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 646 篇文献，本页显示第 221 - 240 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 221 | 2024-09-27 |
Artificial intelligence to deep learning: machine intelligence approach for drug discovery
2021-Aug, Molecular diversity
IF:3.9Q2
DOI:10.1007/s11030-021-10217-3
PMID:33844136
|
研究论文 | 本文探讨了人工智能和深度学习在药物发现和开发中的应用 | 介绍了深度学习和机器学习算法在药物发现过程中的多种应用，如肽合成、虚拟筛选、毒性预测等 | 未具体提及 | 探讨人工智能和深度学习在药物设计和开发中的应用和潜力 | 药物设计和开发过程中的各种挑战和障碍 | 机器学习 | NA | 深度学习 | 人工神经网络、深度神经网络、支持向量机、生成对抗网络等 | 基因组数据、蛋白质组数据、微阵列数据、临床试验数据等 | NA | NA | NA | NA | NA |
| 222 | 2024-09-27 |
A review of deep learning in medical imaging: Imaging traits, technology trends, case studies with progress highlights, and future promises
2021-May, Proceedings of the IEEE. Institute of Electrical and Electronics Engineers
DOI:10.1109/JPROC.2021.3054390
PMID:37786449
|
综述 | 本文综述了深度学习在医学影像中的应用，涵盖了影像特征、技术趋势、案例研究及未来展望 | 本文总结了深度学习在医学影像中的最新进展，并探讨了未来的发展方向 | 本文未提供详尽的文献综述，而是重点介绍了几个突出的研究亮点 | 探讨深度学习在医学影像中的应用及其未来发展 | 医学影像中的网络架构、稀疏和噪声标签、联邦学习、可解释性和不确定性量化等问题 | 计算机视觉 | NA | 深度学习 | NA | 影像 | NA | NA | NA | NA | NA |
| 223 | 2024-09-27 |
Efficient few-shot machine learning for classification of EBSD patterns
2021-04-14, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-021-87557-5
PMID:33854109
|
研究论文 | 本文研究了在电子背散射衍射（EBSD）图案分类中使用少样本迁移学习方法的有效性 | 本文首次将少样本迁移学习应用于EBSD图案分类，并使用可视化技术解释模型操作 | 本文未详细讨论迁移学习在其他材料科学问题中的应用 | 验证少样本迁移学习在EBSD图案分类中的有效性 | 电子背散射衍射（EBSD）图案 | 计算机视觉 | NA | 迁移学习 | 卷积神经网络（CNN） | 图像 | 六种空间群的EBSD图案 | NA | NA | NA | NA |
| 224 | 2024-09-27 |
Deep learning approaches for natural product discovery from plant endophytic microbiomes
2021, Environmental microbiome
IF:6.2Q1
DOI:10.1186/s40793-021-00375-0
PMID:33758794
|
综述 | 本文综述了利用深度学习方法从植物内生微生物组中发现天然产物的新方法 | 强调了深度学习在预测内生菌生物化学新奇性和调控控制方面的潜力 | NA | 探讨从植物微生物组中发现天然产物的新突破方法 | 植物内生微生物组的次级代谢产物 | 机器学习 | NA | 深度学习 | NA | 基因组、代谢组、调控组和化学数据 | NA | NA | NA | NA | NA |
| 225 | 2024-09-27 |
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
2021, Journal of big data
IF:8.6Q1
DOI:10.1186/s40537-021-00444-8
PMID:33816053
|
综述 | 本文综述了深度学习的概念、CNN架构、挑战、应用和未来方向 | 本文采用更全面的方法，提供了一个更合适的起点，以便全面理解深度学习 | 尽管本文试图全面综述深度学习，但仍可能存在某些方面的遗漏 | 旨在提供一个全面的深度学习综述，涵盖其概念、技术、架构、挑战和应用 | 深度学习及其在多个领域的应用 | 机器学习 | NA | 深度学习 | CNN | NA | NA | NA | NA | NA | NA |
| 226 | 2024-09-27 |
Application of Machine Learning in Diagnosis of COVID-19 Through X-Ray and CT Images: A Scoping Review
2021, Frontiers in cardiovascular medicine
IF:2.8Q2
DOI:10.3389/fcvm.2021.638011
