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 643 篇文献，本页显示第 341 - 360 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 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 341 | 2024-08-30 |
Multilevel depth-wise context attention network with atrous mechanism for segmentation of COVID19 affected regions
2021-Oct-26, Neural computing & applications
IF:4.5Q2
DOI:10.1007/s00521-021-06636-w
PMID:34720443
|
研究论文 | 本文提出了一种带有膨胀机制的多层次深度上下文注意力网络，用于COVID-19受影响区域的精确分割 | 引入了3D深度卷积和3D残差挤压激励块，以及不同膨胀率的膨胀机制，以捕获多尺度上下文特征 | 未提及 | 开发一种高效的深度学习解决方案，用于COVID-19及其变种的快速准确诊断 | COVID-19受影响区域的分割和病变定位 | 计算机视觉 | COVID-19 | 深度学习 | CNN | CT图像 | 基准CT数据集 | NA | NA | NA | NA |
| 342 | 2024-08-30 |
Characterizing Swallows From People With Neurodegenerative Diseases Using High-Resolution Cervical Auscultation Signals and Temporal and Spatial Swallow Kinematic Measurements
2021-09-14, Journal of speech, language, and hearing research : JSLHR
DOI:10.1044/2021_JSLHR-21-00134
PMID:34428093
|
研究论文 | 本研究通过高分辨率颈听诊信号和时空吞咽运动学测量，比较了神经退行性疾病患者与健康成年人的吞咽功能差异，并探讨了高分辨率颈听诊在标记神经退行性疾病患者吞咽运动学事件中的能力 | 本研究首次使用高分辨率颈听诊（HRCA）结合深度学习机器学习算法，对神经退行性疾病患者的吞咽运动学事件进行精确标注 | 研究样本量相对较小，且仅限于神经退行性疾病患者与健康成年人之间的比较 | 比较神经退行性疾病患者与健康成年人的吞咽运动学测量，并评估高分辨率颈听诊在标记这些事件中的准确性 | 神经退行性疾病患者和健康成年人的吞咽功能 | 数字病理学 | 神经退行性疾病 | 高分辨率颈听诊（HRCA） | 深度学习机器学习算法 | 信号 | 170名神经退行性疾病患者和171名健康成年人的吞咽样本 | NA | NA | NA | NA |
| 343 | 2024-08-30 |
Examining embedded apparatuses of AI in Facebook and TikTok
2021-Sep-12, AI & society
IF:2.9Q2
DOI:10.1007/s00146-021-01270-5
PMID:34539095
|
研究论文 | 本文通过分析Facebook和TikTok的透明度倡议和官方声明，探讨了AI在这些社交平台中的嵌入方式及其功能，特别是AI内容审核作为解决问题材料和错误信息传播的解决方案。 | 文章创新地分析了AI作为物质-话语机制的复杂性，强调了其在特定时间段内可见、可说、可知的论述技巧以及算法、数据集、用户、平台、基础设施、审核员等物质安排。 | 文章主要依赖于Facebook和TikTok的透明度倡议和官方声明，可能未能全面揭示AI在这些平台中运作的所有细节。 | 研究目的是探讨AI在社交平台中的嵌入方式及其对内容推荐、广告个性化、新闻聚合和问题材料审核的影响。 | 研究对象包括Facebook和TikTok这两个社交平台中的AI嵌入机制。 | 自然语言处理 | NA | 机器学习 (ML), 深度学习 (DL) | NA | 文本 | NA | NA | NA | NA | NA |
| 344 | 2024-08-30 |
Machine learning for medical imaging-based COVID-19 detection and diagnosis
2021-Sep, International journal of intelligent systems
IF:5.0Q1
DOI:10.1002/int.22504
PMID:38607786
|
