | 提出了一种利用人工智能和胸部X光图像自动诊断COVID-19的新方法 | 提出了CoVIRNet模型，结合了深度学习和机器学习技术，通过多尺度特征提取和分类，实现了95.7%的准确率，特征提取器与随机森林分类器结合达到了97.29%的准确率 | 由于COVID-19数据集较小，存在过拟合的风险 | 开发一种非侵入性技术，利用人工智能自动检测疑似COVID-19患者 | COVID-19患者的胸部X光图像 | 计算机视觉 | 传染病 | 深度学习 | Inception-ResNet | 图像 | 有限数量的COVID-19患者胸部X光图像 |
| 196 | 2024-09-19 |
Transfer learning for establishment of recognition of COVID-19 on CT imaging using small-sized training datasets
2021-Apr-22, Knowledge-based systems
IF:7.2Q1
DOI:10.1016/j.knosys.2021.106849
PMID:33584016
|
研究论文 | 本文利用迁移学习技术，基于小规模训练数据集，建立了用于CT影像识别COVID-19的方法 | 本文首次采用迁移学习结合DensNet-121模型，利用CheXNet预训练网络在小规模数据集上进行微调，实现了COVID-19的高精度识别 | 本文方法依赖于预训练网络的性能，且仅在COVID-19-CT数据集上进行了验证 | 开发一种基于CT影像的高效COVID-19识别方法，以减轻临床和放射科医生的负担 | COVID-19的CT影像识别 | 计算机视觉 | COVID-19 | 迁移学习 | DensNet-121 | CT影像 | 小规模数据集 |
| 197 | 2024-09-19 |
Deep Learning-Driven Automated Detection of COVID-19 from Radiography Images: a Comparative Analysis
2021-Mar-02, Cognitive computation
IF:4.3Q1
DOI:10.1007/s12559-020-09779-5
PMID:33680209
|
研究论文 | 本文详细研究了基于深度学习的COVID-19自动检测方法，并进行了模型性能的基准测试 | 首次对315种深度学习模型在COVID-19检测中的性能进行了基准测试，并发现DenseNet201模型结合Quadratic SVM分类器表现最佳 | 研究主要集中在X射线图像上，未涵盖其他类型的医学影像数据 | 评估和比较不同深度学习模型在COVID-19检测中的性能 | COVID-19、正常和肺炎的X射线图像 | 计算机视觉 | COVID-19 | 深度学习 | DenseNet201 | 图像 | 来自四个数据集的X射线图像，共315个模型 |
| 198 | 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 |
| 199 | 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 |
| 200 | 2024-09-15 |
Ten future challenges for synthetic biology
2021-Sep, Engineering biology
DOI:10.1049/enb2.12011
PMID:36968258
|
评论 | 本文讨论了合成生物学领域的10个未来挑战 | NA | NA | 探讨合成生物学未来的技术进步和发展方向 | 合成生物学领域的技术挑战 | 合成生物学 | NA | 自动化、深度学习、进化控制 | NA | NA | NA |