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!

Sample Image
添加微信请说明来意
Sample Image
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。

当前筛选条件: [分区不过滤] [IF不过滤] [发表日期:202101-202112] [清除筛选条件]
当前共找到 560 篇文献,本页显示第 301 - 320 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
301 2024-08-24
Stacked-autoencoder-based model for COVID-19 diagnosis on CT images
2021, Applied intelligence (Dordrecht, Netherlands)
研究论文 本文提出了一种基于堆叠自编码器的模型,用于在CT图像上诊断COVID-19 提出了一个堆叠自编码器检测模型,通过构建新的分类损失函数和叠加重建损失,显著提高了检测模型的精确率和召回率 研究基于较小的COVID-19 CT图像数据集,由于患者隐私原因,公开可用的数据集较少 研究基于CT影像的计算机化模型,用于传染病检测 COVID-19的CT图像 计算机视觉 COVID-19 深度学习 堆叠自编码器 图像 小型COVID-2019 CT图像数据集
302 2024-08-24
Improving Uncertainty Estimation With Semi-Supervised Deep Learning for COVID-19 Detection Using Chest X-Ray Images
2021, IEEE access : practical innovations, open solutions IF:3.4Q2
研究论文 本研究通过胸部X光图像实现COVID-19感染检测系统,并引入不确定性估计 使用MixMatch半监督框架利用未标记数据改善不确定性估计,并提出使用Jensen-Shannon距离作为评估不确定性估计可靠性的新指标 未明确提及 改善COVID-19检测中使用的不确定性估计方法 COVID-19感染检测系统的不确定性估计 计算机视觉 COVID-19 NA NA 图像 未明确提及
303 2024-08-23
Big Data to Knowledge: Application of Machine Learning to Predictive Modeling of Therapeutic Response in Cancer
2021-Dec-16, Current genomics IF:1.8Q3
综述 本文综述了机器学习技术在癌症治疗反应预测建模中的应用 探讨了深度学习和因果分析等更复杂技术在治疗反应建模中的潜在应用 讨论了现有机器学习技术的局限性和替代方法 讨论机器学习技术在癌症治疗反应建模中的应用 癌症患者的治疗反应 机器学习 癌症 机器学习 随机森林、支持向量机、神经网络、线性和逻辑回归 分子患者数据 NA
304 2024-08-23
Differentiable biology: using deep learning for biophysics-based and data-driven modeling of molecular mechanisms
2021-10, Nature methods IF:36.1Q1
研究论文 本文探讨了可微分生物学,利用深度学习进行基于生物物理学的和数据驱动的分子机制建模 提出了可微分生物学的新概念,结合特定领域的数学方程和通用机器学习组件,有效整合多模态数据 需要克服稀疏、不完整和噪声数据的限制 展示可微分生物学如何帮助解决跨生物尺度整合多模态数据的长期挑战 从小范围的特定现象到大范围的复杂现象,如蛋白质折叠 生物物理学 NA 深度学习 神经网络 多模态数据 NA
305 2024-08-23
A comparison of Monte Carlo dropout and bootstrap aggregation on the performance and uncertainty estimation in radiation therapy dose prediction with deep learning neural networks
2021-02-24, Physics in medicine and biology IF:3.3Q1