综述 | 本文综述了机器学习在基于医学影像的COVID-19检测与诊断中的最新进展，特别关注使用CT和X射线图像的机器学习模型 | 利用深度学习算法，特别是卷积神经网络，进行图像分割和分类，以识别COVID-19患者 | 许多机器学习模块在样本量有限的数据集上取得了显著的预测结果 | 探讨机器学习在COVID-19检测与诊断中的应用，以控制疫情传播和降低死亡率 | COVID-19的检测与诊断 | 机器学习 | COVID-19 | NA | 卷积神经网络 | 图像 | 有限样本量 | NA | NA | NA | NA |
| 345 | 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 |
| 346 | 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 |
| 347 | 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 |
| 348 | 2024-08-29 |
An investigation of traffic density changes inside Wuhan during the COVID-19 epidemic with GF-2 time-series images
2021-Dec-01, International journal of applied earth observation and geoinformation : ITC journal
IF:7.6Q1
DOI:10.1016/j.jag.2021.102503
PMID:35481227
|
研究论文 | 本文通过收集武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像，分析了武汉内部交通密度的变化，以反映城市内部人口流动的变化。 | 利用高分辨率遥感图像和结合形态学滤波与深度学习的车辆检测方法，首次详细分析了武汉封城期间内部交通密度的变化。 | 研究主要依赖于遥感图像数据，可能存在天气等外部因素对数据质量的影响。 | 探讨武汉封城政策对城市内部交通密度和人口流动的影响。 | 武汉封城前后的交通密度变化。 | 遥感 | COVID-19 | 遥感图像分析 | 深度学习 | 图像 | 武汉封城前后由GF-2卫星获取的时间序列高分辨率遥感图像 | NA | NA | NA | NA |
| 349 | 2024-08-29 |
FusionAI: Predicting fusion breakpoint from DNA sequence with deep learning
2021-Oct-22, iScience
IF:4.6Q1
DOI:10.1016/j.isci.2021.103164
PMID:34646994
|
研究论文 | 本研究开发了FusionAI，利用深度学习预测基于DNA序列的基因融合断裂点，帮助研究人员更准确地选择融合基因并更好地理解基因组断裂 | FusionAI利用已知的融合断裂点，通过深度学习从原始基因组序列中提供融合基因的预测模型 | NA | 识别与基因组断裂相关的分子机制 | 基因融合断裂点 | 机器学习 | NA | 深度学习 | 深度学习模型 | DNA序列 | NA | NA | NA | NA | NA |
| 350 | 2024-08-28 |
Assessment of the CASP14 assembly predictions
2021-12, Proteins
IF:3.2Q2
DOI:10.1002/prot.26199
PMID:34337786
|
研究论文 | 本文评估了CASP14中39个研究小组提交的超过2500个蛋白质复合物三维模型的预测性能 | 文章展示了结合传统技术与深度学习方法在蛋白质复合物预测中的有效性，并指出AlphaFold2预测在界面预测中的潜在帮助 | 文章指出，对于没有整体模板复合物的预测仍面临重大挑战 | 评估CASP14中蛋白质复合物结构预测的准确性和挑战 | CASP14中的22个蛋白质复合物 | 计算机视觉 | NA | 模板基础建模、蛋白质对接、深度学习基础的接触预测 | 深度学习模型 | 3D模型 | 超过2500个3D模型，涉及22个蛋白质复合物 | NA | NA | NA | NA |
| 351 | 2024-08-28 |
Clinical Artificial Intelligence Applications: Breast Imaging
2021-Nov, Radiologic clinics of North America
IF:2.1Q2
DOI:10.1016/j.rcl.2021.07.010
PMID:34689871
|
review | 本文简要概述了人工智能在临床乳腺影像学中的发展 | 随着影像技术的发展，人工智能技术采用了更复杂的算法、更快的计算机和更大的数据集 | NA | 探讨人工智能在乳腺影像学中的应用 | 乳腺影像学中的检测、诊断及治疗反应评估任务 | computer vision | breast cancer | AI | deep learning | image | NA | NA | NA | NA | NA |