PMID:33842563
|
综述 | 本文综述了使用机器学习和深度学习方法通过X射线和CT图像诊断COVID-19的研究 | 本文通过比较不同机器学习和深度学习方法在COVID-19诊断中的表现，展示了这些方法在临床诊断中的应用潜力 | 本文为综述性研究，未提供新的实验数据或模型 | 探讨机器学习和深度学习方法在COVID-19诊断中的应用 | COVID-19的诊断 | 机器学习 | COVID-19 | NA | NA | 图像 | NA | NA | NA | NA | NA |
| 227 | 2024-09-26 |
A Deep Learning Perspective on Dropwise Condensation
2021-11, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202101794
PMID:34561960
|
研究论文 | 本文提出了一种基于深度学习的智能视觉框架，用于从高度瞬态的液滴群体中提取可解释的物理描述符，以研究表面异质冷凝过程 | 结合经典热流体成像技术和深度学习，实现了对物理描述符的自主提取和热性能的量化，达到了极高的时空分辨率 | NA | 研究冷凝过程中的热流体机制，特别是液滴成核、生长和脱离的循环过程 | 冷凝过程中的液滴群体及其热性能 | 计算机视觉 | NA | 深度学习 | NA | 图像 | NA | NA | NA | NA | NA |
| 228 | 2024-09-26 |
A Review of Methods for Sleep Arousal Detection Using Polysomnographic Signals
2021-Sep-26, Brain sciences
IF:2.7Q3
DOI:10.3390/brainsci11101274
PMID:34679339
|
综述 | 本文综述了近年来基于多导睡眠图信号的睡眠唤醒检测方法，包括统计规则和深度学习方法 | 深度学习方法在不同数据集上表现出强大的泛化能力，预测结果接近人类专家的判断 | NA | 探讨自动睡眠唤醒检测系统的开发，以帮助临床医生诊断睡眠障碍 | 睡眠唤醒检测方法 | 机器学习 | NA | 多导睡眠图（PSG） | 卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆神经网络（LSTM）、残差神经网络（ResNet）及其组合 | 信号 | NA | NA | NA | NA | NA |
| 229 | 2024-09-26 |
A deep learning approach for monitoring parietal-dominant Alzheimer's disease in World Trade Center responders at midlife
2021, Brain communications
IF:4.1Q2
DOI:10.1093/braincomms/fcab145
PMID:34396105
|
研究论文 | 本文利用深度学习方法评估世贸中心响应者的神经心理学和神经影像数据，生成皮层萎缩风险评分，以监测顶叶主导的阿尔茨海默病 | 本文首次应用深度学习方法对世贸中心响应者的神经心理学和神经影像数据进行评估，生成皮层萎缩风险评分，并验证了其准确性 | 样本量相对较小，且仅限于世贸中心响应者群体 | 研究早期认知障碍的特征和原因，并开发一种监测顶叶主导的阿尔茨海默病的新方法 | 世贸中心响应者的神经心理学和神经影像数据 | 机器学习 | 阿尔茨海默病 | 深度学习 | 人工神经网络 | 神经影像数据 | 1441名世贸中心响应者 | NA | NA | NA | NA |
| 230 | 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 |
| 231 | 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 | NA | NA | NA | NA |
| 232 | 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 | NA | NA | NA | NA |
| 233 | 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 | NA | NA | NA | NA |
| 234 | 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 | NA | NA | NA | NA |
| 235 | 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 | NA | NA | NA | NA |
| 236 | 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 | NA | NA | NA | NA |
| 237 | 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 | NA | NA | NA | NA |
| 238 | 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 |
| 239 | 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 | NA | NA | NA | NA |
| 240 | 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 |