研究论文 本文比较了蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习神经网络中用于放射治疗剂量预测的不确定性估计和性能 提出了使用蒙特卡洛 dropout 和 bootstrap 聚合技术来生成放射治疗剂量预测的不确定性估计,并引入了一种缩放技术来创建可解释的不确定性和预测边界 bagging 技术在训练期间的高计算成本和其性能高度依赖于问题和可接受的预测误差 研究蒙特卡洛 dropout 和 bootstrap 聚合技术在深度学习模型中用于放射治疗剂量预测的不确定性估计和性能 深度学习模型在放射治疗剂量预测中的不确定性和性能 机器学习 NA 蒙特卡洛 dropout (MCDO), bootstrap 聚合 (bagging) 深度学习神经网络 NA NA
306 2024-08-23
COVID-19 detection and disease progression visualization: Deep learning on chest X-rays for classification and coarse localization
2021, Applied intelligence (Dordrecht, Netherlands)
研究论文 本文通过深度学习方法对胸部X光片进行分类和粗略定位,以检测COVID-19并可视化疾病进展 采用迁移学习管道和多种预训练卷积骨干网络进行分类,并使用生成对抗网络(CycleGAN)增强COVID-19类别数据 由于标记医学图像数量有限,自动化分类仍是一个挑战 开发一种自动化方法来分类COVID-19胸部X光片,并可视化疾病进展 COVID-19胸部X光片 计算机视觉 COVID-19 迁移学习 CNN 图像 使用了两个公开的胸部X光片数据集
307 2024-08-23
Machine and Deep Learning Prediction Of Prostate Cancer Aggressiveness Using Multiparametric MRI
2021, Frontiers in oncology IF:3.5Q2
研究论文 本研究开发并验证了基于多参数磁共振成像(mpMRI)数据的机器学习和深度学习框架,用于根据前列腺癌(PCa)的侵袭性进行分类 本研究优化了多个机器学习和深度学习框架,并在T2加权、表观扩散系数(ADC)和T2w+ADC数据上进行了患者嵌套验证,以提高前列腺癌侵袭性预测的准确性 所有基于PI-RADS 2.0数据训练和验证的机器学习和深度学习框架,在PI-RADS 2.1数据测试时,其AUROC值均未超过随机水平 开发和验证机器学习和深度学习框架,以支持临床决策并减少读片者间和读片者内的变异性 前列腺癌的侵袭性评估 机器学习 前列腺癌 多参数磁共振成像(mpMRI) 机器学习和深度学习 图像 112名患者(132个外周病变,Prostate Imaging Reporting and Data System(PI-RADS)评分≥3)
308 2024-08-23
Multi-Institutional Validation of Two-Streamed Deep Learning Method for Automated Delineation of Esophageal Gross Tumor Volume Using Planning CT and FDG-PET/CT
2021, Frontiers in oncology IF:3.5Q2
研究论文 本文验证了一种双流深度学习方法在多个机构中自动勾画食管大体肿瘤体积(GTV)的临床应用 开发了一种双流深度学习模型,能够使用治疗计划CT和FDG-PET/CT扫描进行GTV分割,并具有仅使用CT或CT+PET/CT组合进行分割的灵活性 模型在不同机构中的适应性和性能需要进一步验证 验证深度学习多模态食管GTV勾画模型的临床应用性 食管癌患者的GTV勾画 机器学习 食管癌 深度学习 双流深度学习模型 CT和PET/CT扫描 606名食管癌患者
309 2024-08-23
Predicted Cognitive Conversion in Guiding Early Decision-Tailoring on Patients With Cognitive Impairment
2021, Frontiers in aging neuroscience IF:4.1Q2
研究论文 本研究旨在测试混合卷积神经网络和长短期记忆模型(CNN-LSTM)在预测阿尔茨海默病(AD)和轻度认知障碍(MCI)患者长期认知转换方面的早期决策调整的可行性 利用深度学习模型和纵向特征信息的协同优势,初步验证了在认知转换预测方面具有可比较的性能 考虑到本研究中应用的治疗策略多样性有限,应进一步模拟现实世界的医疗情况 测试混合CNN-LSTM模型在早期决策调整中的可行性 阿尔茨海默病(AD)和轻度认知障碍(MCI)患者 机器学习 阿尔茨海默病 混合卷积神经网络和长短期记忆模型(CNN-LSTM) CNN-LSTM 纵向神经心理学相关特征 224名患者
310 2024-08-23
Identifying Prognostic Markers From Clinical, Radiomics, and Deep Learning Imaging Features for Gastric Cancer Survival Prediction