| 352 | 2024-08-28 |
BI-RADS-NET: AN EXPLAINABLE MULTITASK LEARNING APPROACH FOR CANCER DIAGNOSIS IN BREAST ULTRASOUND IMAGES
2021-Oct, IEEE International Workshop on Machine Learning for Signal Processing : [proceedings]. IEEE International Workshop on Machine Learning for Signal Processing
DOI:10.1109/mlsp52302.2021.9596314
PMID:35509454
|
研究论文 | 本文介绍了BI-RADS-Net，一种用于乳腺癌超声图像检测的可解释多任务学习深度学习方法 | 该方法通过学习与临床诊断相关的特征表示，同时解释和分类乳腺肿瘤，并提供基于形态学特征的预测解释 | NA | 开发一种可解释的深度学习方法，用于乳腺癌超声图像的癌症检测 | 乳腺肿瘤的检测和分类 | 计算机视觉 | 乳腺癌 | 深度学习 | CNN | 图像 | 1,192张图像 | NA | NA | NA | NA |
| 353 | 2024-08-28 |
Predict Alzheimer's disease using hippocampus MRI data: a lightweight 3D deep convolutional network model with visual and global shape representations
2021-05-24, Alzheimer's research & therapy
DOI:10.1186/s13195-021-00837-0
PMID:34030743
|
研究论文 | 本文提出了一种基于海马体MRI数据和全局形状表示的轻量级3D深度卷积网络模型DenseCNN2，用于阿尔茨海默病的分类 | DenseCNN2模型结合了海马体分割和全局形状特征，提高了分类性能 | NA | 开发一种高效的阿尔茨海默病分类诊断工具 | 阿尔茨海默病患者和正常对照组的海马体MRI数据 | 机器学习 | 阿尔茨海默病 | MRI | CNN | 图像 | 326名阿尔茨海默病患者和607名正常对照组的海马体MRI数据 | NA | NA | NA | NA |
| 354 | 2024-08-28 |
High-resolution 3D abdominal segmentation with random patch network fusion
2021-04, Medical image analysis
IF:10.7Q1
DOI:10.1016/j.media.2020.101894
PMID:33421919
|
研究论文 | 本文提出了一种基于随机空间初始化和统计融合的补丁网络，用于高分辨率3D腹部器官分割。 | 该方法通过随机空间初始化和统计融合在重叠区域的关注点（ROI）上，提高了多器官分割的性能。 | NA | 研究高分辨率3D腹部器官分割的挑战性问题。 | 3D腹部器官在高分辨率CT上的分割。 | 计算机视觉 | NA | 3D全卷积网络（FCN） | 补丁网络 | 图像 | 260名受试者 | NA | NA | NA | NA |
| 355 | 2024-08-28 |
Dental microfracture detection using wavelet features and machine learning
2021-Feb, Proceedings of SPIE--the International Society for Optical Engineering
DOI:10.1117/12.2580744
PMID:35505894
|
研究论文 | 本文提出了一种结合高分辨率锥束计算机断层扫描（CBCT）和机器学习算法来检测牙齿微裂纹的方法 | 该方法通过使用小波金字塔构造生成相位图像，并利用U-Net深度学习架构定位裂纹的方向和范围，提供了一种新的量化牙齿结构破坏的方法 | 目前该模型仅在2D切片上进行了验证，未来的工作将扩展到3D体积，并改进特征提取和临床验证 | 开发一种新的算法来早期检测牙齿微裂纹，以提高治疗效果和牙齿保留时间 | 研究对象为提取的人类牙齿，包括裂纹牙齿和对照牙齿 | 机器学习 | NA | CBCT | U-Net | 图像 | 22颗裂纹牙齿和14颗对照牙齿 | NA | NA | NA | NA |
| 356 | 2024-08-28 |
Deep learning-based detection and segmentation of diffusion abnormalities in acute ischemic stroke
2021, Communications medicine
IF:5.4Q1
DOI:10.1038/s43856-021-00062-8