2021, Frontiers in oncology IF:3.5Q2
研究论文 本研究利用机器学习和多模态数据(包括临床变量、放射组学和深度学习提取的CT影像特征)对1061名胃癌患者进行生存预测,以提高胃癌患者的预后和治疗计划。 本研究首次整合临床变量、放射组学和深度学习影像特征,通过Cox比例风险模型进行胃癌生存预测,并分析了不同特征的预测效果。 NA 提高胃癌生存预测的准确性,以改善患者预后和治疗计划。 胃癌患者的生存预测。 机器学习 胃癌 放射组学、深度学习 Cox比例风险模型 临床数据、影像数据 1061名胃癌患者,其中743名用于模型学习,318名用于独立评估。
311 2024-08-23
WEENet: An Intelligent System for Diagnosing COVID-19 and Lung Cancer in IoMT Environments
2021, Frontiers in oncology IF:3.5Q2
研究论文 本文开发了一种基于深度学习的计算高效医学影像框架WEENet,用于从胸部X射线和CT图像中早期诊断COVID-19和肺癌 提出了一种新的深度学习框架WEENet,利用高效的卷积神经网络提取高级特征,并通过分类机制进行COVID-19诊断,性能超越现有最先进方法 NA 开发一种新的深度学习框架,用于从医学影像中有效建模和早期诊断COVID-19 COVID-19和肺癌的早期诊断 计算机视觉 COVID-19 卷积神经网络 CNN 图像 使用了三个基准医学胸部X射线和CT图像数据集
312 2024-08-22
Integrating Domain Knowledge into Deep Learning for Skin Lesion Risk Prioritization to Assist Teledermatology Referral
2021-Dec-24, Diagnostics (Basel, Switzerland)
研究论文 本文通过结合领域知识与深度学习,开发了一种用于皮肤病变风险优先级排序的方法,以辅助远程皮肤科转诊 提出了一种新的优先级排序流程,该流程受领域知识启发,并探索了自动病变分割、层次分类和课程学习等不同学习方案 在大多数实验中,添加患者信息并未带来益处 改进现有的远程皮肤科流程,提高皮肤病变诊断的效率 皮肤病变的风险优先级排序 机器学习 NA 深度学习 CNN 图像 回顾性数据集来自葡萄牙国家卫生系统的转诊请求
313 2024-08-22
Robustness of convolutional neural networks to physiological electrocardiogram noise
2021-Dec-13, Philosophical transactions. Series A, Mathematical, physical, and engineering sciences
研究论文 本研究探讨了卷积神经网络对生理性心电图噪声的鲁棒性 首次系统评估了卷积神经网络在处理含噪声心电图数据时的性能 研究仅限于特定类型的心电图噪声和数据集,可能不适用于所有情况 评估深度学习方法在心电图信号处理中的鲁棒性 心电图信号及其在心血管疾病诊断中的应用 机器学习 心血管疾病 NA CNN 图像 具体样本数量未在摘要中提及
314 2024-08-22
Wheat physiology predictor: predicting physiological traits in wheat from hyperspectral reflectance measurements using deep learning
2021-Oct-19, Plant methods IF:4.7Q1
研究论文 本文比较了偏最小二乘回归(PLSR)与多种深度学习方法及集成模型在预测小麦叶片光合作用及相关性状方面的准确性 提出的深度学习及集成模型能灵活应用于不同光谱范围,且不显著影响准确性,无需昂贵的高成本叶片光谱仪 NA 提高小麦叶片光合作用及相关性状的预测准确性 小麦叶片的光合作用及相关性状 机器学习 NA 深度学习 集成模型 光谱数据 使用先前发表的数据集进行训练和测试
315 2024-08-21
Classification of Clinically Significant Prostate Cancer on Multi-Parametric MRI: A Validation Study Comparing Deep Learning and Radiomics
2021-Dec-21, Cancers IF:4.5Q1
研究论文 本研究旨在通过多参数磁共振成像(mpMRI)比较深度学习和放射组学模型在临床显著性前列腺癌(PCa)分类中的性能 本研究首次在不同中心和不同扫描仪的数据集上比较了深度学习和放射组学模型的性能 研究仅限于四个数据集,可能需要更多数据集以进一步验证模型的泛化能力 比较深度学习和放射组学模型在临床显著性前列腺癌诊断中的性能 临床显著性前列腺癌的分类 机器学习 前列腺癌 多参数磁共振成像(mpMRI) 深度学习模型和放射组学模型 医学影像 共包含371名患者的数据集,以及两个外部数据集(195名患者和79名患者)
316 2024-08-21
A Deep Learning Ensemble Approach for Automated COVID-19 Detection from Chest CT Images
2021-Dec-20, Journal of clinical medicine IF:3.0Q1
研究论文 本研究旨在评估基于迁移学习技术的自动化COVID-19检测方法,该方法利用胸部CT图像进行检测 采用卷积神经网络(CNN)作为特征提取器,并结合信息增益过滤器选择特征,最终通过多数投票方法进行分类 NA 评估自动化COVID-19检测方法的性能 胸部CT图像 计算机视觉 COVID-19 迁移学习 CNN 图像 4171张CT扫描图像,来自210名不同患者
317 2024-08-21
Moving beyond the Slit-Lamp Gonioscopy: Challenges and Future Opportunities
2021-Dec-06, Diagnostics (Basel, Switzerland)
综述 本文综述了裂隙灯前房角镜检查的局限性以及新型数字前房角镜GS-1的优势和潜在应用 介绍了新型数字前房角镜GS-1,该设备允许半自动的环形记录前房角的真实彩色照片,并探讨了其在远程医疗、虚拟诊所和深度学习自动分类中的潜在应用 裂隙灯前房角镜检查存在学习曲线陡峭、检查者间一致性差和记录不良的缺点 探讨裂隙灯前房角镜检查的挑战和未来机遇 前房角及其在青光眼诊断和治疗中的应用 NA 青光眼 NA NA 图像 NA
318 2024-08-21
Unseen Artificial Intelligence-Deep Learning Paradigm for Segmentation of Low Atherosclerotic Plaque in Carotid Ultrasound: A Multicenter Cardiovascular Study
2021-Dec-02, Diagnostics (Basel, Switzerland)
研究论文 本文研究了一种新的深度学习方法,用于在多中心心血管研究中分割颈动脉超声中的低斑块,该方法在不同种族群体中进行训练和测试。 首次采用“未见人工智能”范式,即在不同种族群体中进行训练和测试,以验证深度学习模型的通用性。 研究仅限于颈动脉超声图像的分割,且样本来自两个特定的种族群体。 验证深度学习模型在不同种族群体中分割低斑块的能力,并评估其与“已见人工智能”模型的性能接近程度。 颈动脉超声图像中的低斑块分割。 机器学习 心血管疾病 深度学习 UNet 图像 630个样本,包括330个日本人和300个香港人
319 2024-08-21
Stent detection with very thick tissue coverage in intravascular OCT
2021-Dec-01, Biomedical optics express IF:2.9Q2
研究论文 本文开发了一种深度学习方法,用于自动分析具有薄和非常厚组织覆盖的支架,并提出了一种算法来准确分析植入多个支架的血管区域 本文首次提出了一种能够处理非常厚组织覆盖的支架分析的深度学习方法,并能够有效分析植入多个支架的血管区域 NA 开发一种自动分析具有不同组织覆盖厚度的支架的方法,以提高评估支架植入和支架后组织覆盖的效率 冠状动脉支架及其组织覆盖情况 计算机视觉 心血管疾病 深度学习 深度学习模型 图像 25203张图像来自56次OCT回拉和41名患者
320 2024-08-21
An empirical study of using radiology reports and images to improve ICU-mortality prediction
2021-Aug, Proceedings. IEEE International Conference on Healthcare Informatics
研究论文 本研究构建了一个基于深度学习的生存预测模型,利用多模态数据预测ICU死亡率 本研究首次结合生理测量数据、预定义的胸部疾病标签、基于BERT的文本表示和胸部X光图像特征,通过深度学习方法显著提高了ICU死亡率的预测准确性 NA 提高ICU死亡率的预测准确性 ICU患者的死亡率 机器学习 NA 深度学习 深度学习模型 多模态数据 使用了Medical Information Mart for Intensive Care IV (MIMIC-IV)数据集
回到顶部