PMID:35602200
|
研究论文 | 本文开发了一种基于深度学习的工具，用于检测和分割急性缺血性卒中的扩散异常 | 提出的模型在小型病变中表现优于通用网络和DeepMedic，具有较低的假阳性率、平衡的精确度和敏感性，以及对数据扰动的鲁棒性 | NA | 开发一种高效的工具，用于检测和分割急性卒中的扩散异常 | 急性和亚急性缺血性卒中患者的扩散加权MRI图像 | 计算机视觉 | 脑血管疾病 | 深度学习 | NA | 图像 | 2,348例临床扩散加权MRI图像，以及280例外部数据集MRI图像 | NA | NA | NA | NA |
| 357 | 2024-08-28 |
A deep learning framework for drug repurposing via emulating clinical trials on real-world patient data
2021-Jan, Nature machine intelligence
IF:18.8Q1
DOI:10.1038/s42256-020-00276-w
PMID:35603127
|
研究论文 | 本文介绍了一种基于真实世界患者数据模拟临床试验的深度学习框架，用于药物再利用的候选药物生成和测试 | 该框架结合了因果推断和深度学习方法，模拟随机临床试验，用于大规模医疗索赔数据库中的药物再利用 | NA | 开发一种高效的、易于定制的框架，用于药物再利用的候选药物生成和测试 | 冠状动脉疾病患者群体 | 机器学习 | 心血管疾病 | 深度学习 | NA | 电子健康记录和保险索赔数据 | 数百万冠状动脉疾病患者 | NA | NA | NA | NA |
| 358 | 2024-08-27 |
A deep learning-based segmentation pipeline for profiling cellular morphodynamics using multiple types of live cell microscopy
2021-11-22, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2021.100105
PMID:34888542
|
研究论文 | 本文介绍了一种基于深度学习的分割流程MARS-Net，用于使用多种活细胞显微镜技术对细胞形态动力学进行定量分析 | MARS-Net利用迁移学习和多种显微镜数据，实现了对细胞边缘的高精度定位，相较于仅使用单一显微镜数据集训练的神经网络模型，其边缘定位更为准确 | NA | 开发一种能够从活细胞成像数据中准确分割细胞边缘并量化细胞形态动力学的方法 | 细胞边缘的定位和细胞形态动力学的定量分析 | 计算机视觉 | NA | 深度学习 | U-Net | 图像 | 使用了来自相衬、旋转盘共聚焦和全内反射荧光显微镜的电影数据进行训练 | NA | NA | NA | NA |
| 359 | 2024-08-27 |
A weakly supervised deep learning approach for label-free imaging flow-cytometry-based blood diagnostics
2021-10-25, Cell reports methods
IF:4.3Q2
DOI:10.1016/j.crmeth.2021.100094
PMID:35474892
|
研究论文 | 本文介绍了一种弱监督深度学习方法iCellCnn，用于无需标签的基于成像流式细胞术的血液诊断 | iCellCnn能够基于明场成像流式细胞术图像实现Sézary综合征的诊断，且不限于特定疾病的诊断 | 研究样本量较小，仅包括四名健康捐赠者和五名Sézary综合征患者 | 开发一种无需手动标记单细胞图像的弱监督深度学习方法，以促进成像流式细胞术在血液疾病诊断中的应用 | Sézary综合征的诊断 | 机器学习 | 血液疾病 | 成像流式细胞术 | CNN | 图像 | 四名健康捐赠者和五名Sézary综合征患者 | NA | NA | NA | NA |
| 360 | 2024-08-27 |
End-to-end robust joint unsupervised image alignment and clustering
2021-Oct, Proceedings. IEEE International Conference on Computer Vision
DOI:10.1109/iccv48922.2021.00383
PMID:35392630
|
研究论文 | 提出了一种名为Jim-Net的多任务模型，能够无监督地同时进行图像对齐和聚类 | Jim-Net是首个能够同时进行图像对齐和聚类的端到端模型，显著提高了单独执行每个任务的性能 | NA | 开发一种能够直接学习图像聚类和对齐的多任务模型 | 图像对齐和聚类 | 计算机视觉 | NA | NA | Jim-Net | 图像 | 在七个数据集上进行了广泛评估 | NA | NA | NA | NA |